Communitygithub.com

yt-film

Crea documentales narrados de formato largo o videos explicativos en YouTube con el motor Python yt-film. Útil para lluvia de ideas, investigación de fuentes, guías de imágenes, guiones, narración temporizada, música, imágenes vivas, mapas, páginas de cómic, notas al pie, sonido, renderizados por lotes de paisajes, mezclas finales, doblajes, miniaturas, configuración o el ejemplo de Chadwick. El skill complementario yt-film-reels cubre episodios sociales verticales.

¿Qué es yt-film?

El skill yt-film es una herramienta integral para la producción de documentales narrados y videos explicativos de larga duración en YouTube, construida sobre un motor Python. Permite a los usuarios transformar aproximadamente 150 imágenes fijas en una película completa con narración, música, efectos visuales y doblaje, todo sin necesidad de software de edición profesional como After Effects. El skill admite múltiples plataformas (macOS, Linux, Windows) y se integra con herramientas de IA como Claude para la generación de guiones e imágenes, Gemini TTS para la narración y Lyria para la música. El flujo de trabajo incluye investigación, guía de imágenes, escritura de guiones, generación de voz, temporización de palabras, música, listas de tomas, renderizado por lotes y montaje final, con opciones para doblaje en varios idiomas y creación de miniaturas. El skill está diseñado para ser altamente personalizable, permitiendo a los usuarios elegir su estilo visual, tipo de narración y herramientas de medios, mientras que el motor maneja animaciones complejas como imágenes vivas, páginas de cómic y dibujos animados en tiempo real.

Compatible con✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/ma7pc27/yt-film/tree/HEAD

Preguntar en tu IA favorita

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

Documentación

yt-film: películas narradas a partir de imágenes fijas

Para Reels verticales, Shorts o videos sociales seriados, usa el skill complementario yt-film-reels.

El conjunto base es un suelo, no la película. Para cada película, horizontal o vertical, haz el pase creativo en Claude es el conductor antes de las listas de tomas: decide qué necesita esta historia que la base no tiene (sus propios efectos, transiciones, sonidos, dispositivos de dibujo), hazlos o búscalos, y reutiliza un efecto base solo cuando encaje. El motor también renderiza en vertical: modo retrato.

Una línea de producción para películas narrativas: el usuario crea ~150 imágenes fijas a partir de una guía que escribe Claude, Claude escribe el guion a partir de esas imágenes, una voz lo lee, y el motor Python da vida a cada imagen al ritmo de las palabras. La película de referencia es el ejemplo de Chadwick (examples/chadwick/, La hija de Carnegie: la mujer que pidió prestados millones como la hija secreta de Andrew Carnegie): sus imágenes, guion, voz, banda sonora, listas de tomas y el video de prueba de efectos de 70 segundos (examples/chadwick/video/chadwick_effects_test.mp4) muestran todas las técnicas.

REPO a continuación es la carpeta de este skill (donde está este archivo). PY es su Python: REPO/.venv/bin/python en macOS/Linux, REPO\.venv\Scripts\python.exe en Windows. Siempre ejecuta los comandos del motor con PY, desde la carpeta tools/ del proyecto. Si .venv no existe, primero configura: sigue el runbook de instalación (para Claude) en references/install.md paso a paso (pregunta antes de instalaciones en todo el sistema; el usuario pega su propia clave de API).

Reglas básicas

  • Nunca renderices sin la aprobación del usuario. Verifica con stills.py (una hoja de contactos en ~30 s). Los renderizados por lotes, vistas previas, el final y la unión final toman minutos u horas: di qué renderizarías y cuánto tiempo puede llevar, y espera un sí. No vuelvas a renderizar nada que ya esté renderizado a menos que haya cambiado y el usuario lo quiera.
  • Pregunta las rutas del usuario una vez por proyecto: qué herramienta de imagen (references/image-generation.md), voz (Gemini TTS o la suya propia: references/voice.md), música (Lyria o la suya propia: references/music.md), su nicho y nombre de canal, y las tres opciones que hacen que el canal sea suyo: el estilo de imagen (el inicio: gouache, editorial plano, noir, tiza, cómic, libro ilustrado, plano arquitectónico, o el suyo propio; ¿personajes o ninguno?), el aspecto del motor (YTF_LOOK: gouache, clean, noir, chalk, comic, storybook, blueprint; look.json para valores individuales) y el formato (story, explainer, countdown, rise-fall, storytime, kids, summary, case-study, news): references/art-styles.md, references/formats.md. No uses por defecto el estilo pastel de historia real del ejemplo; si el usuario no tiene preferencia, muestra las opciones en una tabla corta y recomienda una que se ajuste a su nicho.
  • El nicho del usuario es suyo: no lo dirijas a la historia ni al tema del ejemplo. El ejemplo es una referencia de técnicas, no una plantilla para temas.
  • Windows: las rutas con barras inclinadas funcionan; los trabajos largos se ejecutan en segundo plano; la configuración de velocidad en references/performance.md. Nunca asumas herramientas solo para macOS.
  • Sin claves de API en archivos que no sean .env. Descarga fotos reales o archivos de sonido solo después de la aprobación del usuario (indica el archivo, la fuente, el tamaño y la licencia).

El stack

TrabajoHerramientaDónde
Investigaciónbúsqueda web, lista de hechos verificados con fuentes; marca lo que no se puede confirmarOUTLINE.md
Imágenesla herramienta de imágenes del usuario, desde la guía de ClaudeIMAGE_GUIDE.md (+ IMAGE_PROMPTS.jsonl para la API), incoming/
GuionClaude, escrito a partir de la guía de imágenes, un pasaje ## por ritmo, notas [SHOTS: …]SCRIPT.md
VozGemini TTS (voz Orus, leer lentamente → 1.25x, pausas limitadas) o el audio del usuario mediante import_voice.pytools/voice.py, tools/import_voice.py
Temporización de palabrasWhisper: mlx-whisper (Apple Silicon) o faster-whisper (Windows/Intel/Linux)voice/<batch>_words.json
MúsicaLyria (API de Gemini), una pista por sección, o las pistas con licencia del usuariotools/music.py → audio/music/
Motor de películaPython (OpenCV, Pillow, NumPy, SciPy), sin After Effectstools/film.py, fx2.py, seq.py, signature.py, wr.py, kit.py
Listas de tomasun archivo por lote en seq.py, sincronizado con los tiempos de palabra del lotetools/<story>.py + tools/shots_bN.py
Renderizadosen paralelo, dimensionados para la máquina, baja prioridadtools/render_all.py
Finalla propia animación de cierre del usuario (ejemplo: cta.py)renders/cta.mp4
Unión finallotes + final, una pista continua, −14 LUFS / −2 dBTPtools/final.py
Doblajesespañol y francés por defecto: traducción de Gemini + TTS en fragmentos de ~3 minutos, ajustados a los espacios en ingléstools/dub.py
Miniaturasla herramienta de imágenes del usuario, a partir de una guíareferences/thumbnails.md

Los proyectos viven en YTF_WORKSPACE (por defecto ~/yt-film-projects/<story>/), creados por PY REPO/scripts/new_project.py <story>, que copia el motor en tools/ y crea todas las carpetas. La configuración está en .env (primero el proyecto, luego REPO): GEMINI_API_KEY, YTF_CHANNEL, nombres de voz/modelo, perillas de velocidad (.env.example las lista todas). engine/ytf.py encuentra fuentes, la clave, Whisper y el arte compartido en cualquier SO.

El orden de trabajo

  1. Elige la historia si no se da: 3 a 5 candidatos con comprobaciones de brecha (references/story-finding.md). Inicia el proyecto con su formato y aspecto: PY REPO/scripts/new_project.py <name> --format <format> --look <look> (escribe la plantilla del formato en OUTLINE.md, YTF_FORMAT y YTF_LOOK en .env). Prueba un nuevo estilo en dos imágenes con stills.py antes de escribir la guía completa (references/art-styles.md, última sección).
  2. Historia y hechos: investigación; OUTLINE.md con fuentes. Marca cualquier cosa no confirmada y exprésalo de forma ambigua más tarde ("según informes"), nunca lo afirmes como un hecho. Decide el gancho (references/hooks.md: nunca del mismo tipo que las últimas tres películas del usuario). Luego escribe la columna vertebral al principio de OUTLINE.md (references/storytelling.md): una pregunta que la película responde y de 8 a 12 ritmos unidos por "así que" / "pero"; el primer acto equivocado o momento decisivo alrededor del ~15% de la película; uno o dos pasajes de antecedentes por persona principal. Muéstraselo al usuario antes de la guía de imágenes.
  3. Guía de imágenes primero (references/image-guide.md, escrita para la ruta del usuario). Sigue la columna vertebral y la forma en que la película se narra (muestra, luego dibuja: la fila de cada ritmo nombra la línea a la que sirve y lo que se dibuja sobre o después de ella). Apunta a ~150 imágenes: tarjeta de estilo, hojas de reparto, ~100 tomas de escena con cobertura (W amplio, M medio, F primer plano de rostro como EDIT, D detalle, P punto de vista), 6 escenas con versiones _lines, 12 hojas de bocetos + _lines, ~10 objetos de historia en blanco ("bases": un cuaderno, un mapa antiguo, una tarjeta, un libro de contabilidad, un sobre, un telegrama, un periódico). Nombres de archivo exactos y carpetas. Reglas de consistencia: references/consistency.md.
  4. Verifica las imágenes a medida que llegan los grupos (manos, rostros, detalles de época, sin texto, forma: las imágenes llegan ~16:9 y se recortan al centro a 2:1, por lo que nada importante en la parte superior/inferior). Descargas manuales: scripts/sort_images.py. Luego hojas en cuadrícula en px del motor (COLS=4 PY tools/egrid.py out.png IMG ...) y mapea todas las chimeneas, lámparas, velas, aliento y áreas tranquilas de cada imagen antes de escribir las tomas.
  5. Guion a partir de las imágenes. Cada imagen generada se utiliza; mapea cada pasaje a sus tomas y ejecuta la comprobación de imágenes no utilizadas (ejemplo: examples/chadwick/tools/script_check.py), luego PY tools/story_check.py (fechas habladas, aperturas de cambio de escena, dónde cae el pasaje [DRIVE], cada costura de lote) y las comprobaciones en references/storytelling.md (recontar, 15%, pero/por lo tanto, sin explicaciones apiladas, 5–7 fechas habladas, mostrar → dibujar). Sin límite de duración: cuenta la historia de forma completa y pausada (~150 palabras por minuto; Chadwick: 1,780 palabras → 12 min). Termina con la línea de "me gusta/suscríbete" del usuario.
  6. Voz: Gemini (voice.py --test primero, luego lotes; --pace y SPEEDS para que cada lote esté a ~140–160 ppm) o el audio del usuario (import_voice.py --full | --passages | --batches). Establece BATCHES (4–7 pasajes, ~65–100 s cada uno, cortados a mitad de acto donde la historia se mueve; solo 2–3 cortes en los cambios de acto; nada reintroducido al inicio de un lote) y GAPS. Imprime las palabras de cada lote antes de escribir sus tomas (Whisper escucha mal los nombres y escribe los números como dígitos: sincroniza con lo que escribió).
  7. Música: 5–7 pistas (music.py, o los archivos del usuario en audio/music/); mapea las pistas a los lotes en el MUSIC de final.py.
  8. Listas de tomas por lote con seq.py (references/engine.md, examples/chadwick/tools/): un módulo de película (<story>.py, como chad.py) contiene la tabla LIVE (las capas vivas de cada imagen) y la configuración del mapa; cada shots_bN.py tiene ~60 líneas de S.at(time, scene(...)/page(...)/drawin(...)/map_shot(...)). Verifica cada una con PY tools/stills.py bN y mira la hoja antes de renderizar cualquier cosa.
  9. Renderizados (con la aprobación del usuario): PY tools/render_all.py ejecuta todos los lotes en paralelo, tantos a la vez como la memoria libre de la máquina permita (aproximadamente 1.5 GB por renderizado; más a la vez es más lento una vez que la memoria se agota); después de correcciones, render_all.py b3 b7 o --changed. Inícialo en su propia ventana para que cerrar Claude no lo detenga, y sigue references/performance.md cuando un renderizado es lento o el ordenador se queda corto (especialmente en Windows). Prueba una nueva transición o efecto en dos fotogramas primero (un fallo tardío desperdicia el renderizado).
  10. Final una vez por canal (references/cta.md), luego unión final PY tools/final.py; verifica la duración, fps, el volumen en el MP4 (−14 LUFS, pico ≤ −1.5 dB) y fotogramas de muestra (references/final-render.md).
  11. Doblajes (references/dubs.md) y miniaturas (references/thumbnails.md) si se desean.

El aspecto (el predeterminado del ejemplo; cada canal elige el suyo)

  • El ejemplo: personas con cabeza de huevo (cabeza de huevo, dos ojos ovalados oscuros, boca de una línea, sin nariz/orejas/cejas, manos redondeadas simples) en un mundo real fiel a la época; línea de tinta + gouache pastel mate; aspecto del motor gouache. Otros canales eligen su propio estilo de imagen, personajes (o ninguno) y aspecto del motor (references/art-styles.md); las reglas a continuación se aplican para cada estilo.
  • El aspecto del motor establece las capas añadidas: grado, grano, viñeta, tinta, papel de etiqueta, acento, fuentes, sonido de dibujo (engine/look.py: YTF_LOOK, look.json). Nunca codifiques un color o fuente en un archivo de tomas cuando el aspecto tenga uno (look.rgb("accent"), look.L.type_font); el aspecto de un canal debe cambiar en un solo lugar.
  • Sin 2.5D, sin recortes, sin video de IA. Imágenes individuales con movimientos de cámara suavizados (acercamientos, paneos, deriva lenta).
  • Nunca mantengas una imagen demasiado tiempo: corta a la siguiente toma del momento (W→M→F→D→P) o a una página dibujada.
  • Los dibujos explicativos son dibujos reales, no iconos: extraídos del arte lineal de las hojas o dibujados por el motor donde el código lo hace bien (mapas precisos, rutas, marcas, figuras simples).
  • Las bases en blanco se dibujan en vivo en su propio medio: grafito sobre papel, tiza en una pizarra, tinta de pincel, fotos de medios tonos que se imprimen en un periódico, rutas de tinta en un mapa.
  • Las líneas tienen significado: marcas de conteo para años, anillos de sonido, caminos de papel que cae, líneas de humo, figuras tachadas.
  • Las etiquetas (fechas, lugares, nombres) son texto escrito a máquina en la fuente de tipo del aspecto (máquina de escribir en gouache), escritas una tecla a la vez con un clic suave.
  • La escritura sobre un objeto se asienta sobre las líneas reales de ese objeto en su ángulo; la impresión ilegible debajo se borra primero (fx2.clean_text).
  • Contraste siempre: nada oscuro sobre oscuro. Las etiquetas eligen automáticamente crema/tinta con un halo. Nunca fuerces color="ink" sin verificar qué hay debajo.
  • El sprite de la herramienta es pequeño (escala 0.28) para que nunca robe la atención.

Animación característica (todo en código sobre las imágenes fijas)

engine/signature.py, engine/fx2.py, ayudantes de toma engine/wr.py, engine/seq.py. Una imagen fija de cada una en examples/chadwick/look/; todas en movimiento en el vídeo de prueba de efectos.

  • Imágenes vivas (la imagen nunca se mueve; las capas viven sobre ella): partículas de humo de cada chimenea, aliento en el frío, llamas vivas y la luz que proyectan, las propias lámparas de la imagen encontradas y respirando (fx2.lamps), nieve, lluvia, hojas que caen, destellos. Sin deformación de píxeles (sg.Flow) en humo, vapor, fuego o agua: mancha la pintura (look/flow_smear_avoid.png).
  • Rostros que actúan, solo donde importa: sin parpadeo ni expresiones automáticas. Un rostro actúa solo cuando una toma pasa act= / talk=, y solo un rostro con un par de ojos emparejados (sg.face_audit([...], out.jpg): actúa solo donde ambos ojos están rodeados de verde). Señales: blinks, glances, widen, mouth_fx, expr (smile, grin, frown, o, laugh, closed eyes, squint...), talk=(ta, tb), marcas de reacción (sweat, shake, !, ?, zzz). Un puñado de ritmos reales por lote, nunca decoración.
  • Páginas de cómic en el tablero en blanco (sg.Comic): los bordes se entintan solos, cada viñeta se entinta y luego se pinta, la cámara visita las viñetas y se sumerge en la última. Dos por película (el gancho, el primer gran escenario). Cada viñeta dura ≥ 1.8 s.
  • Dibujos hechos en vivo (fx2.Draw): un dibujo en una hoja se entinta en su orden de trazos (sprite de lápiz y sonido), luego se lava su color; card=True aplica primero un lavado crema suave en imágenes ocupadas. Una hoja nunca se muestra como una página de cuatro: cada dibujo aparece cuando el narrador lo nombra, unido por flechas y breves etiquetas escritas.
  • La tarjeta explicativa (una base reutilizada): nombres escritos y tachados, un mecanismo como una cadena de dibujos con flechas, tres dibujos con tres palabras.
  • Vocabulario de marcas, elegido por significado, nunca la misma marca cada vez: subrayado, marca de verificación, cruz, corchete, líneas de movimiento, anillos de sonido, ruta (trayectoria punteada + flecha), líder (punto, línea, etiqueta escrita), conteo; sg.Stamp (sello de caucho con golpe: FALSIFICADO, CERRADO, 14 AÑOS), sg.Tag (etiqueta de papel rasgado), sg.Inset, sg.Scratch.
  • Mapas que se dibujan solos: base de mapa, borde, rosa de los vientos, luego las marcas entran y la ruta se dibuja. La escala se muestra ("10 km") no se dice.
  • Números de página en la parte inferior derecha (fuente de tipo, translúcidos) cuando la cámara está en una página; el pie de foto de la fuente está al final del rollo de créditos.
  • Hipnótico solo una vez por sección (~10 s cada 3 min, en un acorde que cambia de escenario: nueve fotogramas fijos en bucle con un pulso, como álbumes de fotos en películas).
  • Créditos finales en un desplazamiento lento sobre el último fotograma de la historia (fuente de tipo ~12 pt, márgenes amplios, comillas de la historia, una línea de "música con" las pistas, el eslogan del canal).

Skills relacionados