Todos los artículos

Front-end15 min de lectura

Cómo creo videos con IA usando Remotion: un caso real

Cómo hago reels con IA y Remotion: tema, guion, escenas en React, subtítulos palabra por palabra y render. Un caso real, con los números de Explica, Palito.

También en Português, English, Français

Tengo una cuenta de curiosidades en Instagram en la que ningún video se grabó ni pasó por un editor de video. Cada reel es un componente de React, renderizado cuadro a cuadro por Remotion. Y la mayor parte de ese código la escribe una IA.

La cuenta es Explica, Palito ("Palito explica", en portugués): muñecos de palitos en 3D explican lo que la ciencia ya probó sobre parejas y sobre el cuerpo. Uno de esos videos pasó el medio millón de vistas.

Este post muestra el flujo completo, del tema a la publicación, con el código real. Y también muestra dónde entra la IA, dónde no entra y qué salió mal por el camino.

TL;DR#

  • Remotion convierte React en video. Cada cuadro es una función del número de cuadro, y el render sale en .mp4 desde la línea de comandos.
  • El video como código es ideal para una IA: no necesita un editor gráfico, solo archivos de texto y un comando para renderizar.
  • El flujo: tema y estudio, guion en JSON, voz sintética con el tiempo de cada palabra, escena en React con three.js, vista previa, render y publicación.
  • La IA no dibuja nada. No hay modelo de imagen ni de video: cada muñeco es geometría escrita en código. Los números salen del estudio, y las decisiones de tema y formato son mías.
  • El tema pesó más que todo. El 06/11/2026, los videos de pareja sumaban cerca del 86% de las vistas de la cuenta.
  • También salió mal: una caída de alcance después de un post político, el límite de unas 25 publicaciones al día y subtítulos que desaparecían en la publicación automática.

Qué es Explica, Palito#

Explica, Palito es una cuenta de reels de ciencia, también en TikTok. Los videos están en portugués de Brasil, y el formato casi siempre es el mismo: una pregunta que la persona puede comprobar en sí misma o en quien ama, un estudio que lo probó y la respuesta, en 30 a 50 segundos.

Los muñecos viven en un diorama 3D low-poly: una isla redonda flotando, con la cámara girando alrededor. Encima van los carteles de texto y un subtítulo grande, palabra por palabra, sincronizado con la narración.

Cuadros del video que más se viralizó: el gancho, el estudio y el giro

El método del canal también se convirtió en un ebook, Palito AI: crie vídeos com IA sem aparecer (en portugués). Va desde elegir el tema y el gancho hasta leer los números después de publicar. Este post se queda con la parte técnica: cómo se hace el video en código.

Por qué Remotion#

Remotion es una biblioteca que renderiza componentes de React como video. La idea central es simple: el componente lee el número del cuadro actual con useCurrentFrame() y devuelve lo que aparece en ese cuadro. Remotion abre un navegador sin ventana, toma una captura de cada cuadro y junta todo en un .mp4 con el audio.

En este proyecto, eso resolvió tres cosas:

  • Todo se reutiliza. Isla, muñeco, cartel, subtítulo y transición se vuelven componentes. Un video nuevo es, en su mayor parte, una combinación de piezas que ya existen.
  • 3D sin salir de React. Con el paquete @remotion/three, las escenas usan three.js a través de React Three Fiber, y la cámara también es solo una función del cuadro.
  • Una IA puede operarlo. No hay línea de tiempo que arrastrar ni botón que pulsar. El video es un archivo .tsx, y el render es un comando en la terminal. Justo el tipo de trabajo que un agente de código hace bien.

El flujo, del tema a la publicación#

Trabajo con Claude Code abierto en la carpeta del proyecto. Tiene una skill con las reglas del canal (cómo elegir el tema, cómo escribir el gancho, qué piezas usar) y una guía de producción. Cada video sigue los mismos pasos:

Los siete pasos de un video y quién hace cada uno (etiquetas en portugués)

1. Tema y estudio#

El tema pasa por un solo filtro: ¿la persona puede comprobar esto en sí misma o en quien ama, ahora? "¿Las parejas terminan pareciéndose?" pasa. Una noticia de la semana, no.

Con el tema elegido, la IA busca el estudio primario (el artículo en la revista o en PubMed, no la noticia sobre él) y anota autor, año, revista, muestra y qué se midió. Si no encuentra la fuente primaria, cambia de tema. En un estudio observacional, el video habla de asociación, no de causa.

2. Un guion en JSON#

El guion es un narration.json: una lista de frases, cada una con un id, el texto que leerá la voz y, en la primera, el título que aparece en pantalla. Este es el guion real del video del abrazo (en portugués, como la cuenta):

narration.json
[
  { "id": "hook", "say": "Um abraço depois da briga mexe com o seu humor até no dia seguinte.", "caption": "O abraço que [SALVA O DIA SEGUINTE]" },
  { "id": "mito", "say": "Parece só um carinho. Coisa pequena.", "caption": "" },
  { "id": "mas", "say": "Mas pesquisadores ligaram pra quatrocentas e quatro pessoas, toda noite, por duas semanas.", "caption": "" }
]

El gancho dice que un abrazo después de una pelea cambia tu humor hasta el día siguiente. Los números van en letras ("quatrocentas e quatro", cuatrocientas cuatro) porque los lee una voz sintética, y así se equivoca menos.

3. La voz y el tiempo de cada palabra#

La narración sale de edge-tts, una biblioteca de Python que usa las voces neuronales de Microsoft Edge. El detalle que hace funcionar el subtítulo: además del audio, devuelve cuándo empieza cada palabra.

gen_voice.py
for line in lines:
    path = out_dir / f"{line['id']}.mp3"
    words = []
    with open(path, "wb") as f:
        async for chunk in edge_tts.Communicate(line["say"], VOICE, rate=RATE, boundary="WordBoundary").stream():
            if chunk["type"] == "audio":
                f.write(chunk["data"])
            elif chunk["type"] == "WordBoundary":
                # offset comes in 100 ns units: turn it into a frame at 30 fps
                words.append([round(chunk["offset"] / 1e7 * FPS), chunk["text"]])
    sec = duration(path)  # ffprobe
    timings[line["id"]] = {"voice": math.ceil(sec * FPS), "frames": math.ceil((sec + GAP) * FPS), "words": words}

El resultado es un timings.json con cuántos cuadros dura cada frase y una lista de [cuadro, palabra]. Todo en el video se sincroniza con él.

4. La escena en React#

Cada frase se convierte en un plano, con la cámara moviéndose de un punto a otro mientras habla la voz. El video del abrazo tiene ocho:

Ocho frases se vuelven ocho planos. La duración de cada uno sale de la voz, no de una regla

Este es el plano en el que el video del abrazo entrega el resultado, con los nombres traducidos al inglés (en el proyecto están en portugués) y sin los colores, para acortarlo:

src/videos/hugafterfight/HugAfterFight.tsx
import { Cam, Plates, Shot, Source } from '../v2/kit'
import { makeWordFrame } from '../shared'
import timings from './timings.json'
 
// at('payoff', 'baixo') = frame where the narrator says that word
const at = makeWordFrame(timings)
// Hug (the couple hugging) is declared above, in the same file
 
const Payoff: React.FC<SceneProps> = ({ parts }) => (
  <>
    {/* camera travels from a to b during the line and shakes on the strongest word */}
    <Shot parts={parts} palette="sun" a={Cam(0.4, 14, 2.4)} b={Cam(0.2, 10, 2.6)} shake={at('payoff', 'baixo')}>
      <Hug />
    </Shot>
    <Plates
      items={[
        [at('payoff', 'seguinte'), 'NO DIA SEGUINTE', 'big'],
        [at('payoff', 'baixo'), 'humor ruim mais baixo'],
      ]}
    />
    <Source text="Murphy et al., 2018 · PLoS ONE" delay={20} />
  </>
)

Fíjate en que nada ahí habla de segundos. La cámara, los carteles y el temblor de la pantalla están atados a palabras de la narración ("baixo" es bajo, "seguinte" es siguiente). Si la voz cambia de velocidad, cambia el timings.json y el video sigue sincronizado.

makeWordFrame es pequeño. Busca la palabra en la lista y devuelve el cuadro:

src/videos/shared.ts
export const makeWordFrame = (timings: Timings) => (lineId: string, word: string) => {
  const words = timings[lineId].words
  const clean = (text: string) => text.toLowerCase().replace(/[^\p{L}\d]/gu, '')
  const hit =
    words.find(([, text]) => clean(text) === clean(word)) ??
    words.find(([, text]) => clean(text).startsWith(clean(word)))
  return hit ? hit[0] : 0
}

5. Subtítulo palabra por palabra#

El subtítulo grande usa la misma lista. En cada cuadro, el componente busca la última palabra que ya se dijo y dibuja solo esa, con un pequeño rebote al entrar. Las palabras de una o dos letras se pegan a la siguiente, para que el subtítulo no parpadee.

Los primeros 8 segundos del video de las caras parecidas, sin sonido

6. Vista previa y render#

Un script junta los pasos. Sin --render, genera una tira de cuadros en un PNG, que la IA abre y revisa antes de gastar minutos renderizando. Así detecta texto cortado, un cartel encima de una cara o una escena vacía.

./make.sh abracobriga AbracoBriga 120 400 700   # preview strip with 3 frames
./make.sh abracobriga AbracoBriga --render      # final mp4 in out/upload/

El render crea una composición solo para ese video y llama a npx remotion render. Después, ffmpeg normaliza el volumen y genera una versión ligera, de menos de 10 MB, para subirla desde el navegador. El video del abrazo, de 41 segundos, tiene 1.225 cuadros a 30 fps.

7. Publicación#

La publicación también pasa por la IA, con Claude in Chrome manejando Instagram en la web: subida, recorte, texto con la fuente y horario programado. Es el paso más frágil del flujo, y más abajo te cuento por qué.

Dónde entra la IA y dónde no#

EtapaQuién la hace
Enfoque de la cuenta, formato y cuántos posts al díayo
Encontrar el estudio y comprobar los númerosIA, en la fuente primaria
Guion, texto del post y código de las escenasIA, siguiendo la skill
Vozvoz sintética (edge-tts)
Dibujo, animación y cámaracódigo: React, three.js y Remotion
Revisar la vista previa y corregirIA
Inicio de sesión, contraseña y decisiones sobre la cuentayo

Lo que más me gusta de este esquema: no hay ninguna imagen generada por IA. Cada muñeco es un cilindro, una esfera y cuatro palitos en three.js. El mismo código renderizado dos veces da el mismo video, y ningún número aparece en pantalla sin haber salido de un estudio que alguien abrió.

El trabajo de la IA es el de alguien muy rápido en el equipo: investiga, escribe, arma la escena con las piezas que existen, mira el resultado y corrige. En una madrugada, el 03/11, salieron así 23 videos nuevos. Las reglas que sigue, eso sí, salieron de mí y de los números.

Los números#

Las estadísticas de la cuenta no se abren en el navegador, así que los números de abajo son los públicos, leídos en el perfil, cada uno con la fecha de la lectura.

Los seis reels más grandes el 06/11/2026 son todos de pareja. La mediana del resto casi no se ve (etiquetas en portugués)
  • El 03/11/2026: 70 reels, cerca de 1,1 millones de vistas sumadas y 710 seguidores. El video de las caras parecidas tenía 466 mil vistas, 44 mil me gusta y 332 comentarios. Los videos de pareja eran cerca del 87% de todas las vistas.
  • El 06/11/2026: 114 posts, cerca de 1,67 millones de vistas y 1.069 seguidores. El de las caras parecidas llegó a 598 mil, y los de pareja seguían con cerca del 86% de las vistas.
  • El 09/11/2026: 1.272 seguidores. Para comparar, el 28/10 la cuenta tenía 43.

El resto de la cuenta cuenta otra historia. Los de gimnasio tuvieron una mediana de 1,9 mil vistas, con una excepción ("¿Por qué no crece la pantorrilla?", 40,8 mil el 03/11). Curiosidades generales, historia y noticias quedaron cerca de 1,5 mil.

Y las vistas no se convirtieron en seguidores en la misma proporción: entre el 03/11 y el 06/11, 570 mil vistas más trajeron solo 359 seguidores, cerca del 0,06%. La parte de arriba del embudo funciona; la del medio, todavía no.

Qué salió mal#

La caída del 28/10#

Hasta el 28/10, casi todos los reels se quedaban entre 1,2 mil y 1,9 mil vistas. Esa noche, a partir de las 19 h, la distribución se desplomó: un video sobre el océano hizo 179 vistas, una verificación de una noticia falsa sobre política hizo 28, y el video de la mañana siguiente tenía 4 vistas en 1 h 40.

El estado de la cuenta estaba todo en verde, sin ninguna restricción formal. Mi hipótesis es la suma de un post político con 5 posts al día. No puedo probarlo, pero cambié las dos cosas: saqué noticias y política de los temas y bajé a 3 posts al día durante un tiempo. Pocos días después llegaron los videos de pareja.

El límite de 25 al día#

Cuando los videos de pareja despegaron, subí el volumen. Una madrugada, después de unas 24 programaciones y 2 posts el mismo día, Instagram empezó a responder que no se podía programar la publicación. Coincide con un límite de unas 25 publicaciones creadas en 24 horas que me encontré en la práctica. Mover un post ya programado no cuenta; solo crear uno.

Los videos listos quedaron en una lista con el texto y el horario sugerido, y se programaron al día siguiente.

El texto que desaparecía#

Pegar el texto y hacer clic en Compartir con JavaScript dejó reels sin texto, aunque el campo y el contador de caracteres se veían bien en pantalla. Lo que funcionó: escribir línea por línea, pulsar un Enter de verdad entre ellas y hacer un clic de verdad en el botón. Después de publicar, la IA recarga el reel y comprueba que el texto esté ahí.

La cuenta equivocada#

Con más de un Chrome conectado, ya salió un video en la cuenta equivocada dos veces. Hoy, antes de cualquier publicación, la IA comprueba el nombre de la cuenta conectada en la propia pantalla y se detiene si no es la de Palito.

Qué aprendí sobre el gancho#

El 05/11 pedí estandarizar el gancho de los videos que más se viralizaron. Se convirtió en una fórmula (traducida aquí):

"¿Sabes cuando [situación cotidiana]? No es [excusa popular]. La ciencia lo probó."

Con el título en pantalla en el formato "Por qué [quién] [PALABRA CLAVE?]" y el cierre "Etiqueta a tu amor y responde: [una disputa entre los dos]?".

Funcionó como base, pero no como magia. Los videos siguientes se quedaron en una mediana de 1,9 mil vistas, y el 10/11 el canal había caído en la monotonía: el mismo gancho, las mismas cinco escenas quietas, la cámara lejos. De ahí salió el formato 2.0, inspirado en los explicadores 3D cortos que se viralizan fuera de Brasil: ocho planos cortos, cámara siempre en movimiento, un giro con "Pero" y al menos un corte hacia dentro del cuerpo.

Formato 2.0: un plano distinto en cada frase, con la fuente del estudio en pantalla

Los primeros videos en el 2.0 son del 16/11/2026. Todavía no se puede decir si funcionaron: comparo la mediana de vistas a las 72 horas, y esa lectura queda para el 19/11.

Qué aprendí#

El tema pesa más que la producción. El video de las caras parecidas es del formato antiguo, más simple. Lo que tiene es una pregunta que la pareja comprueba en sí misma, al momento. Los temas de pareja "abstractos", con un buen estudio pero lejano, no funcionaron (1,4 mil y 1,7 mil vistas).

No juzgues un reel en 24 horas. "Dormir abrazados" tenía 2,8 mil vistas el 03/11 y pasó de 120 mil tres días después.

El video como código vale por la reutilización. El primer video en 3D llevó tiempo. Con el kit listo (isla, muñeco, cartel, subtítulo, cámara), un video nuevo es guion más escena, y la escena es casi solo composición.

Sincroniza por palabra, no por segundo. Atar cada efecto a una palabra de la narración es lo que me permitió cambiar la velocidad de la voz sin rehacer ninguna escena.

Escribe las reglas para la IA, no solo el pedido. La skill con lo que funcionó, lo que no y las medidas que evitan retrabajo (dónde el título tapa la escena, a qué distancia va la cámara) vale más que cualquier prompt bien escrito.

Precauciones#

  • Licencia de Remotion. Es gratis para personas y empresas pequeñas; las empresas más grandes necesitan una licencia de pago. Revisa las condiciones de la licencia antes de usarlo en el trabajo.
  • Etiqueta de IA. Instagram pide que el contenido con voz realista generada por IA se marque como tal. Lee la regla actual de la plataforma antes de publicar.
  • Salud y ciencia. Sin dosis, sin recetas, sin números que no estén en el estudio. Cuando el estudio es observacional, el video dice que no prueba causa.
  • Imagen real solo con crédito. Cuando el video mezcla una foto real, viene de un archivo con licencia abierta (Wikimedia Commons, NASA), con el crédito en pantalla.
  • La automatización de redes sociales se rompe. La interfaz cambia, un botón cambia de nombre, aparece un límite. Revisa cada publicación después de que sale.
  • Memoria y máquina. El render en 3D pesa. Lo ejecuto con --concurrency=2 para que la máquina aguante.

Referencias#

  • Front-end
  • remotion
  • react
  • ia
  • video
  • threejs
  • instagram

Escrito por

Ingeniera de software y diseñadora. Escribo sobre lo que encuentro construyendo apps, APIs y productos.