Communitygithub.com

NeverSight/learn-skills.dev

Guía de producción de videos explicativos: guionización, locución, visuales y ensamblaje. Cubre fórmulas de guion, reglas de ritmo, planificación de escenas y pipelines multiherramienta. Útil para: demostraciones de producto, videos explicativos, onboarding, explicadores sociales.

¿Qué es learn-skills.dev?

Esta habilidad proporciona una guía completa y práctica para la producción de videos explicativos, desde la escritura del guion hasta el montaje final, utilizando la CLI de inference.sh. Está diseñada para desarrolladores y creadores de contenido que desean crear videos profesionales de manera eficiente. La guía incluye fórmulas de guion probadas como Problema-Agitar-Solución (PAS) y Antes-Después-Puente (BAB), reglas de ritmo de locución, y plantillas de escenas visuales. Soporta una amplia gama de formatos de video, desde avances sociales de 15 segundos hasta tutoriales completos de 5 minutos. La habilidad se ejecuta a través de la herramienta de línea de comandos `belt` de inference.sh, lo que permite generar locuciones con Dia TTS, crear escenas visuales con modelos como Google Veo y ByteDance Seedance, y ensamblar el video final con herramientas de fusión de medios. Es ideal para automatizar flujos de trabajo de producción de videos explicativos, ahorrando tiempo y garantizando resultados consistentes y de alta calidad.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/101-skills/skills/explainer-video-guide

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Instala la habilidad CLI belt: npx skills add belt-sh/cli

Guía de Video Explicativo

Crea videos explicativos desde el guion hasta el corte final a través de la CLI de inference.sh.

Inicio Rápido

Requiere la CLI de inference.sh (belt). Instrucciones de instalación

belt login

# Genera una escena para un video explicativo
belt app run google/veo-3-1-fast --input '{
  "prompt": "Animación en estilo motion graphics limpio, datos abstractos fluyendo entre nodos conectados, esquema de colores azul y blanco, estética corporativa profesional, transiciones suaves"
}'

Fórmulas de Guion

Problema-Agitar-Solución (PAS) — 60 segundos

SecciónDuraciónContenidoRecuento de Palabras
Problema10sExpresa el punto de dolor del espectador~25 palabras
Agitar10sMuestra por qué es peor de lo que creen~25 palabras
Solución15sPresenta tu producto/idea~35 palabras
Cómo Funciona20sMuestra 3 pasos o características clave~50 palabras
CTA5sUna clara siguiente acción~12 palabras

Antes-Después-Puente (BAB) — 90 segundos

SecciónDuraciónContenido
Antes15sMuestra el estado frustrante actual
Después15sMuestra el resultado ideal
Puente40sExplica cómo tu producto los lleva allí
Prueba Social10sEstadística o testimonio rápido
CTA10sSiguiente paso claro

Destacado de Funcionalidad — 30 segundos (social)

SecciónDuraciónContenido
Gancho3sHecho sorprendente o pregunta
Funcionalidad15sMuestra una funcionalidad resolviendo un problema
Resultado7sEl resultado/beneficio
CTA5sPruébalo / Aprende más

Reglas de Ritmo

Tipo de ContenidoPalabras por MinutoNotas
Narración estándar150 ppmRitmo conversacional
Complejo/técnico120 ppmPermitir tiempo de procesamiento
Enérgico/social170 ppmMás rápido para formato corto
Contenido infantil100 ppmClaro y lento

Regla clave: 1 escena por mensaje clave. No empaques múltiples ideas en un solo visual.

Guías de Duración de Escenas

  • Plano de establecimiento: 3-5 segundos
  • Demostración de funcionalidad: 5-8 segundos
  • Texto/estadística en pantalla: 3-4 segundos (debe ser legible)
  • Transición: 0.5-1 segundo
  • Pantalla de CTA: 3-5 segundos

Producción Visual

Tipos de Escenas

# Producto en contexto
belt app run google/veo-3-1-fast --input '{
  "prompt": "Video de demostración de producto limpio, manos escribiendo en un portátil mostrando un panel de control, oficina moderna y luminosa, iluminación natural suave, profesional"
}'

# Visualización de concepto abstracto
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "Motion graphics abstractos, coloridos flujos de datos conectando formas geométricas flotantes, animación fluida suave, fondo oscuro con elementos brillantes, estética tecnológica",
  "generate_audio": true
}'

# Plano de estilo de vida/resultado
belt app run google/veo-3-1-fast --input '{
  "prompt": "Persona feliz relajándose en un sofá con portátil, sonriendo a la pantalla, sala de estar luminosa y aireada, cálida luz de la tarde, sensación de cliente satisfecho, estilo comercial de estilo de vida"
}'

# Comparación antes/después
belt app run falai/flux-dev-lora --input '{
  "prompt": "Comparación en pantalla dividida, lado izquierdo escritorio desordenado con papeles y estrés, lado derecho espacio de trabajo minimalista limpio y organizado, diferencia dramática, diseño limpio"
}'

Imagen a Video para Escenas

# Genera un fotograma fijo primero
belt app run falai/flux-dev-lora --input '{
  "prompt": "Espacio de trabajo profesional con interfaz holográfica brillante, futurista pero limpio, iluminación azul de acento"
}'

# Anímalo
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "Suave movimiento de cámara hacia adentro, elementos holográficos sutiles flotando y rotando, cambios suaves de luz ambiental",
  "image": "ruta/a/workspace-still.png"
}'

Producción de Locución

Consejos para Escribir el Guion

  • Frases cortas. Máximo 15 palabras por frase.
  • Voz activa. "Puedes rastrear tus datos" no "Tus datos pueden ser rastreados."
  • Tono conversacional. Léelo en voz alta — si suena rígido, reescríbelo.
  • Una idea por frase. Una frase por latido visual.

Generando Locución

# Narración profesional con Dia TTS
belt app run falai/dia-tts --input '{
  "prompt": "[S1] ¿Cansado de pasar horas en informes que nadie lee? Hay una mejor manera. Conoce DataFlow. Convierte tus datos sin procesar en historias visuales... en segundos. Solo conecta tu fuente, elige una plantilla y comparte. Prueba DataFlow gratis hoy."
}'

Control de Ritmo en TTS

TécnicaEfectoEjemplo
Punto .Pausa media"Esto lo cambia todo. Así es cómo."
Puntos suspensivos ...Pausa larga (dramática)"Y el resultado... fue increíble."
Coma ,Pausa corta"Rápido, simple, potente."
Exclamación !Énfasis/energía"¡Empieza a construir hoy!"
Interrogación ?Entonación ascendente"¿Y si hubiera una mejor manera?"

Música y Audio

Guías de Música de Fondo

  • Volumen: 20-30% por debajo de la narración (duck de 6-12dB cuando suena la voz)
  • Estilo: igual al tono de la marca (corporativo = ambiente electrónico, startup = indie optimista)
  • Estructura: crescendo inicial (primeros 3s) -> bucle sutil bajo la narración -> crescendo en la CTA
  • Sin vocales: solo instrumental bajo la narración
# Generar música de fondo
belt app run <music-gen-app> --input '{
  "prompt": "música de fondo corporativa optimista, electrónica moderna, 90 BPM, positiva y profesional, sin vocales, adecuada para video explicativo de producto"
}'

Pipeline de Ensamblaje

Flujo de Trabajo Completo de Producción

# 1. Generar locución
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Aquí tu guion..."
}'

# 2. Generar visuales de escenas (en paralelo)
belt app run google/veo-3-1-fast --input '{"prompt": "descripción de escena 1"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "descripción de escena 2"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "descripción de escena 3"}' --no-wait

# 3. Fusionar escenas en secuencia
belt app run infsh/media-merger --input '{
  "media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'

# 4. Añadir locución al video
belt app run infsh/video-audio-merger --input '{
  "video": "merged-scenes.mp4",
  "audio": "voiceover.mp3"
}'

# 5. Añadir subtítulos
belt app run infsh/caption-videos --input '{
  "video": "final-with-audio.mp4",
  "caption_file": "captions.srt"
}'

Duración del Video por Formato

FormatoDuraciónPlataforma
Avance social15-30sTikTok, Instagram Reels, YouTube Shorts
Demostración de producto60-90sSitio web, página de aterrizaje
Explicador de funcionalidad90-120sYouTube, correo electrónico
Tutorial/paso a paso2-5minYouTube, centro de ayuda
Video para presentación a inversores2-3minSuplemento de presentación

Tipos de Transición

TransiciónCuándo UsarEfecto
CortePor defecto entre escenas relacionadasLimpio, profesional
Disolución/EncadenadoPaso del tiempo, cambio de estado de ánimoSuave, contemplativo
BarridoNuevo tema o secciónSeparación clara
Zoom/EmpujeProfundizando en detallesEnfocar atención
Corte de coincidenciaSimilitud visual entre escenasInteligente, memorable

Errores Comunes

ErrorProblemaSolución
Guion demasiado extensoLocución apresurada, espectador abrumadoReducir a 150 ppm máximo
Sin gancho en los primeros 3sLos espectadores se van inmediatamenteComienza con el problema o una estadística sorprendente
Visuales retrasan la narraciónDesconexión confusaLos visuales deben coincidir o preceder ligeramente a las palabras
Música de fondo demasiado altaNo se oye la narraciónDuck de música 6-12dB por debajo de la voz
Sin subtítulosEl 85% del video social se ve en silencioSiempre añade subtítulos
Demasiadas ideasEl espectador no retiene nadaUn mensaje central por video

Habilidades Relacionadas

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering

Explora todas las apps: belt app store

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Download YouTube videos, extract/proofread/translate subtitles, and render them onto video. Use whenever the user asks to download a YouTube video with subtitles, translate video subtitles to Chinese, add subtitles/burn subtitles to a video, or do ASR transcription on video audio. Covers the full pipeline: video download → subtitle extraction → proofreading → translation → SRT generation → subtitle rendering. Also use for "下载视频加字幕", "视频翻译字幕", "把字幕烧录到视频中". For pure subtitle file creation without rendering (just SRT output), this skill handles that too — stop before Phase 5.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills relacionados