vertical-reels-video-studio-pro

Vertical Reels Video Studio (pro)

De extremo a extremo: (primera ejecución: pedir al usuario sus handles/marca de agua/CTA/voz) → tema → investigación → borrador → aprobación → locución → temporización → escenas en Remotion → renderizado → exportación para Reels → QA → portadas + subtítulos → entrega. Esta es la versión más completa de vertical-reels-video-studio (básica). La configuración de marca vive en brand.config.json (leído por src/brand.ts y pasado a las composiciones como la propiedad brand).

0a. Primera ejecución: preguntar al usuario SUS configuraciones (nunca usar valores predeterminados)

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

0b. Configuración de marca (brand.config.json, completada con las respuestas del usuario)

Clave	Marcador de posición	Notas
Handles	{{IG_HANDLE}}, {{THREADS_HANDLE}}, {{TIKTOK_HANDLE}}, {{X_HANDLE}}	handles.*, los propios del usuario
Marca de agua	{{WATERMARK}} + posición	watermark.text / watermark.position, el texto exacto que dio el usuario; nunca lo hardcodees en las escenas
Idioma / tono	{{LANGUAGE}}, {{TONE}}	ej. indonesio informal gua/lu, emoji escasos
Nombre hablado	{{SPOKEN_NAME}}	Cómo la voz dice tu handle (ej. "Jane Doe" para @janedoe_). Los subtítulos aún muestran el handle real
Aviso legal	{{DISCLAIMER}}	Para temas financieros, ej. "Educación, no asesoría financiera"
Voz	{{VOICE_ID}}, {{TTS_MODEL}}, {{LANGUAGE_CODE}}	voice.*, la elección del usuario (o su propia grabación)
Clave de API	env ELEVENLABS_API_KEY	Nunca la imprimas, registres ni confirmes
CTA	{{CTA}}, {{CTA_HANDLE}}	cta.text / cta.handle, preguntados al usuario (ej. "Sigue a {{CTA_HANDLE}} para más", "Comenta TUTORIAL")
Reglas estrictas	{{HARD_RULES}}	Marcas que nunca burlarse, nombres a difuminar, palabras que nunca decir
Dispositivo de renderizado	{{RENDER_DEVICE}}	Máquina GPU o CPU. Siempre reporta cuál se usó realmente

1. Investigación y borrador (sin audio, sin renderizado)

1. Verifica cada afirmación con fuentes primarias: documentos oficiales/PRs, la propia publicación del autor, registros, capturas de pantalla fechadas. Las publicaciones de ejecutivos cuentan como declaraciones oficiales. Etiqueta estimaciones (ESTIMATE · not official) y acusaciones (ALLEGED). Descarta lo que no puedas verificar en lugar de suavizarlo.
2. Una historia por video, palabras cotidianas, ritmo lento. Los nombres de productos difíciles van en pantalla, no en la locución.
3. Ofrece 2–4 opciones de gancho (H1, H2, …): una pregunta de por qué/cómo o un contraste audaz. Deja que el usuario elija.
4. Tabla temporizada: time | on-screen | VO. Apunta a 45–65 s, máximo estricto 90 s (apunta ≤ 88 s para que una revisión aún quepa).
5. Escribe factcheck.md (afirmación → fuente → estado) y sources.md.
6. Envía el borrador y espera la aprobación. "No renderices" del usuario es definitivo hasta que diga continuar.

2. Locución (ElevenLabs)

• Dos guiones: script-display.txt (lo que muestran los subtítulos) y script-tts.txt (deletreado para la voz). Mantén un mapa display↔TTS.
• Pronunciación (ver docs/VOICEOVER.md): A.I. con puntos para que suene en inglés; tickers letra por letra en VO no inglés (ETH → E, T, H); números como palabras; términos en inglés con ortografía inglesa simple (sin rescribir con guiones); una coma después de una /t/ final antes de una vocal; nombres de marcas rescribir solo cuando las pruebas demuestren que ayuda.
• Postprocesa atempo 1.05 (1.1 para contenido rápido). Sonoridad −14 LUFS integrado, ≤ −1 dBTP.
• Sin líneas duplicadas. Si una línea repite el gancho o un ritmo anterior, córtala o reescríbela.
• Primero verifica la cuota de caracteres. Repite la voz solo de las líneas que fallan (pasa previous_text para continuidad).

3. Temporización

• Marcas de tiempo de palabras desde la alineación de TTS (dividir por el factor de tempo) o faster-whisper → timing.json {duration, phrases:[{s,e,words:[{w,s,e}]}], scenes:[{id,start}]} (scripts/build-timing.py).
• Fusiona los tokens rescribir de vuelta a palabras de visualización (A.I.→AI, E, T, H→ETH) o los subtítulos empiezan tarde.
• Las escenas se basan en palabras habladas: wt(scene, word) → fotograma donde comienza esa palabra.

4. Estilo de movimiento (Remotion, 1080x1920, 30 fps)

Aspecto: fondo #0A1016, crema #EFE6D2, ámbar #FFB000, rojo #E2553F, verde #7BD88F. Fuentes vía @remotion/google-fonts: Big Shoulders 800 (titulares), Plus Jakarta Sans (cuerpo/subtítulos), JetBrains Mono (chips/código). Diseño: contenido importante y 200–1500. Grupo inferior: subtítulos karaoke ~y 1310–1353, marca de agua (si el usuario eligió abajo) ~y 1427–1446, progreso ~y 1474, todo a la izquierda de x 960 (Reels dibuja sus botones a la derecha). Sin fotogramas vacíos: el gancho es legible en el fotograma 0; la apertura y el final están tan completos como el medio (una imagen principal, el presentador, un chip), nunca una línea solitaria sobre un fondo en blanco.

Ayudantes de easing (src/motion/ease.ts):

const clamp01=(x:number)=>Math.max(0,Math.min(1,x));
const P=(t:number,a:number,b:number)=>clamp01((t-a)/(b-a));
const eOut=(x:number)=>1-Math.pow(1-x,3);
const eIn=(x:number)=>x*x*x;
const backOut=(x:number,s=1.70158)=>1+(s+1)*Math.pow(x-1,3)+s*Math.pow(x-1,2);
const sec=(f:number,at:number)=>(f-at)/30;
const ap=(f:number,at:number,d=0.3)=>eOut(P(sec(f,at),0,d));
const pop=(f:number,at:number)=>Math.max(0,backOut(P(sec(f,at),0,0.35),2.2));
const punch=(f:number,at:number)=>{const t=sec(f,at);if(t<0)return 1;return 1+0.12*eOut(P(t,0,0.2))-0.06*eOut(P(t,0.2,2.5));};
const shake=(f:number,at:number)=>{const t=sec(f,at);return t<0||t>0.4?0:14*Math.exp(-t*10)*Math.sin(t*70);};

Movimientos: tipo cinético (la palabra aterriza en su tiempo de VO, scale(0.6+0.4*pop), ±4° asentamiento durante 0.25 s, palabras acentuadas más grandes + ámbar/rojo), zoom punch en imágenes clave, revelación con máscara circular, transiciones de zoom (escala 1→4.2 en ~9 fotogramas, siguiente escena 1.3→1), sellos rotados y chips mono, cajas de resaltado rojas en capturas de pantalla, contador de pasos, subtítulos karaoke (palabra actual ámbar + 1.08×), CTA pop con shake, SFX de whoosh/pop bajo la VO. Aproximadamente un ritmo cada 1.5–3 s.

Clips de video: envuelve cada <OffthreadVideo> en un <Sequence from={at}> y establece startFrom relativo a él; de lo contrario, el clip se fija en su último fotograma y parece congelado. Repite clips cortos para ritmos largos. Los clips comienzan en el primer fotograma utilizable.

Transiciones de audio: cuando una apertura usa audio en vivo (una canción, un clip) antes de la narración, desvanece hasta silencio y deja ~0.3–0.5 s (una transición de flash/whoosh) antes de la primera palabra de VO para que nunca quede enmascarada.

Presentador opcional (mascota) con sincronía de labios

• Una identidad de personaje consistente en cada video. Capas separadas: cuerpo (boca cerrada pintada), brazo en un pivote de hombro bajo el borde del abrigo, una tapa de hombro estática, sprites de boca closed/half/open/wide/round.
• Conduce la boca desde el WAV de VO, no un bucle: scripts/build-mouth-track.py → estados por fotograma (cerrado en silencio y al final, mantenimiento mínimo de 2 fotogramas). Limita el brazo al rango del rig; un balanceo de toda la imagen no es suficiente.
• Monta al presentador solo mientras está en pantalla; las portadas usan el cuerpo estático de boca cerrada.

5. Renderizado

• Prefiere una máquina GPU si tienes una (Remotion --hardware-acceleration, una configuración sin encodingBufferSize/encodingMaxRate, que rompen el NVENC requerido); recurre a CPU solo si está permitido. Siempre di qué dispositivo renderizó.
• Renderizado sin procesar: yuv420p + bt709 en remotion.config.ts, luego el pase de Reels.

6. Exportación segura para Reels (scripts/reels-export.sh, detalles en docs/REELS_SAFE_EXPORT.md)

1080x1920 SAR 1, H.264 High level 4.1, yuv420p rango TV, etiquetas BT.709, CFR 30, GOP 60 cerrado, 10 Mbps (mín 8, máx 12), dos pasadas loudnorm −14 LUFS / −1.5 dBTP, AAC 192k 48 kHz estéreo, +faststart, < 90 s. También una vista previa pequeña < 40 MB (scripts/make-preview.sh).

7. QA (obligatorio, antes de la entrega)

• Susurra el MP4 final (scripts/whisper-check.py): pronunciaciones incorrectas, tartamudeos, sonidos extraños, líneas duplicadas, primera palabra de cada escena audible.
• Hoja de contacto en cada límite de escena (scripts/contact-sheet.sh): fallos, superposiciones, texto cortado, zona segura, clips congelados, apertura/cierre vacíos, marca de agua presente, que coincida con brand.config.json y deletreado exactamente.
• scripts/qa-check.sh: códec/perfil/nivel, pix_fmt, rango, etiquetas de color, CFR, AAC 48k, moov antes de mdat, duración < 90 s, −14 LUFS.
• Corrige y vuelve a renderizar. Mantén la versión anterior cuando revises.

8. Siempre entrega con el video

1. Subtítulos para IG (gancho, cuerpo, CTA, hashtags ligeros), Threads (más cortos, sin hashtags), TikTok, más un archivo .srt.
2. Cuatro portadas A–D: 1080x1920 + cuadrícula 1080x1350, texto clave dentro del centro 1080x1080; un gancho, una foto principal, máximo 2–3 tarjetas numéricas; hoja de contacto + deja que el usuario elija.
3. Créditos de fuentes y el archivo de verificación de datos.
4. Una línea en videos-log.md: título, archivos, duración, sonoridad, dispositivo, fuentes, estado "no publicado".

Reglas

• Nunca publiques, envíes mensajes directos, subas o compres. Entrega archivos.
• Sin hechos inventados, estrellas, precios o resultados. Da crédito a los autores de código abierto en pantalla.
• Solo fotos, logotipos y clips reales; sin caras generadas por IA de personas reales. Marca las maquetas como illustration.
• Usa medios a los que tengas derechos; informa al usuario cuando la música o los clips tengan derechos de autor (riesgo de silenciamiento/reclamación).
• Sin secretos en archivos. Haz cualquier pregunta al final, en su propio mensaje.