En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)

Claude Code desglosó un TikTok ajeno fotograma a fotograma y creó el suyo por $16

Claude no ve vídeos con ojos humanos: lee fotogramas y palabras. Por eso, el autor del canal primero descargó un TikTok ajeno, extrajo los subtítulos y pidió un análisis del montaje fotograma a fotograma, en lugar de tomar una imagen por segundo. El resultado fueron 46 cortes y una receta dividida en tres listas. Con ella, Claude Code con Opus 5.5 creó un nuevo vídeo mediante código, sin modelos de vídeo, por unos $16 en coste equivalente de API.

Procesado por IA desde TG: @tekhnocafe (Технокафе / Вайбкодинг / AI-агенты); editado por Hamidun News
Claude Code desglosó un TikTok ajeno fotograma a fotograma y creó el suyo por $16
Fuente: TG: @tekhnocafe (Технокафе / Вайбкодинг / AI-агенты). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @tekhnocafe (Технокафе / Вайбкодинг / AI-агенты) ↗
Editor jefe
Dato clave #1Un fotograma por segundo pierde el movimiento: una tarjeta entra volando en 4 fotogramas
La receta se divide en tres listasqué aprovechar, qué cambiar y qué dejar intacto
Dato clave #3El renderizado tardó 3+ horas, así que las correcciones se hacen sobre fotogramas estáticos

Una situación conocida: tienes un vídeo en la cabeza, pero no consigues explicarlo con palabras. El encargo queda impreciso, y el resultado también. El autor del canal de Telegram Technocafe optó por otro camino: mostró al agente un vídeo de referencia terminado y le pidió que desglosara cómo estaba hecho.

La referencia fue un TikTok de @vibecodingiseasy publicado el 28 de octubre sobre cómo crear vídeos con código. Tiene 133 mil visualizaciones y casi 5 mil guardados, así que el formato parece funcionar claramente.

Claude no ve vídeos: lee fotogramas

Una salvedad importante: Claude no percibe los vídeos como una persona. Tiene acceso a fotogramas y texto. Por eso, pegar un enlace y preguntar qué contiene no funciona. El orden es este: primero descargar el vídeo, después extraer los subtítulos y solo entonces pedir el análisis. El modelo recibe así dos puntos de apoyo: imágenes y palabras vinculadas a marcas de tiempo.

El análisis identificó 46 cortes, un cambio de plano aproximadamente cada tres segundos y un diálogo en el que las preguntas de uno de los personajes expresan las objeciones del espectador. Ya no es simplemente un «vídeo bonito», sino una estructura que se puede reproducir.

El principal error: un fotograma por segundo

La tentación más habitual es extraer un fotograma por segundo y montar una hoja de contactos. Para las imágenes estáticas basta; para el movimiento, no. Una tarjeta del vídeo analizado entra volando en solo cuatro fotogramas, y su recorrido sencillamente no aparece en esa hoja. El modelo detecta que la tarjeta ha aparecido, pero no cómo.

Por eso, la instrucción debe exigir expresamente un análisis de cada transición fotograma a fotograma: qué se mueve, desde dónde, en cuántos fotogramas y con qué palabra coincide. Para una animación creada con código, esos parámetros son casi una especificación completa: dirección, duración y sincronización con la locución.

Después, el análisis se convierte en tres listas: qué aprovechar, qué cambiar y qué dejar intacto. El autor lo subraya: se copia la receta, no el vídeo. Las imágenes del creador original siguen siendo suyas.

Flujo de trabajo y coste

El orden importa porque los errores salen caros. Primero la locución, después un fotograma estático de cada escena y, solo tras las correcciones, el renderizado. Renderizar este vídeo llevó más de tres horas, así que detectar una escena mal resuelta en una imagen resulta mucho más barato que hacerlo en el archivo terminado.

Claude Code con Opus 5.5 se encargó del guion, las escenas 3D y el montaje. Según la estimación del autor, supuso unos $16 en coste equivalente de API y el 1,6% del límite semanal. No se usaron modelos de vídeo ni generación de imágenes: cada fotograma se dibujó con código en su propio motor js-film. Las voces se crearon en ElevenLabs; unos 2600 caracteres costaron aproximadamente $0,30. El resultado fue un vídeo en el que Claude y Codex discuten.

Qué puedes aplicar a tus proyectos

Si haces vídeos promocionales, demos o explicativos, puedes trasladar el proceso completo: descargar una referencia, extraer los subtítulos, exigir un análisis del movimiento fotograma a fotograma, dejar por escrito las tres listas y solo entonces programar. La misma técnica sirve para animaciones de interfaces: en lugar de describir algo que «entra suavemente», das al agente cantidades concretas de fotogramas y una sincronización con las palabras.

También hay limitaciones. Los costes y el consumo del límite son estimaciones del propio autor, no mediciones independientes, y dependen del plan. El motor js-film es propio; la publicación no ofrece un equivalente listo para usar. Un renderizado de tres horas encarece las iteraciones, de modo que los fotogramas estáticos son imprescindibles. Conviene copiar la estructura, no los materiales: no se pueden tomar las imágenes, la voz ni la música de otros. Por último, la publicación dirige a un club de pago, así que es mejor comprobar los detalles en un proyecto propio.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Claude no ve vídeos: lee fotogramas?

Una salvedad importante: Claude no percibe los vídeos como una persona. Tiene acceso a fotogramas y texto. Por eso, pegar un enlace y preguntar qué contiene no funciona. El orden es este: primero descargar el vídeo, después extraer los subtítulos y solo entonces pedir el análisis. El modelo recibe así dos puntos de apoyo: imágenes y palabras vinculadas a marcas de tiempo.

¿Qué se sabe sobre El principal error: un fotograma por segundo?

La tentación más habitual es extraer un fotograma por segundo y montar una hoja de contactos. Para las imágenes estáticas basta; para el movimiento, no. Una tarjeta del vídeo analizado entra volando en solo cuatro fotogramas, y su recorrido sencillamente no aparece en esa hoja. El modelo detecta que la tarjeta ha aparecido, pero no cómo. Por eso, la instrucción debe exigir expresamente un análisis de cada transición fotograma a fotograma: qué se mueve, desde dónde, en cuántos fotogramas y con qué palabra coincide.

¿Qué se sabe sobre Flujo de trabajo y coste?

El orden importa porque los errores salen caros. Primero la locución, después un fotograma estático de cada escena y, solo tras las correcciones, el renderizado. Renderizar este vídeo llevó más de tres horas, así que detectar una escena mal resuelta en una imagen resulta mucho más barato que hacerlo en el archivo terminado. Claude Code con Opus 5.5 se encargó del guion, las escenas 3D y el montaje. Según la estimación del autor, supuso unos $16 en coste equivalente de API y el 1,6% del límite semanal.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…