Tu asistente de IA ya puede hacer el vídeo

La primera versión tenía cuatro herramientas: crear un vídeo, consultar un vídeo, obtener su código para incrustarlo y listar las opciones. Parece poco. El cuidado estuvo en escribirlas para un lector que no puede hacer una pregunta de seguimiento.

Cada herramienta dice claramente si solo lee, si cambia algo y si llamarla dos veces renderizaría dos veces, para que la aplicación del asistente te pida permiso en el momento adecuado. Dos cosas que nuestro formulario web resolvía en silencio se volvieron explícitas:

• el encargo, hasta 2.000 caracteres que el planificador trata como autoridad, por donde «empieza por la oferta de lanzamiento, el público son CTO» llega al guion
• el idioma, una lista fija de los siete idiomas que podemos comprobar tras un render, en lugar de un campo libre

Los errores están escritos para poder actuar. Una página que responde 404 lo dice, y dice que no se ha gastado nada. Una voz desconocida remite a la herramienta que lista las reales.

Un desarrollador puede darle a un asistente una clave de API. Un asistente alojado en un navegador no puede pegarla; tiene que iniciar tu sesión, como cualquier aplicación que te ofrece «conectar tu cuenta». Para eso debe descubrir por sí solo dónde y cómo iniciar sesión.

Así que ese mismo día construimos un inicio de sesión OAuth 2.1 estándar para el servidor:

• el flujo de código de autorización con PKCE, donde solo se acepta el método robusto
• registro dinámico, para que un asistente nuevo se presente sin configuración manual
• tokens válidos solo para nuestro servidor, con renovación y revocación
• una pantalla de consentimiento en cuatro idiomas que muestra con claridad qué permiso puede gastar de tu saldo

Haces clic en conectar, apruebas, y el asistente puede trabajar por ti. Revocarlo tiene efecto al instante.

Después manejamos el servidor desde un asistente real y miramos lo que veía el modelo. La lección fue sencilla e importante: las aplicaciones pasan al modelo el texto legible de un resultado y pueden ignorar por completo la parte estructurada. Un resumen como «12 voces» no le sirve a un modelo que necesita el identificador de una voz para elegirla.

Así que cada resultado empieza ahora con un texto legible que lleva todo lo necesario para actuar, cada voz, cada música, cada idioma y cada objetivo, luego los mismos datos en JSON compacto y luego el contenido estructurado. Un test construye ese texto y comprueba que cada identificador aparece, para que ningún resumen vuelva a colarse. La herramienta de incrustación devuelve ahora el propio código.

También adelantamos las comprobaciones. Una dirección que el grabador no puede abrir se rechaza antes de empezar cualquier trabajo, y cada error lleva un código que un cliente puede usar, además de un indicador de si se ha cobrado algo.

Después llegó la lectura: la cuenta, la lista de vídeos y el storyboard, que describe qué muestra cada escena y cómo se mueve. Luego la mitad que hace a un asistente realmente útil. La edición puede reescribir la narración, poner un subtítulo, recortar, quitar o reordenar escenas y cambiar la voz o la música, y un nuevo render convierte el storyboard editado en un vídeo nuevo.

Editar cambia tu trabajo, así que viene con barandillas:

1. 1cada edición guarda antes una instantánea en el mismo historial de revisiones que usa el editor web, así que cualquier cambio se puede deshacer
2. 2un lote de ediciones se comprueba entero antes de escribir nada; un lote aplicado a medias es peor que uno rechazado
3. 3las ediciones esperan mientras hay un render en marcha

El nuevo render sigue exactamente el mismo camino que el editor web, así que los dos nunca pueden discrepar sobre lo que cuesta un vídeo. Y repetir una petición con la misma clave de idempotencia pero otros ajustes se rechaza nombrando cada campo distinto.

El asistente con el que ya trabajas puede pasar ahora de una idea a un vídeo narrado y terminado de tu web real, y pulirlo contigo en la misma conversación. «Acorta la segunda escena y usa una voz más cálida» es ahora una frase, no un paseo por un editor.

Los pasos para conectar tu asistente están en nuestra página de asistentes, y la referencia completa de herramientas en la página para desarrolladores.