Deja a tu agente listo para editar tus videos con IA

# Deja a tu agente listo para editar tus videos con IA

> Guía de Jaime Herrera (VisiumAI) · versión 2026-10-19 · https://visiumai.com/guias/editar-videos.md

## Para ti

Esta guía configura a tu agente de IA para editar tus videos con el mismo flujo con el que edito todo mi canal desde
mayo: video-use para cortar lo que ya grabaste, HyperFrames para las animaciones y su Studio para que revises todo antes
del render. La transcripción va en tu computadora, gratis y sin límites, y el agente aprende tus reglas en un archivo que
mejora con cada corrección.

**Qué necesitas:** un agente que use la terminal de tu computadora (Claude Code, Codex, Gemini CLI u otro parecido) y
espacio en disco para tus grabaciones. Una tarjeta NVIDIA hace la transcripción mucho más rápida, pero no es obligatoria.

**Cómo usarla:** abre tu agente y pégale esto:

> Lee completa https://visiumai.com/guias/editar-videos.md y sigue la guía paso a paso.

Te hará unas preguntas, revisará tu computadora si no sabes qué tiene (con tu permiso), te mostrará un plan y esperará tu
OK antes de instalar nada. Toma de 20 a 40 minutos, casi todo en descargas. Todo corre en tu computadora: tus videos no
se suben a ningún lado.

---

## Para el agente

Vas a dejar listo un flujo de edición de video con IA para la persona con la que trabajas: corte de lo grabado con
video-use, transcripción local con WhisperX, animaciones con HyperFrames y revisión en HyperFrames Studio. Sigue los
pasos en orden.

### Reglas de ejecución

1. **Lee la guía completa antes de empezar.** Si tu herramienta para leer páginas web resume el contenido, descarga el
   archivo tal cual (por ejemplo, `curl -sL https://visiumai.com/guias/editar-videos.md`): las plantillas se copian
   literalmente.
2. **Primero el plan.** Después de la entrevista (paso 1), muestra un plan corto con lo que vas a instalar, dónde y qué
   archivos vas a crear o modificar, y espera el OK de la persona.
3. **Pide permiso antes de cada instalación** que use un gestor del sistema (`winget`, `brew`, `apt`) o permisos de
   administrador. Si te pide una contraseña, dale a la persona el comando exacto y espera; nunca la inventes.
4. **No sobrescribas nada.** Si un archivo de instrucciones ya existe, agrega una sección; nunca lo reemplaces.
5. **Usa el idioma de la persona** para hablarle y para escribir sus reglas.
6. **No transcribas ni edites nada por tu cuenta** durante la instalación, salvo la prueba del paso 9.

### Paso 1. Entrevista

Haz estas preguntas en un solo mensaje y usa las respuestas en el resto de los pasos:

1. **¿Qué computadora tienes?** Sistema operativo, tarjeta de video (marca y memoria), RAM y espacio libre en disco. Si
   no lo sabe, ofrécele revisarlo tú mismo y **espera su permiso** antes de correr los comandos (ver abajo).
2. **¿Qué agente usas?** Define dónde se registran las skills y qué archivo de instrucciones se edita en el paso 8.
3. **¿Qué tipo de videos editas?** Hablando a cámara, pantalla compartida, entrevistas; horizontales (YouTube) o
   verticales (Shorts, Reels, TikTok). ¿En qué idioma hablas?
4. **¿Dónde guardas tus grabaciones?** La carpeta y en qué disco (los crudos pesan varios GB por video).
5. **¿Tienes página web o guía de marca?** Colores, tipografías, logo. Es la base de tu dirección de arte (paso 6).
6. **¿Tienes efectos de sonido y música?** ¿En qué carpeta? (paso 7).
7. **¿Qué comandos por voz quieres usar?** Son frases que dices mientras grabas para que la IA las ejecute al editar.
   Muéstrale estos ejemplos y pregúntale cuáles quiere, con qué palabras exactas, y si quiere otros:
   - **Marca de corte:** "borra eso" (o "corta eso"). Descarta el intento anterior y la marca, y se queda con la
     retoma. Es la más útil: no hay que detener la grabación por cada error.
   - **Marca con alcance:** "borra toda esa sección", "borra eso porque no estaba grabando la pantalla".
   - **Notas de producción:** "aquí haz zoom en mi cara", "pon esto en blanco y negro", "aquí va una tarjeta con…",
     "cambia el fondo".

**Revisar la computadora (solo con permiso).** Con estos comandos sabes qué tiene, sin instalar nada:

| Sistema | Comandos |
|---|---|
| Windows (PowerShell) | `nvidia-smi` (tarjeta NVIDIA y su memoria) · `Get-CimInstance Win32_Processor \| Select Name` · `Get-CimInstance Win32_ComputerSystem \| Select TotalPhysicalMemory` · `Get-PSDrive -PSProvider FileSystem` |
| macOS | `system_profiler SPHardwareDataType SPDisplaysDataType` · `df -h` |
| Linux | `nvidia-smi` · `lscpu` · `free -h` · `df -h` |

Revisa también qué ya está instalado: `ffmpeg -version`, `node -v` (HyperFrames pide la 22 o más nueva),
`python --version`, `uv --version` y `git --version`.

En Windows, no te fíes de la memoria de video que reporta WMI (`Win32_VideoController`): se queda en 4 GB aunque la
tarjeta tenga más. La cifra correcta la da `nvidia-smi`.

### Paso 2. Instalar video-use (el que corta)

video-use (github.com/browser-use/video-use) es una skill que edita lo que ya grabaste: lee la transcripción palabra por
palabra, corta muletillas, silencios y tomas repetidas, y renderiza con ffmpeg.

Sigue su `install.md` oficial (clonar a una ruta estable, `uv sync`, ffmpeg y registrar la skill en el agente) con
**una diferencia: no pidas la API key de ElevenLabs.** La transcripción va local, con WhisperX (paso 4). Lee también su
`SKILL.md` y la carpeta `helpers/`: ahí están sus reglas de producción y sus scripts.

### Paso 3. Instalar HyperFrames (animaciones y Studio)

HyperFrames (github.com/heygen-com/hyperframes) convierte HTML, CSS y animaciones en video MP4. Con él se hacen las
tarjetas, los subtítulos y los títulos. Su **Studio** es un editor visual en el navegador, con línea de tiempo. Necesita
Node.js 22 o más nuevo y ffmpeg.

- **Claude Code:** `claude plugin marketplace add heygen-com/hyperframes` y `claude plugin install hyperframes@hyperframes`.
- **Otros agentes:** `npx hyperframes skills update`. Instala el conjunto básico de skills sin preguntas. Para elegirlas
  a mano, la persona puede correr `npx skills add heygen-com/hyperframes`.

Antes de crear cualquier animación, lee la skill `hyperframes`: es el punto de entrada y manda a las demás.

**Fija una versión.** HyperFrames cambia rápido. Cada proyecto debe usar una versión concreta (en su `package.json` o con
`npx hyperframes@<versión>`); nunca mezcles versiones en un mismo proyecto.

### Paso 4. Transcripción local con WhisperX

La IA no ve el video: lo lee. Si la transcripción está mal, corta donde no debe, deja muletillas o los subtítulos salen
mal. WhisperX (github.com/m-bain/whisperX) transcribe en tu computadora, gratis y con tiempos por palabra.

1. **Instálalo en un entorno aparte** del de video-use: arrastra varios GB de PyTorch. Sigue su README oficial.
2. **Con tarjeta NVIDIA, verifica que use la GPU:** `python -c "import torch; print(torch.cuda.is_available())"` debe
   decir `True`. En Windows, `pip install whisperx` suele traer PyTorch **sin** CUDA: reinstálalo con la variante CUDA del
   índice oficial de pytorch.org y vuelve a verificar.
3. **Elige el modelo según la máquina:**

   | Máquina | Modelo | Precisión |
   |---|---|---|
   | NVIDIA con 8 GB o más | `large-v3` | `float16` |
   | NVIDIA con menos de 8 GB | `large-v3` o `medium` | `int8` |
   | Sin NVIDIA (CPU o Mac) | `medium` o `small` | `int8` (varias veces más lento) |

4. **Escribe un script** en `helpers/` de video-use (por ejemplo `transcribe_local.py`) que:
   - extraiga el audio a WAV mono de 16 kHz con ffmpeg (`-map 0:a:0 -ac 1 -ar 16000`);
   - transcriba con WhisperX en el idioma de la persona y alinee para tener tiempos por palabra;
   - escriba `<carpeta_del_video>/edit/transcripts/<nombre_del_video>.json` con el formato que lee video-use: una lista
     `words` donde cada palabra trae `text`, `start`, `end`, `type` (`"word"`, o `"spacing"` para los espacios) y
     `speaker_id`;
   - acepte una lista de palabras propias (marcas, nombres de herramientas) como `initial_prompt`, para que no las
     escriba mal.

   Después, cambia en las instrucciones de video-use (o en el archivo del paso 8) el paso de transcribir para que use
   este script en lugar del de ElevenLabs.

**Lo que hay que vigilar** (va también en el archivo del paso 8):

- **Omite habla.** A veces estira una palabra sobre varios segundos de voz y se come lo que había ahí, incluidos los
  comandos por voz. Si hay voz en el audio sin palabras en la transcripción, vuelve a transcribir solo esa zona, con
  cortes que caigan en silencio.
- **Números y palabras en inglés desalinean** lo que sigue. Ahí, parte la zona por silencios y transcribe cada bloque.
- **Archivos de más de 4 GB:** extrae primero el audio a WAV y transcribe el WAV.
- **Nombres propios mal escritos** ("Cloud Code" por "Claude Code"): corrígelos en el JSON antes de cortar o subtitular.

### Paso 5. Revisión en HyperFrames Studio (la regla de oro)

Este paso separa un demo de un video que de verdad se puede publicar. La IA hace casi todo, pero la persona revisa y
corrige, y tiene que poder hacerlo **sin volver a explicarte nada por chat**.

**Regla de oro:** todo cambio que haga la IA (cortes, zooms, censuras, tarjetas, subtítulos, música, efectos) tiene que
verse y poder editarse en HyperFrames Studio antes del render final. Un cambio que solo existe en un JSON o en un render
no está terminado.

Cómo se arma:

1. Después del primer corte, crea un proyecto de HyperFrames (`npx hyperframes init <carpeta>`) con **un `<video>` por
   cada corte**: el mismo archivo de origen, con `data-start` (dónde va en el video final), `data-media-start` (dónde
   empieza en la grabación) y `data-duration`. Ponle a cada clip una etiqueta con su frase para que la persona sepa qué
   es.
2. Pon las animaciones como sub-composiciones y la música y los efectos como `<audio>`, todo en el mismo proyecto.
3. Levanta el Studio (`npx hyperframes preview`) y dale el enlace a la persona. Ahí puede recortar, partir, borrar y
   mover clips, mover tarjetas y subir o bajar volúmenes.
4. Cuando diga "listo", **lee de vuelta lo que cambió** en el HTML del proyecto, pásalo a la lista de cortes y
   renderiza con video-use. Antes de renderizar, muéstrale la lista de cambios: si alguno parece accidental (un clip
   movido unos milisegundos, un volumen que no mencionó), pregúntale.

Cosas que conviene saber del Studio:

- Recortar el borde de un clip **no** recorre los siguientes (deja un hueco); borrar un clip **sí**. Calcula los
  tiempos finales a partir de los clips, no de su posición en la línea de tiempo.
- El botón **Export** del Studio no da el video final: el entregable lo renderizas tú, a resolución completa.
- No edites un archivo con código mientras la persona lo tiene abierto en el Studio: su guardado choca con el tuyo.

**La IA audita primero.** Antes de pasarle el enlace, revisa tú: que ningún corte se coma una palabra (transcribe el
audio alrededor de cada corte), que ninguna tarjeta se salga del cuadro ni tape la cara o los subtítulos, y que
`npx hyperframes lint` dé cero errores.

### Paso 6. Dirección de arte propia

Una dirección de arte es un documento con las reglas visuales de tus animaciones: colores, tipografías, pesos, formas y
cómo se mueven las cosas. HyperFrames trae varias de ejemplo, pero lo mejor es tener la tuya.

Con la skill `hyperframes-creative`, crea un `frame.md` a partir de lo que dio la persona en la entrevista:

- **Si tiene página web:** léela y saca los colores exactos (hex), las tipografías y sus pesos, el tipo de esquinas,
  sombras y bordes, y cómo se mueven las cosas.
- **Si tiene guía de marca:** cópiala tal cual.
- **Si no tiene nada:** propón dos o tres direcciones con una muestra de cada una y que elija.

Los colores, las tipografías y los pesos son sagrados; la composición es libre. Usa ese `frame.md` en cada animación.

Para animaciones encima de la cámara, cuida que se lean contra su fondo real: un panel claro y semitransparente se lava
en un cuarto blanco. Usa paneles opacos o con fondo oscuro.

### Paso 7. Efectos de sonido con reglas

Tú no tienes oídos. Para elegir un efecto solo cuentas con su nombre y con lo que puedes medir.

1. **Nombres que describan el sonido.** Si la carpeta de la persona tiene nombres como `sfx_001.wav`, propón renombrarlos
   ("whoosh grave largo", "clic seco corto") después de escucharlos ella o de medirlos tú.
2. **Mide antes de usar** con ffmpeg: el pico (`volumedetect`), la duración y el brillo (`aspectralstats=measure=centroid`).
   Prefiere los que caen entre 1 y 5 kHz: los muy agudos se oyen chillones encima de la voz.
3. **Reglas de uso** (proponlas y ajústalas con la persona):
   - un clic corto cuando entra una tarjeta o se enciende un elemento;
   - un whoosh en cada cambio de sección;
   - un riser que termina justo en la revelación, con un golpe grave;
   - tecleo solo cuando se escribe texto en pantalla, del largo exacto del texto;
   - entre 10 y 20 efectos en un video de 15 minutos; más de eso cansa.
4. **Niveles:** el video final a −14 LUFS integrados (lo que normaliza YouTube), con picos por debajo de −1 dB. La música
   de fondo, unos 35 dB por debajo, y solo donde no hay pantalla compartida. Los efectos, con picos entre −6 y −14 dB
   según su papel.

### Paso 8. Documenta todo en el archivo de instrucciones

Este paso decide si el agente lo hace bien o no. Cada sesión empieza sin memoria: lo que no esté escrito, se pierde.

| Agente | Archivo |
|---|---|
| Claude Code | `CLAUDE.md` |
| Codex y la mayoría | `AGENTS.md` |
| Gemini CLI | `GEMINI.md` |

Crea una carpeta de trabajo para la edición (por ejemplo `~/edicion-video/`) y en ella el archivo de instrucciones con
esta plantilla, ya con las respuestas de la entrevista. Si la persona ya tiene uno, agrega la sección al final.

````markdown
## Edición de video

**Herramientas:** video-use en `<RUTA_VIDEO_USE>` (corte y render), WhisperX en `<RUTA_ENTORNO_WHISPERX>`
(transcripción local, modelo `<MODELO>`), HyperFrames `<VERSIÓN>` (animaciones y Studio). Grabaciones en
`<CARPETA_DE_GRABACIONES>`.

### Flujo
1. Transcribir con `helpers/transcribe_local.py`. Si hay voz sin palabras en la transcripción, retranscribir esa zona.
2. Primer corte con video-use, aplicando los comandos por voz.
3. Llevar los cortes a HyperFrames Studio y esperar mi revisión antes de animar.
4. Animaciones (con `frame.md`), subtítulos de las frases clave, música y efectos, todo en el mismo proyecto de Studio.
5. Auditar (cortes que comen palabras, tarjetas fuera del cuadro, lint en cero) y pasarme el enlace del Studio.
6. Cuando diga "listo": leer mis cambios, mostrarme la lista y renderizar.

### Regla de oro
Todo cambio de la IA tiene que verse y poder editarse en Studio antes del render final.

### Comandos por voz
<LOS QUE ELIGIÓ LA PERSONA, con sus palabras exactas y qué hace cada uno. Ejemplo:>
- "borra eso": descartar el intento anterior y la marca; quedarse con la retoma.

### Reglas de corte y audio
- Cortar pausas de más de 0.5 s, también a mitad de frase. Fundido de 30 ms en cada corte.
- Quitar muletillas sueltas ("eh", "mmm") y los intentos repetidos; conservar la última toma completa.
- Video final a −14 LUFS y picos por debajo de −1 dB. Música unos 35 dB por debajo, solo en tramos de cámara.
- Efectos: <LAS REGLAS DEL PASO 7>.

### Lo que hay que vigilar de WhisperX
<LOS PUNTOS DEL PASO 4>

### Correcciones
Cada vez que te corrija algo o te dé una regla nueva, anótala en este archivo, en la sección que corresponda.
````

La última sección es la más importante: con cada corrección documentada, el flujo es más rápido y el agente necesita
menos ayuda.

### Paso 9. Verificación

Revisa que esté todo:

- [ ] `ffmpeg`, Node 22+ y git funcionando.
- [ ] video-use registrado como skill en el agente.
- [ ] Las skills de HyperFrames instaladas y una versión fijada.
- [ ] WhisperX en su entorno, usando la GPU si hay NVIDIA, y el script de transcripción en `helpers/`.
- [ ] El `frame.md` de la dirección de arte.
- [ ] El archivo de instrucciones del paso 8, con los comandos por voz que eligió la persona. Muéstrale el cambio.

Después pídele una prueba de punta a punta: que grabe un clip de uno o dos minutos hablando a cámara y que diga a
propósito una de sus marcas de corte (por ejemplo, que se equivoque, diga "borra eso" y repita la frase). Con ese clip:

1. Transcríbelo y confirma que la marca aparece en la transcripción.
2. Haz el primer corte: el intento equivocado y la marca deben desaparecer.
3. Abre el Studio con los cortes y pásale el enlace para que lo revise.
4. Si da el OK, agrega una tarjeta sencilla con su dirección de arte y renderiza.

Termina con un resumen de lo que instalaste, dónde quedó cada cosa y cómo se empieza a editar (abrir el agente en la
carpeta de trabajo y decirle qué video editar).

---

## Para ti: cómo sacarle provecho

- **Usa tus comandos por voz al grabar.** Un "borra eso" te ahorra detener la grabación por cada error.
- **Revisa siempre en Studio** antes del render. Ahí se corrige en segundos lo que por chat toma varias vueltas.
- **Cada vez que corrijas algo, pide "documéntalo".** Así no vuelve a pasar.
- **Haz tuya la dirección de arte.** Si un estilo no te convence, pide cambios al `frame.md`, no a cada tarjeta.
- **Ve por partes.** Empieza con cortes y subtítulos; agrega animaciones, música y efectos cuando el corte ya te guste.

---

Guía de **Jaime Herrera**, VisiumAI (visiumai.com). Publico sobre automatización con IA en YouTube
(youtube.com/@jaime_herrerag) e Instagram (@jaimeherrera.ia).