Paper-cutout explainer Shorts (multi-agente)
Salida: 1080×1920, 24 fps, 60–95 s MP4 con narración, música atenuada y efectos de sonido sincronizados. Aspecto: props SVG planos con contorno blanco "sticker" + sombra, fondos de puntos de semitono o ráfagas solares, etiquetas en inglés MAYÚSCULAS sobre papel rasgado (Bebas Neue), ligera separación RGB + grano + viñeta.
Todo se renderiza desde HTML/SVG mediante Chrome sin cabeza frame a frame (determinista), por lo que las escenas son
archivos JS simples escritos por agentes contra un motor pequeño (template/engine.js, documentado en template/ENGINE.md).
Requisitos
- Entorno virtual Python 3 con:
playwright(usa Chrome del sistema medianteCHROME_PATH, oplaywright install chromium),numpy,opencv-python-headless(opcional),faster-whisper(temporización/QA),edge-tts(voz alternativa gratuita). ffmpeg,curl,bc. Opcional: conector MCP de ElevenLabs para el narrador + música.
Pipeline (seguir en orden)
1. Agente de investigación + guion (segundo plano)
Genera UN agente de propósito general con el prompt en references/agent_prompts.md#research. Debe verificar en web
cada hecho, atribuir afirmaciones, marcar rumores y devolver: SCRIPT (14–17 líneas habladas cortas, ~950–1.150 caracteres,
números escritos como palabras, nombres en el guion narrado), TABLA (etiquetas / idea visual / fondo por línea),
HECHOS con URLs, INCIERTO/NO USADO. Para temas muy recientes, indícale la fecha actual y pídele que primero confirme
a qué se refiere realmente el tema. Mientras se ejecuta: scripts/new_project.sh <dir> y dibuja cualquier prop
compartido que la historia necesite (un diseño consistente por objeto/persona recurrente) al final de <dir>/engine.js;
renderiza un frame de prueba para verificarlos.
2. Locución
- Preferida: ElevenLabs
eleven_v4, un narrador documental (p. ej., Hindi "Natraj – Informative Documentary Host"), 2 tomas, guion con etiquetas[curious]/[dramatic]/[thoughtful]con moderación. Verificar créditos primero. - Alternativa (gratuita, da tiempos exactos por línea): coloca las líneas simples en
<dir>/script.txt, ejecutascripts/edge_tts_lines.sh <dir> hi-IN-MadhurNeural +20%→vo.wav+lines.txt. - QA en cada toma: Los modelos TTS pueden distorsionar números/fechas. Transcribe con
scripts/words.py; el propio Whisper formatea mal los números en hindi, así que verifica años sospechosos suprimiendo dígitos (verreferences/qa.md). Elige la toma que dice cada número correctamente. - Temporización de líneas para un archivo de una sola toma: detección de silencios (
ffmpeg -af silencedetect=n=-38dB:d=0.15) + temporización de palabras;scripts/align_lines.pyda una primera aproximación. Escribelines.txt(lNN start= end= | texto) con el desplazamiento de video que usarás (p. ej., +0.25 s) y unwords.txtajustado.
3. Tres agentes de escena en paralelo (segundo plano)
Divide la línea de tiempo en saltos de líneas en partes de ~25–30 s. Genera tres agentes de propósito general en UN MENSAJE usando
references/agent_prompts.md#scene — cada uno posee solo scenes_N.js, recibe su rango de tiempo exacto, sus líneas de narración
con horas de inicio/fin, pulsos de palabras clave, un storyboard (de la TABLA), los activos compartidos y las reglas:
IIFE + prefijos pN_, las escenas cubren exactamente el rango, la etiqueta superior ~0.1 s después de un corte, algo nuevo cada ~1 s,
renderiza frames de prueba y MÍRALOS, elimina los PNG.
4. Integración + revisión (tú)
- Renderiza ~30 frames espaciados uniformemente en una hoja de contactos (
render_html.py ... 999 t1,t2,...luegoffmpeg -pattern_type glob -i 'test_*.png' -vf scale=170:-1,tile=11x3) y LÉELA. - Corrige: números/afirmaciones inventados en pantalla (los agentes a veces los añaden — elimínalos), mapas/fronteras inexactas, logotipos, caricaturas de personas reales, superposiciones, texto fuera de pantalla, frames vacíos.
5. Renderizar, mezclar, publicar
scripts/render_video.sh <dir> <duración> <narración> <música> <vo_delay_ms> <out.mp4> renderiza todos los frames,
construye la pista de SFX a partir de eventos del motor, atenúa la música bajo la voz (~-14 LUFS) y multiplexa.
Para volver a poner voz a un video existente sin reconstruir escenas, renderiza con WARP=anchors.json (mapea nuevos inicios
de línea → viejos inicios de línea; ver references/qa.md). Entrega por el canal preferido del usuario.
Reglas de contenido (siempre)
- Solo hechos de la lista fuente del agente de investigación; dinero/taquilla/encuestas etiquetados como "REPORTADO"/con fuente; cantidades inciertas mostradas como mínimos ("250+").
- Personas reales: busto
A.figgenérico + etiqueta de nombre en inglés, nunca caricatura; no dibujar deidades religiosas — usar motivos abstractos; sin logotipos de marcas/partidos (dibujar insignias/pájaros/letras genéricos). - Mapas: evitar mapas de países con fronteras disputadas/sensibles; usar pizarras sin bordes o cuadrículas de fichas, y etiquetar las imágenes ilustrativas como tales.
- Política: neutral, atribuida, sin burlas ni predicciones.
Archivos
template/—index.html,engine.js(motor + paquetes de activos),ENGINE.md(API para agentes),scenes_1..3.jsexamples/— código de escena de cuatro videos terminados (Efecto Streisand, Estatua de la Libertad, check azul de Twitter, elecciones de mitad de mandato de EE. UU. 2026): el estándar de calidad/ritmo para agentesscripts/— renderizado, SFX, alineación, transcripción, TTS gratuito, bootstrap de proyectos, mezcla finalreferences/agent_prompts.md,references/qa.md