viethuynh243/video-studio

Video Studio - Edición automática de videos

Esta skill produce videos terminados, no solo da instrucciones. Todo pasa por una puerta: scripts/autovideo.py. El conocimiento profesional (ángulos de cámara, ritmo, sonido, subtítulos, CapCut, cine con IA, lecciones prácticas) está en references/ para tomar las decisiones correctas al crear el storyboard y al leer los informes de QC.

Ruta del script: directorio que contiene este archivo + /scripts/ (instalar según el README: ~/.claude/skills/video-studio/scripts).

0. Comandos slash para el usuario

/video:plan discutir ideas - guión - storyboard - iluminación · /video:make crear nuevo video · /video:revoice cambiar voz en off · /video:subs subtítulos · /video:reframe cambiar a formato vertical/cuadrado · /video:library banco de escenas · /video:qc verificar · /video:voices seleccionar voz según propósito · /video:fix corregir vibración/fps/temblor · /video:critic crítica independiente · /video:slop detectar y corregir "AI slop" · /video:capcut exportar a CapCut. Si el usuario habla de forma natural (sin escribir comandos), se sigue la tabla siguiente.

0b. Herramientas MCP video-studio (prioritarias cuando están disponibles)

Cuando las herramientas mcp__video-studio__* están disponibles en la sesión, úselas directamente en lugar de ejecutar scripts con Bash:

• Rápidas: video_probe, video_qc, contact_sheet, voices_suggest, voices_catalogue, pronunciation_preview, shot_search, motion_stills, slop_check, slop_compare.
• Tareas largas (devuelven job_id, se rastrean con job_status / job_list): make_video, revoice_video, subtitle_video, convert_fps, reframe_video, stabilize_video, motion_graphic, critic_kit, voice_samples. Registro único: claude mcp add --scope user video-studio -e PYTHONIOENCODING=utf-8 -- python <repo>/scripts/mcp_server.py.

1. Seleccionar comando según la solicitud

El usuario quiere	Hacer
Crear video nuevo a partir de idea/guion + banco de fuentes (video, imagen)	Escribir project.json según templates/project_make.json → autovideo.py make project.json --out NOMBRE_v1.mp4
Cambiar voz en off / redoblar un video existente	autovideo.py revoice VIDEO.mp4 --script texto.txt [--voice auto --proposito noticias] --out NOMBRE_v1.mp4 [--subs]
Añadir subtítulos a un video	autovideo.py subs VIDEO.mp4 --script texto.txt --out NOMBRE_sub.mp4 (detecta marcas de tiempo automáticamente)
Verificar video antes de entregar	autovideo.py qc VIDEO.mp4 (+ contact_sheet.py para inspección visual)
Cambiar fps a cualquier valor 24/25/30/50/60/120, cámara lenta, corregir vibración de fotogramas	fps_convert.py convert ORIGEN DESTINO --fps 24 [--slowmo 4] (RIFE GPU)
Video horizontal → vertical/cuadrado con seguimiento de sujeto; paneo/zoom virtual; estabilización	camera.py reframe / move / stabilize
Seleccionar las mejores escenas de un lote de metraje, buscar por descripción	shot_select.py scan / best / search
Igualar color entre escenas, look cinematográfico	grade.py match / look / apply
Exportar para plataforma, detectar ritmo musical	deliver.py export <preset> / beats
Discutir ideas, storyboard, iluminación, ángulos de cámara antes de editar	/video:plan + references/11-cinematografia-avanzada.md
Mapas de ruta animados, tarjetas de capítulo, gráficos de datos (gráficos animados con código)	motion_html.py stills/render + templates/motion/*.html, o escena "fuente": {"html": ...}
Guión/video que suena "a IA": frases cliché, números sin fuente, afirmaciones sin fundamento, ritmo uniforme, efectos excesivos	/video:slop (slop_guard.py mide → agente propone correcciones → compare vuelve a medir)
Evaluar video antes de enviar (evaluador diferente al editor)	/video:critic (critic.py + agente nuevo, evaluar hasta que todos los ítems ≥ 8)
Seleccionar voz según propósito	voices.py suggest --proposito noticias --genero femenino, generar muestras de 2-3 voces sugeridas, enviar al usuario para escuchar
Llevar a CapCut para ajustes manuales	añadir --capcut NOMBRE_BORRADOR a make/revoice, o capcut_api.py build --spec
Cine IA/micro-drama	references/09-cine-ia-pipeline.md + storyboard.py jobs

Todos los comandos automáticos: no sobrescriben archivos existentes, guardan archivos temporales en <salida>_work/, generan INFORME_QC.md (errores de imagen, vibración, LUFS, % de discurso coincidente con el guión). Leer el informe antes de enviar e incluir las mediciones en la respuesta.

2. Crear project.json para make (el más importante)

• Cada escena tiene una idea de discurso. fuente es uno de: {"archivo", "inicio", "fin"} (video), {"imagen", "efecto": zoom_in|zoom_out|pan_left|pan_right}, {"color": "#0E2440"}.
• La duración de la escena se calcula automáticamente = max(duracion, duración del discurso + 0,9 s). Las escenas de video se colocan automáticamente dentro de un solo plano original; si la fuente no es lo suficientemente limpia, se retira la escena automáticamente, sin congelar.
• La imagen debe corresponder exactamente al discurso (proyecto correcto, evento correcto) - seleccionar fuente usando probe_qc.py --inventory + contact_sheet.py sobre las fuentes, no adivinar por nombre de archivo.
• transicion: cut dentro de la misma idea, dissolve al cambiar de idea/espacio. Escenas ≤ 7-8 s.
• El discurso se escribe como se habla; números y unidades se mantienen (119 km, 100 km/h) - tts_vi.py los normaliza automáticamente (guiones/rayas no se leen como "a").
• texto_en_pantalla: breve, solo datos/nombres que aparecen en el discurso; no usar "—".
• Avanzado: fps del proyecto cualquiera (fuentes con diferente fps pasan automáticamente por fps_convert), escenas de video con slowmo, camera (push/pan virtual), estabilizar, encuadre_inteligente (seguimiento automático del sujeto al exportar vertical); proyecto con color (igualación de color + look) y cortar_por_musica (cortar en los beats).
• Voz no forzada: "voz": "auto" (por defecto) selecciona según "proposito" (empresarial, noticias, documental, publicidad, redes_sociales, tutorial, solemne, infantil, evento) + "genero", "region", "tono" (grave/medio/agudo), basado en perfiles medidos de cada voz (voices.py profile: precisión de lectura, tono, velocidad). O especificar: nombre de voz VieNeu, {"edge": "vi-VN-HoaiMyNeural"}, {"clonar": "muestra_voz.wav"} (el hablante debe dar su consentimiento), o grabación real "grabacion": "frase3.wav" para cada escena. Cada escena/personaje puede tener su propia voz. Siempre ofrecer 2-3 voces sugeridas (voices.py suggest) para que el usuario escuche antes de decidir.
• Precisión: diccionario de pronunciación templates/pronunciacion.json + "pronunciacion" específica del proyecto (abreviaturas, nombres propios); cada frase es verificada por Whisper, las frases con < "precision" (0,97) se releen automáticamente hasta "releer" veces, informando frase por frase; los subtítulos se alinean con cada palabra real.
• Opciones de edición: "estilo": solemne | cinematografico (letterbox 2.39, filmico) | documental | dinamico (corte por beat) | redes_sociales (encuadre con seguimiento de sujeto). Transición por escena: cut, dissolve, fade_black, dip_white, wipe_left/right, slide_left/right, zoom_in. Encuadre: "encuadre": fill (llenar) | fit_blur (mantener imagen completa, fondo borroso) | smart (seguimiento de sujeto). "letterbox": 2.39. Todas las opciones se pueden sobrescribir por escena.
• Gráficos animados: "fuente": {"html": "templates/motion/route_map.html", "params": {...}} (mapa de ruta que se dibuja gradualmente, tarjetas de capítulo...). make exporta automáticamente una versión solo música _solo_musica.mp4. Brief de director + facts.md antes de editar una película grande (references/12).
• Antídoto contra AI slop: "facts": "facts.md" (cada número + frase original + documento + fecha) y "reglas": ["~/.video_studio/reglas/<cliente>.json"] (libro de reglas del cliente, fuera del repositorio). make verifica automáticamente y escribe la sección "Antídoto contra AI slop" en el informe; "detener_si_slop": true para detener si aún hay números inventados/violaciones de reglas. Si el cliente corrige una frase manualmente, copiar el texto literal al libro de reglas (slop_guard.py registrar) para que la siguiente película lo detecte automáticamente (references/13).
• Selección automática de escenas: "banco_escenas": "banco.json" (de shot_select.py scan --clip) y "fuente": {"buscar": "aerial view of a highway at sunset"} → tomar la escena más coincidente, suficientemente larga, no usada, con alta puntuación de calidad. Escribir la descripción de búsqueda en inglés.

3. Reglas inmutables

1. No borrar/sobrescribir la versión entregada. Nueva versión _vN. Reemplazar la versión principal solo cuando el usuario la apruebe: mv -n la versión antigua a _guardado_<descripcion>, cp -n la nueva, cmp para confirmar.
2. Medir antes de hablar - usar los números de INFORME_QC.md; si no se ha medido, decir que no se ha medido.
3. Contenido veraz: proyecto/entidad correctos, sin stock extranjero, códigos QR, publicidad, eslóganes extraños, personas no autorizadas.
4. Traducción 100% fiel al significado y contexto; si una frase genera duda, preguntar.
5. No introducir contraseñas/claves API en lugar del usuario.
6. Descargar modelos solo de fuentes originales, priorizar .safetensors, instalar venv propio.
7. Comunicación en español.
8. No dar números inventados: todo número en pantalla/discurso debe estar en facts o declararse como [calculo: ...]. Las correcciones escritas por el agente solo se aceptan después de que slop_guard.py compare las vuelva a medir (el escritor no se auto-verifica).

4. Cargar referencias cuando sea necesario

Cuándo	Archivo
Proceso, versiones, informes para el cliente	references/01-proceso.md
Ángulos de cámara, planos, ritmo de corte, transiciones, imágenes fijas	references/02-lenguaje-visual.md
Vibración, congelamiento, fotogramas perdidos, cambio de fps	references/03-fotogramas-movimiento.md
Color, escala/recorte, logo, exportación	references/04-imagen-color-exportacion.md
Voz en off, TTS, música, LUFS	references/05-sonido-voz.md
Subtítulos, traducción, texto en pantalla	references/06-subtitulos-traduccion-texto.md
CapCut (MCP, VectCutAPI, web)	references/07-capcut.md
QC antes de entregar	references/08-qc-entrega.md
Cine IA / micro-drama	references/09-cine-ia-pipeline.md
Lecciones aprendidas	references/10-lecciones-practicas.md
Iluminación, lentes, apertura/obturador/ISO/ND según situación, prompt video IA, ángulos de cámara, color, sonido, edición	references/11-cinematografia-avanzada.md
Antídoto contra "AI slop": números con fuente, libro de reglas del cliente, revisor ciego, re-medir antes de aceptar	references/13-antídoto-ai-slop.md
Brief de director, reglas contra "movimiento tipo IA", gráficos con código, ciclo de crítica, proyectos grandes (GES, 3D, estado actual)	references/12-direccion-movimiento-y-critica.md

5. Conjunto de scripts

Script	Función
autovideo.py	Puerta principal: make, revoice, subs, qc
voices.py	Perfiles medidos de cada voz, sugerencia de voz según propósito, múltiples fuentes de voz (VieNeu, Edge, clonación, grabación)
accuracy.py	Diccionario de pronunciación, verificación de cada frase, relectura automática de frases incorrectas
motion_html.py	Gráficos animados con HTML + seek(t) (Playwright), motion blur sub-frame automático
critic.py	Kit de evaluación independiente: contact/phone/strip, fotogramas perdidos, texto con tiempo suficiente, verificación de slop (junto con slop_guard)
slop_guard.py	Antídoto determinista contra AI slop: números con fuente/deducidos, clichés, afirmaciones sin fundamento, ritmo, edición uniforme, libro de reglas del cliente; compare acepta/rechaza correcciones
mcp_server.py	Servidor MCP: 21 herramientas (rápidas + cola de trabajos) para que Claude las llame directamente
probe_qc.py	Inventario de fuentes / QC de video (fotogramas perdidos, parpadeos, fotogramas repetidos, congelados, vibración, cadencia, LUFS, bordes negros)
contact_sheet.py	Hoja de contactos de 3 fotogramas/plano para inspección visual
fps_convert.py	Conversor de fps 24-120, cámara lenta, motion blur 180°, detección de fotogramas interpolados (RIFE/flow)
camera.py	Reencuadre inteligente (rostro humano + prominencia), paneo/zoom virtual, estabilización vidstab
shot_select.py	Banco de escenas: segmentación de planos, puntuación, búsqueda por descripción (CLIP)
grade.py	LUT de igualación de color, balance automático, look; aplicar LUT
deliver.py	Presets de exportación por plataforma, detección de beats musicales
cadence_fix.py	Corrección de cadencia por segmentos con optical flow (versión antigua, no requiere GPU)
tts_vi.py	VieNeu-TTS en vietnamita (25 voces), normalización de texto, ejecución automática en venv propio
speech_check.py	% de discurso coincidente con el guión (Whisper), estimación de dialecto
voice_mix.py	Colocación de frases según marcas de tiempo, cadena de procesamiento de voz, ducking, LUFS, fusión de video
subs.py	División de frases para subtítulos, SRT/ASS, burn-in
demucs_split.py	Separación de voz/música
capcut_api.py	Creación de borradores de CapCut desktop a través de VectCutAPI
storyboard.py	Verificación de storyboard, shotlist, cola de trabajos de cine IA

Entorno (instalar con install.ps1): ffmpeg en PATH; Python 3.12 (numpy, opencv, soundfile, librosa, Pillow, faster-whisper, torch, demucs); VieNeu en ~/tools/venv_vieneu (cambiar con VIENEU_PY); RIFE en ~/tools/rife/ (RIFE_BIN); YuNet en ~/tools/models/ (YUNET_ONNX); VectCutAPI en ~/tools/VectCutAPI (puerto 9001).