Claude Code y Codex se meten a montadores

Del código al vídeo, sin salir de la terminal

Montar un vídeo exigía una línea de tiempo, un programa de edición y horas de arrastrar clips. Ahora una parte del trabajo se puede encargar por escrito a Claude Code o a Codex, dos agentes pensados para programar. La clave es que el vídeo se describe como código: una animación con textos, gráficos y tiempos que el agente escribe, revisa y convierte en un fichero de vídeo.

A esa base se suman otras piezas: modelos que localizan momentos concretos de una grabación, conectores que traen documentos y datos sin copiarlos a mano, agentes que manejan aplicaciones en pantalla, generadores de clips y de locuciones, y encargos que se repiten solos. Cada sección explica una con lo que dice la documentación de quien la ofrece; después llegan los usos, el criterio para elegir y la práctica.

Una misma skill sirve en los dos agentes

Según Anthropic, una skill amplía lo que Claude puede hacer: basta un fichero SKILL.md con instrucciones, y Claude Code la usa cuando viene al caso o cuando la llamas con /nombre-de-la-skill. Según OpenAI, en Codex cumple el mismo papel: empaqueta instrucciones, recursos y scripts opcionales, y se invoca con /skills o escribiendo $ en la CLI o en la extensión del editor.

Las dos empresas dicen seguir el mismo estándar abierto. La consecuencia práctica es que un paquete escrito para un agente debería servir en el otro sin reescribirlo. Eso es lo que convierte a dos herramientas de programación en montadores: alguien ya ha escrito las instrucciones para hacer vídeo.

Remotion convierte React en vídeo

Según Remotion, su herramienta sirve para hacer vídeos de forma programática y crear animaciones con React, la biblioteca de JavaScript para construir interfaces con piezas llamadas componentes. Según Remotion, cada vídeo se puede conectar a datos y renderizar en lote, y su Studio permite previsualizarlo, editarlo y renderizarlo.

Remotion mantiene una colección de skills para trabajar en sus proyectos y, según su documentación, sirven para agentes como Claude Code y Codex. Las principales son /remotion-create, que crea un proyecto o una composición; /remotion-studio, que abre la vista previa; /remotion-captions, con pautas para subtítulos, y /remotion-render, que genera el vídeo o una imagen fija. Según Remotion, la aplicación de escritorio de ChatGPT también puede crear un proyecto completo con el plugin de Remotion.

Editar vídeo con IA a base de encargos

Descript, un editor de vídeo y audio con IA que, según la empresa, permite editar como si se editara un texto, tiene un agente llamado Underlord, todavía en beta. Según Descript, se abre desde la barra lateral de cualquier proyecto y se le escribe lo que quieres, por ejemplo «Find me clips for social media that are between 60–90 seconds long and reformat them for vertical aspect ratio» o «Add zooms to moments of emphasis».

Según Descript, Underlord deja elegir el modelo que lo mueve, entre ellos Claude Opus 5.5, GPT 6.1 Sol y Gemini 4 Argon, y permite guardar como skill una edición que repites a menudo. La empresa también avisa de que no es determinista: el mismo encargo puede costar distinto en cada ejecución.

Según Google, Gemini Omni Flash permite refinar, editar y ampliar vídeos en varios turnos con lenguaje natural, aunque sobre clips cortos. En Claude Code y Codex la conversación funciona de otra manera: lo que cambia es el código de la composición de Remotion, que se vuelve a previsualizar con /remotion-studio. No hay línea de tiempo; hay código.

Comprensión de vídeo: el minuto exacto de la grabación

Según Google, los modelos Gemini pueden describir, segmentar y extraer información de un vídeo, responder preguntas sobre él y citar marcas de tiempo, que se piden en formato MM:SS. Por defecto trabajan en modo estático: toman un fotograma por segundo y los meten todos en el contexto, lo que la empresa recomienda para clips de menos de 5 minutos.

El modo agéntico se activa con "processing": "agentic" y cambia el método. Según Google, el modelo explora la línea de tiempo, lee primero lo que se habla y solo carga los fragmentos visuales que necesita, ajustando sobre la marcha los fotogramas y la resolución. Según la empresa, es el indicado para grabaciones de más de 5 a 10 minutos y para buscar una aguja en un pajar, y está disponible en Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.6 Flash y Gemini 3.5 Flash Lite.

La documentación de Claude Code y de Codex habla de imágenes, no de vídeo. Según Anthropic, la visión de Claude procesa y analiza imágenes; según OpenAI, Codex las acepta con codex --image. Para que el agente trabaje con una grabación hay que darle fotogramas o el texto de lo hablado, o encargarle que consulte un modelo que sí entienda vídeo, como Gemini.

Conectores: los documentos llegan solos al agente

Según Anthropic, Claude Code puede conectarse a cientos de herramientas y fuentes de datos mediante MCP, y conviene hacerlo cuando te sorprendes copiando datos al chat desde otra aplicación. Según OpenAI, MCP permite a ChatGPT y a Codex usar herramientas e información de otros sistemas; en la CLI de Codex se gestiona con codex mcp.

Para el vídeo, eso significa que documentos, grabaciones y paneles de datos pueden llegar al agente por un conector en lugar de copiarse a mano. Antes de añadir uno, revisa qué servicio cubre y qué permisos pide: según Anthropic, hay que comprobar que confías en cada servidor antes de conectarlo.

El agente maneja la pantalla, pero no graba la demo

Según Anthropic, el uso del ordenador permite a Claude abrir aplicaciones, controlar la pantalla y trabajar en tu máquina como lo harías tú. En la CLI de Claude Code es una vista previa de investigación solo para macOS, exige un plan Pro, Max o Ultra y no está disponible con la opción -p, la de las ejecuciones sin sesión interactiva.

Según OpenAI, Codex ofrece Computer Use en la aplicación de escritorio de ChatGPT, en macOS y Windows y en las regiones donde está disponible. Se pide con @Computer o con el nombre de la aplicación, y la empresa recomienda usar antes un plugin o un servidor MCP si la aplicación lo tiene.

Ninguna de las dos documentaciones describe un agente que grabe por sí solo un vídeo de una demo. Según Anthropic, Claude in Chrome sí puede grabar en GIF lo que hace en el navegador, por ejemplo el recorrido de una compra hasta la página de confirmación, y la empresa avisa de que la grabación captura todo lo visible, incluidos los datos de cuentas con sesión iniciada. Revísala antes de compartirla fuera del equipo.

Clips, avatares y voces que nadie ha grabado

Según Google, Gemini Omni Flash genera vídeo con audio a partir de texto, imágenes o vídeo, y admite hasta 6 imágenes de referencia para que personajes y objetos no cambien de un plano a otro. Según la empresa, todo lo que genera lleva SynthID, una marca de agua invisible para el espectador pero detectable por programa. Según Google, la vista previa de Veo 3.1 en la API de Gemini cerró el 22 de octubre de 2026, y Gemini Omni Flash es su relevo.

Descript ofrece avatares con los que, según la empresa, se hace un vídeo entero escribiendo, y no oculta su efecto: «Nadie pensará que es una persona real». Según Descript, su función Dub speech traduce el guion y genera una locución nueva, con una opción de Lip sync que ajusta la boca de quien habla en pantalla al audio traducido. La lista de idiomas para doblar con sus voces de serie incluye el español, pero no el catalán.

Para un público en España la combinación encaja: el doblaje de Descript cubre el español y la voz de Gemini llega también al catalán. En una composición de Remotion, la locución se prepara aparte y se añade como pista de audio.

Vídeo para empresas: trece usos, dentro y fuera

La tabla reúne trece usos: ocho para el trabajo interno y cinco para clientes. La columna «Qué hace la IA» solo recoge capacidades documentadas, y la de «Cuándo conviene» remite a los criterios de la sección siguiente. Los más fáciles para empezar son el resumen de una reunión y los cortes para formato corto, porque la materia prima ya existe.

Los vídeos personalizados por cuenta son una plantilla de Remotion con los datos de cada cliente, renderizada en lote. Si tu empresa supera los tres empleados, ese uso entra en la modalidad Remotion for Automators.

Vídeo o documento: seis preguntas para decidir

Un vídeo cuesta más de preparar que un texto y no siempre se entiende mejor. Antes de encargarlo, pasa la idea por estas seis preguntas; si ninguna sale con un sí claro, escribe un documento.

El vídeo que se actualiza solo no es contenido efímero: efímero es lo que vale una vez y no se repetirá. Si lo que explicas cambia con regularidad, lo que compensa es la cadena del nivel 3, no un vídeo suelto.

Lo que la IA todavía no hace bien

Casi todo lo que propone esta guía funciona por pasadas. Según Descript, Underlord no es determinista; según Remotion, el vídeo se previsualiza con /remotion-studio antes de lanzar /remotion-render, y según Google el modo agéntico de Gemini hace varias pasadas de inspección y tarda más en grabaciones largas. Cuenta con dos o tres rondas de revisión antes de dar un vídeo por bueno.

Con las personas, prudencia. Según Descript, nadie tomará sus avatares por una persona real, y es fácil rozar el valle inquietante. Para explicar, una animación por código suele ser más segura que un metraje generado con personas; el avatar y la voz sintética rinden donde el valor está en el idioma, como en el doblaje, no en la cara.

Lo que cuesta analizar y editar

El coste de analizar vídeo depende de la resolución, de la duración y del modo, y la tabla reúne las cifras que publica Google para Gemini. La letra pequeña importa: según Google, el modo agéntico ahorra en vídeos largos, pero puede tardar más en dar la primera respuesta y gastar más en clips cortos o en preguntas muy amplias.

Según Descript, cada encargo a Underlord consume créditos por el razonamiento del agente y, si aplica una herramienta o un efecto, también por esa herramienta. Antes de automatizar nada, haz unas cuantas pruebas y revisa el consumo en tu cuenta.

Nivel 1: monta lo que ya está grabado

El primer nivel no crea nada: ordena lo que ya tienes. La vía más directa es un editor dedicado: en Descript, abre Underlord y pídele, con las palabras de su documentación, «Can you split this into 5 clips that are max 1 minute long?», o que busque cortes de 60 a 90 segundos y los pase a vertical.

La otra vía junta el agente con un modelo que entiende vídeo, y es una propuesta de flujo, no una integración documentada por ninguna empresa. Pide a Claude Code o a Codex un script que suba la grabación a la API de Gemini con "processing": "agentic" y devuelva en formato MM:SS las marcas de tiempo de los momentos clave; con ellas, el agente monta los cortes en una composición de Remotion. Para grabaciones de menos de 5 minutos basta el modo estático.

Un encargo de ejemplo podría ser: «Busca en esta grabación los tres momentos en que se decide el presupuesto y dame su minuto y segundo». Comprueba cada marca en la grabación antes de cortar.

Nivel 2: un gráfico animado con Remotion

El segundo nivel crea algo nuevo: un gráfico animado a partir de unos datos. Según Remotion, basta con pegar en el agente este encargo: «Ensure Node.js is installed. Install Remotion Skills: npx -y skills@latest add remotion-dev/skills -g -y Then use them to create a video.» La tabla recoge los pasos uno a uno, con los comandos tal como figuran en su documentación.

Un encargo de ejemplo para /remotion-create: «Gráfico de barras animado de 20 segundos con las ventas del tercer y el cuarto trimestre que hay en ventas.csv, con el título arriba y la diferencia destacada al final». En Codex, las mismas skills se invocan con $ o con /skills. Si quieres locución, prepárala aparte con la síntesis de voz de Gemini, en español o en catalán.

Nivel 3: una cadena que rehace el vídeo cada semana

El tercer nivel convierte el vídeo en una cadena. Un ejemplo: cada viernes, el agente lee los datos de la semana, actualiza el guion y la composición, renderiza un vídeo de dos minutos y lo deja donde toque.

Según Anthropic, Claude Code ofrece tres formas de programarlo. Las tareas en la nube se crean en claude.ai/code/routines o con /schedule y siguen funcionando con el portátil cerrado, pero están en vista previa de investigación, tienen un intervalo mínimo de una hora y trabajan sobre un clon nuevo del repositorio, sin ficheros locales; las de escritorio corren en tu máquina, con tus ficheros, siempre que esté encendida, y /loop repite un encargo dentro de una sesión abierta. Para un cron propio o un sistema de integración continua, la empresa indica claude -p, con --bare si necesitas el mismo resultado en cualquier máquina.

Según OpenAI, las tareas de Codex se programan desde la aplicación de escritorio de ChatGPT o desde ChatGPT en la web, no desde la CLI, y las que usan ficheros locales necesitan el ordenador encendido y la aplicación abierta. Para un cron propio, la empresa propone codex exec --sandbox workspace-write, porque por defecto codex exec solo puede leer.

Dos avisos antes de montar la cadena. El uso del ordenador de Claude Code no funciona con -p, así que una cadena desatendida no puede contar con él. Y ninguna documentación asegura que el render de Remotion funcione dentro de una tarea en la nube: comprueba que el entorno puede renderizar o usa una tarea de escritorio o un cron propio en una máquina donde Remotion ya funcione.