¿Cómo se convierte una web
en un vídeo terminado?

El proceso de captura abre la URL pública en un navegador y lee lo que está visible. Extrae textos útiles, secciones semánticas, llamadas a la acción, colores, familias tipográficas, posibles logos y metadatos de la página.

Guarda las capturas de página aprobadas y las fuentes web que la página realmente usa, cuando pueden obtenerse de forma segura. Las zonas de cabecera, funciones, precios, prueba social y llamada a la acción se convierten en posibles planos de origen. Los scripts, contenido embebido, audio, vídeo y SVG no seguro no se copian en el recurso del logo capturado.

La captura conserva evidencia, pero no decide la historia. La siguiente fase elige cuáles de esos elementos reales sostienen un único argumento breve.

La fase de redacción combina el kit de marca capturado con un gancho seleccionado y escribe una secuencia breve de líneas de voz, texto en pantalla, recursos de origen y llamadas a la acción. Cada línea se convierte en un tiempo con un inicio, un final y un elemento visual que le corresponde.

Las líneas de voz se sintetizan por separado y se miden. Sus duraciones reales fijan un límite mínimo no negociable para cada tiempo. Un ritmo solicitado puede añadir tiempo de espera, pero la línea de tiempo nunca acortará una línea hablada para ajustarla a una estimación.

La escena es autónoma y usa los recursos locales capturados. La posición, la escala, la opacidad, las máscaras y el contenido activo son funciones del tiempo de la línea temporal, no animaciones libres.

El renderizador calcula la marca de tiempo de cada fotograma a 30fps, fija un reloj virtual a esa marca de tiempo y llama a la función de renderizado de la escena. Espera al layout y al pintado, guarda el fotograma y luego avanza a la siguiente marca de tiempo.

El tiempo real de captura no controla el tiempo de la animación. Un fotograma difícil puede tardar más en producirse sin que eso haga saltar el siguiente fotograma hacia adelante. Las capturas numeradas se codifican en orden como vídeo h264 con formato de píxel yuv420p.

Las escenas verticales se renderizan a 1080x1920. Las horizontales, a 1920x1080. Ambas usan 30fps, así que el lienzo cambia mientras el contrato de tiempos se mantiene igual.

Los archivos de voz medidos se colocan en sus posiciones de entrada en la línea de tiempo final. La base musical se sintetiza desde cero para el renderizado, usando el pulso seleccionado y los puntos de corte visuales reales en lugar de una grabación ya existente.

La voz y la banda sonora se mezclan juntas, manteniendo la música por debajo de la pista hablada. El audio combinado pasa por una normalización de sonoridad con un objetivo de -14 LUFS y luego se convierte en una pista estéreo AAC dentro del MP4.

Durante la publicación en redes sociales puede usarse un enlace de sonido nativo aparte, cuando ese sonido es apto para la cuenta y el formato. No se extrae ni se incrusta en el máster exportado.

El archivo terminado se analiza para comprobar el ancho, el alto, la velocidad de fotogramas de 30fps, la duración, el códec h264, el formato de píxel yuv420p y la pista de audio esperados. La duración debe mantenerse dentro de 100 milisegundos de la longitud de renderizado redactada.

La escena también se inspecciona en marcas de tiempo de muestra en busca de elementos visibles que se extiendan más allá del ancho del viewport. Comprobaciones aparte decodifican fotogramas del MP4 y comparan sus hashes, de modo que una escena que debería moverse no pueda pasar como una imagen repetida.

Una comprobación técnica fallida detiene el proceso antes de la subida. La revisión humana sigue evaluando el mensaje, el encuadre, el ritmo y la legibilidad, pero no tiene que descubrir por accidente que falta una pista de audio.