Aprende a crear videos con Inteligencia Artificial con Claude Code

Has visto cientos de vídeos como los míos, pero nadie te explica cómo se hacen. En el reel te lo conté en un minuto; aquí va la versión completa: qué herramienta hace cada cosa, en qué orden, los errores que me costaron y la skill entera para que la copies, junto con un prompt que la entiende y te ayuda a adaptarla a tu canal.

La idea de fondo es sencilla: no edito vídeos, escribo reglas. Le doy una frase a Claude Code, él lee mis reglas y hace el trabajo pesado. Yo elijo la historia, reviso y corrijo. Y cada corrección se convierte en una regla nueva.

Lo que necesitas

También uso música con licencia (Epidemic Sound) y una plantilla de proyecto que fui armando reel a reel. Si no tienes plantilla, no pasa nada: en el primer vídeo Claude Code la crea contigo.

Paso 1 · Todo empieza con una frase

Abro Claude Code en la carpeta de mis vídeos y escribo el nombre de la skill seguido del tema, con mis palabras:

/video-tech crea un video explicando cómo usamos esta tool, las herramientas, la estructura, la skill… en pasos, amigable y listo

/video-tech carga la skill; el resto es el encargo. No hace falta escribir un prompt perfecto: las reglas ya están en la skill. Esa es la gracia.

Paso 2 · La skill: un archivo con todas tus reglas

Una skill es un archivo Markdown con un encabezado (nombre y descripción) y tus instrucciones. Claude Code la lee antes de empezar, así que si cambias la skill, cambian todos tus vídeos. La mía tiene seis bloques:

• El canal: la cuenta, los temas, el tono y la frase de cierre.
• Estilo: colores, fuentes, qué va dibujado y qué es «de verdad», y la zona segura de Instagram.
• Datos: solo fuentes primarias, con fecha; los superlativos se cruzan con varias fuentes.
• Voz: qué voz, a qué velocidad y cómo escribir las palabras que se leen mal.
• Paso a paso: 13 pasos, de la historia al render.
• Antes de entregar: la lista que se revisa siempre.

Al final del artículo tienes una versión completa, lista para copiar y personalizar.

Paso 3 · Una plantilla y tres historias

Claude Code investiga el tema y monta el proyecto desde mi plantilla con un solo comando:

sh plantillas/nuevo.sh tech mi-reel

La plantilla trae todo lo que se repite en cada reel: el script de la voz, el generador de subtítulos y capítulos, el mundo 3D, fuentes, música y efectos. Además crea una maqueta: estima los tiempos de la voz a partir del texto, así que el reel se ve entero sin gastar ni un carácter de ElevenLabs.

Después me propone tres historias distintas, cada una con su esquema por segundos y los datos ya comprobados. Yo elijo una con un clic. Todas siguen la misma estructura, que es la que mejor me ha funcionado:

1. Gancho en los 3 primeros segundos: una pregunta sorprendente sobre lo que estás viendo.
2. Promesa corta: «te lo cuento en un minuto».
3. Capítulos de 4 a 6 segundos que giran: «pero…», «hasta que…».
4. Un dato con número.
5. Remate que vuelve al gancho.
6. Cierre para seguir.

Paso 4 · La voz, en una sola toma

Claude Code escribe el guion (unas 150 palabras para 60 segundos) y ElevenLabs le pone voz. La onda de la imagen es la de verdad: la sonoridad de la voz de este reel, frase a frase.

Aquí aprendí la lección más cara: al principio generaba la voz frase a frase y dejaba huecos entre una y otra para que «respiraran» las animaciones. Sonaba a cortes. Ahora todo el guion va en una sola llamada y después se corta en los silencios, solo para saber cuándo empieza cada palabra. La voz fluye y los subtítulos siguen yendo palabra a palabra.

Luego Whisper escucha cada frase y la compara con el guion. Si una palabra se entiende mal, se escribe como suena: para que dijera bien «FFmpeg», el guion pone «efe efe eme peg» (en pantalla sale la forma correcta).

🔐 La clave de ElevenLabs va solo en la variable ELEVENLABS_API_KEY. Nunca en un archivo del proyecto, nunca en el chat.

Paso 5 · El vídeo es una página web

Este es el truco que más sorprende: cada reel es una página web. HyperFrames toma un index.html con capas (el mundo 3D en un <canvas> con Three.js, los subtítulos, los capítulos, las tarjetas, el audio) y una línea de tiempo de GSAP en pausa. Cada fotograma es un instante concreto de esa línea de tiempo, así que el resultado es el mismo en cada render.

Antes de renderizar reviso dos cosas:

npx hyperframes check        # errores, contraste, textos que no da tiempo a leer
npx hyperframes preview      # la vista previa en el navegador

Además pongo la zona segura de Instagram encima de capturas de varios segundos: la cabecera tapa la parte de arriba, los botones la derecha y el texto del post la de abajo. Todo lo importante va en x 100–980 e y 222–1660 (y a la izquierda de x 900 por debajo de y 1280). Esas medidas salen de un reel publicado, no de una guía.

Paso 6 · 1.800 fotos que se vuelven un MP4

HyperFrames congela la página y la fotografía 1.800 veces (60 segundos a 30 fps). FFmpeg une las fotos con el audio en un MP4, y después lo uso para medir:

npx hyperframes render -q delivery -o renders/mi-reel.mp4
ffmpeg -i renders/mi-reel.mp4 -filter_complex ebur128=peak=true -f null -   # sonoridad y pico real
ffmpeg -i renders/mi-reel.mp4 -vf blackdetect=d=0.05 -an -f null -          # fotogramas negros

Mis objetivos: entre −13 y −14 LUFS, pico real por debajo de −2 dBTP, ningún fotograma negro y Whisper entendiendo todas las frases sobre la mezcla final. El reel de esta guía salió a −13,9 LUFS y −2,8 dBTP, sin masterizar.

Paso 7 · Cada error se convierte en una regla

Esta es la parte que hace que el sistema mejore. En el CLAUDE.md del proyecto hay una sección «Correcciones»: cada vez que corrijo algo, Claude Code lo apunta con la fecha y la regla tal como la dije, antes de seguir. Si vale para siempre, también cambia la skill o la plantilla.

Ya van 17. Algunas:

• El primer vídeo salió en horizontal y sin voz → vertical 9:16 y con narración.
• El logo quedaba debajo de la cabecera de Instagram → zona segura medida.
• «Inicias muy flojo» → el gancho es una pregunta sorprendente, con algo grande en pantalla en esa palabra.
• La voz sonaba a cortes → una sola toma.

El siguiente vídeo ya no repite el error. Por eso cada reel me cuesta menos que el anterior.

La skill completa (cópiala y hazla tuya)

Esta es una versión genérica de mi skill. Cambia todo lo que está entre {{llaves}} y guárdala en ~/.claude/skills/video-tu-canal/SKILL.md. Después, en Claude Code, escribe /video-tu-canal y el tema.

---
name: video-{{tu-canal}}
description: Hace un reel vertical (9:16, 60 s, con voz) para {{@tu-cuenta}} sobre {{tus temas}}, con HyperFrames, voz de ElevenLabs y comprobación con Whisper. Úsala cuando pida un reel o escriba /video-{{tu-canal}}.
---

# Reel · {{@tu-cuenta}}

Todo vive en `{{ruta/de/tu/proyecto}}`. Antes de tocar nada, lee el `CLAUDE.md` del proyecto (sobre todo «Correcciones») y carga la skill `/hyperframes`.

## El canal
- Cuenta: {{@tu-cuenta}} · Plataforma: {{Instagram Reels / TikTok / YouTube Shorts}}.
- Temas: {{3 a 6 temas}}. Público: {{a quién le hablas}}.
- Tono: {{de tú, frases cortas, cercano…}}. Nunca: {{lo que no quieres ver}}.
- Cierre (voz y tarjeta final): «{{Sígueme para más…}}» y solo {{@tu-cuenta}}.

## Estilo
- Formato: 1080 × 1920, 30 fps, 60 s.
- Colores: fondo {{#hex}}, acento {{#hex}} (solo para lo importante), texto {{#hex}}. El rojo, solo para errores.
- Fuentes: {{fuente de títulos}} y {{fuente de etiquetas}}.
- Zona segura de {{tu plataforma}}: todo el texto en x 100–980, y 222–1660 (y x ≤ 900 por debajo de y 1280). Mídela en una captura de un vídeo publicado en tu cuenta y revísala antes de renderizar.
- Logos y productos reales, de su fuente: nunca redibujados.

## Datos
- Solo fuentes primarias (documentación oficial, notas de prensa, papers). Anota la fecha en que lo compruebas.
- Superlativos («el primero», «el más…»): crúzalos con varias fuentes o matízalos en la voz.
- El código que salga en pantalla tiene que funcionar: pruébalo antes.

## Voz
- ElevenLabs, voz {{nombre o ID}} ({{prediseñada / clonada}}), modelo eleven_multilingual_v2, velocidad {{1.1}}.
- La clave va solo en la variable ELEVENLABS_API_KEY: nunca en un archivo ni impresa.
- Una sola toma: todo el guion en una llamada (con tiempos por palabra) y después se corta por frases en los silencios. Frase a frase suena a cortes.
- Cifras en letra en el texto que se lee; en pantalla, en número.
- Lo que la voz lee mal se escribe como suena ({{ej.: «efe efe eme peg» para FFmpeg}}); en pantalla va la forma correcta.
- Comprueba cada frase con Whisper (modelo small, idioma {{es}}) y otra vez sobre la mezcla final.

## Paso a paso
1. Historia. Gancho en los 3 primeros segundos: una pregunta sorprendente sobre lo que se ve, con algo grande en pantalla en su palabra clave. Promesa corta. Capítulos de 4 a 6 s que giran («pero…», «hasta que…»). Un dato con número. Remate que vuelve al gancho. Cierre. Propón 3 historias distintas, con esquema por segundos y los datos ya comprobados, y deja que elija.
2. Datos, con fuente y fecha, en SPEC.md.
3. Proyecto en videos/<nombre>/ (cada versión en su carpeta: -v2, -v3…). Si hay plantilla, cópiala; si no, npx hyperframes init.
4. Guion: unas 150 palabras, contado con conectores, no como lista. La última frase es el cierre.
5. Voz en una toma y Whisper. Mira la duración: la voz acaba antes del segundo 57.
6. Capas a partir de los tiempos de la voz: subtítulos palabra a palabra (abajo, la palabra clave en una pastilla de color), capítulos, notas, cifras que caen dígito a dígito y sellos para logros y errores.
7. Mundo 3D (opcional, Three.js): el protagonista, de verdad; algo nuevo en pantalla cada ~0,2 s.
8. Sonido: música con licencia que baja bajo la voz; un efecto por cada acción visible, más bajo si cae encima de la voz.
9. Revisión: npx hyperframes check con 0 errores y capturas con la zona segura encima.
10. Vista previa abierta en el navegador antes de renderizar.
11. Render con -q delivery y medidas: 1800 fotogramas, −13 a −14 LUFS, pico real ≤ −2 dBTP, sin fotogramas negros, Whisper sobre la mezcla.
12. REVIEW.md: qué se midió, qué no y lo más flojo.
13. Correcciones: cada vez que te corrija algo, añádelo con fecha a «Correcciones» de CLAUDE.md antes de seguir y, si vale para siempre, cámbialo también aquí.

## Antes de entregar, comprueba
- [ ] 0 errores en check y todo el texto dentro de la zona segura.
- [ ] La voz acaba antes del segundo 57 y la tarjeta final dice el cierre.
- [ ] Datos con fuente y fecha; superlativos cruzados.
- [ ] La clave no está en ningún archivo.
- [ ] Pide escucharlo con auriculares.

El prompt para adaptarla a ti

Pega esto en Claude Code (o en tu chat de IA favorito) seguido de tu skill. Te va a entrevistar, la va a reescribir para tu canal y la va a mejorar cada vez que le digas qué no te gustó de un vídeo:

Eres experto en skills de Claude Code y en vídeo corto para redes.
Abajo te pego mi SKILL.md. Quiero adaptarla a mi canal y mejorarla.

1. Léela entera y resúmeme en 5 líneas qué hace, qué herramientas supone (Claude Code, HyperFrames, ElevenLabs, Whisper, FFmpeg) y qué partes son de ejemplo (lo que está entre {{llaves}}).
2. Entrevístame con una pregunta cada vez (máximo 12): plataforma y formato, mi cuenta y mi público, temas, tono y cómo hablo, colores y fuentes de mi marca, voz (prediseñada o clonada, velocidad), frase de cierre, de dónde saco los datos, lo que nunca quiero ver, qué tengo instalado y dónde está mi proyecto.
3. Con mis respuestas, reescribe la skill completa: misma estructura (encabezado, El canal, Estilo, Datos, Voz, Paso a paso, Antes de entregar), sin ninguna {{llave}} y sin lo que no aplique a mí. Escribe la descripción del encabezado para que Claude Code sepa cuándo usarla.
4. Dime 3 riesgos o huecos que veas (por ejemplo: la zona segura de mi plataforma, los derechos de la música, datos sin fuente, la clave de la API) y cómo los cubre la skill.
5. A partir de ahora, cada vez que te diga qué no me gustó de un vídeo, propón el cambio exacto en la skill (antes → después) y añádelo a una sección «Correcciones» con la fecha.

No inventes nada sobre mí: si no lo sabes, pregúntame.

--- MI SKILL.md ---
(pega aquí tu skill)

Para terminar

Lo que más me sorprendió no fue la IA haciendo vídeos: fue que el sistema aprende de mis correcciones. Una frase, una skill y un registro de errores. El resto es repetir, corregir y apuntar.

Si haces tu propia versión, enséñamela: estoy como @gndx en Instagram y en YouTube. Y si quieres ver el reel que explica esta guía en 60 segundos, está en mi perfil.