¡Un video de 1 minuto le costó 70 yuanes a mi jefe! Le pedí a Codex que creara un flujo de trabajo de video con Opus 5.5 a partir de una sola frase

Resumen en una frase: casi no escribí código; solo le planteé el requisito a Codex, aprobé las ejecuciones y corregí el rumbo, y con eso monté un flujo de trabajo de vídeo con Opus 5.5 a partir de una sola frase. El resultado es de verdad impresionante, y la factura también es de verdad nada barata.

Me metí en algo que engancha bastante. Le pedí a Codex que replicara un flujo de trabajo de vídeo: yo escribo una frase con lo que quiero, y Opus 5.5 planifica, escribe el código de la animación, compone la música, revisa, corrige y, al final, exporta un MP4.

Cuando salió el vídeo me emocioné muchísimo, y entonces miré el coste. Para un vídeo de aproximadamente 1 minuto, según mis registros, el gasto en modelos fue de 9,4943 dólares, unos 70 yuanes al cambio. Eso sí, lo pagó el jefe.

Todo lo que cuento a continuación (el proceso de montaje, el consumo de cuota y los costes) sale de una ejecución real mía, incluida la experiencia de cuando Codex se equivocó de dirección la primera vez.

Opus 5.5: glosario rápido del flujo de trabajo de vídeo (to know)

Más adelante vamos a usar estos términos una y otra vez. Mejor ponernos de acuerdo desde ya en cómo los llamamos, para que no te líes a mitad de lectura.

01 Vi un vídeo hecho con Opus 5.5 en Bilibili y me entraron ganas de hacer el mío

Todo empezó de forma muy sencilla. Hace poco, navegando por Bilibili, me topé con un vídeo que alguien había hecho con Opus 5.5: la lógica narrativa estaba clarísima, las imágenes eran agradables a la vista y la estética en general estaba muy lograda. No se parecía a los primeros vídeos de IA, que eran un montón de planos efectistas sin más. Este contaba una historia en serio.

Enseguida pensé que este formato encaja perfecto para la gestión de contenidos y para una marca personal. Si la IA puede encargarse sola de la planificación, las imágenes, la locución y el montaje, la barrera de entrada baja muchísimo. Sobre todo para contenido educativo o de nichos profesionales, que necesita explicarse bien pero donde no quieres aparecer en cámara.

Al llegar a esa conclusión ya no pude quedarme quieto: si otros pueden hacerlo, yo también quiero montarme mi propio sistema.

02 Solo le dije una frase a Codex: «Quiero lo mismo que tiene aquel, pásamelo»

No tenía intención de ponerme a estudiar motores de animación, pipelines de renderizado ni procesamiento de audio, y mucho menos de escribir un sistema de vídeo completo desde cero. Le lancé el objetivo directamente a Codex, con unas palabras muy parecidas a «quiero lo mismo que tiene aquel, pásamelo».

A partir de ahí, el que trabajó fue básicamente Codex:

• Buscó tutoriales y leyó la documentación y el código fuente del proyecto de referencia
• Instaló dependencias como Node.js, Python y FFmpeg, y configuró el entorno local
• Conectó entre sí las herramientas de renderizado, sonido, subtítulos y verificación
• Ejecutó pruebas y corrigió él mismo los errores que fueron apareciendo

Lo mío era sobre todo plantear los requisitos, confirmar la dirección y pulsar «aprobar» cuando iba a ejecutar algún comando. Más que montar nada, me sentía como un cliente que no entiende mucho de tecnología, pero que tiene muy claro lo que quiere.

La primera vez, Codex desvió el flujo de trabajo de vídeo con Opus 5.5

El proceso no fue nada fluido. Lo que Codex montó la primera vez fue un banco de trabajo del tipo «el modelo genera el storyboard + plantillas de animación fijas», donde Opus solo podía rellenar texto y parámetros dentro de plantillas predefinidas. Funcionaba, pero limitaba muchísimo el espacio creativo de Opus, y el resultado no tenía nada que ver con lo que había visto en Bilibili.

Después cambié de estrategia: en lugar de insistir en describir «quiero algo bonito como aquello», le pedí que se basara en un caso de éxito ya existente. Codex volvió a consultar el registro de producción de Ploto y eligió como base el proyecto de código abierto Lemo-Opuscar que se mencionaba allí. Solo entonces la dirección fue la correcta.

💡 La lección que más vale la pena anotar: cuando le pides a un Agent una tarea compleja, darle directamente un caso de éxito concreto y maduro suele funcionar mucho mejor que explicarle una y otra vez lo que quieres.

Montar el flujo de trabajo de vídeo con Opus 5.5 se comió el 80 % de mi cuota de Codex

Cuando terminó el montaje, vi que Codex ya había gastado alrededor del 80 % de la cuota de la ventana de cinco horas de mi plan ChatGPT Plus en ese momento.

03 Entonces, ¿qué es realmente el flujo de trabajo de vídeo con Opus 5.5?

Primero, aclaremos los tres roles. Mucha gente, al leer «Codex monta un flujo de trabajo con Opus», piensa que dos modelos hacen el vídeo juntos, pero en realidad aparecen en dos etapas distintas:

La base, Lemo-Opuscar, es una caja de herramientas de estilos para «generar películas con código». Separa el método de dirección, la implementación técnica y el estilo visual en guías distintas, y el Agente crea siguiendo esas guías. El proyecto incluye una biblioteca de estilos que se pueden elegir directamente, y también permite crear estilos propios. Indica de forma explícita que esos estilos están ajustados para Claude Opus 5.5, así que con otro modelo no necesariamente se obtiene el mismo resultado. La descripción de la versión que instalé en mi equipo menciona además que un vídeo suele requerir que el Agente trabaje unos 30–60 minutos y consume una cantidad considerable de tokens. En su momento no le di importancia a esa frase; no caí en la cuenta hasta que vi el coste.

El flujo de trabajo de vídeo con Opus 5.5 no es «una IA que genera el vídeo directamente»

Este es el punto que más se malinterpreta. No consiste en llamar a un modelo de vídeo con IA, escribir una frase y recibir un clip. Según la documentación técnica del proyecto, el vídeo se produce con código, sin depender de ningún modelo de generación de vídeo ni de material de archivo. En concreto, Opus escribe el código de las imágenes y las animaciones dentro de una página web, el navegador captura pantallazos fotograma a fotograma según los puntos de tiempo, y al final se combinan imagen y sonido para obtener el vídeo.

Un resumen rápido de la cadena de herramientas:

• Node.js + Canvas/WebGL: ejecuta el código de imagen que escribe Opus y dibuja la animación a lo largo del tiempo
• Navegador sin interfaz de Playwright: abre la página de animación y captura las imágenes fotograma a fotograma
• Kokoro: capacidad de locución en chino en local; no se usó en este vídeo, que no lleva narración
• Whisper: cuando hay narración, transcribe la locución a texto para verificarla frase por frase
• Python: procesamiento de locución, validación, efectos de sonido y música de fondo
• FFmpeg: codificación, mezcla de audio y composición del vídeo final

Este enfoque tiene una ventaja: imagen, música, subtítulos y efectos de sonido comparten la misma línea de tiempo, de modo que los cambios de plano se pueden alinear con los eventos sonoros. En cuanto a requisitos del entorno, el proyecto pide Node.js 20+, FFmpeg 7+ y Python 3.11+, y la salida por defecto es de 1920×1080 a 24 fps. En esta ocasión yo lo ejecuté a 30 fps.

04 Tras una sola frase, el flujo de vídeo con Opus 5.5 empieza a trabajar solo

Una vez montado, usarlo es muy sencillo. El proceso, a grandes rasgos, es este:

1. Escribo una frase diciéndole a Opus qué vídeo quiero hacer
2. Opus planifica por su cuenta, escribe el guion y diseña los planos
3. Producción visual: escribe el código de animación y crea los efectos visuales y los movimientos de cámara
4. Producción de sonido: música, efectos de sonido y subtítulos; cuando hace falta narración, recurre a la capacidad de doblaje
5. Extrae fotogramas para revisar imagen y sonido, y si detecta problemas, los corrige él mismo
6. Renderiza fotograma a fotograma, compone y exporta el MP4

La parte del doblaje tuvo su pequeña historia. La interfaz china sin conexión que trae el proyecto original por defecto producía voz, pero la primera vez que pasé el audio por Whisper, lo reconocido se parecía muy poco al texto original. Codex tomó como referencia el ejemplo en chino del autor del motor Kokoro y añadió el modelo chino v1.1 y el frontend de pronunciación china Misaki. Tras el ajuste, las dos frases de prueba en chino pasaron la validación, y todo sin recurrir a un doblaje en línea. Es una capacidad con la que cuenta el sistema, aunque en las ocho películas que hice esta vez no la usé.

El flujo de trabajo final tiene dos puntos de entrada:

Conviene aclarar que lo de «una frase» es solo una simplificación a nivel de interacción. Por detrás siguen existiendo las múltiples llamadas a Opus, la ejecución de herramientas y las modificaciones repetidas, y no se gasta ni un token menos.

05 Cuando el flujo de trabajo de vídeo de Opus 5.5 por fin echó a andar, me quedé bastante sorprendido

La primera vez que lo usé de verdad elegí un tema algo complicado: una introducción al significado de las Ocho Puertas del Qimen Dunjia, el arte adivinatorio tradicional chino. Los requisitos eran unos 60 segundos, 1920×1080, 30 fotogramas por segundo y sin voz en off. En las instrucciones de ejecución, Opus propuso «subtítulos a modo de colofón con música de guqin». El archivo de créditos del proyecto también dejaba claro que todo el audio de la pieza estaba sintetizado por código, sin grabaciones ni voces.

El resultado final me sorprendió de verdad. Lo más evidente fueron los caracteres chinos: nítidos y bien compuestos, mucho mejor de lo que esperaba. En cuanto aparecían elementos tan técnicos como las casas, las estrellas volantes o los hexagramas, yo ya estaba preparado para ver los garabatos, las letras inventadas y el texto deformado típicos de los primeros vídeos de IA. No apareció nada de eso: estaba todo limpiamente ordenado.

El gusto estético también está a la altura. Una base de tinta china, subtítulos a modo de colofón y guqin de fondo: en conjunto, sobrio y con presencia, muy en sintonía con el tema. Lo que sentí no fue solo «la IA puede generar imágenes», sino que parece saber cómo hay que dibujar este tipo de contenido.

06 Y entonces miré el coste del flujo de trabajo de vídeo de Opus 5.5: un minuto, 9.4943 dólares

Fui a echar un vistazo al coste.

Con un tipo de cambio de ejemplo de unos 7.3 yuanes por dólar, sale más o menos 70 yuanes.

Lo que pienso de verdad es esto: el resultado está muy bien, pero 70 yuanes por un minuto de vídeo no es barato si lo miras solo como coste de producción. Si lo publicas y no genera tráfico, seguidores ni retorno comercial, ese dinero es una pérdida.

Los planes de Claude y la facturación por uso de la API son dos estructuras de costes distintas

Volví a revisar la documentación oficial de Anthropic y, en efecto, los mecanismos de cobro de ambas opciones no son iguales:

Por eso no se puede afirmar sin más que la API sea siempre más cara que un plan, ni que un plan permita usar Claude sin límites. Un plan puede encajar mejor si ejecutas flujos de trabajo de forma constante y en grandes cantidades; la ventaja de la API es que sabes con claridad cuánto cuesta cada llamada. Cuál sale más a cuenta depende de tu volumen de uso y de la frecuencia con la que produces resultados, y lo mejor es comparar con datos reales de un periodo de tiempo.

💰 Consejo para cuadrar cuentas: si optas por la facturación por uso, te recomiendo revisar el detalle en la consola de APIYI (apiyi.com) cada vez que termines un vídeo y anotar a la vez el tema y el número de rondas de revisión. Con unos cuantos vídeos podrás estimar tu rango de coste por pieza.

¿Quieres probar sin gastar mucho? Prueba primero por separado la capacidad de planificación de Opus 5.5

Si todavía no has decidido si montar todo el flujo de trabajo, puedes gastar muy poco y llamar una sola vez a Opus 5.5 para ver qué tan bien escribe un storyboard y cuántos tokens consume:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interfaz compatible con OpenAI de APIYI
)

resp = client.chat.completions.create(
    model="claude-opus-5.5",  # Nombre de ejemplo; usa el nombre real que aparezca en la lista de modelos de APIYI
    messages=[{"role": "user", "content": "为一条1分钟的奇门八门科普短片写6个镜头的分镜，水墨风格，无旁白"}],
)
print(resp.choices[0].message.content)
print(resp.usage)  # Uso de tokens de entrada y salida de esta llamada

import json
import time
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

LOG_PATH = "usage_log.jsonl"

def ask_with_log(prompt: str, model: str = "claude-opus-5.5", tag: str = "storyboard") -> str:
    """Invoca el modelo y añade al registro el uso de tokens de cada llamada, para facilitar la conciliación posterior"""
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    usage = resp.usage
    record = {
        "time": time.strftime("%Y-%m-%d %H:%M:%S"),
        "tag": tag,
        "model": model,
        "prompt_tokens": usage.prompt_tokens,
        "completion_tokens": usage.completion_tokens,
    }
    with open(LOG_PATH, "a", encoding="utf-8") as f:
        f.write(json.dumps(record, ensure_ascii=False) + "\n")
    return resp.choices[0].message.content

def summarize(log_path: str = LOG_PATH) -> dict:
    """Suma el uso acumulado de tokens; convierte a costo con los precios reales que muestre tu consola"""
    total_in, total_out = 0, 0
    with open(log_path, encoding="utf-8") as f:
        for line in f:
            r = json.loads(line)
            total_in += r["prompt_tokens"]
            total_out += r["completion_tokens"]
    return {"input_tokens": total_in, "output_tokens": total_out}

if __name__ == "__main__":
    print(ask_with_log("为一条1分钟的奇门八门短片设计镜头节奏和配乐思路"))
    print(summarize())

🚀 Prueba rápida: te recomiendo usar primero el crédito de prueba gratuito para nuevos usuarios de APIYI (apiyi.com) y hacer unas cuantas pruebas de storyboard. Así confirmas que el estilo creativo de Opus 5.5 te convence antes de decidir si inviertes en el flujo de trabajo completo.

07 Estoy contento con el resultado, pero las cuentas del flujo de trabajo de video con Opus 5.5 hay que rehacerlas

Este experimento me permitió ver hasta dónde puede llegar un flujo de trabajo de video basado en Agentes. Para operación de contenidos, marca personal, videos educativos y contenido vertical profesional, este tipo de herramientas merece seguir estudiándose. Pero que algo sea técnicamente posible y que sea rentable comercialmente son dos preguntas distintas.

Si más adelante esos videos te traen tráfico, seguidores y conversiones, los 70 yuanes pueden considerarse una inversión razonable en producción. Pero si solo haces un video de un minuto para verlo tú mismo, 70 yuanes claramente no valen la pena. Una advertencia de paso: el código y la documentación de Lemo-Opuscar están bajo licencia MIT, y el video de ejemplo y los fotogramas fijos bajo CC BY 4.0, así que los videos creados con la herramienta pertenecen a quien los crea. Sin embargo, los materiales de terceros, incluidas algunas voces de doblaje, tienen sus propias licencias; antes de usarlos con fines comerciales, lo mejor es emplear tus propios materiales y revisar cada licencia una por una.

Lo que realmente me llevo de esta prueba es que logré poner en marcha yo mismo un flujo de trabajo completo y que ahora tengo claro cuánto cuesta. En todo caso, esta ronda se hizo con dinero de verdad (aunque quien pagó fue el jefe). El resultado es genuinamente bueno, y el gasto también fue real. Si quieres probarlo, primero averigua si vas a usar la cuota de un plan de suscripción o la facturación por uso de la API; si no, la factura llegará antes que el tráfico de tus videos.

Preguntas frecuentes (FAQ)

Puntos clave del flujo de trabajo de vídeo con Opus 5.5

• Que quede claro el reparto: Codex se encarga de montar la base, Claude Code es el banco de trabajo y Opus 5.5 se encarga de la creación
• No es un modelo de vídeo: las imágenes se renderizan fotograma a fotograma con código, así que los textos y los símbolos quedan nítidos y bajo control
• Un ejemplo vale más que una explicación: cuando Codex se fue por la rama equivocada en el montaje, solo con casos de éxito conseguí reconducirlo
• No mezcles los dos tipos de coste: el 80 % es la cuota de la suscripción de Codex y los 9,4943 dólares son la tarifa de invocación de la API
• 70 yuanes no es un precio: es solo el caso concreto de este único vídeo; la conversión de divisas también es solo un ejemplo
• Empieza probando con poco dinero: puedes usar los créditos gratuitos de APIYI (apiyi.com) para testear antes la capacidad de Opus 5.5 para crear storyboards

Conclusión

De este experimento con el flujo de trabajo de vídeo de Opus 5.5 saco tres conclusiones:

1. La capacidad es real: la representación de caracteres chinos, palacios (casas astrales), astros y hexagramas, junto con la estética general de tinta aguada, superó mis expectativas
2. El coste también es real: unos 70 yuanes por un vídeo de aproximadamente un minuto, más la mayor parte de la cuota de Codex que se consumió durante el montaje; no sale barato
3. Si merece la pena depende del retorno: si te trae tráfico, seguidores y conversiones, es una inversión; si no, es una pérdida

Que algo se pueda hacer técnicamente no significa que merezca la pena comercialmente. Mi consejo: primero ten claro qué quieres conseguir con el vídeo y luego decide entre un plan de suscripción o el pago por uso. Si prefieres validarlo con poca barrera de entrada, puedes probar por separado la capacidad de planificación de Opus 5.5 con los créditos gratuitos de APIYI (apiyi.com) y, si el resultado te convence, lanzar todo el conjunto.

📚 Referencias

1. Repositorio del proyecto Lemo-Opuscar: caja de herramientas de estilo para generar vídeo mediante código
2. Enlace: github.com/lemomo-ai/lemo-opuscar

3. Descripción: incluye tres tipos de guías (dirección, técnica y estilo) y la información de licencia

4. Documentación técnica de Lemo-Opuscar, TECHNIQUE.md: explicación del mecanismo de producción de vídeo

5. Enlace: github.com/lemomo-ai/lemo-opuscar/blob/main/TECHNIQUE.md

6. Descripción: presenta el flujo de imágenes generadas con código, renderizado fotograma a fotograma, verificación de la locución, subtítulos y composición con FFmpeg

7. Centro de ayuda de Anthropic: Claude Code y los planes Pro, Max y Ultra

8. Enlace: support.claude.com/en/articles/11145838-use-claude-code-with-your-pro-max-or-ultra-plan

9. Descripción: diferencias entre la cuota de la suscripción y la facturación por API, y la prioridad de ANTHROPIC_API_KEY

10. Ploto, así se hizo: experiencia de uso de IA para crear vídeos largos

11. Enlace: ploto.me/posts/how-i-made-a-long-video-with-ai
12. Descripción: fuente del caso de éxito que Codex tomó como referencia para corregir el rumbo de la construcción

Autor: equipo técnico de APIYI
Intercambio técnico: puedes contactarnos desde la página principal de APIYI; para más material de integración, visita el centro de documentación en docs.apiyi.com

Artículos relacionados

• Domina el cambio del foco competitivo en la producción de microdramas con IA: 6 pasos desde generar un solo plano hasta gestionar los activos de múltiples episodios: En el contexto del cambio de los puntos de competencia en la producción de dramas cortos con IA, utiliza 6 pasos para establecer una biblioteca de activos multi-episodio, reglas de versiones, fichas de plano y un proceso de verificación de continuidad, reduciendo los errores de continuidad entre episodios y el retrabajo.
• Karpathy crea una plataforma de vídeos en dos horas: 6 pasos para replicarla con Opus 5.5 y 3 errores que evitar: Analiza la información pública sobre cómo Karpathy creó HackerTube en dos horas con Opus 5.5, presenta 6 pasos para reproducirlo, 3 obstáculos frecuentes y una estimación de costes, y explica cómo conectar Claude Code mediante APIYI.
• Ni viento ni lluvia, ni niebla ni sol: de dejar los estudios y entrar en una fábrica a encabezar las tendencias de GitHub; creó Archify, que convierte una frase en un diagrama de arquitectura interactivo (5 pasos para empezar): Tu Shaokun, desarrollador frontend que cursa estudios universitarios tras obtener un título técnico, creó Archify, un Skill de código abierto y gratuito cuyo único costo es el modelo subyacente; este artículo explica en 5 pasos cómo conectarlo a claude-opus-5-5 para dibujar diagramas de arquitectura interactivos con una sola frase.
• Claude Code empieza a bloquear la «clonación de juegos»: cómo evitarlo al crear prototipos como desarrollador independiente: Claude Code añadió dos frases a su indicación de sistema el 27 de octubre para limitar la recreación de juegos existentes concretos; este artículo explica los cambios, qué solicitudes siguen siendo viables y ofrece una plantilla de diseño, 3 ejemplos de indicaciones y un método para elegir modelos por costo al crear prototipos.
• Tutorial de Claude Motion: convierte indicaciones en videos animados con Opus 5.5 y crea tu primer video en 5 pasos, desde cero: Guía paso a paso para principiantes: consigue una clave API de claude-opus-5-5, pega una indicación y deja que Opus 5.5 cree una animación que se reproduzca en el navegador y la grabe como video, con 4 indicaciones de ejemplo, una lista de verificación de la consola y una tabla de solución de problemas.