Grabamos un video de 28 segundos con un teléfono, en una habitación con ruido de fondo, y lo convertimos en un reel con subtítulos, gráficos, música y el cierre de nuestra marca sin abrir un editor de video. Lo prometimos en el propio reel: si comentabas BLOG, te contábamos cómo lo hicimos. Aquí va, con lo que salió bien y con lo que la máquina no pudo decidir sola.
Los dos videos de esta historia
En el reel hablamos de dos piezas.
La primera es el anuncio de Rey Cagón, una app de entretenimiento que hicimos: 43 segundos de animación con las pantallas de la app, un podio, notificaciones y el llamado a descargarla. Ese video no se editó en ningún programa. Se escribió como código con Remotion, una herramienta que dibuja cada cuadro del video a partir de código, y lo armó Claude Code, un agente de IA que escribe y ejecuta programas.
La segunda es el reel donde explicamos la primera. Ese sí parte de una grabación: una persona hablando a cámara, una sola toma, con titubeos y pausas. Este artículo cuenta sobre todo cómo se editó esa segunda pieza, porque es la que más se parece a lo que hace cualquier negocio que graba con el teléfono.
El método: un skill, no un botón mágico
Para la edición usamos un skill de Claude Code, es decir, un manual de instrucciones que el agente sigue paso a paso. Se llama edicion-de-video y su base la creó Erik Taveras, que lo compartió con su comunidad (comunidad.eriktaveras.com). Nosotros lo adaptamos a nuestra marca y le sumamos lo que este video nos obligó a resolver.
La idea del método es simple: la IA no inventa el video, lo mide. Primero analiza el material (dónde está la cara, dónde hay pausas, qué se dice en cada segundo) y recién después decide dónde va cada cosa.
Paso a paso
1. Limpiar el audio antes de cortar
La grabación tenía un zumbido grave constante, de ventilador o aire acondicionado. Medido, la voz sonaba apenas 5 dB por encima del ruido: en las pausas casi no había diferencia con las palabras. Con eso, la herramienta que busca silencios creía que no había ninguno.
Lo resolvimos con un filtro de reducción de ruido entrenado para voz (RNNoise). La separación pasó de 5 a 25 dB, y ahí sí aparecieron las pausas. Lección que ya quedó escrita en el método: primero se limpia, después se buscan los silencios.
2. Quitar pausas y titubeos
Con el audio limpio, se detectaron y quitaron 9 tramos entre pausas, arranques en falso y alargues del tipo “y…”. La toma pasó de 28 a 21,5 segundos. También se cortó justo después de la última palabra: lo que venía después era la persona quieta mirando a cámara, y en un reel eso se siente como un error.
Todos los cortes se hicieron en un solo paso, para no recomprimir el video una vez por cada corte.
3. Transcribir palabra por palabra
La transcripción la hizo Whisper, un modelo de reconocimiento de voz que corre en la misma computadora, sin mandar el audio a ningún servicio. Lo importante no es el texto: es el tiempo exacto de inicio y fin de cada palabra, que es lo que permite que el subtítulo resalte la palabra justo cuando suena.
4. Corregir lo que la IA escuchó mal
Aquí entra la persona. Whisper escuchó “Clark” donde se decía “Claude”, “la guía” donde se decía “la IA” y “certificamos” donde se decía “simplificamos”. Ninguna de esas palabras suena rara por sí sola, y por eso son peligrosas: un subtítulo quemado en el video se publica como si el autor lo hubiera dicho.
La regla que seguimos: lo que la máquina corrige suponiendo, se le pregunta al autor antes de publicar. En este caso, las tres se confirmaron.
5. Ubicar cada gráfico donde no estorbe
Antes de poner un solo texto encima, se sacaron fotogramas de toda la toma para saber dónde quedaba la barbilla, hacia dónde señalaba la mano y qué zonas de la pantalla tapan Instagram y TikTok con sus botones. Con eso:
- El anuncio de Rey Cagón arranca a pantalla completa y se encoge a la esquina justo donde la mano lo señala al decir “este video”.
- Los subtítulos van debajo de la barbilla, nunca sobre la cara.
- Cuando se nombra el skill, aparece una tarjeta con su nombre y su autor, que es lo que la voz no dice.
- Cuando se pide comentar BLOG, la palabra se queda grande y quieta el tiempo suficiente para escribirla.
6. Aplicar la marca
El primer corte salió con colores y letra genéricos. Nuestro manual de video ya tenía las reglas: un solo color de acento, la tipografía de la marca, textos que entran completos y no palabra por palabra, nada de zooms bruscos y el cierre oficial pidiendo un DM. Se aplicaron en la segunda versión y se guardaron en el método, para que el próximo video salga con la marca desde el primer intento.
7. Mezclar el audio midiendo, no a oído
La música del anuncio de Rey Cagón suena fuerte durante el gancho, baja hasta quedar claramente por debajo de la voz cuando empieza a hablar la persona, y vuelve a subir en el cierre. Los niveles se calcularon midiendo el volumen real de la voz y de la música, no moviendo una perilla hasta que “sonara bien”. El archivo final sale en el formato que piden Instagram y TikTok para reels.
Lo que hizo la máquina y lo que no
| Tarea | La IA | La persona |
|---|---|---|
| Limpiar ruido, cortar pausas, sincronizar subtítulos | Sí | Revisa el resultado |
| Transcribir | Sí | Corrige nombres y palabras dudosas |
| Ubicar gráficos sin tapar la cara | Sí, midiendo los fotogramas | Aprueba |
| Qué decir y cómo grabarlo | No | Sí |
| Qué gráfico aporta algo y cuál sobra | Propone | Decide |
| Si el video representa a la marca | No | Sí |
La conclusión: la IA se quedó con lo mecánico y repetitivo, que es justo lo que más tiempo se come en la edición. El criterio siguió siendo humano, y dos rondas de comentarios del autor mejoraron más el video que cualquier ajuste técnico.
Qué significa esto para tu negocio
Si tu equipo graba con el teléfono para redes, lo que más cuesta no es grabar: es editar cada pieza con subtítulos, cortes y un estilo que se reconozca. Un método como este convierte esa edición en un proceso repetible, con tu marca aplicada siempre igual.
Funciona bien cuando:
- Grabas a cámara con frecuencia y siempre en un formato parecido.
- Ya tienes, o quieres tener, una identidad visual definida.
- Hay alguien que revisa antes de publicar.
No te conviene si publicas un video al mes o si cada pieza es un proyecto creativo distinto. Ahí, una persona con un editor sigue siendo más práctica.
Y algo que vale para cualquier proyecto con IA: el resultado depende de las reglas que le des. Las nuestras salieron de equivocarnos primero, y ahora están escritas. Si te interesa entender dónde termina un sistema automático y dónde empieza uno que usa IA de verdad, lo explicamos en bot automático o IA real.