Communitygithub.com

CleanExpo/Pi-Dev-Ops

Produce un vídeo estilo YouTube sin cara (tipo doodle dibujado a mano / ilustraciones simples como Zen, Nick Invest) de principio a fin a partir de un solo tema. Pregunta primero modo FACT vs STORY y bifurca todo el flujo, construido para servir múltiples clientes/canales.

¿Qué es Pi-Dev-Ops?

CleanExpo/Pi-Dev-Ops es una habilidad de IA agente diseñada para automatizar completamente la producción de videos para canales sin rostro humano (faceless channels) al estilo YouTube, como los canales de doodle o ilustraciones simples (Zen, Nick Invest). El flujo comienza preguntando si el video será de tipo FACT (educativo, no ficción) o STORY (ficción narrativa), y a partir de esa decisión bifurca todo el proceso: desde la descomposición de un video de referencia hasta la escritura del guion, generación de voz con ElevenLabs (con marcas de tiempo), creación de una imagen por cada marca de tiempo usando Artlist AI Toolkit, y el ensamblaje final con FFmpeg. Esta habilidad está optimizada para canales que usan imágenes fijas estilo doodle y voz en off, sin animaciones ni edición compleja. Se integra con otros agentes como video-distribution-strategist para la publicación y video-director si se requiere pulido de movimiento. El sistema aplica reglas estrictas de calidad y cumplimiento con las políticas de YouTube sobre contenido sintético, asegurando que se marque adecuadamente como generado por IA cuando sea necesario.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/CleanExpo/Pi-Dev-Ops/tree/HEAD/skills-library/skills/faceless-video

Preguntar en tu IA favorita

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

Documentación

Pipeline de Video Sin Rostro

Construye un video para canal sin rostro como un pipeline determinista de 4 etapas. Desglose de la fuente: ~/2nd Brain/2nd Brain/Wiki/research-faceless-youtube-claude-code-pipeline-2026-06-26.md.

Reglas estrictas (riesgo de plataforma + calidad)

  1. Voz = ElevenLabs Voice Artist (plan de pago de Phill), NO una grabación humana. El miedo de que "la voz de IA te prohíban" está EQUIVOCADO — consulta la política de divulgación de YouTube en Sources/youtube-synthetic-content-disclosure-policy-2026-06-26.md. La regla real: la divulgación de contenido alterado/sintético de YouTube es obligatoria para música generada por IA, una voz sintética que NO sea el clon del propio creador, o IA realista de personas/lugares/eventos reales — y NO es obligatoria para animaciones/doodles. La divulgación no tiene costo (sin impacto en audiencia/monetización), así que por defecto SÍ cada vez que el video tenga música de IA o una voz sintética no propia (nuestro pipeline siempre las tiene). Configúralo en YouTube Studio → Atributos → "Uso de IA" → Sí. Configura "Hecho para niños" = Sí solo para contenido dirigido a niños (STORY/cuidado infantil).
  2. Un token de estilo, cada imagen. Fija una única descripción de estilo al inicio; cada imagen generada la lleva literalmente para que el canal sea visualmente consistente.
  3. Autoridad según el modo (ver interruptor Etapa 0). FACT/no ficción: cita estudios reales/fechas/estadísticas, investiga antes de escribir, verifica la precisión de las afirmaciones. STORY/ficción: narrativa inventada; la autoridad es la resonancia emocional, no los hechos; verifica la adecuación a la edad y la marca (por ejemplo, cuidado infantil = suave, seguro, adecuado para la edad). NUNCA presentes ficción como hechos ni inventes "hechos" en modo factual.
  4. Imágenes fijas + voz en off, no gráficos animados. Este es el formato de canal doodle. Si el usuario quiere animación/pulido de edición, deriva a video-director en su lugar.

Sustrato — Distinción IMPORTANTE

El video fuente usa Higgsfield (Claude Code MCP). Nosotros NO usamos Higgsfield. La plataforma de imágenes de Phill es Artlist (artlist.io, AI Toolkit), manejada en el navegador mediante browser-harness. NB: "artist.io" es un error tipográfico por artlist.io.

  • Generación de imágenes (principal): Artlist AI Toolkit en toolkit.artlist.io/image-video-generator?mode=image (modelo Nano Banana 2, 16:9 / 2K). Mecánicas probadas en la Etapa 3.
  • Generación de imágenes (alternativa): mcp__margot__image_generate (también Nano Banana 2) — solo para pruebas no supervisadas. Nunca Higgsfield.
  • Voz en off: ElevenLabs TTS mediante API REST. Clave + voz por defecto en ~/.hermes/.env (ELEVENLABS_API_KEY, ELEVENLABS_VOICE_ID) — resuelve programáticamente, nunca pegues. Sin grabación humana.
  • Transcripción: yt-dlp. Marcas de tiempo: alineación de ElevenLabs (principal) o whisper-cli (alternativa). Montaje: ffmpeg.

Carpeta de trabajo

Crea ~/faceless-video/<slug-del-tema>/ y guarda todos los artefactos allí: reference-format.md, script.md, voiceover.mp3, transcript.json, images/NN.png, final.mp4.

Etapa 0 — CAMBIO DE MODO (PREGUNTA PRIMERO, antes de cualquier otra cosa)

El motor sirve trabajos opuestos en diferentes clientes/aplicaciones, por lo que la PRIMERA pregunta de cada ejecución es:

"¿Esto es un guion FACT (no ficción) o STORY (ficción)?" Guarda mode en la carpeta de trabajo (mode.txt). Bifurca toda la ejecución:

FACT (no ficción)STORY (ficción)
Caso de usoproducto educativo, explicaciones, "¿sabías que...?"cuentos infantiles, parábolas, historias para dormir/de marca
Estructura de referenciagancho + cuerpo de 3 pilares + cierrepersonaje → defecto → viaje → lección → resolución
Autoridadestudios/estadísticas/fechas reales investigados; verificación de precisiónresonancia emocional; verificación de adecuación a edad/marca
Regla estrictanunca inventes hechosnunca presentes ficción como hecho
Divulgación YouTubeUso de IA = Sí (música/voz IA presente)Uso de IA = Sí + Hecho para niños = Sí (dirigido a niños)

Si quien llama ya implica el modo (ej. "una historia de cuidado infantil para mi esposa" → STORY; "explica X para mi producto" → FACT), confírmalo en una línea en lugar de volver a preguntar. El manejo de referencia por defecto, la plantilla del guion y las compuertas se derivan de este interruptor.

Etapa 0b — Token de estilo (una vez por canal, luego reutilizar)

Pide al usuario 3–5 capturas de pantalla de referencia del estilo visual objetivo. Solicita el análisis:

"Analiza el estilo visual de esta imagen para un generador de imágenes por IA. Proporciona (1) una descripción corta y positiva del estilo que pueda pegar como prompt, (2) una lista de prompts negativos para evitar la deriva hacia resultados pulidos/realistas. Céntrate solo en el estilo, no en el tema." Guarda el resultado como style-token.md en la raíz del canal (reutilizado en todos los videos de ese canal).

Etapa 1 — Guion (se bifurca según el modo de la Etapa 0)

  1. Pide el tema y una URL de video de referencia probada en el carril del modo elegido (un canal factual para FACT, un canal narrativo para STORY — no cruces carriles).
  2. Extrae la transcripción de referencia: yt-dlp --write-auto-sub --sub-lang en --skip-download --sub-format vtt -o 'ref-%(id)s.%(ext)s' '<URL>'. Limpia el .vtt (elimina marcas de tiempo/etiquetas, deduplica líneas de subtítulos automáticos).
  3. Descompón en una plantilla reutilizable, según el modo:
    • FACT: gancho (los micro-compases), introducción/promesa, cuerpo de 3 pilares, frases de transición, duración total.
    • STORY: protagonista + un defecto compartido, la necesidad, incidente desencadenante, viaje, una demostración MOSTRADA (no contada), una frase de sabiduría citable, realización interna, cierre hacia adelante. Guárdalo como reference-format.md.
  4. Escribe un NUEVO guion sobre el tema en esa plantilla. FACT: primero ejecuta la habilidad source-ingest para extraer datos creíbles de nivel 1–2 en la biblioteca Sources/, luego escribe el guion citando solo esas fuentes almacenadas y verifica cada afirmación contra ellas. STORY: inventa libremente, verifica edad/marca. Genera un guion LIMPIO (sin indicaciones escénicas) en script.md.
  5. Confirma el guion con el usuario antes de generar la voz en off.

Etapa 2 — Voz en off + marcas de tiempo (ElevenLabs, automatizado)

  1. Genera la voz en off desde script.md mediante el endpoint con-marcas-de-tiempo de ElevenLabs (devuelve audio + alineación de caracteres en una sola llamada): curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/$ELEVENLABS_VOICE_ID/with-timestamps" -H "xi-api-key: $ELEVENLABS_API_KEY" -H "content-type: application/json" -d '{"text":"<script>","model_id":"eleven_multilingual_v2"}' → guarda el audio en base64 en voiceover.mp3 y la alineación en transcript.json.
  2. Deriva segmentos de marcas de tiempo por frase/oración de la alineación — cada segmento se convierte en un compás de imagen. (Alternativa si la alineación no es utilizable: whisper-cli -f voiceover.wav -ml 1 --output-json -of transcript después de ffmpeg -i voiceover.mp3 voiceover.wav.)
  3. La voz es por canal/cliente, no fija — elige la voz de ElevenLabs que se ajuste al modo/marca (ej. cálida, narradora suave para ficción infantil; voz clara y autoritaria para un producto educativo factual). Pasa ese voice_id en lugar del valor por defecto en ELEVENLABS_VOICE_ID. Explora la biblioteca de voces de ElevenLabs del usuario al elegir.
  4. Sin pausa humana — la Etapa 2 se ejecuta sin supervisión.

Etapa 3 — Una imagen por marca de tiempo (Artlist AI Toolkit, probado en navegador)

Por compás: prompt de escena + token de estilo fijo literalmente. Maneja Artlist mediante browser-harness (necesita que Phill tenga Chrome iniciado sesión; depuración remota Way-1 habilitada). Mecánicas difíciles:

  1. Abre toolkit.artlist.io/image-video-generator?mode=image. El prompt es un div [contenteditable=true]; el botón Generate coincide con el innerText Generate. La configuración predeterminada ya es 16:9 / 2K / 1 imagen (correcto).
  2. Por imagen: captura los UUIDs generados existentes → haz clic en el cuadro, document.execCommand('selectAll'), type_text(prompt) → haz clic en Generate → espera hasta que el texto de carga (on its way|Almost ready|Generating) desaparezca Y aparezca un nuevo UUID.
  3. El resultado está en ai-toolkit-generations.imgix.net/...png?...&s=<sig>. Extrae el UUID con la expresión regular GENERIC [0-9a-f]{8}-[0-9a-f]{4}-...{12}\.png (el prefijo del nombre varía: image-<uuid> O -t-e-x-t_-t-o_-i-m-a-g-e-<uuid>). Descarga la fuente EXACTA — reescribir cualquier parámetro de imgix (ej. w=) rompe la firma → 403.
  4. Ve UNO A LA VEZ. Las ráfagas rápidas se ponen en cola/limitan y la vista de cuadrícula virtualiza el DOM, ambas cosas rompen la detección de nuevos UUID. Si una generación se completa después de la ventana de espera, rescátala de la cuadrícula (descarga UUIDs distintos sin mapear, haz un montaje, mapea visualmente). Alternativa (solo sin supervisión): mcp__margot__image_generate — guarda <save_as>.jpg, ten en cuenta la extensión.

Etapa 4 — Montaje

Construye una concatenación de FFmpeg que mantenga cada imagen durante (next_start - this_start) segundos y multiplexa la voz en off:

  1. Genera una lista de concatenación con duraciones por imagen a partir de las marcas de tiempo.
  2. ffmpeg -f concat -safe 0 -i list.txt -i voiceover.wav -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest final.mp4
  3. Recomienda imágenes fuente 2K para subidas reales (baja resolución solo para pruebas).

Etapa 5 — Finalización (para una subida real, no pruebas)

Convierte el montaje en bruto en un entregable terminado:

  • 1080p — renderiza la concatenación escalada/rellenada a 1920:1080 (relleno blanco que combina con el fondo de cuaderno de dibujo), crf 19.
  • Fundidos — fade=t=in:st=0:d=0.6:color=white y fade=t=out durante los últimos ~0.8 s. Mantén cortes duros en los compases entre imágenes (estilo correcto — NO fundas).
  • Fondo musical — genera una pista tranquila mediante AI Music de Artlist (toolkit.artlist.io/music-generator?mode=music, Lyria 3; mismo flujo en navegador que las imágenes, el resultado es un .wav firmado en cms-toolkit-artifacts.artlist.io/...music-<uuid> — descarga la fuente EXACTA). Mezcla DEBAJO de la VO: volume≈0.13 (~−18 dB), afade entrada 1.5 s / salida ~1.8 s, amix=inputs=2:normalize=0. Verifica con volumedetect: pico general < 0 dB (sin recorte), media de la música ~15+ dB por debajo de la VO.

Salida

final-1080p-music.mp4 (el entregable) + un style-token.md reutilizable. Reporta la ruta y los artefactos por etapa. Para publicación/estrategia de canal, deriva a video-distribution-strategist; recuerda la divulgación de contenido sintético en la subida.

Individual skills in this repo

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

CleanExpo/Pi-Dev-Ops

Produce one or many consistent, on-brand faceless marketing videos from a topic: script, ElevenLabs voiceover with timestamps, one styled illustration per beat, ffmpeg stitch to 1080p, optional Unlisted YouTube upload. The look is a named style from styles.md (flat-line, hand-doodle, bold-kinetic, cinematic-photoreal, minimal-corporate, retro-print), so one command yields repeatable output per brand. The automated pipeline; distinct from faceless-video and video-director.

CleanExpo/Pi-Dev-Ops

The 15+ year brand director extension of `brand-guardian` specifically for video — frame-by-frame audit of brand-mark integrity, Gun Metal `#1a1a1a` + Candy Red `#dc143c` consistency, NO AI slop, NO Lucide icons, custom geometric marks ONLY, real logos correctly placed. PASS / FAIL gate before any client-facing video ships. Use after `video-colorist` completes the grade pass.

CleanExpo/Pi-Dev-Ops

The 15+ year Director-of-Photography persona (Roger Deakins / Emmanuel Lubezki / Hoyte van Hoytema-tier) that owns shot composition, lens psychology, motion language, and the decision of which source (Remotion / Hyperframes / stock cinematic) each scene uses. Extends the existing `remotion-designer` + `remotion-motion-language` skills with a frame-by-frame shot-language framework. Use when the user says "cinematography", "shot list", "framing", "DoP", "lens choice", or invoked by `video-director` Phase 2.

CleanExpo/Pi-Dev-Ops

The 15+ year colorist persona (Light Iron / Company 3 / The Mill-tier) that applies per-brand LUT + grade pass to every Unite-Group video. Closes the "raw Remotion render colours" gap — today Remotion outputs whatever colours BrandConfig declares with zero cinematic grade. Use when the user says "colour", "grade", "LUT", "look", "cinematic finish", or invoked by `video-director` Phase 3 (post-production) after `video-sound-designer` mixes audio.

CleanExpo/Pi-Dev-Ops

The Creative Director persona that owns brief intake, composition selection and narrative POV for every Unite-Group video. ENTRY POINT for the Video Agency: use for any video creation brief (explainer, promo, social cut, demo reel, case study, testimonial, client video). Dispatches the full production team: script-writer, cinematographer, editor, sound designer, colorist, brand-guardian.

CleanExpo/Pi-Dev-Ops

The 15+ year platform-native distribution expert (early TikTok creator economy + YouTube algorithm + LinkedIn organic reach + IG Reels native specialist) that owns per-platform aspect ratio + duration cap + caption format + hook density + thumbnail composition. Extends `remotion-marketing-strategist` with platform-native specs locked per BrandConfig. Use when the user says "which platform", "distribution", "channel-fit", "thumbnail", "captions", or invoked by `video-director` Phase 4 (QA + Delivery) for per-platform cuts.

CleanExpo/Pi-Dev-Ops

The 15+ year screenwriter persona (Pixar / Apple keynote / Nike spot tier) that engineers hooks (0-3s), retention beats (7-15s), narrative tension curves, and CTA placement. Extends the existing `remotion-screen-storyteller` skill with a structural framework lifted from Pixar's 22 Rules + Apple keynote architecture. Use when the user says "script", "voiceover", "narration", "hook", "story arc", or invoked by `video-director` Phase 2.

CleanExpo/Pi-Dev-Ops

The 15+ year sound designer persona (Skywalker Sound / Sound Lounge / Audio Network-tier) that mixes ElevenLabs voiceover with music bed, sound effects, ambient texture, and audio polish. Closes the single biggest gap in the existing Remotion pipeline — today voiceover is the ONLY audio; this skill adds music + SFX + mix. Use when the user says "sound design", "audio mix", "music bed", "SFX", "score this", or invoked by `video-director` Phase 3 (post-production).

CleanExpo/Pi-Dev-Ops

Converts a BrandResearch dossier into THREE artifacts — (1) typed BrandConfig TypeScript at Synthex/packages/brand-config/src/brands/{slug}.ts (runtime/behaviour — voice, voiceover, motion, audience, channel, forbiddenWords); (2) spec-conformant {slug}.design.md at Synthex/packages/brand-config/src/brands/{slug}.design.md (visual tokens — colour, typography, spacing, components, layout, elevation); (3) human-readable 9-section .md projection at Pi-Dev-Ops/remotion-studio/src/brands/{slug}.md derived from BOTH. Boundary contract at Pi-Dev-Ops/remotion-studio/src/brands/CONTRACT.md. Triggered after remotion-brand-research, or when the user pastes brand assets and says "codify". PRs are auto-merge:false — a human reviews before merge.

CleanExpo/Pi-Dev-Ops

Researches a portfolio company's visual identity from public sources (homepage, about page, marketing copy, GitHub README) and produces a structured BrandResearch dossier. Triggered when `Synthex/packages/brand-config/src/brands/{slug}.ts` (canonical home per RA-1985 / Synthex SYN-897) is missing, older than 90 days, or the user explicitly says "refresh brand for {brand}". Output feeds remotion-brand-codify.

CleanExpo/Pi-Dev-Ops

Generates a complete, accessible palette (primary, secondary, accent, 4-step neutral, semantic, and dark variant) from one to three hex anchors plus a colour-family classification. Validates WCAG-AA contrast for all text-on-background pairs. Triggered when a BrandConfig has fewer than 5 defined colours or contrast fails.

CleanExpo/Pi-Dev-Ops

Authors or extends a Remotion composition (.tsx) wired to BrandConfig + Storyboard + layout spec + motion. The actual builder skill — runs as a Sonnet-tier worker. Triggered after brand, storyboard, designer, and motion-language outputs are ready. Produces the file under remotion-studio/src/compositions/ and registers it in src/Root.tsx.

CleanExpo/Pi-Dev-Ops

Visual-design specialist for Remotion compositions. Sets layout grid, typography hierarchy, white-space, scene framing, and visual rhythm for a given composition + brand. Triggered after remotion-composition-builder for QA, or upfront when authoring a new composition type. Produces a layout spec consumed by remotion-composition-builder.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video needs creative direction — hook, visual sequence, scene purpose, motion restraint, and CTA direction before render.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video has timing, sync, transition, caption, pacing, or audio-fit risk and needs editing discipline before render.

CleanExpo/Pi-Dev-Ops

Use when /remotion-video needs existing Synthex ElevenLabs, brand-config, Remotion, output storage, Claude, or Hermes integration without adding vendors.

CleanExpo/Pi-Dev-Ops

Tunes a video's format and message for the target channel — LinkedIn, YouTube, Instagram Reel, internal training. Sets aspect ratio, total duration, hook timing, CTA timing, and pacing. Triggered when the brief mentions a specific channel or campaign goal. Output feeds remotion-screen-storyteller and remotion-composition-builder.

CleanExpo/Pi-Dev-Ops

Designs a brand-specific motion vocabulary — easing curves, default scene durations, signature entry/exit, transition frames. Each brand gets one signature move (rise / sweep / pulse / iris / whip) that recurs across compositions to build motion-recognition. Triggered when BrandConfig.motion is empty.

CleanExpo/Pi-Dev-Ops

/remotion-video one-shot Remotion command skill and ENTRY POINT for the Remotion Skills Package. Use for video, explainer, ad, promo, reel, intro, social cut, marketing, training, or launch videos. Reads the brief, classifies intent, enforces one single Synthex ElevenLabs voice, emits a production/wave plan, and dispatches the right sub-skills in topological order. Always invoked first.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video job needs production gates, render evidence, output discipline, and pass/fail validation before it can be called shippable.

Skills relacionados