arandu-entertainment/VideoEditor

Kit 05 · Editor de Vídeo Vertical — para Claude Code

Le das el vídeo tal como salió de la cámara. Te devuelve el vídeo publicable.

Funciona igual en Mac y en Windows. No consume tu plan de Claude editando: el vídeo lo trabaja tu máquina; el modelo solo dirige.

Empezar

Lee EMPIEZA-AQUI.md (4 pasos, 15 minutos) y escribe /setup. El wizard instala lo que falta y se comprueba a sí mismo editando un vídeo de prueba, así que sabes que funciona antes de gastar tu primer vídeo de verdad.

Después, todo se pide hablando:

edita este vídeo
corta más, quedan pausas
la cara está más a la izquierda
ponme un rótulo que diga "Paso 1" en el segundo 12

Modelo local con Ollama

El kit usa Ollama para las tareas de texto y no envía esas solicitudes a internet. Instala Ollama, inicia el servicio y descarga el modelo:

ollama serve
ollama pull llama3.2:3b

La integración está en scripts/ia_local.py y usa llama3.2:3b por defecto. Para elegir otro modelo, copia .env.local.example como .env.local y cambia OLLAMA_MODEL. También puedes cambiar OLLAMA_HOST si Ollama corre en otro equipo.

Arranque local

En Linux o macOS puedes levantar la interfaz con doble clic desde una terminal:

./levantar_local.sh

El archivo iniciar.py sirve como lanzador común para Linux y Windows y abre el navegador automáticamente. En Windows, ejecuta primero instalar_paquete_local.bat y después abre levantar_local.bat.

También puedes publicar una segunda versión en Hugging Face Spaces. Usa app.py, requirements.txt y sigue la guía de README_HUGGINGFACE.md. La versión local mantiene el procesamiento privado; la versión de Spaces procesa los vídeos en Hugging Face.

El lanzador usa el entorno virtual incluido, comprueba si Ollama responde y deja la interfaz en http://127.0.0.1:7860. Para detenerla, vuelve a la terminal y pulsa Ctrl+C.

Para instalar un acceso directo en el menú de aplicaciones, ejecuta una vez:

./instalar_paquete_local.sh

Consulta PAQUETE-LOCAL.md para los detalles del paquete autoejecutable.

Los nueve pasos

Cada paso deja su resultado en disco. Si algo se corta —se cierra el portátil, se va la luz, se acaba tu límite de Claude— se retoma por donde iba sin repetir nada.

1 · Se abre el proyecto. Se lee el vídeo y se avisa de lo que puede dar guerra: que no tenga audio, que ya sea vertical, que venga rotado desde el móvil.

2 · Se transcribe con marca de tiempo en cada palabra. No basta saber qué se dice: hay que saber en qué milisegundo empieza cada palabra, porque de ahí salen los subtítulos que se encienden solos y la detección de silencios. Lo hace un modelo de voz que corre en tu ordenador (faster-whisper), gratis y sin internet.

3 · Se decide qué se quita. Cuatro señales, combinadas:

• —Silencios de verdad, medidos en el audio (no solo huecos entre palabras).
• —Pausas largas entre palabras, que se acortan a un tiempo natural en vez de eliminarse: quitarlas del todo suena atropellado.
• —Muletillas ("eeeh", "mmm", "o sea" repetido) cuando están sueltas.
• —Tomas repetidas: si dices "el primero es… el primero es que…", se queda con la segunda. Esto es lo que más tiempo ahorra y es lo que nadie hace a mano.

Antes de cortar, se te cuenta qué se va a quitar y cuánto va a durar el resultado.

4 · Eliges el encuadre. Aquí decides tú, y es el único paso donde hace falta. Un vídeo horizontal no cabe en vertical: hay que tirar la mitad de la imagen. El kit te saca tres fotogramas con una regla encima y le dices dónde estás: "un poco a la izquierda". También puede meter el vídeo entero dentro de un marco, con su propio fondo desenfocado detrás, si la acción se mueve por todo el plano.

5 · Se corta y se pasa a vertical, todo en una sola recompresión. Una sola importa: cada vez que se recomprime un vídeo se pierde calidad, y las cadenas de herramientas mal hechas recomprimen cinco veces.

6 · Se dibujan los subtítulos. Estilo karaoke: la palabra que se está diciendo se enciende. Se dibujan como imágenes con transparencia, no con el filtro de texto de ffmpeg ni con archivos .ass. Es una decisión importante: así el resultado es idéntico en Mac y en Windows y no depende de cómo esté compilado el ffmpeg de cada uno, que es de donde vienen la mitad de los problemas con los subtítulos quemados.

7 · Rótulos y mockups (opcional). Seis plantillas animadas —rótulo, titular, móvil con un chat, terminal, recapitulación, llamada a la acción— que se generan fotograma a fotograma en un Chrome sin ventana. No se graba la pantalla: se le pide el fotograma 12 y se guarda el fotograma 12, así que el resultado es idéntico siempre, aunque el ordenador vaya lento. Si esta parte no se puede instalar, el kit edita igual y solo te quedas sin rótulos.

8 · Se monta todo en una pasada: los zooms sobre las frases importantes, las capas de rótulos, las imágenes que quieras meter a pantalla completa y, encima de todo, los subtítulos.

9 · Se cierra el sonido. El volumen se iguala a -14 LUFS, que es el nivel al que suenan TikTok, Instagram y YouTube. Si no se hace, tu vídeo se oye más bajo que el resto del feed y la gente pasa de largo. Y se mezclan los efectos: un barrido corto en los saltos, un golpe en los rótulos.

Qué hay en el kit

Lo que se puede cambiar (sin tocar nada, hablando)

Lo que este kit NO hace

Se dice antes para que no haya sorpresas:

• —No genera vídeo ni voz. Edita lo que tú has grabado. No hay avatares, no hay voz sintética, no hay imágenes creadas.
• —No escribe tu guion. Eso es otro kit.
• —No arregla un audio malo. Iguala el volumen y quita silencios, pero si grabaste con viento y el micro tapado, se notará. Mejora, no resucita.
• —No pone música. Efectos cortos sí; una canción de fondo no, porque lo que puedes publicar depende de la licencia de esa canción y eso es decisión tuya.
• —No sube nada a ninguna red. El vídeo terminado se queda en tu carpeta; lo publicas tú.
• —No hace vídeos largos cómodamente. Está pensado para clips de hasta 3-4 minutos. Con una hora de grabación funcionaría, pero tardaría una hora y ocuparía mucho disco: para eso, primero corta el trozo que te interesa.

Privacidad

Todo pasa en tu ordenador. La transcripción usa un modelo local: tu audio no sale de la máquina, ni siquiera para transcribir, y una vez instalado funciona en avión.

Hay un motor de transcripción opcional (AssemblyAI) que es algo más preciso con audio malo. Ese sí sube el audio a un servidor externo y necesita una clave de pago. Está documentado, no está activado, y si lo pides se te avisa antes. Su clave, si la usas, va a .env.local, que nunca viaja con el kit.

Si usas Windows

Funciona igual, con dos avisos:

• —Al instalar Python, marca "Add python.exe to PATH" en la primera pantalla del instalador. Es el fallo más común de todos.
• —ffmpeg se instala dentro del kit, no en el sistema: no hace falta winget, ni tocar variables de entorno, ni permisos de administrador.

Cuánto ocupa

Para desinstalarlo del todo: borra la carpeta del kit. Lo único que queda fuera es el modelo de voz, en la caché de tu usuario.

Si el vídeo se corta a mitad

No se pierde nada. Cada paso escribe su resultado, y proyecto.json guarda por dónde iba. Al volver, dile "continúa el vídeo" y sigue por el primer paso que falte.

Cómo se cobra esto (rangos de mercado 2026)

Si editas para otros: edición de un vídeo vertical corto 25-60 €, paquete de 8 vídeos al mes 250-500 €, gestión completa de contenido vertical (edición + publicación + miniaturas) 600-1.500 €/mes. Un clip que a mano son 40 minutos aquí son 3 de trabajo tuyo, y ahí está el margen. El precio lo pones tú.