Communitygithub.com

reelwright

Convierte un breve resumen en un mini-documental narrado y subtitulado en MP4 usando los modelos de texto, imagen y voz de Pollinations más ffmpeg. Úsalo cuando te pidan un video explicativo corto, una presentación narrada, un 'documental en un minuto', un reel para redes con voz en off o quieras convertir un guion en escenas con imágenes y audio.

¿Qué es reelwright?

Reelwright es una herramienta de agente de IA especializada en la generación automatizada de videos cortos estilo mini-documental a partir de una breve descripción textual. Es ideal para desarrolladores y creadores de contenido que necesitan producir rápidamente videos explicativos, reels para redes sociales o presentaciones narradas sin edición manual compleja. La habilidad utiliza exclusivamente los modelos de Pollinations (texto, imagen y voz) para la generación creativa, y ffmpeg/ffprobe como única dependencia local. El flujo de trabajo incluye: planificación automática de escenas mediante un modelo de texto, generación de una ilustración por escena, síntesis de voz en off, creación de subtítulos quemados (burned-in captions), transiciones con fundido (cross-fades), y un efecto Ken Burns lento en cada toma. Además, Reelwright incluye un paso de verificación que analiza el archivo final para asegurar que cumple con las especificaciones técnicas (códec H.264/AAC, resolución 1080p, duración correcta) y, opcionalmente, transcribe el audio para verificar que coincide con el guion original, evitando errores como pistas de audio vacías o en otro idioma. Soporta múltiples plataformas ejecutándose como script de Python, y su diseño modular permite editar el plan intermedio (project.json) antes de la renderización final, ahorrando costos computacionales.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SvirepyiBambr/pollinations-reelwright/tree/main/skills/reelwright

Preguntar en tu IA favorita

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

Documentación

¿Qué hace reelwright?

Reelwright toma un párrafo de intención y devuelve un video terminado en 1080p, H.264/AAC: un plan de escenas escrito, una ilustración por escena, una voz en off, subtítulos quemados, transiciones con fundido, un efecto Ken Burns lento en cada toma y un informe de verificación que prueba que el archivo realmente se puede reproducir.

Todo el contenido creativo proviene de Pollinations. La única dependencia local es ffmpeg/ffprobe.

Cuándo usarlo

  • "Hazme un video de 60 segundos sobre X."
  • "Convierte este artículo en una presentación narrada."
  • "Necesito un reel para redes sociales con voz en off y subtítulos."
  • "Explica X en cinco escenas con imágenes."

No es para: edición de larga duración, cabezas parlantes, material ya grabado o cualquier cosa que necesite una cámara real. Reelwright es un explicador ilustrado, no un editor de video.

Configuración

npx @pollinations/cli auth login     # inicio de sesión único en Pollinations
npm install                          # descarga ffmpeg-static + ffprobe-static

Reelwright toma la clave de --api-key, luego de POLLINATIONS_API_KEY, luego del inicio de sesión almacenado por polli auth login en ~/.pollinations/credentials.json. Es preferible usar el inicio de sesión: el usuario aprueba un código de dispositivo en el navegador y ninguna clave llega a la conversación. Sobrescribe con una variable de entorno cuando se ejecute en CI.

Si ffmpeg ya está en PATH, Reelwright lo usa. De lo contrario, recurre a los binarios estáticos en node_modules, y luego a $FFMPEG / $FFPROBE.

Ejecutarlo

Un comando, del resumen al archivo terminado:

python3 skills/reelwright/scripts/reelwright.py make \
  --brief examples/salt-road/brief.txt \
  --out examples/salt-road \
  --scenes 5 \
  --transcribe

O paso a paso, que es la mejor manera cuando la redacción es importante:

# 1. planificar: el modelo de texto escribe título, subtítulo, estilo y N escenas
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5

# 2. editar myreel/project.json manualmente si alguna línea es débil — este es el momento barato de arreglarlo

# 3. renderizar: imágenes, voz, clips, multiplexado
python3 skills/reelwright/scripts/reelwright.py render --project myreel

# 4. verificar: ffprobe el resultado, opcionalmente transcribe el audio y lo compara con el guion
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe

Los archivos de salida se guardan en el directorio del proyecto:

ArchivoQué es
project.jsonEl plan: título, estilo, escenas, modelos elegidos. Editable.
images/scNN.jpgUna ilustración por escena, más scNN.prompt.txt con el prompt exacto.
audio/scNN.mp3Narración por escena.
clips/scNN.mp4Clip Ken Burns silencioso por escena.
timings.jsonInicio/fin de escena, duración de la narración, duración derivada de la escena.
captions.assTítulo, subtítulo, subtítulos por escena, línea de crédito.
reel.mp4El entregable.
poster.jpgFotograma en 1.2 s, para miniaturas.
render.json, check.jsonInformes de renderización y verificación legibles por máquina.

Cómo funciona la sincronización

La duración de la escena no se adivina: Reelwright mide cada MP3 de narración con ffprobe, añade un margen fijo al final y construye la línea de tiempo a partir de esos números. Los subtítulos se escriben en la misma línea de tiempo, por lo que un subtítulo no puede desviarse de la voz a la que pertenece. Las transiciones con fundido superponen los clips en una cantidad fija, y los desplazamientos de xfade se calculan a partir de las mismas duraciones.

Esta es la parte que la mayoría de los generadores de presentaciones hacen mal. Si cambias PAD, FADE o MIN_SCENE, todo lo siguiente se ajusta automáticamente.

Verificación

check no es una verificación subjetiva. Lee el archivo terminado y falla de forma audible cuando:

  • no hay flujo de video o audio;
  • el códec no es H.264 / AAC;
  • la resolución no es 1920x1080 o la frecuencia de cuadros no es 30;
  • la duración real se desvía más de 0.8 s de la línea de tiempo planificada;
  • falta una imagen o un archivo de audio referenciado por la línea de tiempo;
  • captions.ass tiene menos líneas de diálogo que escenas;
  • con --transcribe: la transcripción de voz a texto del audio final cubre menos del 80% de las palabras del guion, lo que detecta pistas silenciosas, truncadas o en el idioma equivocado.

Esta última verificación es la interesante. Es una prueba económica de extremo a extremo de que el audio en el MP4 es realmente la narración que solicitaste, no un 200 OK con un cuerpo vacío.

Costo y modelos

Valores predeterminados, todos reemplazables con banderas:

  • texto: openai/gpt-5.4-nano — una llamada de planificación, más una llamada de reparación si la validación falla
  • imagen: tongyi-mai/z-image-turbo — una llamada por escena
  • voz: openai/tts-1, voz onyx — una llamada por escena

Cada valor predeterminado es de nivel gratuito (paid_only: false), incluida la transcripción openai/whisper-large-v3 detrás de --transcribe, por lo que una cuenta gratuita puede ejecutar todo el pipeline de principio a fin.

Un reel de cinco escenas son cinco imágenes y cinco clips de voz cortos. Volver a ejecutar render reutiliza cualquier cosa ya en disco; --force regenera. --seed hace que la generación de imágenes sea reproducible.

Redacción del resumen

El resumen es la estrella polar del guion, así que dale puntos clave, no adjetivos:

Título: El Camino de la Sal.

Un mini-documental de 50 segundos que explica por qué el mar es salado. Sigue una gota de
agua de lluvia desde una montaña de granito hasta el océano. Cinco puntos clave, en orden:

1. La lluvia cae sobre una montaña de granito y comienza a bajar.
2. Un arroyo de montaña corta la roca y arrastra minerales disueltos.
3. El río se ensancha y lleva su carga mineral hacia el mar.
4. El sol calienta el océano; el agua sube como vapor, la sal se queda.
5. Cristales de sal en la orilla al atardecer.

Estilo visual: ilustración editorial en gouache, paleta de verde azulado y ámbar apagados,
papel texturizado de prensa en frío, grano suave, composición cinematográfica en 16:9.

Una línea de estilo en el resumen vale más que cualquier ingeniería de prompts posterior: se lleva a cada prompt de imagen textualmente, que es lo que mantiene cinco generaciones separadas pareciendo una sola película.

Modos de fallo que vale la pena conocer

  • 402 de Pollinations — la cuenta detrás de la clave se quedó sin pollen. El script lo indica en lugar de volcar un blob JSON.
  • image_prompt con palabras — a los modelos les encanta escribir "un mapa etiquetado Evaporación". El prompt del sistema prohíbe texto, y cada prompt de imagen tiene una cola "sin texto, sin letras, sin logotipos", pero un plan malo es más barato de arreglar en project.json que de volver a renderizar.
  • Narración más larga de lo esperado — las escenas se estiran para ajustarse a la voz. Nada se corta; el video se alarga. Usa menos palabras por escena si necesitas una duración fija.
  • Sin ffmpeg — npm install en el repositorio es la solución prevista. El mensaje de error nombra tanto el paquete como la variable de entorno.
  • Subtítulos en escritura no latina — ASS es UTF-8 y DejaVu Sans cubre latino, cirílico y griego. Para CJK o árabe, cambia la fuente en captions.ass y asegúrate de que esté instalada en la máquina de renderización.

Skills relacionados