Generación de videos con subagentes

Un documental de 13 minutos: investigado, escrito, narrado, sonorizado y editado en 3 formatos, en menos de una hora.

Hola chicas y chicos, buen día. Hoy les vengo a contar cómo se logra eso: mi proceso de generación de videos con subagentes.

La verdad es que hacer video bien hecho es difícil, no entra en mi set de skills. Así que construí una plataforma donde todo el proceso lo controlan y lo validan agentes de inteligencia artificial: subagentes usando librerías de generación de video con diferentes propósitos.

En otras palabras, NOX (larga historia) es una línea de producción editorial completa: investiga, escribe, narra, sonoriza, ilustra, edita y empaqueta. Con una estación de validación en cada paso. Tú eliges el tema y la máquina entrega el video terminado.

Los pasos:

Información

Hay un módulo de investigación profunda: decenas de fuentes por episodio, clasificadas por nivel de confianza (hecho documentado, hipótesis académica o teoría marginal), y la bibliografía viaja con el episodio hasta la descripción publicada. Si no necesitas investigar, también puedes darle tu propio contenido o conectarle una base de datos.

Escritura y control de calidad

El guion se redacta con diferentes skills de redacción y pasa por un control automático: cada cita y cada cifra se contrasta contra su fuente antes de producir. Lo que no pasa el control se rehace hasta que cumple.

Voz

Cloné mi propia voz con unos 12 minutos de audio (un entrenamiento RVC sobre Chatterbox), así me evito las cuotas absurdas de plataformas como 11labs. La voz no llega a esos niveles, pero no está nada mal y permite cosas muy versátiles, como usar varias voces a la vez. BTW: se pueden conectar otros servicios de voz.

Sonido

Hay un banco curado de efectos y camas de música, con descripciones semánticas y reglas de uso. Un director de sonido (un LLM) consulta ese banco y asigna cada efecto donde la narrativa lo pide.

Imágenes

La línea obtiene imágenes reales de la investigación y usa visión para saber qué es exactamente cada una y dónde se puede usar. Algunos videos necesitan cierta densidad de imágenes para cumplir estándares; las que faltan se generan con IA, con prompts específicos que ilustran cada momento del video.

Edición y renderizado

Cuando el material está listo pasa a producción. El render trabaja en dos capas: las escenas se componen en web, por eso los templates son responsive y se adaptan a cada formato, y FFmpeg ensambla el producto final con composición programática.

Publicación

El resultado es el kit completo: video en tres medidas (horizontal, vertical y 1:1), portada, descripción con capítulos y bibliografía, y subtítulos. Sale listo para subir.

Además todo es trazable: cada fase deja contratos JSON que puedes consultar y modificar. Cambias una imagen, un texto o un tiempo, y regenerar el video es rápido y fácil.

Cómo se opera

Todo el proceso se controla con una CLI: cada paso está a la mano para correrse, modificarse o personalizarse, por una persona o por un agente orquestador. La producción puede ser continua y automatizada, o bajo demanda.

Roadmap

• Finalización del sistema de edición, aún faltan cositas por pulir.
• Otros tipos de animaciones en los textos, y animación de gráficos vectoriales y elementos 3D.
• Formatos específicos por red social y por tipo de contenido: hoy exporta en 3 medidas; esta funcionalidad permitirá tipos de redacción, paneos y Ken Burns específicos, o gráficos distintos, digamos para reels o stories de marketing.

¿Y cómo se ve en producción?

Les presento El Archivo NOX, un podcast producido por esta línea de IA bajo dirección editorial humana. ¿Por qué NOX? Nox fue mi primer subagente de openclaw y uno de sus proyectos era generar un podcast de misterio. Dejé de usar openclaw, pero conservo el soul del subagente, y es quien ha aportado mucho de esto.

Es un programa de misterio y suspenso centrado en temas documentados con investigaciones serias. El archivo tiene tres reglas:

• Toda afirmación trae fuente. La bibliografía se publica con cada video.
• Sin aliens. Con evidencia. Las teorías marginales se examinan y se desmontan.
• El gancho es la historia. Cero clickbait.

El misterio real es mejor que el invento.

El tema aplica bastante bien: información en internet sobra, y el reto es saber filtrarla para generar contenido de calidad — lo cual creo que se logró bastante bien.

El podcast va para todas las redes de entretenimiento: un video diario durante los próximos meses, a menos que se me olvide publicarlo XD.

¿Cómo fue la implementación?

Todo está montado en un servidor Linux local, con una RTX 9070 sencillita y varios servicios corriendo. La voz, la investigación y el render viven como módulos independientes: son las piezas más robustas del sistema, y así cada una trabaja por su cuenta.

La operación diaria es simple. Un comando despierta al pipeline: toma, de una lista que previamente curamos, el tema a procesar; corre todos los pasos y entrega el material. Lo revisamos personalmente y, si pasa el check final, se publica. Si hace falta modificar algo, se ajusta el contrato correspondiente y se regenera. Cuando queremos producción continua, un reloj hace ese trabajo por nosotros.

Una parte importante del generador es el diseño y la calidad de los assets, y hoy, por el proceso de desarrollo, esa parte está un poco descuidada: las imágenes no siempre salen con la calidad esperada y al design system le falta pulir el detalle fino. La sincronización, que fue el dolor de cabeza del desarrollo, ya pasa el control limpia, y la seguimos vigilando de cerca. Las funcionalidades core están listas y cada capítulo va a ser mejor que el anterior.

El podcast está recién salido del horno: lo encuentran en YouTube, Instagram, TikTok y X como @researchbynox.