Convierte la grabación de un directo (VOD) en clips verticales

¿Por qué es más difícil hacer clips de la grabación de un directo que de una persona hablando a cámara?

Porque la parte interesante casi nunca está en el centro del encuadre.

Un directo se compone antes incluso de grabarse. El gameplay, una pantalla compartida o un navegador llenan todo el ancho 16:9, y el streamer está en un pequeño recuadro de webcam en una esquina (abajo a la izquierda, abajo a la derecha, donde no estorbe el HUD). Esa única decisión de diseño rompe la suposición que hace todo generador de clips genérico. Si recortas el centro, obtienes el medio de un mapa de juego sin rostro, sin reacción y sin saber quién habla. Si sigues el rostro, obtienes un recuadro de esquina muy ampliado, con el gameplay al que estaba reaccionando cortado.

El segundo problema es la duración. Un video de una persona hablando a cámara dura minutos; un VOD dura horas. El momento que vale la pena convertir en clip son cuatro minutos en algún punto de cuatro horas, y buscarlos deslizando la barra es la razón por la que la mayoría de los VOD de los streamers nunca se convierten en clips. Ese archivo es el caso más claro de inventario sin publicar que existe: horas de material grabado que llegó a la gente que ya miraba en directo y a nadie más.

El tercero es que el audio es continuo. No hay marcas de capítulo, ni ediciones, ni límites naturales, así que los puntos de corte tienen que salir de la transcripción y de los cambios de escena visuales y no de una estructura que no existe.

¿Cómo reconstruye Clippen un diseño de directo?

Con un modo llamado INSET, y conviene explicarlo porque lo interesante es la detección.

Clippen no le pregunta a un modelo de lenguaje si el encuadre tiene un recuadro de webcam: preguntarlo empeoraba la elección general del diseño. Encuentra el recuadro geométricamente, con tres pruebas que pasa una webcam en una esquina y no pasa una persona hablando a cámara. El sujeto es pequeño en el encuadre. El sujeto está descentrado en horizontal: una persona hablando a cámara puede estar alta en el encuadre pero casi siempre está centrada, así que la posición vertical por sí sola no basta. Y el recuadro del sujeto apenas se mueve entre muestras: una superposición de webcam está fijada a los mismos píxeles y se desplaza unos pocos píxeles a lo largo de un clip, mientras que una persona real en una habitación se mueve cientos.

Cuando se cumplen las tres, el clip se reconstruye en lugar de recortarse: la pantalla ocupa todo el ancho en la parte superior del encuadre 9:16, y el recuadro de la webcam se amplía debajo. Sobreviven las dos mitades de la composición original: puedes leer lo que hay en pantalla y ver la reacción a un tamaño legible.

El modo relacionado SCREENCAST cubre la otra forma del mismo problema: una pantalla compartida o presentación que ocupa la mayor parte del ancho con un presentador a su lado y no encima. El contenido más estrecho que la mitad del encuadre se deja tal cual, porque un ticker de esquina o un rótulo inferior sobrevive perfectamente a un recorte y volver a apilarlo sería peor que no hacer nada.

¿Cuánto cuesta un VOD de cuatro horas?

240 créditos. Clippen cobra por la duración del video de origen, y un crédito es un minuto de él, así que cuatro horas son 240 minutos son 240 créditos: se cobran una vez, por todo el proceso, salgan los clips que salgan.

Clippen es una herramienta de pago y cobra según la duración de lo que le das: un crédito es un minuto de video de origen, y ese único cargo cubre todo el proceso: todos los clips que dé el video, el reencuadre vertical, los subtítulos y el gancho. Un podcast de 60 minutos cuesta 60 créditos tanto si devuelve seis clips como si devuelve doce. Los planes empiezan en 19,99 US$ al mes por 150 créditos (11,66 US$ al mes con facturación anual) y llegan hasta 59,99 US$ al mes por 800 créditos. No hay plan gratuito.

Vale la pena comprobar esto con cuidado en cualquier herramienta que compares, porque el cobro por minuto y el cobro por clip producen números muy distintos para el mismo VOD. Un directo de cuatro horas que da doce clips cuesta aquí los mismos 240 créditos que uno que da ocho. Un tope mensual de clips terminados pone precio al mismo VOD según un resultado que nadie puede predecir antes de pulsar el botón.

La consecuencia práctica para los streamers es que recortar el video de origen es la palanca que importa. Si sabes que la primera hora fue preparación y chat, envía las tres últimas horas y paga 180 en lugar de 240. Nada más del proceso cambia.

¿Cuánto tarda y qué recibes?

Te avisamos por correo en cuanto estén listos. El proceso se ejecuta en el servidor: envía el VOD cuando termine el directo y vete a dormir.

unos 10 clips de un envío, sea cual sea su duración, cada uno de de 15 a 60 segundos, y la cantidad se ajusta a lo que hay en el material: los tiempos muertos y la preparación no generan clips para llegar a un número. Cada uno llega terminado:

• Vertical en 1080×1920, con 9:16, 1:1 y 16:9 disponibles en el mismo proceso.
• Subtítulos palabra por palabra incrustados con la palabra hablada resaltada, con el idioma detectado automáticamente.
• Un titular gancho escrito por IA sobre los primeros segundos.
• Un diseño elegido por escena: INSET para la webcam en una esquina, SCREENCAST para una pantalla compartida junto al presentador, TRACK para un segmento de cámara a pantalla completa, SPLIT para un plano de dos en un directo compartido.
• Acercamientos opcionales en los momentos clave, para que una webcam fija no parezca un clip fijo.
• Descarga, o publica en TikTok, Instagram Reels y YouTube Shorts desde el panel.

En los directos sin ningún rostro en pantalla (una captura de juego a pantalla completa con solo voz) no hay recuadro que encontrar ni sujeto que seguir, así que esas escenas se tratan como diseños a ancho completo, con el audio y los subtítulos llevando el clip. El reencuadre no puede inventar un plano de reacción que nunca se grabó.