Qué obtienes

  • Un explicativo en MP4 de 45 a 120 segundos en 16:9, 9:16 o 1:1, con narración y subtítulos incrustados
  • Archivos de subtítulos en SRT y WebVTT, sincronizados con las palabras habladas
  • Un proyecto HyperFrames editable con el guion, el storyboard, las fuentes y los archivos de tiempo
  • Una hoja de contacto del storyboard para aprobar antes de pagar nada
  • Un informe de control de calidad sobre sincronía de subtítulos, ritmo, silencios, fuentes y volumen

Ideal para

  • Explicar cómo funciona un producto, un proceso o una idea
  • Convertir un artículo o un informe en un vídeo de un minuto
  • Historias de datos para informes, actualizaciones de equipo y presentaciones
  • Lecciones de cursos y de incorporación en varios idiomas

No es para

  • Vídeos de más de dos minutos; mejor una serie de vídeos cortos
  • Vídeos con presentador hablando a cámara, rodados o con avatar
  • Afirmaciones que nadie puede documentar

Cómo usarlo

En Claude o ChatGPT

Usa el skill de PopNow «Vídeo explicativo narrado» (narrated-explainer) para esto: Convierte esta entrada del blog en un explicativo de pizarra de 90 segundos en español, 16:9, con subtítulos.

En un agente de programación

/popnow-narrated-explainer Convierte esta entrada del blog en un explicativo de pizarra de 90 segundos en español, 16:9, con subtítulos.

Luego prueba

Usa una voz más cálida y ralentiza un poco el segundo capítulo.

Haz un corte 9:16 para redes con la misma voz y los mismos subtítulos.

Qué tener a mano

  • El tema, el artículo, el documento o los datos, con sus fuentes
  • Idioma, duración, estilo y relación de aspecto
  • Node.js 22+, FFmpeg y Python 3; HyperFrames se ejecuta con npx
  • Una clave de API de PopNow para la locución, o tu propia narración grabada

Skills similares

Ver todos →

Preguntas

¿El vídeo lo hace un modelo de vídeo con IA?

No. Las escenas son HTML, CSS y GSAP que escribe tu agente, renderizados fotograma a fotograma a MP4 con HyperFrames, así que el texto se mantiene nítido y todo sigue siendo editable. PopNow aporta la voz, la temporización de palabras, una base musical opcional y las imágenes de recorte de papel opcionales.

¿Qué idiomas admite?

Inglés, chino simplificado y tradicional, japonés, coreano, alemán, francés, español, portugués de Brasil, ruso, italiano y polaco. Cada uno tiene su propia velocidad de habla para planificar y su propia longitud de línea de subtítulo. Las locuciones en chino se temporizan a partir del propio audio, porque el modelo de transcripción no cubre el chino.

¿Puedo narrarlo yo mismo?

Sí. Graba un archivo por capítulo y el skill temporiza tu grabación igual que temporiza una voz generada. Solo usa voces predefinidas o tu propia voz, y nunca imita a una persona real.

¿Cuánto cuesta un vídeo?

Unos 21 créditos por una versión ligera de 60 segundos (voz y temporización de palabras), unos 110 por 90 segundos con tres pruebas de voz y música, y unos 53 más por cada imagen de recorte de papel. Cada paso se presupuesta antes de ejecutarse, y renderizar en tu equipo es gratis.

¿Cómo trata los datos y las cifras?

Cada afirmación y cada cifra va a un archivo de fuentes con una fuente que has leído o que aportó el usuario. El control de calidad falla con cualquier dato sin verificar o cualquier cifra sin afirmación; los gráficos empiezan en cero y muestran su fuente, y las fuentes aparecen en la tarjeta final.