Un sistema para fabricar vídeos de YouTube en piloto automático, con una gráfica de 8 GB, y lo comparto gratis
Lo que llevo semanas explicando sobre entornos agénticos de codificación ha tomado forma en un proyecto concreto. El caso de uso que he elegido es uno de los más pedidos en X: un sistema capaz de producir vídeos de forma automatizada. Yo lo he orientado a YouTube, pero adaptarlo para el equipo de marketing de cualquier empresa sería perfectamente viable.
Está disponible para descargar gratis bajo licencia MIT. Lo único que necesitáis pagar es la suscripción de Anthropic, porque lo desarrollé con Claude Code —aunque si tenéis maña, seguramente podéis portarlo a Codex—. Todo el proceso corre en local, así que no hay costes adicionales de infraestructura. Yo trabajo con una RTX 3060 Ti de 8 GB y cada vídeo de 19 minutos me lleva una media de 2 horas y 20 minutos de producción. He hecho el cálculo con una RTX 5090 en el mismo equipo y el tiempo baja a aproximadamente una hora. La tarjeta gráfica se encarga de acelerar las imágenes y la voz, mientras que el render lo realiza Chrome capturando fotogramas, y esos 25 minutos dependen del procesador. Para mantener un ritmo de publicación semanal, recomiendo el plan Max.
Claude Code colabora contigo en la escritura de cada guion y en la definición de cada escena, que se traduce en un archivo Python. A partir de ahí, tu tarjeta gráfica hace el resto: las imágenes las genera Qwen-Image en ComfyUI, la voz corre a cargo de Kokoro y Orpheus, la música la produce ACE-Step y el render a 1080p lo gestiona HyperFrames.
El proyecto incorpora todo lo que he ido desgranando en posts anteriores:
Sobre la poda del CLAUDE.md: el de Lanternist ronda las 1.500 palabras y contiene exclusivamente lo necesario para trabajar hoy con el motor. Los procedimientos están distribuidos en seis skills.
Respecto al intermediario: imágenes, voz y música se generan y permanecen en tu propio PC. Si ComfyUI o el servidor de voz apuntan a otra máquina, el proceso se detiene.
En cuanto a quién toma las decisiones: Lanternist propone, pero el formato del canal, cada guion antes de consumir GPU y cada publicación los apruebas tú. El sistema no publica por su cuenta, y un «¿qué te parece?» no equivale a una aprobación.
Sobre para quién trabaja el agente: Claude lee y trata como datos los títulos de vídeos de terceros, los issues y los comentarios.
En materia de AI Act: cada vídeo y miniatura incluyen dos marcas legibles por máquina que identifican el contenido como IA, metadatos firmados con C2PA y una marca de agua invisible tanto en imagen como en audio. El sistema rechaza cualquier archivo que carezca de ellas. La exención del reglamento para el código abierto no alcanza al artículo 50.
Y en cuanto a IA responsable: solo se clona la voz propia, cada vídeo registra la fuente y la licencia de cada pieza, y los datos del guion se contrastan en fuentes como Wikipedia, Crossref u OpenAlex.
El enlace al repositorio está en el primer comentario. Si lo adaptarais para vuestro equipo de marketing, ¿cuál sería el primer vídeo que le encargaríais?
Lanternist: pipeline de producción de vídeo con IA 100% local, licencia MIT y conformidad con el AI Act
Resumen técnico
Sistema agéntico de producción de vídeo ejecutado íntegramente en local. Generación de imágenes con Qwen-Image en ComfyUI, síntesis de voz con Kokoro y Orpheus, música generativa con ACE-Step y render a 1080p con HyperFrames vía captura de fotogramas en Chrome. Tiempo de producción medio: 2 horas 20 minutos por vídeo de 19 minutos con una RTX 3060 Ti de 8 GB; estimado en ~1 hora con RTX 5090. Guiones y escenas generados con Claude Code. CLAUDE.md podado a ~1.500 palabras con lógica distribuida en seis skills. Metadatos C2PA, marca de agua en imagen y audio, y cumplimiento del artículo 50 del AI Act.
Análisis de implicaciones
El pipeline elimina dependencias de APIs externas de generación de contenido: imagen, voz y música se procesan en la GPU local, lo que reduce costes recurrentes a la suscripción de Claude Code plan Max. La arquitectura agéntica mantiene al humano como nodo de aprobación obligatorio en tres puntos críticos: formato del canal, guion previo a inferencia y publicación final. El cumplimiento del AI Act artículo 50 se implementa técnicamente desde el pipeline, no como capa posterior, lo que condiciona el diseño de cualquier sistema equivalente orientado a distribución pública en la UE.
Aplicación práctica
El flujo operativo arranca con Claude Code redactando guion y escenas como archivos Python individuales. ComfyUI ejecuta la inferencia de imagen con Qwen-Image; el servidor de voz corre Kokoro u Orpheus localmente. ACE-Step genera la banda sonora. HyperFrames renderiza a 1080p capturando fotogramas desde Chrome, proceso que depende de CPU y supone aproximadamente 25 minutos fijos independientemente de la GPU. Cada archivo exportado lleva metadatos C2PA y marca de agua auditiva y visual antes de cualquier subida. El repositorio está disponible bajo licencia MIT.
Contexto del sector
Los pipelines de vídeo IA hasta ahora dependían de servicios en la nube como Runway, Sora o Kling, con costes variables por minuto de generación. Lanternist demuestra que una GPU de consumo de 8 GB VRAM puede sostener un flujo de producción semanal viable. La integración nativa de conformidad con el AI Act desde el código distingue este enfoque de soluciones equivalentes que tratan el cumplimiento normativo como capa opcional o posterior al desarrollo.
