Explainer Studio — Vídeo explicativo y de noticias

Qué produce

Un vídeo largo completo a partir de un guion que tú apruebas, sin rellenar plantillas a mano:

• Narración: una de las 30 voces TTS predefinidas de Google, o tus propias grabaciones
• Subtítulos: las palabras de tu guion, sincronizadas con la narración (Whisper se ejecuta en tu ordenador solo para la sincronización); incrustados en el vídeo y guardados como archivo .srt para YouTube u otro editor
• Escenas animadas sobre fotos de stock: gancho, panel informativo con cifras que cuentan, "cámara" paso a paso, comparación lado a lado, cita, opinión, fuentes, título y resumen; cada escena aparece justo cuando el narrador dice su frase
• Resumen de capítulos entre historias, tarjetas con citas de las fuentes y la etiqueta "Ilustración" en cada foto de stock
• Música y efectos (tus archivos con licencia), atenuados bajo la voz; sonoridad −14 LUFS
• Miniatura de YouTube (2 diseños) y descripción con marcas de tiempo de capítulos, fuentes y créditos de fotos

Cómo funciona

1. El agente hace cinco preguntas iniciales (nombre del canal, idioma, voz, público, duración); después tú o el agente escribís el guion en un formato Markdown sencillo, con una fuente para cada dato.
2. El agente elige una foto de stock y dos alternativas para cada escena y crea un storyboard: el guion como tabla, con las imágenes junto al texto. Revisas guion y storyboard a la vez y respondes, por ejemplo, "s01-3 B".
3. Narración, sincronización, subtítulos y renderizado son automáticos. Cada capítulo se renderiza por separado: una corrección solo obliga a volver a renderizar ese capítulo.
4. Comprobaciones integradas: cada escena debe empezar en una frase que exista en el guion, ninguna línea de subtítulo en chino se corta a mitad de palabra, el control de narración indica los puntos que conviene escuchar, cada petición TTS especifica mandarín o cantonés, y se respeta la regla de YouTube de capítulos de 10 segundos.
5. Tú revisas el vídeo terminado. La skill nunca sube ni publica nada.

Ejemplo de entrada → salida

Incluye cuatro proyectos de ejemplo completos: inglés, mandarín (tradicional), mandarín (simplificado) y cantonés. El ejemplo en inglés produce un vídeo de 1:41 con 8 escenas, subtítulos, una tarjeta de cita, una miniatura y una descripción con 3 capítulos.

Casos de uso

Resúmenes semanales de noticias · vídeos explicativos para YouTube · historias de estilo documental · resúmenes de cursos o investigaciones

Requisitos

• Un cliente de agente que pueda ejecutar comandos de shell (desarrollada y probada con Claude Code)
• Python 3.10+, Node.js 20+, FFmpeg · unos 6 GB de disco
• Probada en macOS (Apple Silicon). Windows y Linux usan faster-whisper en lugar de mlx-whisper: soportado en el código, aún sin probar
• Tus propias claves en un archivo .env: clave de la API de Gemini para TTS (no necesaria si grabas tú) y clave gratuita de la API de Pixabay
• scripts/selftest.py --render comprueba la instalación sin ninguna clave: pruebas unitarias y un renderizado de prueba de 10 segundos

Costes de uso (los pagas tú, fuera de Capafy)

Gemini TTS ≈ US$0,14 por cada 10 minutos de narración (nivel de pago, precios de 2026). Pixabay y Whisper son gratuitos. El renderizado se hace en tu ordenador y tarda aproximadamente lo que dura el vídeo.

Lo que no hace

• Sin clonación de voz, sin voces diseñadas, sin cambio de cara: solo voces predefinidas de Google o tus grabaciones
• Sin imágenes generadas por IA: fotos de stock con licencia (Pixabay), etiquetadas como "Ilustración" y acreditadas
• No inventa datos: cada dato necesita una fuente y no se produce nada antes de que apruebes el guion
• No sube nada a YouTube

Preguntas frecuentes

¿Qué idiomas? Narración y textos en pantalla en inglés, mandarín con caracteres tradicionales o simplificados y cantonés (escrito como se habla, p. ej. 嘅、咗).
¿Puedo usar los vídeos comercialmente? Sí, los vídeos que haces son tuyos. La skill en sí no puede revenderse ni compartirse.
¿Necesito una licencia de Remotion? Particulares y empresas de hasta 3 empleados: no. Las empresas más grandes necesitan una licencia de empresa de Remotion (remotion.pro).
¿Puedo usar mi propia música? Sí: pon archivos con licencia en las carpetas audio/bgm y audio/sfx del proyecto.
¿Recibo actualizaciones? Sí: en Capafy, quienes compran la descarga obtienen gratis todas las versiones posteriores.
¿Soporte? [email protected]