Lo que salió mal (y el truco que lo arregló)

Series de vídeos cortos, cada uno con una sola idea y ejemplos del día a día. Una voz que guía, en lugar de un torrente de datos.

Del vídeo único a series de 3 a 5 vídeos de 1:15 a 2:00. Nace aprendizajes.md: una fila por vídeo publicado con lo que funcionó.

Mi voz clonada llega con el instante exacto de cada palabra. Con eso, la animación la sigue, los subtítulos salen palabra a palabra y la música baja sola cuando hablo.

ElevenLabs con clon instantáneo y marcas de tiempo por carácter. voz.py genera un voz.json que el motor lee para colocar escenas y subtítulos.

Una escucha a ciegas lo zanjó: la toma original sonaba mejor. Ahora la voz se usa sin tocar, solo con un limitador suave.

Fuera el estiramiento de tiempo y la normalización dinámica. Queda un limitador a −1,5 dBTP y la mezcla final a −16 LUFS.

Decidimos cortar solo esa frase: se piden cuatro tomas nuevas de esa frase, se elige la mejor y se monta en su sitio. El resto no se toca. Ahorra créditos de ElevenLabs y conserva la toma buena.

voz.py --rehaz sNN genera candidatas de una sola frase y la empalma con la marca rehecho_crudo. El motor recoloca lo demás solo.

Un transcriptor local «escucha» cada frase y la compara con el guion antes de montarla. Mis notas de voz, por su parte, las transcribe Voziris, mi propio programa de dictado.

faster-whisper en local, frase a frase, modelo small (y medium para los nombres en inglés). Voziris para las notas, con una sola voz.

Todo lo que toca un agente se revisa contra la fuente. Cada dato va marcado «original» (comprobado) o «medios» (visto solo en prensa), y lo de medios no entra en la voz. La frase del 4,25 se regrabó.

Un dossier por serie con una ficha por dato (qué dice, quién, enlace, fecha, estado). La operación de cada cifra se apunta en la nota del guion.

El guion va en una tabla con dos columnas: lo que se dice y lo que se ve. Ninguna frase pasa sin su dibujo, y ninguna pantalla se queda vacía más de 0,4 segundos.

guion.json lleva texto y se_ve por frase; la hoja de contactos del render destapa las pantallas vacías.

Una escena ya no dice «en el segundo 12», dice «cuando suena la palabra token en la frase 3». Si cambia la voz, todo se recoloca solo.

El motor expone P('s03', 'token'), el instante de una palabra. Cada escena es una función del tiempo: dos renders salen idénticos píxel a píxel, así que se rehace un tramo y se empalma.

Cada canción se analiza una vez: pulsos, frases, golpes y dónde está la coda. Cada frase de voz se coloca en un pulso y los cortes caen en 0.

analiza_musica.py deja un mapa .json por pista. El motor corta y baja la música con ese mapa: −13 dB con voz, −6 en las pausas.

Los doce primeros fotogramas son la portada exacta, con el gancho en el tercio central, para que las redes la cojan como miniatura.

portada_fotogramas: 12 en proyecto.json. La portada se renderiza antes del vídeo y entra con un fundido de 5 fotogramas.

Una biblioteca con 146 dibujos a mano, 205 sonidos y 15 canciones analizadas. Producir cuesta cada vez menos, y nada entra en ella sin mi OK.

Un catálogo generado con todos los dibujos y plantillas de escena. Los dibujos de esta página salen de ahí.

Decir cuánto va a llevar antes de empezar. Y bocetos primero: los fotogramas clave rápido, aunque sean un garabato; si me gustan, se depuran.

Un avatar dibujado a partir de ocho bocetos míos, que presenta, explica y se despide. Y de vez en cuando salgo yo mismo hablando a cámara, en selfies.

Avatar vectorial con gestos y cinco conjuntos de ropa. Un pequeño juego permite moverlo en tiempo real y grabar lo jugado como código de escena.

Una sesión principal que coordina y responde corto; una por serie para investigar y escribir; una fija para producir. Las hijas avisan solo al terminar. El primer día se archivaron 49 sesiones.

Las normas viven en la memoria, los pasos en las skills, las decisiones en un registro y el estado en el panel. Un mapa corto, CLAUDE.md, lo lee toda sesión nueva al arrancar.

Lo que antes iba en cada mensaje ahora es una regla que el sistema aplica solo. Hoy basta con «para investigar y preparar guion»: tres sesiones procesan mis notas a la vez y dejan tres guiones en el panel.

Seis skills: kairis-video, -notas, -investigar, -guion, -cola y -noticias. Cada corrección mía se añade a la que toca, con fecha.