El stack completo de producción de contenido con IA: guion, imagen, video, voz, avatar y DMs automatizadas. Cómo se encadenan las 6 herramientas y por qué un master prompt centralizado gana sobre prompts sueltos en cada tool.
Si producís contenido con IA, en pocas semanas terminás con 8-12 herramientas abiertas en pestañas, cada una con su login, su crédito por aparte, su forma de prompts. Cuesta más tiempo gestionar la pila que producir contenido.
Lo que sigue es un stack opinado de 6 herramientas que cubren el ciclo completo del creator, encadenadas por un master prompt en Claude que orquesta el resto.
Nota: stack específico. Si tu workflow es otro (más editorial, menos video, etc.), adaptá. La estructura — herramientas + orquestador — funciona aunque cambies cada pieza.
┌─ Master Prompt (Claude) ─┐
│ │
│ Genera prompts para: │
│ │
│ 1. Guion ────────► Claude (Opus + Sonnet)
│ 2. Imagen ───────► Nano Banana Pro / GPT Image
│ 3. Video ────────► Veo 3.1 / SeeDance 2 / Higgsfield
│ 4. Voz ──────────► ElevenLabs
│ 5. Avatar ───────► HeyGen
│ 6. DMs ──────────► ManyChat
│ │
└────────────────────────────┘Vos das el brief al master prompt. Él genera los prompts específicos que cada herramienta necesita, en el formato que cada una espera. Vos copy-paste en cada tool.
Para escribir el guion del contenido:
Por qué Claude y no otro: razonamiento sobre la estructura del contenido (hook, desarrollo, payoff) tiende a ser más fuerte. Y mantiene tu voz si le pasás ejemplos.
Para mejor uso: armarte una skill de "voice writer" entrenada en tus textos (ver JARVIS en Obsidian).
Para visuals estáticos:
Cuándo cuál: si necesitás una persona realista o producto fotográfico → Nano Banana. Si necesitás ilustración / estilo no fotográfico → GPT Image.
Para integrarlo a tu flow Claude, mirá Higgsfield MCP que mete modelos de imagen adentro del chat.
Video cinematográfico generativo:
Cuándo cuál: depende del tipo de movimiento. Para escenas con personas → SeeDance (mejor en motion humano). Para ambientes / paisajes / productos → Veo (mejor en composición cinemática).
Para voiceover y narración:
Workflow típico:
Si vas a hacer mucho, podés clonar tu propia voz y usarla como autor consistente.
Para crear talking head de un avatar (tu cara o uno generado):
Cuándo brilla: contenido educativo, talking head para LinkedIn/YouTube Shorts, presentadores de cursos.
Cuándo NO: si tu autenticidad de "estar ahí" es valor de marca, fake "tu cara" cuando no sos vos siente raro.
No es IA generativa — es automatización de Instagram/Facebook/WhatsApp DMs.
El último paso del flow creator: alguien comenta tu post, ManyChat le manda DM con el lead magnet, lo lleva a tu lista.
Conectado a Claude vía webhooks, Claude puede personalizar respuestas según contexto de cada lead.
Lo que une el stack. Una skill en Claude que sabe:
Ejemplo de skill:
---
name: stack-creator
description: Master prompt para producción de contenido. Activate cuando
pida producir reel/post/short/video. Encadena guion → visuals → audio.
---
# Stack Creator
Cuando me pidas producir contenido, hacé lo siguiente:
## Paso 1 — Entender el brief
Antes de generar nada, pediime:
- Plataforma (TikTok / Reels / YouTube Short / LinkedIn / etc.)
- Duración objetivo (segundos)
- Objetivo (awareness / conversión / educar / entretener)
- Hook style (si quiero algo específico)
- Audiencia exacta
## Paso 2 — Generar guion
Con Sonnet/Opus según complejidad. Formato:
[FRAME 0-3s]: hook (descripción visual + audio + texto en pantalla)
[FRAME 3-X]: desarrollo (cada beat con visuales y voiceover)
[FRAME X-fin]: payoff + CTA
Voz: mi voz aprendida (consultá ejemplos en ~/voz/).
## Paso 3 — Generar prompts para cada herramienta
Por cada elemento del guion, generá el prompt específico:
### Para imagen (Nano Banana Pro)
"[descripción visual densa, photoreal style, 9:16 vertical, lighting X,
mood Y, character details, no text overlay]"
### Para video (Veo / SeeDance)
"[motion description, camera movement, duration, transitions]"
### Para voz (ElevenLabs)
"[texto del voiceover sin formato, una línea por frame]"
"Voice: my-cloned-voice
Emotion: [calm/excited/serious]"
### Para avatar (HeyGen) - solo si aplica
"Avatar: my-avatar
Script: [texto a hablar]"
## Paso 4 — Resumir flow
Devolveme un doc estructurado con:
1. Guion entero
2. Prompts para cada herramienta (copy-paste listos)
3. Orden de producción (qué hago primero, qué segundo)
4. Tiempo estimado total
## Reglas
- Si dudo entre Veo y SeeDance, recomendame uno con razón
- Si el contenido no necesita una de las 6 (ej. no necesita avatar),
saltala explícitamente
- Mi tono: [definí tu tono]
- Restricciones: [definí qué no hacer]Con esta skill, un brief de 3 líneas se convierte en 6 prompts listos para 6 herramientas, en 30 segundos.
[Master Prompt]
> Reel para Instagram. 30 segundos. Sobre el problema típico de
founders SaaS: gastar plata en growth antes de tener product-market
fit. Audiencia: founders early-stage LATAM.
[Master Prompt te genera:]
GUION:
[FRAME 0-3s]: Hook visual: founder mirando dashboard con números
bajos, cara de frustración. Texto: "Gasté $50k en Meta ads."
[FRAME 3-15s]: Desarrollo: voiceover explica que sin PMF, el budget
acelera la caída. Visual: gráfico de embudo con leak en el medio.
[FRAME 15-25s]: Solución: validar PMF primero. Visual: pre-PMF
checklist.
[FRAME 25-30s]: CTA: "Hablo con 5 founders gratis esta semana, link
en bio."
PROMPTS GENERADOS:
🖼 IMAGEN (Nano Banana Pro):
"Founder argentino 35, en su escritorio, mirando laptop con expresión
de frustración. Iluminación natural de ventana. Cinemático, 9:16,
photoreal."
🎬 VIDEO (Veo):
"Subtle camera push-in toward laptop screen. Founder slowly turns to
look at camera, defeated expression. 3 seconds, 9:16."
🎙 VOZ (ElevenLabs):
"Gasté cincuenta mil dólares en publicidad antes de tener product-market
fit. ¿Qué pasó? El embudo seguía leakeando. Cuando no tenés PMF, el
budget no escala el negocio — acelera la caída."
Voice: mi-voz-clonada
Emotion: reflective
🎭 AVATAR (HeyGen): no aplica este reel (usás el visual del founder)
📩 DM (ManyChat trigger):
Si comenta "MENTORÍA" → DM: "Hola [nombre], 5 founders por semana,
agendá acá: [link]"
ORDEN:
1. Generar imagen (1 min)
2. Animar con Veo (3 min)
3. Voz en ElevenLabs (2 min)
4. Editar en CapCut con voz + video (10 min)
5. Subir + configurar ManyChat trigger (5 min)
TOTAL: ~25 min para reel completo.Sin el stack y el master prompt: ese reel toma 2-3 horas.
Si tenés las 6 herramientas pero cada vez tipeás los prompts a mano, perdés el 80% del valor. El master prompt es lo que une las piezas.
6 ya es mucho. Si agregás otras 4 "por completitud", el overhead te mata. Empezá con menos (3-4), agregás cuando notes el gap.
ElevenLabs con voz genérica suena a IA. Con tu voz clonada, suena vos. La diferencia es noche y día para autenticidad.
HeyGen es bueno pero detectable. Para contenido donde la autenticidad importa, usá tu cara real. Avatar para piezas educativas masivas, no para tu reel personal de marca.
✅ Producís contenido visual frecuente (semanal+) ✅ Tu negocio depende de la consistencia de output ✅ Tenés presupuesto para los créditos (no es gratis) ✅ Aceptás iterar para llegar a buen output
❌ Contenido ocasional → es overkill ❌ Si tu valor es "estar ahí en vivo" → fake content no aplica ❌ Si tu nicho rechaza contenido IA visible → evaluá audiencia primero
Aprox mensual para uso medio:
Comparado con outsourcear producción ($2000-5000/mes para un creator pro), el ROI es claro si producís consistente.