Communitygithub.com

0xsline/openchatcut

Generación de video con IA mediante Fal.ai, Seedance 2.0, Kling, MiniMax Hailuo, xAI Grok Imagine y OFox. Úsalo cuando el usuario quiera generar un clip de video: texto a video, imagen a video, transiciones de primer/último cuadro, generación guiada por referencia, multi-toma o edición/extensión generativa de un clip existente.

¿Qué es openchatcut?

Este skill permite generar clips de video utilizando múltiples proveedores de IA como Seedance 2.0, Kling, MiniMax Hailuo, xAI Grok Imagine, OFox y Fal.ai. Soporta diversas modalidades: texto a video, imagen a video, transiciones entre primer y último cuadro, generación basada en referencias (imágenes, videos, audio), storyboards multi-toma y edición/extensión generativa de clips existentes. Para garantizar consistencia visual entre tomas, el skill promueve el uso de anclas (imágenes o videos de referencia) en lugar de confiar únicamente en descripciones textuales. Su flujo de trabajo es iterativo: primero se alinea el alcance con el usuario (duración, contenido y anclas de consistencia), luego se escribe el prompt según el modelo seleccionado y su documentación específica, se envía un trabajo de generación por vez, se espera su finalización mediante la herramienta `track_progress` y se itera según la retroalimentación del usuario. Es compatible con plataformas como Claude Code, Cursor y Codex, y está diseñado para evitar suposiciones unilaterales, solicitar confirmación cuando hay ambigüedad y no inventar parámetros que el modelo no soporte.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/0xsline/openchatcut/tree/HEAD/src/agent/skills/video-gen

Preguntar en tu IA favorita

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

Documentación

Generación de Video

Envía un trabajo de generación de video por llamada y devuelve un jobId. La gestión de trabajos (espera/estado) pertenece a track_progress; este skill no coloca videos en la línea de tiempo automáticamente.

Cuándo Usarlo

Cada vez que el usuario quiera generar un clip de video: texto a video, imagen a video, transición primer-último cuadro, generación basada en referencias, storyboard multi-toma, o editar/extender un video existente de forma generativa (produciendo nuevo metraje basado en un clip fuente; no recorte de línea de tiempo).

Modelos

ModeloReferenciaFortalezas
fal + falModelreferencias/fal.mdCatálogo explícito de Fal; consulta el esquema de la herramienta para límites por modelo
seedance2referencias/seedance2.mdPredeterminado cuando está configurado. Referencias multimodales, primero/último, editar/extender/puente, 2–15s, 480p/720p/1080p/4k, controles de audio/seed/cámara/marca de agua/último cuadro/tarea.
klingreferencias/kling.mdCámara/rendimiento técnico; Omni multi-toma; imágenes ≤7 (≤4 con una característica refVideos); std/pro; 3–15s.
hailuoreferencias/hailuo.mdMiniMax 海螺. T2V / I2V / primero+último; 6s o 10s; 512P (Hailuo-02), 720p→768P, 1080P (6s); sin multi-ref / multi-toma.
grok-imagine-videoreferencias/grok-imagine-video.mdxAI Grok Imagine. Solo texto a video; 1–15s; 480p/720p/1080p; pista de audio incluida.
ofoxreferencias/ofox.mdPuerta de enlace multi-modelo OFox (Seedance/Wan y más detrás de una clave). Texto/imagen a video, primer+último cuadro, hasta 9 referencias de imagen; 2–30s con límites de API por modelo; 480p/720p/1080p por modelo.

IMPORTANTE: Antes de generar, LEE la referencia del modelo elegido para conocer capacidades, canales de entrada, modos, estructura de prompt y comportamiento específico del modelo. Nunca inventes parámetros que la referencia prohíba.

Selección de Modelo

Respeta los proveedores configurados del prompt de capacidades (solo llama a un modelo cuya clave esté activa).

  1. El usuario nombró un proveedor ("用海螺", "MiniMax", "Kling", "Seedance") → ese model, si está configurado.
  2. Si Fal.ai está seleccionado o solicitado, usa model: "fal" y el falModel solicitado o el predeterminado de Fal guardado de las capacidades. Pregunta si no hay ningún FalModel seleccionado. Lee las restricciones del catálogo de Fal en el esquema de la herramienta; los límites nativos del proveedor a continuación no aplican.
  3. Si no, por defecto seedance2 cuando Seedance está configurado.
  4. Si no, si solo Kling está activo → kling. Si solo MiniMax está activo → hailuo. Si solo xAI está activo → grok-imagine-video. Si solo OFox está activo → ofox.
  5. Cambia del predeterminado cuando:
    • Se necesita personalización/inteligencia multi-toma → kling (confirma si no lo nombró el usuario).
    • Se necesitan referencias multimodales ricas (referencias de video/audio, editar/extender) → seedance2.
    • Se necesita un único compás corto y solo MiniMax está disponible, o el usuario quiere Hailuo → hailuo con duración 6 o 10.

Si el modelo requerido no está configurado, dilo y ofrece: otro proveedor de video configurado, subir, o Gráfico en Movimiento — no finjas que la API existe.

Informa brevemente al usuario qué vas a generar antes de enviar.

Parámetros de la Herramienta

ParámetroValoresPredeterminado
modelseedance2, kling, hailuo, grok-imagine-video, ofox, falseedance2 cuando esté disponible
durationSecondsespecífico del modeloseedance/kling ~5; hailuo 6 o 10 (1080p → solo 6); grok 1–15; ofox 2–30 (límites de API por modelo)
ratioconsulta docs del modelo16:9 (seedance/kling/grok/ofox); ignorado en hailuo
resolution480p, 512p, 720p, 1080p, 4kespecífico del proveedor; hailuo agrega 512p para Hailuo-02; grok: 480p/720p/1080p
refVideoModefeature, basesolo kling, con refVideos
promptOptimizer / fastPretreatmentbooleanosolo hailuo
generateAudio, seed, cameraFixed, watermarkcontrolessolo seedance
returnLastFrame, executionExpiresAfter, prioritycontrolessolo seedance; el último cuadro solicitado se convierte en otro activo de imagen
namenombre descriptivo del activorequerido para buena UX del pool
firstFramereferencia de activo de imagen del proyectoopcional
lastFramereferencia de activo de imagen del proyectoseedance / kling / hailuo (requiere firstFrame; no con multi-ref en seedance)
refImages / refVideos / refAudiosreferencias de activosseedance completo; kling: imágenes + 1 video de característica (sin audio); hailuo: ninguno (cuadros / sujeto S2V)
mode / shotType / multiPromptsKling multi-tomasolo kling

Parámetros específicos del modelo — consulta la referencia del modelo.

Resolución de Entrada

firstFrame / lastFrame / refImages / refVideos / refAudios toman una referencia de activo del proyecto. Prefiere un UUID completo o un prefijo corto de read_project; asset://<id> y las URLs de activos del mismo proyecto devueltas por read_project también se aceptan. Por tipo de ranura: ranuras de cuadro y refImages → imagen; refVideos → video; refAudios → audio.

No se aceptan URLs externas ni base64. Si la fuente es una URL pública, descárgala primero en el proyecto (download_media para video/audio, submit_image para imágenes) y pasa el id del activo resultante.

Flujo de Trabajo

Bucle de cuatro pasos. Para cada nueva generación, reinicia desde el Paso 1 si la intención del usuario ha cambiado.

Paso 1 — Alinear el alcance con el usuario

Antes de escribir cualquier prompt, alinea tres dimensiones:

  1. Duración y segmentos — largo total, cuántas tomas, y si viven en un clip o varios.

    Si el usuario ya ha indicado una dirección ("做一段", "in one video", "分别生成", "split into N shots", etc.), síguela — no la cuestiones.

    De lo contrario, muestra las dos opciones y deja que el usuario elija:

    • Multi-toma dentro de un clip (consulta ref del modelo) — inferencia única, el sujeto/iluminación/estilo es físicamente consistente entre subtomas; encaja en una narrativa coherente dentro del límite de duración por clip.
    • Varios clips — cada clip es independientemente controlable y regenerable, pero la identidad y continuidad de estilo deben mantenerse con anclas; encaja en duraciones más allá del límite o cortes de escena duros.

    Ofrece el equilibrio; no elijas por el usuario.

  2. Contenido — qué representa cada clip. Resuma lo que entendiste, segmento por segmento. Cuando el contenido es vago (p. ej., "genera un video de una chica bailando"), el usuario típicamente no ha especificado uno o más de:

    • Sujeto: quién / qué es el sujeto principal (apariencia, vestimenta, características definitorias)?
    • Acción: qué están haciendo? (Para tomas de diálogo/emocionales, qué microexpresión?)
    • Escena: dónde: entorno, hora del día, detalles ambientales?
    • Iluminación / ambiente cromático: qué atmósfera?
    • Cámara: preferencia de tamaño de plano / ángulo / movimiento?
    • Estilo: estilo visual o referencia (cinematográfico / anime / documental / ...).

    Concéntrate en los elementos que importan para esta solicitud específica y que no se pueden inferir de forma segura — no conviertas esto en un ejercicio de llenar espacios en blanco. Resume las partes entendidas al usuario antes de continuar.

  3. Anclas de consistencia — solo cuando varias tomas reutilizan un personaje, objeto o escena: identifica qué ancla (imagen o video de referencia) fijar entre tomas. Para reglas de origen, consulta §Consistencia visual entre tomas más abajo.

Para cada dimensión, verifica las palabras del usuario:

  • Claro — procede.
  • Ambiguo o faltante — PREGUNTA al usuario. No adivines, no asumas tu propia interpretación. Una confirmación de ida y vuelta es más barata que una generación desperdiciada.

Qué NO hacer

  • No "digas y luego envía" — anunciar "Haré esto como 2 clips" y enviar inmediatamente no es alineación, es una decisión unilateral con anuncio.
  • No asumas dividir una solicitud de un solo video en varios clips. Un solo clip puede llevar múltiples subtomas (consulta ref del modelo), con sujeto / iluminación / estilo físicamente consistentes entre ellas. Muestra el equilibrio, luego deja que el usuario elija.
  • No omitas la pregunta porque crees que la respuesta es obvia.

Anulaciones estrictas (la palabra explícita del usuario gana)

  • "one clip / single clip / 一条 / 一个镜头 / in 1 clip" → nunca dividir, incluso si la descripción es objetivamente larga.
  • "N shots / N 段 / N 个镜头" → genera exactamente N.
  • "use this image / 用这张图" → usar como referencia, no sustituir.

Paso 2 — Escribir el prompt

Consulta la referencia del modelo elegido para la estructura del prompt y combinaciones de parámetros (p. ej., la estructura de 8 elementos y modos de Seedance; los consejos de prompt de Kling). Antes de enviar, verifica:

  • name es un nombre de activo descriptivo — lo suficientemente descriptivo para que el usuario (y tú en turnos posteriores) reconozca este activo en la biblioteca del proyecto. Evita nombres vagos como "Sin título" o "clip 1".
  • La combinación de parámetros coincide con la intención del usuario — consulta la sección Modos en la referencia del modelo.
  • El audio del video generado no es un parámetro de la herramienta (del lado del proveedor). Hailuo no tiene ratio/multi-ref; no inventes esos parámetros.
  • En caso de fallo de validación, lee el error y corrige las entradas — no reintentes ciegamente los mismos argumentos inválidos.

Paso 3 — Enviar uno, esperar, confirmar

Envía un trabajo de generación a la vez. A menos que el usuario haya solicitado explícitamente varios clips en paralelo, no envíes el siguiente clip hasta que el actual se complete y el usuario lo haya revisado. El envío en paralelo oculta problemas: si la primera toma tiene desviación o encuadre incorrecto, el usuario preferirá rehacerla una vez que tener varias tomas desalineadas para descartar.

  • submit_video.ratio controla solo el activo generado; no cambia el lienzo de la línea de tiempo del proyecto. Si el usuario solicitó una relación de aspecto final de salida (por ejemplo "9:16 vertical" o "16:9 apaisado"), establece el lienzo de la línea de tiempo a la misma relación con manage_timelines action=update (p. ej. ratio:"9:16") antes de colocar el activo completado. Si el usuario pidió sin barras negras / a sangre completa, pasa fit:"cover" al establecer el lienzo o al actualizar/añadir el elemento visual.
  • No uses este skill para la gestión de trabajos — usa la herramienta track_progress para estado/espera.
  • Después de enviar, termina tu turno (informa al usuario que el trabajo fue creado) a menos que ya haya una tarea de seguimiento en cola.
  • Cuando el trabajo termine, muestra el resultado al usuario para revisión antes de proceder a la siguiente toma.
  • Manejo de fallos específico del modelo — consulta la referencia del modelo.

Paso 4 — Iterar

Cuando el usuario quiera un siguiente clip, una revisión o una continuación:

  • Si es la siguiente toma en una secuencia multi-toma — reutiliza el ancla establecida (consulta §Consistencia visual entre tomas más abajo para principios, ref del modelo para detalles de banderas).
  • Si la retroalimentación del usuario es ambigua ("no se siente bien") — pregunta qué cambiar específicamente antes de regenerar.
  • Si el mismo ajuste de prompt de texto ha fallado dos veces — deja de ajustar texto. Cambia a imágenes de referencia, o cambia al modo de edición donde el modelo lo soporte (consulta ref del modelo).
  • Cada nueva generación reinicia el bucle en el Paso 1 — realinea si el alcance cambió.

Consistencia visual entre tomas

El texto solo no puede mantener de forma fiable la identidad visual entre tomas; las referencias visuales limitan la salida con mucha más precisión que las palabras.

Anclas: la piedra angular de la consistencia

Un ancla es una imagen o video de referencia fijado en cada toma que comparte el mismo personaje, objeto o estilo. Cualquier secuencia multi-toma con elementos visuales recurrentes necesita un ancla — no intentes reproducirlos desde texto.

Obtención de un ancla

Ten conciencia de referencias. Cuando la solicitud del usuario involucra un personaje / objeto / escena recurrente, piensa en qué ancla usar antes de escribir prompts:

  • Primero revisa el proyecto. ¿Qué ha proporcionado o aprobado el usuario? Imágenes subidas, tomas previamente generadas y aprobadas, o activos anteriores del proyecto pueden servir como anclas.
  • Coincide con la intención del usuario. Si el usuario señaló un activo específico ("usa esta foto", "像上一段那样"), úsalo. Si describieron un personaje solo con palabras, aún no existe un ancla y se debe establecer uno.
  • En caso de duda, pregunta al usuario. No adivines qué activo fijar, y no generes silenciosamente un nuevo ancla cuando el usuario ya pueda tener uno en mente.

Establecimiento de un nuevo ancla (con consentimiento del usuario)

Cuando ningún activo existente encaje y sea necesario generar uno, propónselo al usuario primero — da forma a cada toma posterior. Rutas específicas del modelo — consulta la ref del modelo elegido.

Uso del ancla

  • Pasa el ancla en cada toma que comparta el personaje / objeto / estilo. La(s) bandera(s) específica(s) a usar dependen del modelo — consulta la ref del modelo.
  • Describe el ancla por apariencia en el prompt, no por nombre: "El AUTO DE CARRERAS NEGRO con escape cromado" limita mucho más que "Fleetmaster". Cuando sea probable confusión de roles, añade negaciones explícitas: "La motocicleta NO se transforma."
  • Refiérete al ancla con @Image1 / @Video1 en el prompt — no con frases vagas como "el mismo coche de antes".
  • Cuando una toma dependa de una generación anterior, espera a que el trabajo anterior se complete (a través de track_progress con action=wait) para obtener su assetId, luego pásalo como referencia de ancla. No envíes tomas dependientes en paralelo.

Proyectos con múltiples personajes

Cuando un proyecto tenga varios personajes nombrados con atributos distintos (p. ej., Faz con energía de fuego, Kev con energía de hielo), trata a cada personaje como un ancla separada — un activo de referencia por personaje. En cada prompt:

  • Nombra al personaje activo y adjunta sus atributos distintivos ("Kev tiene energía eléctrica de hielo azul").
  • Añade negaciones explícitas para los demás para evitar fuga de atributos ("NO energía de fuego rojo, NO el aspecto de Faz").
  • Fija el ancla del personaje correcto (bandera específica del modelo — consulta ref del modelo). No reutilices el ancla de otro personaje por accidente.

La falta de atribución explícita o negación causa mezcla de atributos entre personajes.

Varios personajes en el mismo cuadro. Para tomas donde varios personajes aparecen juntos (especialmente mirando a la cámara), el modelo es propenso a intercambio de caras o recorte de cuerpos. Añade anclas de posición y vestimenta fuertes a cada personaje y prefiere una cámara fija...

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

0xsline/openchatcut

Connect an MCP-capable coding agent to OpenChatCut and edit local video projects. Use when the user asks to install, connect, or set up OpenChatCut; inspect or edit an OpenChatCut project; work with its timeline, transcript, captions, media, generation, motion graphics, audio, color, or export tools; or recover from an OpenChatCut MCP error.

0xsline/openchatcut

Use when acquiring or importing media into a OpenChatCut project asset library for video editing or creation, including local/attached videos, user-provided paths, public media URLs, web video/audio/image assets, upload fallback decisions, and deciding between import_media, download_media, or manual user action.

0xsline/openchatcut

Use when a OpenChatCut video editing or creation workflow needs export, render, download, share, final delivery, subtitle-file export, render choice, local-only asset handling, or export fallback explanation.

0xsline/openchatcut

AI image generation via Fal.ai, gpt-image-2, nano-banana, MiniMax image-01, and xAI Grok Imagine. Use when the user wants to generate or create an image / picture / still.

0xsline/openchatcut

Use when a OpenChatCut tool call fails or returns an unexpected shape.

0xsline/openchatcut

Music generation via Mureka, MiniMax, Atlas Cloud, and Sonilo. Use for instrumentals, songs, soundtracks, track/stem generation, covers, or video-conditioned scoring of the finished cut through `submit_music`.

0xsline/openchatcut

OpenChatCut product knowledge — UI layout, editor features, and how generation providers are configured. Use when the user asks about the product interface, how to use a feature, where to find something, or needs GUI guidance for something the agent cannot do directly. Also use as fallback when a task fails and the user needs to complete it manually in the UI. NOT for live project-state queries ("where are my folders?", "what's on my timeline?", "where is clip X?") — those are answered by `read_project`, not by this skill.

0xsline/openchatcut

AI shader generator for WebGL video effects, transitions, masks, and color grading (LUT / 调色 / 电影感 / film look). Use when the user wants a video effect (滤镜 / 特效), a transition (转场 / crossfade / wipe / cube / 3d), a mask (蒙版 / 遮罩 / reveal), a zoom / push-in (推近 / 推镜头), or a color grade — try the built-in effects (zoom, builtin LUTs) before generating a new shader.

0xsline/openchatcut

Use when checking whether agent edits are reflected in the OpenChatCut project and editor.

0xsline/openchatcut

Text-to-Speech (TTS), voiceover, narration placement/sync, and custom sound effects (SFX) generator. Use when the user wants generated speech from text, wants to add/replace/align narration or voiceover for an existing video/timeline, wants to keep existing voiceover synced after visual retiming edits, needs voice audition/selection, or explicitly wants a newly generated/custom sound effect that is not available in the Sound Effects library.

0xsline/openchatcut

Use when the agent should ask the user for structured input with an in-chat form, including single-select, multi-select, text fields, style pickers, or voice audition choices.

Skills relacionados