¿Claude crea vídeos e imágenes? Así lo hace QuQi

La respuesta corta: no por sí solo. Claude es un modelo de lenguaje. Escribe, razona y programa, y en una conversación puede esbozar diagramas y gráficos en HTML y SVG. No pinta fotos como lo hace un modelo de imagen, y no tiene un botón que convierta un prompt en un MP4.

La respuesta larga es más interesante. Dale a Claude una máquina propia y la situación cambia. Con un navegador, un terminal y ffmpeg, puede diseñar una imagen como una página web y guardarla como archivo de imagen. Puede animar esa página fotograma a fotograma y codificar los fotogramas como vídeo. Y para lo poco que el código no puede dibujar, como una voz humana o una foto realista, puede pedir ayuda a modelos creados justo para eso.

Así es como QuQi hace ahora cada vídeo, imagen y carrusel para sus clientes. Este artículo levanta el capó: qué es esa máquina, qué hace Claude en ella y por qué los resultados parecen obra de un diseñador y no de un generador de un solo intento.

Lo que hace un modelo solo y lo que añade una máquina

La diferencia se ve mejor frente a frente.

Todo lo que hay en la columna de la derecha depende de una sola cosa: una máquina real en la que el modelo pueda trabajar.

La pieza que falta es una máquina

QuQi ejecuta Claude a través de Boxline, un servicio que da a un agente de IA una máquina aislada en la nube con un navegador, un terminal y un disco. Cada pieza se hace en una máquina limpia y propia, así que nada del trabajo de un cliente queda nunca junto al de otro.

En la máquina están las herramientas que tendría el portátil de un diseñador de motion graphics, menos el ratón:

• Chrome, que Claude maneja directamente para abrir sitios web, componer diseños y capturar fotogramas. Incluso puede ejecutar escenas 3D sencillas para una toma de producto.
• Un terminal con Python y Node, para escribir y ejecutar su propio código.
• ffmpeg para codificar vídeo, e ImageMagick para inspeccionar y preparar imágenes.
• Un disco de trabajo donde vive cada archivo de la pieza: las notas de investigación, el plan, las escenas, el sonido y los renders.

Lo que la máquina nunca guarda es una clave de nada. Cuando Claude necesita una voz, una pista de música, un clip de stock o una toma generada, se lo pide a QuQi con una pequeña herramienta de línea de comandos, y QuQi hace el pedido con sus propias cuentas. Cada pieza tiene un tope de lo que puede encargar, así que el agente no puede gastar más de lo que la pieza permite.

Qué hay en la máquina cuando arranca

Antes de que Claude empiece, QuQi deja cuatro cosas en el disco.

• RULES.md, las normas de la casa. Empieza por el negocio, con su contexto y su kit de marca ya escritos, y después expone lo que necesita el cliente y sus instrucciones. Claude tiene que leerlo antes de poder encargar nada.
• Una carpeta de marca con el perfil de empresa, el logotipo y capturas de pantalla del sitio web.
• Una biblioteca de habilidades de oficio: guías escritas de técnica de vídeo y de diseño, que cubren vídeos de producto, b-roll animado, vídeos explicativos, estructuras de anuncios cortos y sonido, además de una sobre cómo revisar una pieza antes de renderizarla.
• El comando quqi, su única línea con el exterior. Lee las normas, responde preguntas sobre el negocio, lista los productos de la tienda, recibe el plan, encarga recursos, mide las escenas y revisa el archivo terminado.

Fíjate en lo que no está en la lista. QuQi no pasa piezas ya hechas: ni plantillas, ni kits, ni archivos de sonido, ni imágenes elegidas de antemano. Todo lo que hay en la pieza final se elige o se crea para esa única petición.

Una ejecución, paso a paso

Supongamos que una tienda pide un vídeo corto sobre su oferta de primavera. Este es el camino que sigue Claude desde la petición hasta el archivo terminado.

1. Leer las normas. El primer comando es quqi rules. No se puede encargar nada antes.
2. Investigar. Claude abre en Chrome la página de inicio de la tienda y cualquier página que nombre la petición, lee el perfil de empresa, lista los productos de la tienda y puede hacerle a QuQi hasta 12 preguntas sobre el negocio. Escribe lo que ha aprendido en un archivo de investigación. Sin archivo de investigación, no hay encargos.
3. Elegir la técnica. Abre al menos tres guías de técnica para un vídeo (dos para una imagen o un carrusel), y la guía para revisar su trabajo.
4. Planificar. Escribe un plan que indica, para cada escena, de dónde sale la imagen (el sitio web, stock, un clip generado o su propio código) y por qué. El plan también enumera las técnicas elegidas, explica por qué encajan con este negocio y dice en qué se diferenciará la pieza de las tres últimas de la marca. QuQi revisa el plan y lo devuelve si, por ejemplo, Claude nunca llegó a abrir el sitio web.
5. Construir. Cada escena es una página HTML con una función capaz de dibujar cualquier momento de ella. El texto va en las fuentes de la propia marca, y QuQi recorta las fotos de producto para que queden limpias sobre el diseño.
6. Sonido. Una toma de voz, una pista de música de fondo y una serie de efectos de sonido que Claude corta y coloca él mismo. Los subtítulos se sincronizan con los tiempos de cada palabra de la voz y, si habla un presentador, los labios se sincronizan solo durante los segundos en cámara.
7. Medir. quqi measure abre cada escena en Chrome al tamaño final e informa del texto demasiado pequeño, las letras que se tocan, las líneas apretadas, las palabras fuera de la zona segura, un logotipo demasiado pequeño para leerse y cualquier cosa estirada o cortada. Claude corrige lo que señala.
8. Renderizar. Recorre cada escena fotograma a fotograma y ffmpeg codifica el resultado una sola vez, con la configuración que piden las plataformas: vídeo H.264 a 30 fotogramas por segundo con sonido AAC.
9. Revisar y entregar. quqi check se ejecuta sobre el vídeo terminado; después, QuQi pasa sus propias comprobaciones y deja la pieza en el Studio del cliente.

Una imagen sigue el mismo camino sin el sonido ni los fotogramas: Claude la diseña como una página, la mide y la guarda como PNG. Un carrusel hace lo mismo con cada diapositiva.

Por qué el diseño es una página web

Sería más rápido pedirle a un modelo de imagen “una publicación de Instagram sobre una oferta de primavera”. Entonces, ¿por qué tomar el camino largo? Porque un navegador es el tipógrafo más preciso que la mayoría de nosotros tendrá nunca, y construir sobre él aporta cuatro cosas que un generador de un solo intento no puede prometer.

• Texto real. Las palabras son texto, no un dibujo de un texto, así que están bien escritas y van en la fuente de la propia marca.
• Diseño medible. Un navegador conoce la posición y el tamaño exactos de cada caja de la página. Eso es lo que hace posible una revisión automática del diseño.
• Fotogramas repetibles. El mismo momento de una escena siempre se dibuja igual, así que una corrección puede volver a renderizar solo sus propios segundos en lugar de todo el vídeo.
• Ediciones, no repeticiones. Cambiar una palabra cambia una palabra. Nada más se mueve en la página salvo que deba hacerlo.

Los medios generados siguen teniendo su sitio, pero pequeño. Una imagen o un carrusel lleva como mucho una foto generada, y solo realista. Un vídeo lleva como mucho un clip generado, nunca una imagen fija generada en pantalla, y el stock se limita a alrededor de un tercio del metraje. El resto es animación hecha por el propio Claude.

Las reglas pesan más que los prompts

Un agente con una máquina puede hacer mucho, y por eso las reglas importan más que cualquier petición concreta. Algunas se aplican a todas las piezas que hace QuQi:

• Los colores, las fuentes y el logotipo de la marca mandan sobre cualquier estilo que se nombre en una petición.
• Ni famosos, ni dobles, ni el logotipo de otra marca.
• Nada de desconocidos de stock presentados como gente del propio negocio.
• Las afirmaciones se copian palabra por palabra del negocio, matices incluidos.
• La tarjeta de cierre es el logotipo con el sitio web debajo, y nada más.
• En un vídeo vertical, ninguna palabra en la décima parte superior ni en la quinta parte inferior del encuadre, donde las apps ponen sus propios botones.

Una regla pequeña que nos gusta especialmente: todas las voces pronuncian QuQi como “Q-Kee”, y todas las palabras escritas lo siguen escribiendo QuQi.

Quién revisa el trabajo

No hay una segunda IA corrigiendo los deberes de la primera. Claude es su propio revisor, y revisa con números. Las reglas tipográficas son concretas: no más de cuatro tamaños, cada uno al menos una cuarta parte mayor que el siguiente, en los titulares un espaciado entre letras que nunca se cierra más de un 2 %, y un interlineado dentro de márgenes fijados para los titulares y para el cuerpo de texto.

Después, QuQi revisa el resultado desde fuera. Una pieza se devuelve una vez si su revisión no muestra mediciones, si la duración de un vídeo no se ajusta a lo pedido, si la imagen sigue después de la voz o si una herramienta de transcripción entiende menos de la mitad de las palabras habladas.

Tres niveles de calidad, todos con Claude

Los clientes eligen entre Standard, Normal y High quality. Los tres funcionan con Claude. Lo que cambia entre ellos es el cuidado que se pone en el diseño, la filmación y la revisión: Standard es más rápido y cuesta menos, y High quality es el más cuidadoso, para las piezas que más importan. Las imágenes y los carruseles empiezan en High quality, y los vídeos en Normal. Todas las ejecuciones trabajan con el razonamiento de Claude en nivel alto.

Las ediciones se hacen en la misma máquina

Cuando se entrega una pieza, su máquina no se tira. Se detiene y se conserva durante dos días, con todos sus archivos, y cada edición entregada suma dos días más. Pide un cambio y Claude retoma el trabajo donde lo dejó. Si solo cambia el sonido, el nuevo sonido se mezcla sobre la imagen ya renderizada, sin fotogramas nuevos. Si cambia una escena, solo se reconstruyen sus segundos. El cliente solo paga lo que ha cambiado.

Cómo se hicieron las imágenes de este artículo

Usamos la misma idea para esta página. La portada, el diagrama de la máquina y la ejecución de arriba empezaron como archivos HTML, que abrimos en Chrome en modo headless y guardamos como imágenes. No intervino ningún modelo de imagen, y por eso todas sus etiquetas están bien escritas. Nuestros otros artículos sobre vídeo con IA para redes sociales y sobre imágenes y carruseles fieles a tu marca se ilustraron de la misma forma.

Preguntas frecuentes

¿Claude puede generar imágenes?

No como píxeles a partir de un prompt, como hace un modelo de imagen. Puede escribir el HTML, el SVG o el código que dibuja una imagen y, con un navegador en una máquina, puede renderizar ese código como un archivo de imagen real. Así es como QuQi hace imágenes y carruseles.

¿Claude puede hacer vídeos?

No por sí solo, porque no tiene un modelo de vídeo. Con una máquina, sí: construye cada escena como una página web animada, captura los fotogramas en un navegador y los codifica con ffmpeg. Los modelos especializados ponen la voz, la música y, como mucho, un clip generado.

¿Qué es Boxline?

Boxline es un servicio que da a los agentes de IA sus propias máquinas aisladas en la nube, cada una con un navegador, un terminal y un disco. QuQi lo usa para que cada pieza tenga una máquina limpia y propia, que se conserva dos días después para las ediciones.

¿Necesito una cuenta de Claude o de Boxline para usar esto?

No. QuQi se encarga de todo. Pides un vídeo, una imagen o un carrusel en el Studio o en un chat, y pagas en créditos de QuQi lo que la pieza use de verdad.