Communitygithub.com

Generador de videos con IA

Planifica y finaliza videos creados con modelos generativos de video (Google Veo 3.1 / Flow, Kling, Seedance, MiniMax, LTX, PixVerse, Gemini Omni Flash): convierte una idea o guion en una lista de tomas con indicaciones listas para copiar y pegar, y luego ensambla los clips generados por el usuario en un video terminado con voz en off, música con reducción de volumen, subtítulos con resaltado de palabras y exportaciones en 9:16/1:1/16:9.

¿Qué es Generador de videos con IA?

Este skill está diseñado para ayudar a los usuarios a crear videos completos utilizando modelos generativos de video, desde la planificación hasta la postproducción. Funciona en dos modos principales: el Modo A se encarga de la fase de planificación, donde recopila información del usuario (tema, duración, relación de aspecto, estilo visual, modelo preferido e idioma), escribe un guion atractivo con un gancho inicial y una llamada a la acción, y genera una lista detallada de tomas con indicaciones independientes para cada clip. Estas indicaciones incluyen descripciones completas del sujeto, entorno, iluminación, lente, movimiento, estilo y relación de aspecto, garantizando consistencia visual a través de una 'biblia' de personajes y productos. El Modo B se encarga del ensamblaje: recibe los clips generados por el usuario, los verifica mediante contact sheets, elige la voz (archivo MP3 del usuario o ElevenLabs sin necesidad de compartir la clave API), sincroniza el audio, crea un archivo edit.json con los puntos de corte y estilos, y renderiza el video final con transiciones, voz, música (con reducción de volumen al hablar), subtítulos con palabras resaltadas y normalización de volumen a -14 LUFS. También ofrece la posibilidad de exportar en diferentes relaciones de aspecto y generar una copia ligera para WhatsApp. El skill es compatible con cualquier modelo de video generativo que el usuario posea, como Google Veo 3.1, Kling, Flow, Seedance, MiniMax, LTX, PixVerse y Gemini Omni Flash, pero no tiene acceso directo a los modelos; el usuario debe generar los clips por su cuenta. Incluye reglas estrictas sobre el uso de imágenes de personas reales, la veracidad de los testimonios y la actualización de especificaciones de modelos, recordando al usuario etiquetar el contenido generado por IA según lo requieran plataformas como YouTube y Meta.

Compatible con~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/1Harsh88/Video-skill/tree/HEAD/.claude/skills/ai-video-generator

Preguntar en tu IA favorita

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

Documentación

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

  1. 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
  2. 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.
  3. 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.
  4. 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.
  5. 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

  1. 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.
  2. Voz. Elige una:
    • el MP3 del usuario
    • ElevenLabs mediante request_credential (host api.elevenlabs.io, cabecera xi-api-key) — nunca preguntes la clave en el chat
    • ninguna (solo subtítulos)
  3. Si hay voz, alinéala para obtener words.json: usa scripts/align.py.
  4. Escribe edit.json (formato al principio de scripts/assemble.py):
    • puntos de corte por clip: recorta los primeros y últimos 0.3 s, donde los modelos suelen oscilar
    • fit cubrir/con tener, fade
    • voz, música + music_db, palabras, estilo de subtítulos
    • fontsdir con archivos woff2/ttf locales, necesarios para hindi
  5. 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.
  6. Otras relaciones de aspecto. Cambia W/H y renderiza de nuevo. Usa cover para metraje a sangre completa y contain para planos anchos que no se puedan recortar.
  7. Entrega.
    • Verifica si hay fotogramas negros con blackdetect.
    • Crea una copia en 720p de menos de 20 MB para WhatsApp.
    • Envía ambos con SendUserFile.

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.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados