Serie práctica de Codex: Genera videos virales automáticamente sin edición

Anteriormente, hacer un video —guion, locución, edición y subtítulos— requería una cantidad significativa de tiempo para aprender, lo que a menudo llevaba a las personas a rendirse antes siquiera de empezar.

Ahora, estas tareas se pueden delegar directamente a Codex.

Le das un artículo o solo un tema, le proporcionas las Skills de video correspondientes, y Codex puede completar el guion hablado, la voz, el storyboard, los subtítulos, los efectos de movimiento y el video final. No necesitas aprender edición primero, ni necesitas entender código; mientras puedas describir claramente el video que quieres, puedes empezar.

En este artículo, explicaré todo el proceso de principio a fin. Comenzaremos haciendo un video a partir de un artículo sin mostrar tu rostro, y luego agregaremos el método de edición para locuciones con personas reales. Incluso alguien nuevo en el video puede seguir el proceso para producir su primera versión.

Mi flujo de trabajo es: Artículo o Tema → Guion Hablado → Locución → Línea de Tiempo → Storyboard → HyperFrames → Verificar Video Final.

Este tutorial comienza con el camino más simple. Solo necesitas saber cómo abrir Codex, crear una carpeta y poner el artículo; puedes decirle qué hacer frase por frase para el resto.

Primero, Entrega las Herramientas Necesarias a Codex

Una Skill se puede entender como un manual de instrucciones de trabajo para Codex. Le dice a Codex qué herramientas llamar, en qué orden completarlas y qué problemas verificar al encontrar tareas de locución, storyboard o edición.

El método de instalación se puede unificar en una sola frase: Copia el enlace de GitHub a continuación en Codex, deja que lea la descripción del proyecto, complete la instalación y verifique si es utilizable. Deja los comandos específicos a Codex; no necesitas copiarlos tú mismo.

Las herramientas utilizadas en este flujo de trabajo de video se pueden ver por etapa:

HyperFrames ya incluye varios roles: /faceless-explainer se encarga de organizar artículos o temas en explicaciones sin mostrar el rostro, /hyperframes-creative maneja el ritmo de la locución y el storyboard, /media-use gestiona imágenes, sonido y subtítulos, y /hyperframes-animation se encarga de los cambios visuales. Por lo general, solo necesitas decirle a Codex "usa /hyperframes para hacer este video", y seleccionará las partes necesarias.

Los estilos visuales también se pueden agregar según sea necesario. Si quieres hacer un video de conocimiento estilo collage, puedes darle a Codex el vox-explainer de HyperFrames Community Skills; si quieres efectos de escritura a mano o dibujo, elige p5-paint-animation del mismo repositorio; para introducciones de productos, demostraciones de interfaz o tomas promocionales, deja que Codex consulte video-shotcraft. Estos son extensiones de estilo y no es necesario instalarlos todos para tu primer video.

Después de poner las herramientas en el flujo de trabajo, Codex primero realizará la edición de contenido, luego manejará el sonido, el storyboard y la verificación final del video. Solo necesitas confirmar si los resultados en cada paso coinciden con tu intención.

Ahora crea una nueva carpeta, por ejemplo, codex-video, y ábrela en Codex. Pon tu artículo, imágenes y el audio generado más tarde en ella, luego dale el enlace del repositorio de HyperFrames a Codex para completar la preparación para la primera línea principal.

Por Qué Algunos Videos de Artículos Generan Tráfico Continuo

Serena hizo un intento muy específico: en lugar de hablar vagamente sobre "la IA puede hacer videos", eligió el nicho de contenido de "reseña de libros" y usó Codex y HyperFrames para crear videos adecuados para Douyin.

Los lectores hacen clic porque ven un camino completo: elige un nicho que la gente ya ve, encuentra un libro, escribe un guion, haz un video y repite la misma estructura para el siguiente libro. La producción de video es solo el método de ejecución en el medio; lo que realmente atrapa a la gente al principio es "¿puede este método ayudarme a hacer crecer mi cuenta?"

Su secuencia de producción real también vale la pena seguirla: primero determina la duración de 30 segundos, formato vertical y plataforma de publicación; escribe el guion por separado; divide el guion en segmentos; genera la voz final; obtén el tiempo de los subtítulos basado en la voz; luego deja que HyperFrames organice los visuales; previsualiza, modifica y finalmente renderiza.

Hay un orden muy importante aquí: Primero finaliza las palabras y el audio final, luego haz los visuales. Si cambias una frase de audio, los subtítulos y el tiempo de las tomas cambiarán todo. Hacer efectos de movimiento demasiado temprano solo lleva a repetir el trabajo más tarde.

No tienes que hacer una cuenta de libros. Puedes desglosar herramientas de IA, explicar métodos de trabajo, hablar sobre casos de la industria o convertir tus artículos largos en series de video. Primero fija el alcance del contenido y usa la misma estructura para cada video para que Codex pueda ayudarte a trabajar cada vez más rápido.

Paso 1: Convierte el Artículo o Tema en un Guion Hablado

El guion hablado es el esqueleto de todo el video. No importa cuán hermosos sean los visuales, si el principio no atrapa a la gente o el método no es claro, el video será difícil de terminar.

Hay tres caminos aquí.

Opción 1: Solo un Tema, Deja que Codex Escriba Directamente

Por ejemplo, si planeas hacer un video sobre "Cómo Codex Hace Videos", dile a Codex cuatro cosas: quién es la audiencia, qué problema resuelve, cuánto dura el video y qué quieres que la audiencia haga después de verlo.

1Quiero hacer un video vertical de 60 segundos con el tema "Usar Codex por primera vez para hacer un video".
2
3La audiencia solo sabe cómo usar Codex y nunca ha escrito un guion o editado un video.
4Empieza diciéndoles el resultado final, luego explica claramente: generar el guion, elegir una voz, usar HyperFrames para los visuales y verificar el video final.
5Cada frase debe ser fácil de leer en voz alta, sin subtítulos formales, sin acumulación de jerga.
6Termina pidiéndoles que ejecuten su primer video con un tema.
7
8Entrega solo el guion hablado por ahora; no hagas storyboard ni video todavía.

Cuanto más específico sea el tema, más fácil será escribir el guion. Reducir "hacer videos con IA" a "convertir una reseña de herramienta en una explicación vertical de 60 segundos" le dice a Codex qué contenido mantener.

Opción 2: Ya Tienes un Artículo, Deja que Codex lo Adapte a Lenguaje Hablado

Guarda el artículo como article.md y ponlo en la carpeta del proyecto junto con las imágenes. Luego dile a Codex:

1Por favor, lee article.md y adáptalo a un guion hablado de 90 segundos.
2
3Mantén las ideas centrales y los casos más útiles del artículo; no te limites a resumir cada párrafo.
4Empieza diciendo lo que el lector obtendrá, mantén solo tres pasos en el medio y explica cada paso con frases fáciles de entender.
5No leas enlaces, notas al pie o símbolos de formato del artículo.
6Por favor, enumera los hechos que necesito verificar por separado.
7
8Genera solo narration.md por ahora.

Al convertir artículos a guiones, el problema más común es que "las palabras son reconocibles, pero no suenan como si una persona estuviera hablando". Dale el enlace de humanizer-zh a Codex, deja que lo instale y procese narration.md: mantén los hechos y las ideas personales, pero ajusta el lenguaje de traducción, el paralelismo mecánico y las frases demasiado formales.

Después de la adaptación, aún necesitas leerlo en voz alta tú mismo. Tu boca encontrará muchos problemas que tus ojos pasaron por alto.

Opción 3: Deja que HyperFrames se Encargue de Todo el Video Sin Rostro

Si solo tienes materiales y no has pensado en un guion o visuales, puedes ingresar a /faceless-explainer a través de /hyperframes. Organizará temas, artículos o notas en una dirección de explicación, narración y storyboard.

Este camino es más fácil y adecuado para hacer rápidamente una primera versión. Las dos primeras opciones son mejores cuando tienes puntos de vista claros y quieres controlar estrictamente el contenido del guion.

Independientemente de cuál elijas, el guion idealmente debe tener estas cuatro partes:

1. Gancho: Presenta el resultado o un problema específico primero.
2. Problema: Dile a la audiencia dónde están actualmente estancados.
3. Método: Explica el proceso en dos o tres pasos.
4. Próximo Paso: Da una acción que puedan tomar inmediatamente después de verlo.

Por ejemplo, la introducción del video para este tutorial podría ser: "¿Instalaste Codex pero no sabes qué hacer? Puedes empezar usándolo para hacer un video. Dale un artículo, y puede manejar el guion, la voz, los subtítulos y los visuales. Hoy, repasemos el flujo de trabajo más corto."

Paso 2: Elige TTS Estándar o Clona Tu Propia Voz

Una vez que el guion esté finalizado, decide quién lo leerá. Para la primera vez, el TTS estándar es suficiente; una vez que puedas actualizar contenido de manera estable, entonces maneja la clonación de voz personal.

Más Fácil: Usa TTS Existente

TTS consiste en ingresar texto para obtener un MP3 o WAV. Puedes usar cualquier función de texto a voz que tengas a mano, o darle el código abierto edge-tts a Codex, dejar que lo instale, seleccione una voz en español y genere audio y subtítulos.

Escucha diez segundos primero para confirmar la voz, la velocidad y las pausas antes de generar el texto completo. El TTS estándar no sonará como tú, pero su ventaja es la velocidad, lo que lo hace adecuado para verificar el contenido y los flujos de trabajo visuales.

Para Uso a Largo Plazo de Tu Propia Voz: CosyVoice

CosyVoice es un conjunto de herramientas de generación de voz de código abierto. Dale una grabación de referencia limpia y el texto palabra por palabra correspondiente, y puede generar una nueva narración con características de hablante similares.

Tres cosas no deben confundirse aquí:

• reference.wav: Tu propia grabación de referencia o una autorizada.
• reference.txt: Cada palabra realmente dicha en la grabación de referencia.
• narration.md: El nuevo guion que se generará para este video.

El texto de referencia debe coincidir exactamente con la grabación. Si cambias una palabra sobre la marcha, el texto también debe cambiarse. La música de fondo, los ecos y la reducción de ruido intensa afectarán la calidad de la referencia; trata de grabar una voz clara y natural en un entorno tranquilo.

La instalación local de CosyVoice requiere algunos pasos más que el TTS estándar. Los principiantes pueden dar el repositorio oficial directamente a Codex:

1Por favor, ayúdame a instalar CosyVoice:
2https://github.com/QwenAudio/CosyVoice
3
4Por favor, lee el README oficial primero, luego verifica el entorno actual de la computadora y completa la instalación.
5Después de la instalación, genera solo un audio de prueba corto; no generes todo el guion directamente.

Preparará el entorno de ejecución y descargará los modelos de voz localmente, lo que lleva más tiempo que el TTS estándar. No necesitas ejecutar comandos uno por uno; si un paso falla, deja el mensaje de error completo en el chat de Codex y deja que lo verifique. Después de la instalación, aún necesitas escuchar el audio de prueba tú mismo para juzgar si la voz suena como tú y si la articulación es natural.

Al generar el guion formal, no metas todo el artículo de una vez. Divídelo en varios segmentos según el significado, escucha cada segmento primero para confirmar la pronunciación de nombres propios, inglés y números, luego sintetiza final.wav. Si un segmento tiene un problema, solo necesitas rehacer ese segmento.

Si no quieres clonar tu voz por ahora, simplemente salta CosyVoice. Los posteriores HyperFrames y Remotion solo reconocen el archivo de audio final y no les importa de qué TTS proviene.

Paso 3: Haz que los Visuales Sigan a la Voz Final

Ahora deberías tener dos archivos finalizados: narration.md y final.wav. A partir de este momento, final.wav es la verdadera línea de tiempo del video.

Deja que Codex transcriba el audio final para obtener los tiempos de inicio y final reales de cada frase, luego genera los subtítulos. El guion determina lo que dicen los subtítulos, mientras que la transcripción de audio se encarga de decirle a los subtítulos cuándo aparecer.

No asignes tiempo basado en el número de palabras. Diez palabras podrían decirse en medio segundo, o podría haber dos pausas entre ellas. Los subtítulos, las palabras clave y las imágenes deben aparecer siguiendo la voz real.

Puedes simplemente instruirlo así:

1Por favor, establece una línea de tiempo basada en final.wav.
2Usa narration.md para verificar el texto de los subtítulos y usa los resultados de la transcripción de audio para obtener los tiempos de inicio y final reales de cada frase.
3Genera captions.srt y timing.json.
4Si el guion no coincide con la voz real, por favor enumera las discrepancias; no adivines.

Paso 4: Divide el Guion en un Storyboard

El storyboard no requiere aprender terminología profesional primero. Corta el guion en 4 a 8 segmentos, y para cada segmento, responde una pregunta: ¿Qué es lo más importante que la audiencia debe ver en la pantalla cuando escuche esta frase?

Si el artículo ya tiene capturas de pantalla, fotos, gráficos o tarjetas de personajes, prioriza el uso de estos materiales. Deja que la audiencia vea la imagen general primero, luego acerca la parte que se está discutiendo. Para frases sin imágenes existentes, puedes usar palabras clave, tarjetas de pasos, comparaciones, líneas de tiempo e infografías simples.

Los requisitos para Codex pueden ser muy cortos:

1Por favor, crea un storyboard basado en narration.md, timing.json y la carpeta assets.
2Para cada toma, especifica: narración correspondiente, hora de inicio, hora de finalización, visual principal, materiales requeridos y posición del subtítulo.
3Las imágenes ya en el artículo deben programarse para mostrarse realmente; marca los lugares donde faltan materiales primero, no los llenes con imágenes irrelevantes.

Si no sabes cómo se ven los efectos de movimiento, puedes consultar dos bibliotecas de efectos públicas:

• HyperFrames Launches: Contiene proyectos completos de HyperFrames para ver cómo los videos finales se dividen en storyboards.
• video-shotcraft: Proporciona recetas de tomas de Remotion y vistas previas dinámicas, mejor para introducciones de productos, demostraciones de interfaz y promocionales.

video-shotcraft es una biblioteca de referencia de tomas opcional, no una instalación obligatoria para videos de artículos. Dale el enlace del repositorio a Codex, y puede leer las recetas de tomas dentro. Explica la información claramente primero, luego elige uno o dos efectos de movimiento adecuados; los visuales serán más estables.

Paso 5: Crea la Primera Versión del Video con HyperFrames

Ahora, el guion, la voz, el tiempo de los subtítulos y el storyboard están listos. Ahora entrega estos archivos a HyperFrames:

1Usando /hyperframes, convierte el proyecto actual en un video explicativo vertical 9:16.
2
3Por favor, lee narration.md, final.wav, captions.srt, timing.json, storyboard.md y la carpeta assets.
4Los visuales deben seguir el tiempo de audio real, y los subtítulos no deben bloquear el contenido principal.
5Prioriza el uso de imágenes originales y tarjetas de personajes de assets; usa infografías simples para las tomas que falten materiales.
6Completa los primeros 15 segundos como muestra y abre la vista previa; continuaré con el video completo después de confirmar la dirección.

Ver los primeros 15 segundos te permite detectar tres problemas temprano: si la introducción es demasiado lenta, si los subtítulos son legibles y si los visuales realmente explican la narración. Una vez que la dirección sea correcta, continúa con el video completo.

Después de que se genere el proyecto, dile directamente a Codex: "Abre la vista previa local de HyperFrames y dime la URL de vista previa y la carpeta del proyecto."

Al modificar, no digas simplemente "hazlo más elegante" o "haz que se vea mejor". Dile a Codex objetos y posiciones específicos, como: "El título a los 6 segundos es demasiado pequeño", "Esta captura de pantalla debe permanecer al menos 3 segundos", "Los subtítulos están bloqueando a la persona", "La primera toma entra demasiado lento". Esta retroalimentación es más fácil de ejecutar para él.

Después de verificar, dile a Codex: "Renderiza la versión actualmente confirmada como final.mp4 y verifica si el archivo se reproduce normalmente después de completarse."

Ver la página de vista previa solo significa que el proyecto se puede abrir. La verdadera señal de finalización es que final.mp4 se ha generado y lo has visto de principio a fin, confirmando que la voz no se corta, los subtítulos no están desalineados y las imágenes no están recortadas.

Cómo Elegir Entre HyperFrames y Remotion

Ambos pueden convertir texto, sonido, imágenes y líneas de tiempo en videos. Solo necesitas elegir uno como tu herramienta de producción final.

HyperFrames es más como dejar que Codex reorganice los visuales basándose en este contenido específico. Remotion es más como hacer una plantilla de programa primero y luego llenar el contenido en posiciones fijas para cada episodio.

Para ir por la ruta de Remotion, dale el enlace de Remotion Agent Skills a Codex y deja que complete la instalación. Luego usa /remotion-create para construir el video, /remotion-studio para abrir la vista previa y finalmente /remotion-render para renderizar. Los archivos upstream narration.md, final.wav, subtítulos, línea de tiempo e imágenes aún se pueden usar; no necesitas rehacerlos.

Mi sugerencia es simple: ejecuta el primero con HyperFrames. Después de hacer algunos episodios y encontrar que la estructura de las tomas se ha estabilizado, deja que Codex lo organice en una columna fija de Remotion.

Si Grabaste una Locución con Persona Real, Agrega video-use

El flujo de trabajo anterior puede ser completamente sin rostro. Cuando estés listo para enfrentar la cámara, coloca narration.md al lado de la cámara y graba en segmentos. Si te equivocas, detente y reinicia desde esa frase; no tienes que empezar desde el principio cada vez.

video-use maneja materiales ya grabados. Primero transcribe el video, descubre lo que se dijo en cada segmento y confirma contigo qué contenido mantener antes de comenzar a organizar la edición, los subtítulos y los visuales complementarios.

Para la instalación, puedes dar esto directamente a Codex:

1Por favor, ayúdame a instalar https://github.com/browser-use/video-use.
2Lee install.md primero, completa las dependencias, FFmpeg y el registro de Codex Skill.
3No transcribas ningún video después de la instalación; espera hasta que ponga los materiales en la carpeta.

video-use requiere instalar todo el repositorio porque su asistente de edición y scripts están ubicados junto a la Skill. También necesita FFmpeg, que es la herramienta subyacente para procesar video y audio. Al usar la transcripción de voz predeterminada, también necesitas configurar una clave API de ElevenLabs, que es la clave que permite a la herramienta acceder al servicio de transcripción de voz. Simplemente entrega los elementos faltantes a Codex para que los verifique.

Después de grabar, pon el video sin procesar en una carpeta separada y dile a Codex:

1Por favor, usa video-use para procesar la locución con persona real en esta carpeta.
2Haz un inventario de los materiales y transcríbelos primero, encontrando repeticiones, pausas, errores y posiciones de reinicio.
3Dame un plan de edición primero, enumerando los segmentos a mantener y eliminar; lo confirmaré antes de que cortes.
4Agrega subtítulos en español después de finalizar, y usa imágenes correspondientes de assets para complementar visuales cuando se mencionen pasos.
5Finalmente, genera una versión de vista previa y genera final.mp4 después de verificar si hay errores.

El flujo de trabajo completo para esta rama es: Guion Hablado → Grabación con Persona Real → video-use Organiza Segmentos Válidos → Subtítulos y Visuales Complementarios → Video Final.

HyperFrames y video-use también se pueden usar juntos. video-use primero corta la locución con persona real sin problemas, y luego HyperFrames produce títulos, tarjetas de pasos, demostraciones de capturas de pantalla e intros/outros. Uno maneja materiales de persona real, el otro maneja visuales informativos; la división del trabajo será más clara.

Finalmente, Convierte el Video en un Sistema de Adquisición de Contenido

Un solo video solo trae una prueba. La parte verdaderamente valiosa es continuar abordando el mismo tipo de problema.

Las reseñas de libros de Serena son memorables porque el objeto de contenido es muy claro: un libro, un punto de vista que vale la pena compartir, un video corto, y el siguiente libro usa la misma estructura. Puedes reemplazar esto con tu propio campo, como desglosar una herramienta de IA cada semana, resolver un problema de oficina cada vez o explicar un caso de la industria en cada episodio.

Este bucle de contenido puede ser muy simple:

1Problema del usuario objetivo
2→ Elige un tema específico
3→ Escríbelo como un guion hablado
4→ Conviértelo en un video
5→ Mira los comentarios y la retroalimentación de finalización
6→ Decide de qué hablar a continuación

El gancho para la adquisición de clientes también debe aterrizar en resultados específicos. "Hice un video con IA" solo muestra que puedes usar herramientas; "Convertí una reseña de herramienta de 3000 palabras en un tutorial para principiantes de 60 segundos" hará que las personas que realmente necesitan esa cosa se detengan.

No te apresures a construir un sistema automatizado masivo. Elige un tema del que puedas hablar durante diez episodios consecutivos y ejecuta el primero con Codex: finaliza el guion, genera la voz, alinea la línea de tiempo y produce el video con HyperFrames. Reutiliza la estructura de archivos para el segundo, y comienza a mantener intros fijos y estilos de subtítulos para el tercero.

Al hacer esto, Codex realmente se transforma de "ayudarte a hacer un video" a "acompañarte en la producción continua de una categoría de contenido".

Soy Miles, un experto en algoritmos de IA que pasó de una gran empresa tecnológica a FDE. He hecho I+D, optimización e implementación de algoritmos, así como capacitación y entrega corporativa. Mi cuenta de X alcanzó los 10,000 seguidores en 15 días y escribió tres artículos largos con millones de exposiciones en una semana, dos de los cuales luego superaron los 2 millones.

Sígueme @miles_mazy, crezcamos juntos y ganemos dinero juntos.