Agente de producción de videos cortos
Produce desde un tema hasta un MP4 completo. Codex se encarga del guion, la dirección y la generación de materiales, y los scripts incluidos sincronizan las imágenes y la música de fondo con el tiempo real de la narración. No es un servicio residente, sino una habilidad de producción invocada por chat.
Entrada y configuración estándar
- Acepta un tema, notas, una URL de material o un guion existente. Si no se proporciona un tema, lo pregunta.
- Por defecto: japonés, 9:16, 1080×1920, 30 fps, ~45 segundos, tono narrativo amigable. Se prioriza cualquier especificación de duración, voz, estilo visual o plataforma de publicación.
- No se insertan automáticamente el nombre del programa, el personaje de AI-chan, saludos de radio ni introducciones al contenido principal.
- La salida se organiza en
output/shorts/<fecha-hora>-<tema>/. Las versiones corregidas se emiten en una carpeta nueva.
Producción
- Reduce el mensaje central del tema a uno solo y redacta un guion con: gancho inicial → ejemplo/explicación → resumen corto. Estima inicialmente entre 120 y 150 caracteres para 30 segundos, y ajusta finalmente con la duración real del audio generado. Verifica la información más reciente y los datos en los materiales y fuentes primarias, y registra las referencias.
- Divide el guion en escenas según bloques de significado. Para cada escena, establece el texto a leer, las indicaciones de imagen y el texto breve en pantalla. Si no se especifica la confirmación de la estructura, continúa con la producción.
- Verifica las herramientas de generación de imágenes disponibles y sus habilidades, y genera las imágenes por escena. Unifica el estilo visual, los personajes y los colores, y ten en cuenta las zonas seguras del formato vertical. No escribas guiones largos dentro de las imágenes. Si la herramienta de generación necesaria no está disponible, informa la situación y prosigue con los pasos viables (como usar material del usuario). No trates imágenes de relleno como material terminado.
- Crea la narración por escena usando un TTS disponible. Si usas una API, verifica las especificaciones oficiales actuales y recibe las credenciales mediante variables de entorno. Si es aceptable usar la voz local de macOS, se puede usar
say -v Kyoko -f narration.txt -o narration.aiff(primero verifica su existencia consay -v '?'). Registra el método de voz utilizado. Si no se puede usar la voz deseada, no la reemplaces sin permiso por otra voz. Revisa errores de lectura, pausas antinaturales y duración; si es demasiado larga, acorta el guion y regenera. - Elige la música de fondo (BGM) entre: canciones proporcionadas por el usuario, fuentes de audio con condiciones de uso verificables, o herramientas de generación musical disponibles. Deja constancia del nombre de la canción, la fuente y las condiciones de uso en
credits.md. Si no hay especificación ni fuente, se puede usar el scriptmake_bgm.pyincluido para crear un acompañamiento instrumental original simple. Este es un acompañamiento básico sintetizado a partir de notas, y no debe describirse como salida de un generador de música con IA. Reduce el volumen durante la narración. - Guarda un
manifest.jsoncon el siguiente formato y ejecutarender.py. Las rutas de imágenes, audio y BGM deben ser relativas al manifest o absolutas. No aceleres ni trunques la narración; crea cada escena con la duración del audio correspondiente más aproximadamente 0,2 segundos. El renderizador estándar admite transiciones de imagen fija y archivos SRT adjuntos. Si se necesitan movimientos o subtítulos quemados, agrega una implementación adicional (por ejemplo, con Remotion) antes de entregar el producto. No confundas el SRT adjunto con un video con subtítulos incrustados. - Verifica la resolución del MP4, el audio y video, la duración y la decodificación general; revisa los fotogramas extraídos para detectar cortes de imagen o falta de claridad. Si es posible la reproducción de prueba, verifica el volumen, la pronunciación y el equilibrio con la música de fondo. Si no se puede probar la reproducción, indica claramente el alcance no verificado. Si la duración se desvía significativamente de la deseada, ajusta el guion y el audio.
- Devuelve el MP4 terminado, el guion, el SRT, el manifest y las fuentes de los materiales como enlaces. Distingue entre los pasos realmente completados y los no verificados. La publicación se realiza solo si se solicita.
Comando de composición
Requisitos del entorno: Python 3, ffmpeg, ffprobe. No se necesitan paquetes adicionales de Python.
{
"bgm": "bgm.wav",
"scenes": [
{"image": "scene-01.png", "audio": "scene-01.aiff", "text": "Este es el guion que se leerá."},
{"image": "scene-02.png", "audio": "scene-02.aiff", "text": "Este es el guion de la siguiente escena."}
]
}
python3 <skill-dir>/scripts/make_bgm.py /absolute/output/bgm.wav --seconds 60
python3 <skill-dir>/scripts/render.py /absolute/output/manifest.json --output /absolute/output/render-v1
Se generan render-v1/final.mp4, captions.srt y timing.json. Los subtítulos por escena tienen la marca de tiempo de la escena, no una sincronización palabra por palabra. En caso de fallo, reutiliza los materiales ya completados, corrige la causa y vuelve a ejecutar en un nuevo destino de salida.