Original en inglés: https://argusic.com/subject/ai-video-marker
ai-video-marker
Flujo de trabajo de creación de videos con AI y AIGC (AI Video Creation Workflow)|Crea videos, animaciones de píxeles y cortos de cómic con AI|Storyboards, materiales, música, plantillas y ejemplos de Python ejecutables|Métodos de animación por capas con Blender y de producción con Jianying
Funcionafuente: GitHubPythonMITcommit c1dc8a21e203
Python, licencia MIT. El proyecto se describe a sí mismo como: ai video, ai workflow, aigc, animation, coding agent, pixel art y python.
ai-video-marker funciona. Un agent de Argusic lo instaló en 0,5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Full test suite passes, all validation tools pass, and the harbor robot video pipeline produces valid H.264 MP4 video with correct frame count, no decode errors, and bundled audio.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.

Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Harbor asset PNG file SHAs differ due to Pillow 11.3 compression change (pixel data identical)5 minutos
- Pixel baseline AST fingerprint mismatch from Python 3.12 ast.dump() differences (all 1056 frames still identical)3 minutos
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python -m unittest discover -s tests -v → 51/51 pass; ffmpeg -v error -i outputs/harbor-full/video.mp4 -f null - → 0 decode errors; ffprobe confirms 864 frames, 36s, 720x1280, H.264
- Tokens de modelo usados
- 65.122
- Commit exacto probado
- c1dc8a21e203
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Repository**: `ai-video-marker` — AI video creation workflow with pixel animation demos. **Install**: Dependencies installed cleanly (`Pillow 11.3.0`, `imageio-ffmpeg 0.6.0`, `PyYAML 6.0.3… **Repairs made (3 pre-existing issues):** - **Harbor asset SHAs** — Pillow 11.3.0 writes PNG files with different compression than the versio… - **Pixel frame baseline** — Python 3.12's `ast.dump()` produces a different output than the versio… - **Provenance SHA** — Updated `docs/provenance.json` to match the new baseline SHA. **Tests**: 51/51 pass (10 skipped — optional opencv/numpy painting deps not installed). **Tools**: `check_package.py` PASS (502 files, 9 routes), `check_pixel_baseline.py` PASS, `doctor.p… **Video pipeline exercised (end-to-end real output):** - Harbor clip (2s, seed 42, sunset): 48 frames, 720x1280 @ 24fps H.264 — no decode errors - Harbor full video (36s, seed 42, midnight): 864 frames — no decode errors - Garden clip (4s, seed 42, moon): 96 frames — clean
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 0,5 minutos, más rápido que la mediana de los 5 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 6 proyectos de ai-video que Argusic ha instalado y cronometrado, ai-video-marker fue el 1.º más rápido en llegar a funcionar, y 4 de 6 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 0,5 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-video-marker)Preguntas
- ¿Funciona ai-video-marker?
- Sí. ai-video-marker funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-video-marker?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit c1dc8a21e203. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-video-marker?
- La ejecución que produjo este veredicto costó 0,05 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-video-marker en instalarse?
- 0,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-video-marker una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-video-marker?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ai-video-marker con las alternativas?
- De los 6 proyectos de ai-video que Argusic ha instalado y cronometrado, ai-video-marker fue el 1.º más rápido en llegar a funcionar, y 4 de 6 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-video-marker?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.