Vertical Reels Video Studio (básico)

¿Qué hace Vertical Reels Video Studio (básico)?

Un pipeline simple y paso a paso para un video vertical de 30 a 90 segundos.

0. Primera ejecución: preguntar al usuario por SUS ajustes (nunca usar valores predeterminados)

Antes del primer video, si brand.config.json no existe, tiene "configured": false o aún contiene @yourhandle, pregunta al usuario (una pregunta a la vez) y guarda las respuestas en brand.config.json:

1. Handles de redes sociales: Instagram, Threads, TikTok, X (los que use).
2. Texto de la marca de agua (exactamente como debe aparecer, p. ej. @yourhandle o @ig / @x) y posición (bottom-center, bottom-left, top-left, top-right).
3. Texto del CTA y el handle que menciona.
4. Voz: su ID de voz de ElevenLabs + modelo + idioma, o "Grabaré mi propia voz". La clave API se solicita solo como secreto ELEVENLABS_API_KEY.
5. Idioma y tono; cómo debe pronunciar la voz su nombre/handle.

Luego establece "configured": true. Nunca inventes un handle, nunca reutilices el de otra persona (incluido el autor de este kit) y nunca renderices una marca de agua que aún diga @yourhandle.

Los marcadores de posición a continuación se asignan a brand.config.json:

Marcador	Clave de configuración	Significado
{{HANDLE}}	handles.*	El/los handle(s) del usuario
{{WATERMARK}}	watermark.text, watermark.position	Texto y posición de la marca de agua, tal como los dio el usuario
{{LANGUAGE}}	language, tone	Idioma y tono de la locución y subtítulos
{{VOICE_ID}}	voice.voiceId	La voz elegida por el usuario
{{TTS_MODEL}}	voice.model	Modelo de ElevenLabs, p. ej. eleven_multilingual_v2
{{CTA}}	cta.text, cta.handle	El llamado a la acción del usuario

La clave API siempre proviene de la variable de entorno ELEVENLABS_API_KEY. Nunca la imprimas, nunca la escribas en un archivo que se suba al repositorio.

El flujo

0. Preguntar por los ajustes del usuario (primera ejecución) → 1. Tema → 2. Investigación y verificación de datos → 3. Borrador del guion → 4. Aprobación del usuario →
1. Locución → 6. Temporización → 7. Construir escenas → 8. Renderizar → 9. Exportación optimizada para Reels →
2. Control de calidad → 11. Portadas y subtítulos → 12. Entrega. Si el usuario solicita un cambio, retrocede al paso más temprano que afecte el cambio (una nueva línea de texto implica una nueva locución solo para esa línea).

1–2. Tema e investigación

• Una historia por video. Escribe para principiantes.
• Verifica cada número, fecha, nombre y cita contra una fuente primaria (página oficial, publicación del autor, captura de pantalla con fecha). Descarta cualquier cosa que no puedas verificar. Nunca inventes hechos.
• Mantén un breve sources.md con los enlaces que utilizaste.

3–4. Borrador, luego espera

• Ofrece 2–4 opciones de gancho para los primeros 2 segundos (una pregunta o un contraste sorprendente).
• Escribe una tabla temporizada: tiempo | texto en pantalla | locución. Apunta a 45–65 s, nunca más de 90 s.
• Detente y envía el borrador al usuario. No generes audio ni renderices hasta que lo apruebe.

5. Locución

• Genera el guion aprobado con {{VOICE_ID}} (ver scripts/tts.py). Mantén dos textos: el texto mostrado (lo que muestran los subtítulos) y el texto TTS (deletreado para la voz, p. ej. A.I. para "IA", números escritos como palabras).
• Escúchalo. Regenera solo las líneas que están mal. Nunca dejes la misma línea dos veces en el audio.
• Si no tienes cuenta de ElevenLabs, graba tu propia voz. Funciona igual de bien.

6. Temporización

• Obtén marcas de tiempo de palabras (alineación de ElevenLabs, o Whisper en el audio) y guarda timing.json: {duration, words:[{w,s,e}], scenes:[{id,start}]}.
• Las animaciones comienzan en el fotograma donde se pronuncia su palabra: frame = Math.round(seconds * 30).

7. Construir escenas (Remotion, 1080 × 1920, 30 fps)

• Fondo oscuro, un color de texto claro, un color de acento. Un título grande por latido.
• Texto cinético: cada palabra del título aparece al pronunciarse (escala 0.6 → 1 con un pequeño rebasamiento).
• Un elemento nuevo en pantalla cada 1.5–3 s. Mantén los números al menos 1.5 s para que la gente pueda leerlos.
• El texto del gancho es visible desde el fotograma 0, para que el primer fotograma funcione como una imagen fija.
• Zona segura: mantén el texto entre y = 200 y y = 1500. Coloca el texto {{WATERMARK}} pequeño en la posición elegida por el usuario (por defecto abajo: y ≈ 1430).
• Usa capturas de pantalla reales y logotipos con crédito. Etiqueta los mock-ups como "ilustración".

8–9. Renderizar y exportar

npx remotion render src/index.ts <CompositionId> out/raw.mp4
bash scripts/reels-export.sh out/raw.mp4 out/final-reels.mp4

La exportación produce: 1080 × 1920, H.264 High ≤ 4.1, yuv420p (rango TV), BT.709, 30 fps constantes, 8–12 Mbps, AAC 48 kHz, +faststart, −14 LUFS / ≤ −1 dBTP. Mantén el video por debajo de 90 s.

10. Control de calidad (siempre, antes de entregar)

Ejecuta bash scripts/qa-check.sh out/final-reels.mp4 y revisa la salida de scripts/contact-sheet.sh. Verifica:

• Audio: las palabras son claras, nada cortado, ninguna línea repetida, sonoridad ≈ −14 LUFS.
• Video: sin texto cortado, nada fuera de la zona segura, ningún clip congelado, ningún primer o último segundo vacío.

Corrige y vuelve a renderizar antes de enviar cualquier cosa.

11–12. Portadas, subtítulos, entrega

• 2–4 opciones de portada, 1080 × 1920 más una versión de cuadrícula 1080 × 1350. Un gancho grande, una imagen principal, como máximo 2–3 tarjetas numéricas pequeñas. Mantén el texto clave dentro del centro 1080 × 1080.
• Subtítulos: Instagram (gancho, cuerpo, {{CTA}}, algunos hashtags), Threads (más corto, sin hashtags), TikTok.
• Entrega el MP4 final, una vista previa pequeña (< 40 MB), portadas, subtítulos, un archivo .srt y la lista de fuentes.

Reglas

• Nunca publiques, subas ni compres nada. Entrega los archivos al usuario.
• Sin hechos inventados. Acredita cada fuente y cada autor de código abierto que muestres.
• Usa solo música, clips y voces para los que tengas derecho de uso.