Communitygithub.com

ComeOnOliver/skillshub

Genera videos usando IA (Google Veo 3.1, OpenAI Sora).

¿Qué es skillshub?

Esta habilidad permite generar videos de alta calidad mediante dos proveedores principales: Google Veo (3.1 y 3.1-fast) y OpenAI Sora. Ofrece capacidades como texto a video, imagen a video, generación de audio (diálogo, efectos de sonido, ambiente) y uso de hasta 3 imágenes de referencia para guiar el contenido. Está diseñada para Claude Code, Cursor y Codex, y se ejecuta a través de scripts Python que interactúan con las APIs de Vertex AI (por defecto, con 10 solicitudes/minuto) o AI Studio (10 solicitudes/día) para Google, y con la API de OpenAI para Sora. El flujo de trabajo incluye una fase interactiva de preguntas para recopilar requisitos (imagen, audio, modelo, duración, formato), luego la elaboración de un prompt detallado y la ejecución de scripts como `veo.py` o `sora.py`. Además, soporta extensiones de video para crear continuidad visual, generación por lotes en paralelo para múltiples escenas y ajustes de resolución (720p/1080p), duración (4-8s para Veo, hasta 20s para Sora) y relación de aspecto.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ComeOnOliver/skillshub/tree/HEAD/skills/michaelboeding/skills/video-generation

Preguntar en tu IA favorita

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

Documentación

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:

Para Sora (OpenAI)

  • OPENAI_API_KEY - Para OpenAI Sora

Modelos Disponibles

Modelos Google Veo

ModeloDescripciónMejor para
veo-3.1Máxima calidad (predeterminado)Videos profesionales, diálogo, imágenes de referencia
veo-3.1-fastProcesamiento más rápidoIteraciones 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 audio
  • veo-3 / veo-3-fast — Generación anterior con audio
  • sora — 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

PreguntaDetermina
ImagenImagen a video vs texto a video
AudioCon/sin generación de audio
ModeloCompromiso calidad vs velocidad
DuraciónLongitud del clip
FormatoRelación de aspecto y resolución

Paso 2: Elaborar el Prompt

Transforma la solicitud del usuario en un prompt de video efectivo:

  1. Describe la escena: Establece el contexto visual
  2. Especifica la acción: Qué se mueve, cambia, sucede
  3. Incluye trabajo de cámara: "slow pan", "tracking shot", "dolly shot"
  4. Añade indicaciones de audio (Veo 3+): Usa comillas para diálogo, describe sonidos
  5. 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 usoModelo RecomendadoRazón
Mejor calidadveo-3.1 (predeterminado)Máxima calidad, audio
Iteración rápidaveo-3.1-fastProcesamiento más rápido
Generación por lotesveo-3.1-fastLa velocidad importa para múltiples clips
Videos más largos (>8s)soraSoporta 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:

EnfoqueResultadoCaso de uso
ExtensiónContinuidad real, mismos personajes/escenaTomas continuas largas
UniónClips separados con transicionesCambios 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:

OpciónDescripciónPredeterminado
promptDescripción del video (obligatorio)-
modelveo-3.1, veo-3.1-fast, etc.veo-3.1
duration4, 6 u 8 segundos8
aspect_ratio"16:9" o "9:16""16:9"
resolution"720p" o "1080p""720p"
imageRuta a la imagen para imagen a video-
negative_promptQué evitar-
outputNombre de archivo de salida personalizadogenerado automáticamente

Comparación de velocidad:

EscenasSecuencialParalelo (5 trabajadores)Aceleración
3~9 min~3 min3x
5~15 min~3 min5x
10~30 min~6 min5x

Paso 5: Entregar el Resultado

  1. Proporciona el archivo/URL del video generado
  2. Comparte el prompt mejorado utilizado
  3. Menciona la configuración de generación (duración, resolución)
  4. 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

CaracterísticaVeo 3.1 (Predeterminado)Veo 3.1 RápidoSora
ProveedorGoogleGoogleOpenAI
Clave APIGOOGLE_API_KEYGOOGLE_API_KEYOPENAI_API_KEY
Duración máxima8 segundos8 segundos20 segundos
Resolución720p, 1080p720p, 1080pHasta 1080p
Relaciones de aspecto16:9, 9:1616:9, 9:1616:9, 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
VelocidadMejor calidad~2x más rápidoMás lento
Mejor paraProfesionalFlujos por lotesVideos más largos

Individual skills in this repo

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

ComeOnOliver/skillshub

Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.

ComeOnOliver/skillshub

Next.js 16+ 和 Turbopack — 增量打包、文件系统缓存、开发速度,以及何时使用 Turbopack 与 webpack。

ComeOnOliver/skillshub

SwiftUI architecture patterns, state management with @Observable, view composition, navigation, performance optimization, and modern iOS/macOS UI best practices.

ComeOnOliver/skillshub

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio, video), and create real time alerts for events from live streams or desktop capture.

ComeOnOliver/skillshub

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

ComeOnOliver/skillshub

Next.js 15 애플리케이션을 위한 프론트엔드 개발 가이드라인. React 19, TypeScript, Shadcn/ui, Tailwind CSS를 사용한 모던 패턴. Server Components, Client Components, App Router, 파일 구조, Shadcn/ui 컴포넌트, 성능 최적화, TypeScript 모범 사례 포함. 컴포넌트, 페이지, 기능 생성, 데이터 페칭, 스타일링, 라우팅, 프론트엔드 코드 작업 시 사용.

ComeOnOliver/skillshub

Provides Tamagui patterns for config v4, compiler optimization, styled context, and cross-platform styling. Must use when working with Tamagui projects (tamagui.config.ts, @tamagui imports).

ComeOnOliver/skillshub

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, or applications. Generates creative, polished code that avoids generic AI aesthetics.

ComeOnOliver/skillshub

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

ComeOnOliver/skillshub

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

ComeOnOliver/skillshub

Next.js development tooling via MCP. Inspect routes, components, build info, and debug Next.js apps. Use when working on Next.js applications, debugging routing, or inspecting app structure. NOT for general React or non-Next.js projects.

ComeOnOliver/skillshub

Implement UI using Shadcn MCP (atoms/theme) and 21st.dev MCP (complex sections). Use when adding buttons, layouts, or generating landing pages.

ComeOnOliver/skillshub

A conceptual skill for building an API client in Next.js that handles JWT tokens

ComeOnOliver/skillshub

Best practices and patterns for Next.js App Router, Server Actions, and Routing in this project.

ComeOnOliver/skillshub

The Design System, Theme, and UX rules for the Physical AI Hub.

ComeOnOliver/skillshub

Comprehensive frontend development skill for building modern, performant web applications using ReactJS, NextJS, TypeScript, Tailwind CSS. Includes component scaffolding, performance optimization, bundle analysis, and UI best practices. Use when developing frontend features, optimizing performance, implementing UI/UX designs, managing state, or reviewing frontend code.

ComeOnOliver/skillshub

This document captures learnings from fixing keyboard navigation issues when floating components (Select, DropdownMenu, Popover) have CSS open/close animations.

ComeOnOliver/skillshub

Build Next.js 16 applications with correct patterns and distinctive design. Use when creating pages, layouts, dynamic routes, upgrading from Next.js 15, or implementing proxy.ts. Covers breaking changes (async params/searchParams, Turbopack, cacheComponents) and frontend aesthetics. NOT when building non-React or backend-only applications.

ComeOnOliver/skillshub

Comprehensive Framer Motion animation library for React. Covers motion components, variants, gestures, page transitions, and scroll animations. Use when adding animations to React/Next.js applications.

ComeOnOliver/skillshub

Build interfaces that resonate, not just render. This skill enforces bold, intentional

Skills relacionados