Generador de videos con IA (indicaciones → clips → video terminado)
Este skill refleja el flujo de trabajo de "Generador de videos con IA" de Fliki (ver references/fliki-notes.md): los modelos de video generativo crean las tomas, y una capa de postproducción añade voz, subtítulos, música y redimensionado.
Acceso a modelos: este contenedor no tiene acceso a los modelos. El usuario genera los clips en su propia cuenta de Flow / Kling / Fliki (u otra herramienta) a partir de las indicaciones escritas aquí. Este skill se encarga de la planificación y la postproducción.
Modo A — planificación + indicaciones
- Brief. Recopila estos datos, usando valores predeterminados si el usuario no los proporciona:
- tema o guion
- duración (por defecto 30–60 s)
- relación de aspecto (9:16 para reels, 16:9 para YouTube, 1:1 para feed)
- estilo (cinematográfico, anime, 3D, metraje tipo UGC, estudio de producto…)
- qué modelo(s) tiene
- idioma para la voz en off y los subtítulos
- Guion. Escribe un guion con un gancho en los primeros 3 s, una idea por toma y una llamada a la acción. Para datos, usa solo la fuente del usuario o búsquedas verificadas. Muéstralo y espera la aprobación.
- Lista de tomas. Una toma cada 3–8 s (la mayoría de los modelos generan clips de 4–10 s), en forma de tabla:
# | tiempo | línea de VO | toma | modelo | t2v o i2v. - Indicaciones por toma. Usa la plantilla en
references/prompt-guide.md, con un bloque de código por toma para que el usuario pueda copiar cada uno.- Cada indicación debe ser autónoma: repite la descripción completa del sujeto, el entorno, la iluminación, la lente, el movimiento, el estilo y la relación de aspecto. Los modelos no recuerdan tomas anteriores.
- Consistencia: define cada personaje y producto una vez en una "biblia" (rostro, cabello, ropa, colores, accesorios) y pega las mismas palabras en cada toma. Para casos difíciles, escribe primero una indicación de imagen para un fotograma de referencia y convierte la toma en imagen a video a partir de él.
- Audio nativo: si el modelo genera audio, añade una línea
Audio:(solo ambiente y efectos de sonido). Pon el diálogo entre comillas solo si el usuario quiere voz en cámara. - Lo que los modelos manejan bien: una acción por toma. Un movimiento de cámara más un movimiento del sujeto está bien; tres eventos simultáneos suelen fallar.
- Texto: no pidas a los modelos que generen texto legible, logotipos o interfaces de usuario. Añádelos en el ensamblaje o como superposiciones de código.
- Entrega. Proporciona al usuario:
- la lista de tomas
- las indicaciones
- una regla de nomenclatura para las descargas (
s01.mp4,s02.mp4…) - "envíame los clips aquí y terminaré el video"
Modo B — ensamblar los clips
- Obtén los clips (subida por chat, enlace de Drive o archivos en el espacio de trabajo). Crea una hoja de contactos (
ffmpeg … tile) y verifica cada uno contra su toma: sujeto incorrecto, manos o rostros deformados, texto no deseado. Sugiere regenerar los clips defectuosos en lugar de usarlos. - Voz. Elige una:
- el MP3 del usuario
- ElevenLabs mediante
request_credential(hostapi.elevenlabs.io, cabeceraxi-api-key) — nunca preguntes la clave en el chat - ninguna (solo subtítulos)
- Si hay voz, alinéala para obtener
words.json: usascripts/align.py. - Escribe
edit.json(formato al principio descripts/assemble.py):- puntos de corte por clip: recorta los primeros y últimos 0.3 s, donde los modelos suelen oscilar
fitcubrir/con tener,fade- voz, música +
music_db, palabras, estilo de subtítulos fontsdircon archivos woff2/ttf locales, necesarios para hindi
- Renderiza. Ejecuta
python scripts/assemble.py edit.json final.mp4. El script normaliza cada clip a W×H y fps, aplica encadenados, mezcla el audio del clip, la voz y la música (con reducción de volumen al hablar), quema subtítulos con palabras resaltadas y aplica loudnorm −14 LUFS. - Otras relaciones de aspecto. Cambia W/H y renderiza de nuevo. Usa
coverpara metraje a sangre completa ycontainpara planos anchos que no se puedan recortar. - Entrega.
- Verifica si hay fotogramas negros con
blackdetect. - Crea una copia en 720p de menos de 20 MB para WhatsApp.
- Envía ambos con
SendUserFile.
- Verifica si hay fotogramas negros con
Reglas
- Personas reales: ninguna representación realista generada por IA de personas reales y vivas (políticos, celebridades, personas privadas) a menos que sea el propio usuario con su consentimiento. Usa siluetas o tomas simbólicas. Recuerda al usuario que YouTube y Meta requieren etiquetar el contenido realista generado por IA.
- Sin afirmaciones inventadas: sin testimonios falsos, estadísticas inventadas o UGC que pretenda ser la reseña de un cliente real. Un estilo UGC está bien cuando el anuncio no afirma ser la experiencia de una persona real.
- Las especificaciones de los modelos cambian rápido: las duraciones de los clips, los precios y los nombres de los modelos son notas con fecha en
references/. Verifica la herramienta del usuario cuando sea relevante y no prometas créditos o precios exactos.