Una frase, video listo: Punto de entrada principal
Objetivo: El usuario solo dice la necesidad, y Claude se encarga de redactar el guion, los subtítulos, las animaciones, el sonido, la renderización, la autoverificación, la portada y el texto. No preguntes en cada paso, no obligues al usuario a confirmar cosas que puede decidir por sí mismo.
1. Verificar materiales preparados (30 segundos antes de empezar)
Consulta la lista de materiales de ../video-asset-prep/SKILL.md: avatar digital (solo necesario para la versión con persona en pantalla), voz, librería de bloques, plantilla fija. Si falta algo, ve a prepararlo, no lo hagas a la fuerza; la versión solo de animación no necesita avatar digital. Una vez que los materiales estén listos, todo lo siguiente se ejecuta automáticamente.
2. Recibir requerimientos (preguntar una sola vez, las tres preguntas juntas)
Solo preguntar lo que cambiaría la estructura del video final y que no se pueda decidir por defecto. Si el usuario no responde, se usa el valor por defecto:
| Pregunta | Por defecto |
|---|---|
| Tema y punto de vista (una frase o un borrador) | Obligatorio |
| ¿Aparece un avatar digital? | No (solo animación). Si sí, se necesita la imagen del avatar digital del usuario y la locución |
| ¿De dónde viene la locución? | El usuario genera el audio con su voz clonada y te lo envía; si no tiene, usa TTS del sistema como marcador de posición para todo el flujo, y cuando llegue la voz real, solo se rehace la sincronización |
Valores fijos por defecto: 1920×1080, 30 fps, 60–80 segundos, sin música de fondo (solo voz + efectos de sonido, la música la añade el usuario después), subtítulos en cápsula, tema claro u oscuro según el tema, video final a −16 LUFS, portada horizontal y vertical (un par cada una), un eslogan.
3. Flujo de trabajo (automático)
| Paso | Qué hacer | Quién | Producto / Verificación |
|---|---|---|---|
| S1 Guion | Reducir a 8–12 frases para locución: cada frase ≤20 caracteres, una idea por frase, los números en frases separadas; eliminar el tono de IA (frases cortas, coloquial, pocas figuras retóricas); verificar hechos; número de caracteres ≈ duración × 4.8 | Claude | script_lines.json; solo molestar al usuario si hay dudas sobre los hechos |
| S2 Locución | Reescribir el guion según la lectura de la herramienta de locución (abreviaturas escritas como A I letra por letra) → El usuario genera el audio → Pausa local máxima 0.4 s | El usuario entrega el audio | voice.mp3; Este es el único paso que requiere esperar al usuario (si no hay, usar marcador de posición) |
| S3 Sincronización | Whisper fuerza la alineación palabra por palabra → Subtítulos cortados por palabra → Verificar inicio de sonido independientemente de la forma de onda | Claude | words.json subs.json; inicio de subtítulos ≤3 fotogramas |
| S4 Avatar digital (opcional) | Usar el navegador para controlar la herramienta de avatar digital: subir audio → generar → descargar. Verificación de identidad, pago, eliminación solo lo hace el usuario | Claude + Usuario | mp4 con croma |
| S5 Recorte (opcional) | Diferencia de color + extensión de bordes → VP9 alpha WebM; compensación de curva de decodificación; adelantar el movimiento de los labios 3 fotogramas | Claude | key_host.py |
| S6 Tabla de tomas | Todas las tomas se derivan de la tabla de alineación palabra por palabra (el punto de corte es el inicio de la frase −6 fotogramas), no se rellenan números de fotograma manualmente | Claude | timeline.ts como única fuente de verdad |
| S7 Animación | Una toma, una cámara, un centro de atención por frase; todas las animaciones de máquina de escribir usan el efecto de máquina de escribir y se registran en typing.ts; los efectos de sonido se generan según los eventos | Claude | Ver ae-motion-craft |
| S8 Renderización | Segmentación + perro guardián: si no hay nuevos fotogramas en 5 minutos, matar el proceso y reintentar hasta 3 veces; registrar la hora de inicio y fin de cada segmento | Claude | Segmentos mp4 → Unión → Mezcla de audio |
| S9 Autoverificación | Ver lista del punto 3; comprobar contra las marcas de tiempo reales de los archivos y los registros, no confiar en la memoria diciendo "casi listo" | Claude | Tabla de autoverificación |
| S10 Empaquetado | Portada horizontal + vertical (imagen principal + alternativa), verificar tamaño de miniatura, eslogan con gancho para redes sociales | Claude | 4 portadas + eslogan |
4. Cosas que solo puede hacer el humano (el resto las hace Claude)
Generación de audio de locución, verificación de identidad del avatar digital, confirmación de pago, eliminación de cuenta/imagen, verificación estética final. Cuando llegues a estos pasos, explica de una vez qué se necesita, no lo dividas en varias preguntas.
5. Lista de autoverificación (escribir ✓/✗/valor antes de entregar)
- Duración: diferencia entre video y audio ≤0.05 s; ffprobe 1920×1080 / 30fps / BT.709
- Volumen −16 LUFS (voz + efectos de sonido), pico < −1 dBFS; efectos de sonido al menos 10 dB más bajos que la voz
- Subtítulos: desviación del inicio de sonido por línea ≤3 fotogramas, sin superposición de tiempo, un solo estilo
- Proporción de píxeles morados (si no se quiere línea morada) <0.2%; transiciones suaves sin saltos en tiras de 2 fotogramas
- Cada bloque de máquina de escribir: número de caracteres = número de sonidos de tecla
- Imagen sin marcas de terceros / personas reales / nombres de archivo internos; texto en pantalla para videos en chino con términos genéricos
- Marca de tiempo de los archivos de renderización posterior a la última modificación; registros sin segmentos fallidos
6. Reglas de hierro (basadas en errores pasados)
- No adivinar la causa: si la renderización se atasca, primero mira la hora de modificación del archivo vs. la hora actual, lee el registro completo, luego saca conclusiones.
- No hagas que el usuario sea un supervisor: en tareas largas, escribe marcas de tiempo en cada segmento; si se atasca, descúbrelo tú mismo y reintenta.
- Primero saca una vista previa de fotograma fijo / baja resolución para autoverificar, luego renderiza a 1080p.
- Los subtítulos deben estar alineados palabra por palabra, nunca estimar por número de caracteres.
- No hacer música de fondo; no poner texto explicativo pequeño; en fondos claros, no poner grandes bloques oscuros; no usar morado.
- Ante una sugerencia concreta del usuario, solo rehacer las tomas afectadas, no todo el video.
- Después de la entrega, no repetir el proceso; dar: ubicación, qué se cambió, defectos conocidos, portada, eslogan.
7. Relacionados
- Preparación de materiales (avatar digital / voz / bloques / plantilla fija):
../video-asset-prep/SKILL.md - Los detalles de este skill están en
references/: guion y gancho (hooks-and-copy, thinking, templates), storyboard y composición visual (visual-mapping, motion-and-camera, packaging), sincronización de subtítulos (subtitle-sync), reglas de comodidad (comfort-rules), manual de producción completo (production-playbook), fusión con locutor (hosted-video-fusion), renderización y pipeline (remotion-pipeline, promo-and-hosted-pipeline), efectos de sonido (motion-polish-and-sfx), colaboración (collaboration), versión en inglés (english), prompts de portada (gemini-asset-prompts). references/legacy-combo-style-SKILL.mdes la vista general anterior antes de la división, solo para consulta. Las rutas de archivos deben basarse en el directorio actual.- Scripts:
scripts/,../../pipeline-scripts/; metodología completa:../../metodologia-produccion.md