Si le pides a la IA que haga un video promocional de un producto, es posible que piense en este proceso:

Le da a AI una introducción del producto → AI genera varias imágenes → acompañado de música → exportar video.

Pero las personas que realmente han hecho un video de producto,"Ser capaz de generar un video " y" ser capaz de hacer un producto decente " son dos cosas diferentes.

Lo que es realmente difícil con el video de producto no es solo la animación, sino cómo organizar la página del producto, el lenguaje de la toma, el diseño visual, el ritmo, el sonido y la postproducción en un proceso de producción completo.

Proyectos de código abierto que hemos visto recientemente Video-ShootcraftY eso es lo que está tratando de resolver.

No es un simple generador de video, sino una biblioteca de habilidades de producción de video de producto cinematográfico para Claude Code, Codex y otros agentes de IA: una gran cantidad de movimiento de disparo maduro en una receta de disparo reutilizable, y luego cooperar con la implementación de Remoción, plantilla de video completa, materiales de efectos de sonido y flujo de producción, para que el agente de IA no solo "escriba código para hacer animación", sino que puede completar el video del producto de acuerdo con un conjunto relativamente completo de métodos de producción de películas y televisión.

Hasta ahora, el proyecto ha incluido un 152 tarjetas de recetas de lentes, 209 vistas previas en movimiento, 209 estilos de movimiento y un conjunto completo de plantillas de video ejecutables。El repositorio GitHub ha recibido más de 6200 estrellas y tiene más de 500 fork.

Video-shotcraft Repositorios GitHub

---

I. ¿Qué problemas resuelve exactamente?

La producción de video de producto tradicional, aproximadamente se puede dividir en varias etapas:

Comprensión del producto → Creatividad → Styleframe → Espectral → Recopilación de material → Animación → Sonido → Clip → Renderizado → QA

Cualquier enlace no se hace bien, y el efecto final se reducirá.

Por ejemplo:

• La captura de pantalla del producto es falsa, y el espectador puede verlo de un vistazo;
• La animación es deslumbrante, pero no destaca las funciones del producto;
• No hay ritmo entre las tomas;
• BGM y la imagen no tienen puntos de tarjeta;
• SFX se agrega al azar, y el sonido se vuelve barato;
• Todos los elementos están en movimiento, sin "pausa " y" respiración ";
• El sistema de diseño de las fuentes, los colores y el producto en sí es completamente inconsistente.

Por lo tanto, el verdadero problema no es:

"¿Puede hacer una animación? "

sino que:

¿Puede la IA entender el producto y elegir el lenguaje de disparo adecuado para vincular todo el proceso de producción de video?

La idea de video-shotcraft es bastante interesante:En lugar de que el agente invente la animación desde cero cada vez, le da un conjunto de "lenguajes de toma" que puede recuperar, combinar y reutilizar.

---

Convierte la experiencia de producción de video en una receta de disparo

El diseño más central de video-shotcraft es Shot Recipe.

Actualmente, el proyecto ha reunido 152 tarjetas de recetas de lentes, cada una de las cuales no le dice simplemente a la IA:

"Hacer una animación de vuelo ".

En lugar de estructurar la información clave que necesita un disparo, que incluye:

• Uso de lente
• Emociones y energía
• Duración recomendada
• Parámetros de animación
• Modo de implementación
• Precaución
• Demo de Remoción
• Preview dinámico

En realidad, esto es algo muy importante:

El "conocimiento de diseño de movimiento", que originalmente se basa en la experiencia del diseñador, se convierte en una base de conocimiento que el agente puede llamar.

Por ejemplo, un disparo de una presentación de características de producto puede requerir:

Aparición de la página → Tarjeta de vuelo → Alineación → Avance de lente → Enfoque del cuerpo → Información de estancia

Si el LLM se deja jugar por sí solo, es fácil que surja:

Zoom + Rotación + Iluminación + Partículas + Rebote + Blur + Camera Shake...

Parece "muy AI", pero no necesariamente avanzado.

Y el papel de la receta de disparo, es decirle al agente:

¿Qué gramática de movimiento debe usar este escenario y cómo debe implementarse este movimiento?

Esto es muy similar a un programador que llama a una biblioteca de componentes.

Anteriormente era:

Escribir animación desde cero.

Ahora se convierte:

Seleccione un lenguaje de movimiento → Ajuste de parámetros → Adaptarse al material del producto de la biblioteca de lentes.

---

¿Por qué eligió Remoción?

La implementación de video subyacente de video-shotcraft utiliza Remoción。

La idea central de Remotion es usar React / TypeScript para describir el video.

Esto es muy importante para los agentes de AI.

Muchas operaciones en el software de video tradicional son:

Línea de tiempo → arrastrar → ajustar parámetros → vista previa → ajustar de nuevo.

Y para el agente de codificación, la forma más natural de trabajar es:

Leer código → Modificar parámetros → Renderizar → Comprobar → Modificar de nuevo.

Por lo tanto, Remotion es muy adecuado como una capa de ejecución de vídeo para el agente de IA.

La demostración de video-shotcraft es una implementación TSX en sí misma, y una gran cantidad de animación utiliza un estándar de t(Progresión normalizada) para conducir.

Por lo tanto, una toma puede ser abstraída como:

Material de entrada + parámetros de animación + progreso de tiempo → pantalla de salida

Esto hace que la "lente " sea un activo programable.

---

Cuarto, el punto más notable: la página del producto real, en lugar de la interfaz de usuario de la mano de la IA

Este es uno de los principios de diseño más valiosos que considero para el video-shotcraft.

El proyecto enfatiza explícitamente:

Reproducir una página existente debe usar capturas de pantalla reales.

Dicho esto, si el video está presentando un producto SaaS, no debería permitir que la IA repintara un Dashboard que "se parezca".

Lo que es correcto:

Página de producto real → Automatización del navegador → Captura de pantalla HD → Materiales de nivel elemental → Espejo de remoción

El proceso de producción del proyecto inicia el servidor de desarrollo local del producto, luego utiliza un navegador sin cabeza para recopilar páginas y obtener más datos sobre la textura de la página y la ubicación de los elementos.

Hay un beneficio muy obvio de hacerlo:

El producto en el video es realmente el producto que el usuario está utilizando.

Esto aumenta enormemente la credibilidad del video del producto.

---

V. 2.5D: ¿Por qué las capturas de pantalla de los productos también pueden tener una "sensación cinematográfica "?

Si solo hay una captura de pantalla de página web, la práctica común podría ser:

Zoom → Zoom → Mover a izquierda y derecha.

Pronto se convertirá en un PPT.

El método de video-shotcraft se acerca más a la fotografía 2.5D.

Una página web se puede entender en muchas capas visuales diferentes:

Camera
  │
  ├── Background
  │
  ├── Page
  │    ├── Header
  │    ├── Content
  │    └── Cards
  │
  └── Foreground

Luego pasa por:

• Cámara Zoom
• Pan
• Orbita
• Perspectiva
• Profundidad
• Parallax
• Rotación

Da una sensación de espacio a la página original plana.

Por ejemplo:

La lente primero ve toda la página → avanza lentamente → el área principal entra en el centro visual → el contenido circundante produce una ligera paralaje → y finalmente se detiene en la función central del producto.

En este momento, lo que el espectador ve ya no es una "captura de pantalla de página web ", sino más como una cámara que está filmando un espacio de producto real.

---

El verdadero "cinema ", no más efectos especiales.

Hay una frase en el principio de diseño del proyecto que vale la pena prestar atención:

La sensación de la película proviene de la combinación de espejos, luces y sombras, ritmo y sonido, en lugar de animación de demostración.

Esto es un pozo fácil de pisar en muchos videos de IA.

Es fácil pensar que:

Avanzado = más animación.

Por lo tanto:

• Cada elemento vuela;
• Cada elemento brilla;
• Cada palabra se toca;
• Blur se añade a cada transición;
• Cada disparo es Camera Shake.

El resultado a menudo es lo contrario.

Video-shotcraft enfatiza aún más:

Un tiro dice un movimiento.

Por ejemplo, una toma selecciona "volar en", entonces el vuelo en es el personaje principal de la toma.

En lugar de:

Fly In + Rotate + Luminescence + Partículas + Bounce + Shake.

Esta moderación es realmente muy cercana al enfoque tradicional del diseño de movimiento.

La sensación de superioridad a menudo viene de "hacer menos " en lugar de" añadir más ".

---

Otra clave: dejar que la imagen se detenga.

La IA tiene una tendencia natural a generar animaciones:

Sigue moviendo.

Porque para el modelo, "movimiento " parece significar" tener contenido ".

Pero los videos profesionales requieren mucho Hold.

Video-shotcraft tiene reglas muy claras para esto:

• Hold al menos 1 segundo después de que se establezca el logotipo de la marca;
• Después de la animación por lotes, dejar tiempo de reposo;
• El movimiento principal de apertura debe dar tiempo suficiente;
• El marco de descanso está reservado por adelantado en la línea de tiempo.

La razón es muy simple.

Si la imagen sigue moviéndose:

El público no tiene tiempo para entender el mensaje.

El ritmo real del vídeo del producto debe ser:

Acción → establecimiento → comprensión → siguiente acción

En lugar de:

Acción → Acción → Acción → Acción → Acción...

Por lo tanto, la pausa en sí misma es un diseño.

---

BGM no es solo música de fondo, sino línea de tiempo.

Otra parte muy interesante, es el manejo de Beat Sync por video-shotcraft.

Muchos de los llamados vídeos de "punto de tarjeta ", en realidad, son simplemente:

Anima cada fotogramas.

No es un verdadero punto de tarjeta musical.

La idea del proyecto es analizar primero la música en sí, incluyendo:

• BPM
• Fase
• Kick
• Snare
• Hi-hat
• Transiente

Esta información se asigna a una línea de tiempo de video.

Finalmente, el tiempo de disparo ya no se escribe simplemente:

0s
2s
4s
6s

Más cerca de:

beatF(1)
beatF(2)
beatF(4)
beatF(8)

Esto permite que:

Cambio de lente, Aparición de elementos, Mover de cámara, Impacto, SFX

Realmente sucede en los nodos rítmicos de la música.

El proyecto también propuso la idea de retrotestar el error de tangencia después de la representación, con el objetivo de controlar el error dentro de un rango de fotogramas pequeño.

Esto en realidad dice una cosa:

Los ritmos de vídeo también pueden ser diseñados.

---

Diseño de sonido: SFX no es "por último momento "

Muchos vídeos generados automáticamente ignoran el sonido.

De hecho, la misma imagen:

No hay voz.

y

Impact / Riser / Sparkle / UI Click de precisión

Son dos sentimientos.

Video-shotcraft incluso clasificó SFX por escena y material.

Actualmente el proyecto consta de 149 SFX y sigue:

• Transición
• Impacto
• Riser
• Cámara
• UI
• Texto
• Papel
• Película
• Luz
• Datos
• Sci-Fi
• Mecha
• Vidrio
• fluido
• Crowd
• Contra

Categorías de organizaciones.

Esta clasificación se asemeja al propio "dicionario de sonido " de un diseñador.

Por ejemplo:

Aparece el elemento UI → UI Sound
Papel de sonido
Impacto de lente → Impact
El efecto luminoso aparece → sparkle / light
Avance de la lente riser

El sonido se convierte en parte del lenguaje de la cámara.

---

Las 152 tarjetas de lente son solo "vocabularios", no espectros completos.

Este es un punto muy importante para entender el proyecto.

Shot Recipe no es igual a un video completo.

Es más como:

Vocabulario en el lenguaje cinematográfico.

Por ejemplo:

• Fly-in
• Stack
• Orbita
• Zoom
• Flip
• revelación
• spotlight
• Parallax

Esas son "palabras ".

El video real es:

Palabras → oraciones → párrafos → historias

Por lo tanto, video-shotcraft también ofrece una tubería de producción completa.

Espera que el agente entienda primero el producto:

产品是什么？
      ↓
最值得展示什么？
      ↓
视觉方向是什么？
      ↓
哪些功能适合哪些镜头？
      ↓
完整 Storyboard
      ↓
素材采集
      ↓
动画实现
      ↓
声音设计
      ↓
渲染
      ↓
QA

Esto es un nivel más alto que simplemente "dejar que la IA escriba el código de Remoción ".

---

XI, en realidad ofrece tres modos de creación

El proyecto no obliga a todos los videos a seguir el mismo proceso, sino que diseña tres modos.

1. Prensa de tinta

Esta es la ruta más adecuada para una película rápida.

El proyecto ofrece un conjunto completo de plantillas de video que han sido validadas:

• 36.2 El segundo
• 1920 × 1080
• 30fps
• 10 disparos
• Espejo de página 2.5D
• Tarjeta de título
• Transición
• SFX

El usuario solo tiene que decirle al agente:

Utilice la plantilla Ink Press de video-shotcraft para hacer una película promocional de mi producto.

y luego reemplazar:

• Captura de pantalla de producto
• Producto Copiar
• El logo
• Marca de color

Obtenga rápidamente un video estructurado.

---

2. Creación independiente y libre

Si no desea usar una plantilla fija, puede dejar que el agente decida:

• Estructura de video
• Dirección visual
• Selección de lente
• Material de procesamiento
• Audio
• El ritmo
• Realización final

Es más como:

Modo de director.

El usuario da el producto y el objetivo, y el agente realiza todo el enlace de creación por sí mismo.

---

3. Co-creación

Si desea participar en la toma de decisiones creativas, puede adoptar el modo de co-creación.

El agente se detiene en varios nodos clave:

Presentación del producto → Decisión de requisitos → Dirección visual → Mapeo de disparos → Storyboard

Luego es confirmado por el hombre.

Después:

Recopilación de materiales → Implementación remota → SFX → Render → QA

se entrega al agente para su ejecución.

Esto realmente resuelve un problema muy real:

No todas las decisiones deben tomarse por sí mismas.

La dirección creativa y los objetivos comerciales, a menudo requieren la participación de las personas.

Y la ejecución concreta puede ser altamente automatizada.

---

La galería es otro diseño muy inteligente para este proyecto.

Sería muy doloroso dejar que el usuario leyera directamente 152 tarjetas de lente Markdown.

Así que el proyecto ofrece una galería en línea

El usuario puede:

• Explorar las lentes;
• Ver Preview dinámico;
• búsqueda;
• Filtrar por categoría;
• Ver las diferentes variantes;
• Copiar el nombre de la tarjeta de disparo.

Galería de movimiento online

Este diseño en realidad pone:

¿Qué tipo de animación quiero? "

Se convierte en una cuestión de elección visual.

El usuario no necesita una descripción:

"Quiero uno que tenga un poco de sensación de espacio 3D, luego un rápido acceso desde el lado derecho y luego una pila de tarjetas ligeramente lentas ... "

Sólo se necesita:

"Esto es algo que quiero ".

Luego entrega el nombre de la tarjeta de disparo al Agente.

Esto es muy importante para que las personas colaboren con la IA.

---

De la "Ingeniería Prompt " a la" Ingeniería de Activos "

Creo que lo que más vale la pena prestar atención en video-shotcraft, en realidad no son 152 tarjetas de lente.

sino el método detrás de él:

No solo optimice Prompt, prepare los activos invocables de AI.

Flujos de trabajo tradicionales:

Prompt
  ↓
LLM
  ↓
代码
  ↓
结果

Y el video-shotcraft está más cerca de:

Product
   ↓
Knowledge / Rules
   ↓
Shot Recipes
   ↓
Reference Implementations
   ↓
Assets
   ↓
Agent
   ↓
Remotion
   ↓
Render
   ↓
QA

Esto es un tipo típico de Agente de Ingeniería Skill。

Las capacidades de la IA ya no dependen exclusivamente del modelo en sí mismo.

sino que:

Modelo + Herramienta + Conocimiento + Plantilla + Activos reutilizables + Reglas de aceptación

Juntos, constituyen la capacidad final.

---

¿Por qué este modelo puede ser más práctico que "AI generar video con un solo clic "?

Muchas herramientas de video de AI ahora enfatizan:

Introduzca una oración → salida de un video.

Este método es ideal para:

• Exploración creativa;
• Video conceptual;
• Contenido de redes sociales;
• película de atmósfera;
• contenido no estructurado.

Sin embargo, el video del producto tiene un requisito especial:

Debe ser preciso.

La página del producto no se puede cambiar a voluntad.

El logotipo no se puede cambiar.

La función no puede ser editada.

La interfaz de usuario no puede mostrar botones que no existen.

Las palabras no pueden ser escritas.

Por lo tanto, los videos de productos son más adecuados para:

Agente + Código + Activos Reales

En lugar de depender completamente:

Texto → Vídeo generativo

La ruta de video-shotcraft, esencialmente, es:

Deje que la IA se encargue de la organización creativa y de ingeniería, que los activos de productos reales se encarguen de la exactitud de los hechos, y que Remotion se encargue de la generación de imágenes de certeza.

Esto es especialmente valioso para SaaS, herramientas para desarrolladores, software de escritorio, productos de IA.

---

15, de este proyecto también se puede ver una tendencia más grande

Si se pone el video-shotcraft en todo el ecosistema del agente de IA, puede que no solo represente "AI hace video".

sino en una dirección más amplia:

La habilidad del agente se está convirtiendo en un "flujo de trabajo profesional "

Una habilidad de agente bien establecida que puede incluir:

Skill
├── Rules
├── Knowledge
├── Templates
├── Recipes
├── Components
├── Assets
├── Tools
├── Examples
└── QA

Esto es muy similar a la ingeniería de software tradicional.

En el pasado, le diíamos a los programadores:

API + SDK + Biblioteca de componentes

Ahora también puede dar al agente:

Habilidad + Receta + Plantilla + Biblioteca de activos + Cadena de herramientas

A continuación, deje que el agente se ponga por encima de estas capacidades para hacer el trabajo.

Video-shotcraft es un ejemplo muy intuitivo.

---

16. ¿Cómo empezar a usarlo?

La forma más sencilla de hacerlo es entregar la dirección del almacén directamente a Claude Code o Codex:

Install this skill for me:
https://github.com/Vincentwei1021/video-shotcraft

También puede utilizar la CLI de habilidades:

npx skills add Vincentwei1021/video-shotcraft

Clonar directamente:

git clone https://github.com/Vincentwei1021/video-shotcraft.git

cd video-shotcraft

A continuación, se crea un enlace de habilidad basado en el agente que se utiliza.

Una vez completada la instalación, se puede plantear directamente una demanda similar a esta:

Use video-shotcraft to create a promo for my desktop product.

O especificar un disparo:

Use the deck-deal-flyin and row-embed shot cards
to present this feature.

Incluso se puede decir directamente:

Use video-shotcraft to make a promo for my product
with the Ink Press template.

La instalación completa y el modo de uso dado por el proyecto README también son claros.

---

17 ¿Qué escenario es el más adecuado para él en este momento?

A juzgar por el posicionamiento del proyecto en sí, es más adecuado para:

Productos SaaS

Por ejemplo:

• Herramientas AI
• Software de gestión de proyectos
• CRM
• Plataforma de análisis de datos
• Herramientas de colaboración

Herramientas de desarrollo

Por ejemplo:

• IDE
• Plataforma API
• CLI
• DevTool
• Productos de codificación

Aplicación Desktop

Especialmente adecuado para productos con una gran cantidad de interfaz de usuario realista y que necesitan destacar la experiencia interactiva.

Vídeo de lanzamiento de productos

Por ejemplo:

Lanzamiento de nueva característica
Actualización del producto
Versión liberada
Demo de producto
Página de aterrizaje Hero

Y la receta de disparo individual en sí no se limita a la película promocional del producto, sino que también se puede aplicar en:

• Película Brand
• Características Demo
• Video de lanzamiento
• Videos sociales
• El movimiento UI

Escenas de espera.

---

18 Donde creo que realmente vale la pena

Si solo se ve video-shotcraft como:

« Un proyecto de Remoción con 152 animaciones »

En realidad, lo subestimó.

Lo que es realmente interesante es desmontar un campo que solía depender en gran medida de la experiencia humana en un sistema de producción que puede ser ejecutado por un agente:

设计经验
   ↓
镜头配方
   ↓
代码实现
   ↓
模板
   ↓
素材库
   ↓
声音设计
   ↓
生产流程
   ↓
自动化 QA

Esto es muy típico:

Conocimiento → Flujo de trabajo → Agentes → Producción

El camino.

Lo que realmente cambia al final puede no ser "hacer que la AI haga más", sino:

Transformar el flujo de trabajo implícito en la mente de un profesional en un sistema explícito que la máquina puede ejecutar.

---

Conclusión: El futuro del video de IA puede no ser "generado ", sino" hecho "

En el pasado hablamos de vídeos de IA, a menudo en torno a una pregunta:

"¿Qué modelo genera el vídeo más realista? "

Pero para el equipo de producto, las preguntas realmente importantes podrían ser:

"¿Puede la IA comenzar con mi producto y hacer un video que pueda ser publicado? "

Estas dos preguntas son completamente diferentes.

El primero se centra en Generación。

Este último se preocupa por Producción。

Es precisamente la segunda ruta que eligió video-shotcraft.

En lugar de tratar de hacer que la IA visualize un video hermoso de la nada, le da al agente un conjunto de lenguajes de toma, material de producto real, implementaciones de Remoción, activos de sonido, plantillas y estándares de calidad.

Eventualmente, la IA se convierte en una:

"Generador de código de animación "

Poco a poco se convirtió en:

"Asistente de producción de videos de productos que entiende el lenguaje de la cámara ".

Esta también puede ser una dirección de desarrollo muy interesante para las habilidades de agente:

La IA profesional del futuro no es necesariamente un modelo más grande, sino que puede ser un "modelo + flujo de trabajo + herramientas + activos + sistema de aceptación" cuidadosamente diseñado.

Y video-shotcraft, acaba de proporcionar un caso muy concreto y hermoso.

Página de inicio del proyecto: Vincentwei1021 / video-shotcraft