3h 20m
Metraje bruto
→ objetivo: 20 min vlog
-90%
Compresión IA
▲ 8 segmentos seleccionados
3
Formatos de salida
YT · Reels · Twitter/X
55%
Retención objetivo
▲ +7pp vs benchmark canal
~4h
Tiempo total pipeline
▼ vs 12h edición manual
Pipeline de 6 capas — estado actual
✓
Capa 1 · Captura
Screen Studio + cámara. Raw .mp4 de 3h 20min. Audio extraído con FFmpeg (-ar 16000).
→
✓
Capa 2 · Claude
Transcripción Whisper + Claude: 8 segmentos clave, EDL generado, dead-air marcado.
→
3
Capa 3 · FFmpeg
Cortes deterministas, normalización audio (-16 LUFS), proxy 960p para edición rápida.
→
4
Capa 4 · Remotion
Overlays de marca, lower thirds, animaciones de datos de neurociencia, intro 5s.
→
5
Capa 5 · ElevenLabs
Narración intro con voz clonada de Marcos, música lo-fi fal.ai, SFX transiciones.
→
6
Capa 6 · Descript
Pacing final, captions auto, corrección color, export por plataforma.
Timeline del metraje bruto (3h 20min)
S1
S2
S3 Demo Notion
✂️ CORTAR — preguntas/tangentes
S4 Caso éxito
S5 CTA
0:0040:001:20:002:00:002:40:003:20:00
Edit Decision List — Claude output
| # | Segmento | Inicio | Fin | Duración | Acción |
|---|---|---|---|---|---|
| 01 | Intro cámara | 00:00:00 | 00:01:30 | 1:30 | KEEP |
| 02 | Def. método 90-90-1 | 00:04:45 | 00:12:00 | 7:15 | KEEP |
| 03 | Los 3 pilares pizarra | 00:14:10 | 00:20:30 | 6:20 | TRIM |
| 04 | Setup Notion en vivo | 00:28:20 | 00:42:00 | 13:40 | TRIM |
| 05 | Tangentes filosofía | 01:02:00 | 02:10:00 | 68:00 | CORTAR |
| 06 | Caso Laura García | 02:11:30 | 02:24:00 | 12:30 | KEEP |
| 07 | Demo resultado +60 días | 02:25:00 | 02:30:00 | 5:00 | B-ROLL |
| 08 | Cierre + CTA curso | 02:45:10 | 02:48:30 | 3:20 | KEEP |
Resumen Claude:
Segmentos KEEP + TRIM = 19:55 min — dentro del objetivo 18-22 min. Eliminar 68 min de tangentes reduce sin perder el arco de transformación del viewer.
FFmpeg — Comandos generados (Capa 3)
Extraer segmento SEG_02 — Definición método
ffmpeg -i ep47_raw.mp4 \
-ss 00:04:45 -to 00:12:00 \
-c copy segments/seg_02_definicion.mp4
Normalizar audio (LUFS -16 broadcast)
ffmpeg -i segments/seg_02_definicion.mp4 \
-af loudnorm=I=-16:TP=-1.5:LRA=11 \
-c:v copy segments/seg_02_norm.mp4
Concatenar todos los segmentos → vlog_assembled.mp4
# 1. Generar lista
for f in segments/*.mp4; do
echo "file '$f'"; done > concat.txt
# 2. Montar
ffmpeg -f concat -safe 0 \
-i concat.txt -c copy vlog_assembled.mp4
Reencuadre para Reels (16:9 → 9:16)
ffmpeg -i vlog_assembled.mp4 \
-vf "crop=ih*9/16:ih,scale=1080:1920" \
reels_9x16.mp4
Remotion — Overlays programables (Capa 4)
NeuralLowerThird.tsx — Lower third marca
import { AbsoluteFill, Sequence, Video,
spring, useCurrentFrame } from "remotion";
export const VlogEp47: React.FC = () => {
const frame = useCurrentFrame();
// Slide-in lower third en frame 45
const x = spring({ frame: frame - 45,
fps: 30, from: -300, to: 0 });
return (
<AbsoluteFill>
<Sequence from={0} durationInFrames={1800}>
<Video src="/segments/seg_02_norm.mp4" />
</Sequence>
<Sequence from={45} durationInFrames={150}>
{/* Lower third: Marcos Díaz, Neuro Habits */}
<LowerThird style={{transform: `translateX(${x}px)`}} />
</Sequence>
</AbsoluteFill>
);
};
Componentes Remotion
✦
NeuralLowerThird — speaker ID✦
DataOverlay — stats neurociencia✦
BrandIntro5s — logo animado✦
ProgressBar — tracking 90 díasRender
npx remotion render
src/VlogEp47.tsx → output_1080p.mp4
@30fps · CRF 18 · H.264
ElevenLabs + Formatos de salida (Capas 5-6)
🎙️ Narración intro — Voz clonada "Marcos AI" (ElevenLabs)
"¿Qué pasaría si te dijera que con solo 90 minutos al día, durante 90 días, podrías conseguir el objetivo que llevas años posponiendo? Eso es exactamente lo que vamos a explorar hoy en Neuro Habits Academy."
Modelo: eleven_turbo_v2_5
·
Stability: 0.55
·
Similarity: 0.80
Formatos de export finales
▶️
YouTube Vlog
1920×1080 · 16:9 · H.264 · ~20 min · 8 Mbps
📱
Short / Reels
1080×1920 · 9:16 · 60 seg · clip neurociencia más viral
🟥
Twitter/X clip
720×720 · 1:1 · 45 seg · la stat de neurociencia clave
KPIs objetivo — proyección post-publicación
55%
Retención YT
Objetivo · actual: 48%
5%+
CTR thumbnail
Objetivo · actual: 3.8%
500
Shares 48h
Objetivo · actual avg: 210
Hipótesis de mejora de retención
Al eliminar 68 min de tangentes filosóficas (Segmento 05), el arco narrativo queda limpio: hook → método → demo → prueba social → CTA. La estructura de 3 actos en 20 min maximiza la retención vs el metraje original sin editar.
Stack — qué hace cada herramienta
| Herramienta | Capa | Rol en ep.47 | Auto |
|---|---|---|---|
Claude Code Organización |
2 | Transcripción Whisper + EDL, 8 segmentos priorizados | ✓ |
FFmpeg Cortes deterministas |
3 | Batch cuts, loudnorm, proxy, reframe 9:16 y 1:1 | ✓ |
Remotion Composición código |
4 | Lower thirds, data overlays, intro 5s animada marca | ✓ |
ElevenLabs Voz + audio |
5 | Narración intro con voz clonada "Marcos AI" | ✓ |
fal.ai Assets generativos |
5 | Thumbnail YT, música lo-fi, SFX transiciones | ✓ |
Descript Pulido final |
6 | Captions, pacing humano, color, export multi-plat. | ✗ |
Principios del pipeline aplicados a ep.47
✂️
Editar, no generar
El workflow trabaja sobre los 3h 20min de Marcos, no genera vídeo desde cero. El valor está en comprimir y estructurar.
🗺️
Estructura antes de estilo
Claude define el arco narrativo (EDL) antes de abrir Remotion o Descript. El story primero, los overlays después.
⚙️
FFmpeg es la columna vertebral
Batches automatizados de cortes, normalización de audio y reencuadres. Aburrido pero crítico. Donde el metraje largo se vuelve manejable.
🔄
Remotion para repetibilidad
Los overlays de Neuro Habits son componentes reutilizables. El ep.48 heredará todos los templates sin rehacer nada.
🎯
Generar solo lo que no existe
ElevenLabs solo para el intro (no hay toma limpia). fal.ai solo para thumbnail y música de fondo. No para todo.
👁️
El gusto es la última capa
Marcos revisa el ensamblado en Descript. La IA libera el trabajo repetitivo. Las decisiones finales de ritmo y color las toma él.