El proyecto de modernización de ShortWave.STUDIO

Hasta ahora era producción artesanal doméstica

Entre los contenidos que produce y publica ShortWave.STUDIO, hay 1 tipo de contenido audiovisual
llamado «OPTOg».

Antes, bajo el nombre de «Ping», hacíamos principalmente contenidos de tipo programa de entrevistas.
Después empezamos a crear otros que no encajaban en ese marco, y por eso cambiamos el nombre.

Pero eso es otra historia.

Hasta ahora, los vídeos que producíamos se hacían a mano.
El flujo era el siguiente.

1. Escribir el guion en japonés
2. Traducirlo al inglés con ayuda de la IA
3. Crear en HeyGen el vídeo y el audio principales a partir del guion
4. Crear materiales, como las miniaturas, utilizando IA en parte
5. Abrir el editor de vídeo, importar los materiales creados y editarlos
6. Exportar y subir el resultado a YouTube, al sitio, etc.

…Un flujo totalmente normal, sí. Así trabajábamos.

Aunque usábamos IA para traducir y crear materiales,
la mayor parte del proceso de producción se hacía a mano. Pura producción artesanal doméstica.

Había llegado el momento

Al principio, eso estaba bien. Crear contenido es divertido en sí mismo.

Sin embargo, el tiempo y el esfuerzo necesarios para 1 vídeo eran considerables,
y con el paso del tiempo y los cambios de circunstancias, la barrera psicológica para crear fue aumentando año tras año.

Por suerte, ese flujo de producción seguía patrones definidos,
y los materiales utilizados, la estructura de las pistas y los ajustes que se aplicaban ya estaban organizados en plantillas.

Si aclarábamos y comprobábamos «cómo automatizar lo que hacen las personas»,
parecía probable que pudiéramos reducir considerablemente el trabajo.

El momento era oportuno: vivimos en una época en la que podemos usar GPT-6 Astra de OpenAI y Fable 5.1 de Anthropic.
Parecía que podríamos confiarles las investigaciones y valoraciones detalladas, así como la implementación basada en ellas.

Así decidimos empezar esa modernización que llevábamos tanto tiempo queriendo hacer y posponiendo.

Primero, poner orden

Lo primero era fijar una dirección y aclarar las necesidades. Lo que suele llamarse definición de requisitos.

Establecimos como principio importante que no buscaríamos la automatización completa.
Solo automatizaríamos las «tareas de ejecución», mientras que las tareas de «creación» quedarían en manos humanas.

Esos 2 principios serían un «eje inamovible» y, sobre esa base, automatizaríamos todo lo posible.
Eso sí, compararíamos el esfuerzo necesario con el resultado obtenido y solo implementaríamos lo que compensara.

Hay muchos detalles más, pero esa es la idea básica.

Transmitimos estos principios y el trabajo real a la IA y le pedimos varios planes de realización.
El resultado fue una orientación basada en «combinar MCP, UXP y manejo de la interfaz».

Implementación y comprobación

Creamos los materiales principales mediante un servicio llamado HeyGen,
que ofrecía MCP.

Al probarlo, vimos que cubría la mayoría de las acciones que hacíamos manualmente,
así que parecía posible automatizar casi todos esos pasos.

Sin embargo, Premiere Pro no dispone de un mecanismo para automatizar sus operaciones desde una IA.
Para automatizar la edición hacía falta algo que actuara como intermediario…

Tras investigar, decidimos instalar una aplicación llamada «Premiere Pro MCP».

https://premiere-pro-mcp.com

Es una aplicación que utiliza MCP para mediar entre la IA y Premiere Pro.
Existen diversos productos de este tipo; si te interesa, puedes investigarlos.

Pero tampoco era perfecta…
A medida que seguimos investigando, descubrimos bastantes cosas que no podía hacer.

Al final, optamos por combinar también una implementación propia en UXP y el manejo real del navegador por parte de Codex,
para automatizar el conjunto.

Lo que se puede y lo que no se puede hacer

Tras muchas vueltas, implementamos skills de automatización divididas en 2 partes.
El flujo quedó así.

1. Escribir el guion en japonés
2. Traducirlo al inglés con ayuda de la IA
3. La skill n.º 1 lee el guion, crea el vídeo y el audio y los descarga automáticamente
4. Crear materiales, como las miniaturas, utilizando IA en parte
5. La skill n.º 2 abre el editor de vídeo y procesa y coloca los materiales según las reglas establecidas
6. Retomar el control del editor tras la colocación y el procesamiento inicial, y ajustar los detalles
7. Exportar y subir el resultado a YouTube, al sitio, etc.

Las tareas automatizadas son los pasos 3 y 5 anteriores.
Poder automatizar las partes que resultaban pesadas de hacer a mano nos ha facilitado mucho el trabajo.

Como referencia, esta es la distribución de responsabilidades en el flujo completo.

・Lo que hacen la IA y la automatización

• Generar vídeo y audio en HeyGen
• Descargar y organizar los materiales generados
• Comprobar la correspondencia entre subtítulos y diálogos
• Extraer escenas candidatas
• Importar y colocar los materiales en Premiere
• Realizar el procesamiento inicial establecido
• Otras tareas rutinarias repetibles

・Lo que hacen las personas

• Concebir las propuestas
• Escribir los guiones
• Toda la dirección creativa
• Ajustar los detalles de cada recurso y aplicar efectos
• Ajustar los subtítulos
• Revisar y corregir el procesamiento de la IA
• Decidir cuándo está terminado

«No lo hicimos» no significa «no pudimos hacerlo»

Esta iniciativa deja bastantes tareas que requieren intervención humana.
Las hemos dejado a propósito, tras evaluar la relación entre coste y beneficio mencionada al principio.

Por ejemplo…

• Puede automatizarse, pero una persona lo hace más rápido
• Requiere decisiones caso por caso
• Los resultados no son estables
• Consume demasiados créditos de IA
• Contiene mucha ambigüedad
• Es realizable, pero implementarlo costaría demasiado
• Era una parte que quería hacer yo mismo

Por motivos como estos decidimos no automatizar ciertas partes.

Si reorganizáramos la estructura de los vídeos, probablemente podríamos ampliar la automatización,
e incluso parecía posible automatizarlo todo…

Pero si hiciéramos eso, dejaría de ser ShortWave.STUDIO.

Un sistema que crece

Este sistema acaba de ponerse en marcha y puede que no sea perfecto,
pero estas herramientas internas de eficiencia deben mejorarse mientras se utilizan.

Queremos ir ajustándolo a partir de las impresiones y los aprendizajes que surjan durante la creación de contenidos,
para lograr un entorno de producción más eficiente.