Estudio de vídeo con IA para los primeros segundos de un anuncio
Una plataforma que genera hooks de vídeo con la cara y la voz del anunciante, orquestando modelos de texto, imagen, vídeo y voz con aprobación en cada paso.
- Sector
- Publicidad
- Encargo
- Producto propio, en prototipo
- Mi papel
- Producto, arquitectura y desarrollo
- Stack
- Python, FastAPI, Dramatiq, PostgreSQL, pgvector, Next.js, Claude, ElevenLabs, Kling
El problema
Los primeros segundos de un anuncio deciden si alguien sigue mirando. Grabar muchas variantes con la persona que da la cara cuesta tiempo y dinero, y quien hace campañas necesita probar muchas.
Qué decidí
- Aprobación entre pasos. El vídeo es la parte cara, así que no se genera hasta que el guion y la imagen están aprobados.
- Un juez visual con Claude que revisa cada imagen antes de gastar en vídeo.
- El consentimiento como parte del producto. El avatar se puede revocar, el consentimiento se guarda en un almacenamiento que no permite borrar y cada vídeo lleva la etiqueta de contenido generado con IA.
Qué construí
- Un “director” con salida estructurada que convierte un brief en escena y guion de locución, y rechaza peticiones con marcas de terceros o con menores.
- Una máquina de estados en PostgreSQL que orquesta los modelos de imagen, vídeo y voz y aguanta reinicios a mitad de proceso.
- Comprobación de parecido facial, montaje con ffmpeg normalizado a −14 LUFS y subtítulos.
- Registro del coste de cada hook aprobado.
Resultado
Prototipo desplegado desde septiembre de 2026. Los hooks con locución están validados y los de persona hablando a cámara, en pruebas. Cada hook aprobado cuesta entre 4 y 8 $ en modelos.