Habilidad de Generación de Videos
Genera videos usando IA (Google Veo 3.1, OpenAI Sora).
Capacidades:
- 🎬 Texto a Video: Crea videos a partir de descripciones textuales
- 🖼️ Imagen a Video: Anima imágenes como primer fotograma
- 🔊 Generación de Audio: Diálogo, efectos de sonido, sonidos ambientales (Veo 3+)
- 🎭 Imágenes de Referencia: Guía el contenido del video con hasta 3 imágenes de referencia (Veo 3.1)
Prerrequisitos
Predeterminado: Vertex AI (10 solicitudes/minuto) ⭐
Vertex AI es el backend predeterminado con límites de tasa 1400 veces mayores:
# 1. Configura tu proyecto
export GOOGLE_CLOUD_PROJECT=tu-id-del-proyecto
# 2. Autentícate (abre el navegador)
gcloud auth application-default login
# 3. Habilita la API (una sola vez)
gcloud services enable aiplatform.googleapis.com
Añade a tu archivo .env:
GOOGLE_CLOUD_PROJECT=tu-id-del-proyecto
GOOGLE_CLOUD_LOCATION=us-central1
Alternativa: AI Studio (10 solicitudes/día)
Úsalo solo si no tienes un proyecto de GCP:
GOOGLE_API_KEY- Obténla en https://aistudio.google.com/apikey
Para Sora (OpenAI)
OPENAI_API_KEY- Para OpenAI Sora
Modelos Disponibles
Modelos Google Veo
| Modelo | Descripción | Mejor para |
|---|---|---|
veo-3.1 | Máxima calidad (predeterminado) | Videos profesionales, diálogo, imágenes de referencia |
veo-3.1-fast | Procesamiento más rápido | Iteraciones rápidas, generación por lotes |
Ambos modelos incluyen:
- Resolución 720p/1080p
- Duración de 4, 6 u 8 segundos
- Audio nativo (diálogo, SFX, ambiente)
- Imagen a video (animar imágenes)
- Imágenes de referencia (hasta 3)
- Extensión de video
- Generación por lotes/en paralelo
OpenAI Sora
- Mejor para: Videos creativos, calidad cinematográfica, movimiento complejo
- Resoluciones: 480p, 720p, 1080p
- Duraciones: 5s, 10s, 15s, 20s
- Características: Texto a video, imagen a video
Flujo de Trabajo
Paso 1: Recopilar Requisitos (OBLIGATORIO)
⚠️ Usa preguntas interactivas: haz UNA pregunta a la vez.
Flujo de Preguntas
⚠️ Usa la herramienta AskUserQuestion para cada pregunta a continuación. No te limites a imprimir las preguntas en tu respuesta: usa la herramienta para crear avisos interactivos con las opciones mostradas.
P1: Imagen
"¡Generaré ese video para ti! Primero: ¿tienes una imagen para animar?
- Sí (proporciona la ruta; la usaré como primer fotograma)
- No, generar desde cero"
Espera respuesta.
P2: Audio
"¿Cuál es tu preferencia de audio?
- Con audio (predeterminado) — Veo 3.1 genera diálogo, SFX, ambiente
- Video silencioso — sin audio"
Espera respuesta.
P3: Modelo
"¿Qué modelo te gustaría?
veo-3.1— Último, máxima calidad con audio (predeterminado)veo-3.1-fast— Procesamiento más rápido con audioveo-3/veo-3-fast— Generación anterior con audiosora— OpenAI, hasta 20 segundos, sin audio"
Espera respuesta.
P4: Duración
"¿Qué duración?
- 4 segundos
- 6 segundos
- 8 segundos (predeterminado)"
Espera respuesta.
P5: Formato
"¿Qué relación de aspecto y resolución?
- 16:9 horizontal, 720p
- 16:9 horizontal, 1080p
- 9:16 vertical, 720p
- 9:16 vertical, 1080p
- O especificar"
Espera respuesta.
Referencia Rápida
| Pregunta | Determina |
|---|---|
| Imagen | Imagen a video vs texto a video |
| Audio | Con/sin generación de audio |
| Modelo | Compromiso calidad vs velocidad |
| Duración | Longitud del clip |
| Formato | Relación de aspecto y resolución |
Paso 2: Elaborar el Prompt
Transforma la solicitud del usuario en un prompt de video efectivo:
- Describe la escena: Establece el contexto visual
- Especifica la acción: Qué se mueve, cambia, sucede
- Incluye trabajo de cámara: "slow pan", "tracking shot", "dolly shot"
- Añade indicaciones de audio (Veo 3+): Usa comillas para diálogo, describe sonidos
- Define el ambiente: Iluminación, atmósfera, momento del día
Ejemplo con diálogo (Veo 3.1):
- Usuario: "una persona descubriendo un tesoro"
- Mejorado: "Primer plano del rostro de un cazador de tesoros mientras la luz de una antorcha parpadea. Murmura 'Debe ser esto...' mientras quita el polvo de un cofre antiguo. Sonido de bisagras chirriantes al abrirlo, revelando luz dorada en su rostro asombrado. Cinematográfico, sombras dramáticas."
Ejemplo sin diálogo:
- Usuario: "un perro corriendo en una playa"
- Mejorado: "Toma cinematográfica en cámara lenta de un golden retriever corriendo alegremente por una playa al atardecer, olas rompiendo, cálida luz dorada, profundidad de campo reducida"
Paso 3: Seleccionar el Modelo
Predeterminado: veo-3.1 (máxima calidad, con audio)
| Caso de uso | Modelo Recomendado | Razón |
|---|---|---|
| Mejor calidad | veo-3.1 (predeterminado) | Máxima calidad, audio |
| Iteración rápida | veo-3.1-fast | Procesamiento más rápido |
| Generación por lotes | veo-3.1-fast | La velocidad importa para múltiples clips |
| Videos más largos (>8s) | sora | Soporta hasta 20s |
Paso 4: Generar el Video
Ejecuta el script apropiado desde ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/:
Para Google Veo 3.1 (predeterminado, con audio):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "tu prompt mejorado con 'diálogo entre comillas'" \
--model "veo-3.1" \
--duration 8 \
--aspect-ratio "16:9" \
--resolution "720p"
Para Google Veo 3.1 con entrada de imagen:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "El gato abre lentamente los ojos y bosteza" \
--image "/ruta/al/gato.jpg" \
--model "veo-3.1" \
--duration 8
Para generación más rápida:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "tu prompt" \
--model "veo-3.1-fast"
Para OpenAI Sora (videos más largos):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/sora.py \
--prompt "tu prompt mejorado" \
--duration 20 \
--resolution "1080p"
Lista de modelos disponibles:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py --list-models
Extensión de Video (Para Continuidad de Formato Largo)
La bandera --extend crea VERDADERA continuidad visual al continuar desde donde terminó un video de Veo anterior. Este es el mejor enfoque para videos de larga duración.
Extensión básica:
# Primero, genera el clip inicial
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "Una persona camina por un bosque al amanecer" \
--duration 8
# Extiéndelo con nuevo contenido (añade ~7 segundos)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend veo_veo-3.1_20260104_120000.mp4 \
--prompt "Continuar caminando, descubrir un arroyo oculto"
Múltiples extensiones (para videos más largos):
# Extiende 5 veces (añade ~35 segundos de continuación)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend clip_inicial.mp4 \
--prompt "Sigue explorando el bosque, encuentra vida salvaje" \
--extend-times 5
Extensión vs Unión:
| Enfoque | Resultado | Caso de uso |
|---|---|---|
| Extensión | Continuidad real, mismos personajes/escena | Tomas continuas largas |
| Unión | Clips separados con transiciones | Cambios de escena, montajes |
Límites de Extensión:
- El video de entrada debe ser generado por Veo (máx. 141 segundos)
- Cada extensión añade ~7 segundos
- Máximo 20 extensiones totales (~2.5 minutos)
- La resolución de salida es 720p
Generación por Lotes (Paralela)
Genera múltiples videos simultáneamente para flujos de trabajo multipantalla más rápidos. En lugar de esperar 15+ minutos por 5 videos secuenciales, genéralos todos en paralelo (~3 minutos en total).
Crea un archivo scenes.json:
[
{"prompt": "Escena 1: Toma heroica cinematográfica de auriculares inalámbricos sobre superficie oscura", "duration": 6, "output": "scene1_hero.mp4"},
{"prompt": "Escena 2: Visualización de ondas sonoras, persona disfrutando música", "duration": 8, "output": "scene2_sound.mp4"},
{"prompt": "Escena 3: Primer plano del auricular en la oreja, persona haciendo ejercicio", "duration": 8, "output": "scene3_comfort.mp4"},
{"prompt": "Escena 4: Montaje de estilo de vida, varios entornos", "duration": 8, "output": "scene4_lifestyle.mp4"},
{"prompt": "Escena 5: Producto con logotipo sobre fondo limpio", "duration": 4, "output": "scene5_cta.mp4"}
]
Genera todas las escenas en paralelo:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json
Con número de trabajadores personalizado:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json \
--max-workers 3
Opciones de configuración por lote y video:
| Opción | Descripción | Predeterminado |
|---|---|---|
prompt | Descripción del video (obligatorio) | - |
model | veo-3.1, veo-3.1-fast, etc. | veo-3.1 |
duration | 4, 6 u 8 segundos | 8 |
aspect_ratio | "16:9" o "9:16" | "16:9" |
resolution | "720p" o "1080p" | "720p" |
image | Ruta a la imagen para imagen a video | - |
negative_prompt | Qué evitar | - |
output | Nombre de archivo de salida personalizado | generado automáticamente |
Comparación de velocidad:
| Escenas | Secuencial | Paralelo (5 trabajadores) | Aceleración |
|---|---|---|---|
| 3 | ~9 min | ~3 min | 3x |
| 5 | ~15 min | ~3 min | 5x |
| 10 | ~30 min | ~6 min | 5x |
Paso 5: Entregar el Resultado
- Proporciona el archivo/URL del video generado
- Comparte el prompt mejorado utilizado
- Menciona la configuración de generación (duración, resolución)
- Ofrece:
- Generar variaciones
- Probar diferente estilo/duración
- Usar una API diferente
- Extender el video
Manejo de Errores
Clave API faltante: Informa al usuario qué clave se necesita:
Violación de política de contenido: Reformula el prompt adecuadamente.
Generación fallida: Reintenta con un prompt simplificado o una API diferente.
Cuota excedida: Sugiere esperar o probar con el otro proveedor.
Consejos de Ingeniería de Prompts
Para Audio (Veo 3.1)
- Diálogo: Usa comillas para el habla:
"¡Hola!" dijo emocionada - Efectos de sonido: Descríbelos explícitamente:
chirrido de neumáticos, rugido de motor - Ambiente: Describe el paisaje sonoro:
pájaros cantando, tráfico lejano - Ejemplo:
Un hombre susurra "¿Oíste eso?" mientras pasos resuenan en el pasillo oscuro
Para Calidad Cinematográfica
- Incluye direcciones de cámara: "dolly lento", "tracking shot", "crane shot"
- Especifica iluminación: "hora dorada", "sombras dramáticas", "luz suave difusa"
- Añade referencias cinematográficas: "estilo Blade Runner", "estética Wes Anderson"
Para Movimiento Realista
- Describe la física: "movimiento natural", "física realista"
- Incluye detalles ambientales: "viento en el cabello", "hojas susurrando"
- Especifica la velocidad: "cámara lenta", "tiempo real", "time-lapse"
Para Imagen a Video
- Describe qué debe cambiar/moverse desde la imagen inicial
- Sé específico sobre la acción: "el gato abre lentamente los ojos"
- Incluye movimiento ambiental: "hojas pasan volando"
Prompts Negativos
- Describe lo que NO se debe incluir:
--negative-prompt "dibujo animado, baja calidad, borroso" - No uses "no" o "sin" - solo describe los elementos no deseados
Comparación de APIs
| Característica | Veo 3.1 (Predeterminado) | Veo 3.1 Rápido | Sora |
|---|---|---|---|
| Proveedor | OpenAI | ||
| Clave API | GOOGLE_API_KEY | GOOGLE_API_KEY | OPENAI_API_KEY |
| Duración máxima | 8 segundos | 8 segundos | 20 segundos |
| Resolución | 720p, 1080p | 720p, 1080p | Hasta 1080p |
| Relaciones de aspecto | 16:9, 9:16 | 16:9, 9:16 | 16:9, 9:16, 1:1 |
| Audio (diálogo, SFX) | ✅ Sí | ✅ Sí | ❌ No |
| Imagen a video | ✅ Sí | ✅ Sí | ✅ Sí |
| Imágenes de referencia | ✅ Hasta 3 | ✅ Hasta 3 | ❌ No |
| Extensión de video | ✅ Sí | ✅ Sí | ❌ No |
| Generación por lotes | ✅ Sí | ✅ Sí | ❌ No |
| Velocidad | Mejor calidad | ~2x más rápido | Más lento |
| Mejor para | Profesional | Flujos por lotes | Videos más largos |