Alguien abre Claude, escribe un único objetivo, se va al gimnasio — y vuelve a un vídeo de YouTube terminado. Sin rodaje, sin cámara, sin programa de edición. El avatar es IA, la voz es un clon, el guion lo escribió Claude. ¿Impresionante? Sí. Pero la pregunta más honesta es: ¿qué hay realmente detrás — y qué significa para usted, si no es youtuber sino que dirige una empresa?
Lo esencial en breve
- Un creador dejó que Claude Fable 5 produjera por sí solo un vídeo completo de YouTube: documentación, guion, voz, avatar, montaje y grafismos animados — a partir de un único prompt.
- Fable 5 es el nuevo modelo de gama alta de Anthropic (clase «Mythos», un escalón por encima de Opus) y por primera vez está disponible en un plan de pago.
- La cadena de trabajo tiene cinco pasos: guion, voz, avatar, montaje y una autoverificación automática.
- La parte honesta: el resultado no es copiable 1:1, no hace falta necesariamente el modelo más caro — y una sola ejecución se comió alrededor del 40 % de un plan mensual de 200 $.
- Para las empresas no cuenta el efecto, sino el principio: objetivos claros, contexto incorporado y un control de calidad que asume el propio sistema.
Qué ocurrió realmente aquí
El punto de partida fue un experimento: un prompt, un objetivo y, a partir de ahí, no tocar nada. El vídeo del que hablamos no se grabó. La persona en pantalla es un avatar de IA, la voz un clon entrenado con vídeos anteriores reales. Cada palabra del guion procede de Claude. Mientras el vídeo se creaba, el creador no vio ni un solo fotograma: había introducido un prompt y se había marchado. Documentación, guion, voz, avatar, grafismos animados: todo se ejecutó solo.
Lo hace posible un nuevo modelo. Esta semana Anthropic ha publicado Claude Fable 5 — y precisamente por eso puede existir este vídeo.
Qué es Claude Fable 5
Fable 5 es el primer modelo de la llamada clase «Mythos» — el escalón por encima de Opus — accesible en un plan de pago. Hasta ahora esta clase estaba limitada a socios de seguridad verificados. En casi todos los benchmarks probados marca nuevos récords. Tres áreas destacan:
- Programación. Según Stripe, Fable 5 comprime meses de trabajo de ingeniería en días. En el anuncio se completa en un solo día la migración íntegra de una base de código Ruby de 50 millones de líneas — una tarea que habría ocupado a un equipo entero a mano durante dos meses.
- Visión. El modelo puede reconstruir el código fuente de una aplicación web solo a partir de capturas de pantalla. Y completó Pokémon Fire Red de principio a fin únicamente con las imágenes de pantalla — sin mapas y sin las ayudas de navegación que los modelos anteriores todavía necesitaban.
- Resistencia en trayectos largos. Fable 5 mantiene la concentración a lo largo de millones de tokens. Con una memoria basada en archivos — sencillamente archivos en los que se escribe notas — alcanzó en el juego Slay the Spire el último acto tres veces más a menudo que Opus 4.8.
Barato no es: unos 10 dólares estadounidenses por millón de tokens de entrada y 50 por millón de tokens de salida. Qué significa ese precio en concreto lo verá más abajo, en la parte honesta.
Cómo se creó el vídeo: la cadena de cinco pasos
Detrás de ese único prompt hay una cadena limpia de cinco pasos. Cada uno resuelve un problema concreto — y precisamente esa descomposición es el verdadero truco.
- Guion. Claude lee el anuncio completo de Anthropic, comprueba la veracidad de cada afirmación y escribe el guion con la voz del creador — a partir de un «Voice Playbook» construido con sus transcripciones reales.
- Voz. El guion pasa a un clon de voz (ElevenLabs) entrenado con los vídeos reales. El detalle: no se pueden generar cuatro minutos seguidos, porque la voz se desvía con la duración. Así que Claude divide el guion en fragmentos de poco menos de un minuto y los locuta por separado.
- Avatar. Cada fragmento de audio se renderiza en HeyGen con el modelo de avatar más reciente. Cuando ese modelo aún no se podía seleccionar por la API, Claude manejó sin más un navegador con Playwright y fue haciendo clic en cada vídeo a mano.
- Montaje. Claude une los clips del avatar con FFmpeg, genera una transcripción palabra por palabra y construye cada grafismo animado como código real — HTML, animado con GSAP y sincronizado con exactitud a las palabras habladas.
- Autoverificación. Al final Claude revisa su propio trabajo: renderiza fotogramas de cada escena, los examina visualmente y vuelve a renderizar todo lo que no encaja — hasta que sale bien.
Entra un prompt, sale un vídeo ya montado. Eso es lo que rinde un modelo de gama alta en la semana de su publicación.
Descarga gratuita
📄 Guía práctica y lista de control (PDF)
Los cinco pasos, el stack completo de herramientas y las principales trampas de coste — como guía práctica compacta y con marca, para llevar y ir marcando. El documento está en alemán.
Descargar la guía práctica (en alemán)La parte honesta: límites, costes, realidad
Por impresionante que sea — visto sin hype de IA, quedan cuatro puntos sobrios que el propio creador menciona abiertamente:
- No es reproducible 1:1. Quien copie el mismo prompt no obtendrá el mismo resultado. De fondo hay capacidades especializadas ya construidas («Skills») para los grafismos animados — y son ellas las que marcan la diferencia.
- No hace falta el modelo más caro. El propio creador dice que probablemente podría reconstruir este estilo también con Sonnet, bastante más barato — una vez que el proceso esté empaquetado como una Skill reutilizable. La cadena de trabajo vale más que el modelo de gama alta.
- Los costes son reales. La ejecución duró alrededor de una hora y consumió unos 380.000 tokens. El modelo se ejecutó en el plan Max — y una sola pasada se comió alrededor del 40 % de un plan mensual de 200 $. En una hora, casi la mitad del presupuesto. Conviene, pues, ser prudente.
- El contexto gana al prompt ingenioso. Lo decisivo no fue una orden mágica, sino el contexto. El creador escribió, en esencia: «No pares hasta estar convencido al 100 % de que es un vídeo de calidad — va a mi canal, y un mal resultado daña mi reputación.» Y: «Verifica después, con un flujo de trabajo dinámico, que todo encaja.» Quien le da al sistema el porqué obtiene mejores resultados.
Justamente ese último punto es la verdadera lección — y no tiene nada que ver con YouTube.
Qué puede llevarse de aquí
Olvide por un momento el avatar. Lo que muestra este experimento es un patrón de trabajo trasladable a cualquier caso serio de automatización:
- Descomponer en lugar de hacer magia. No «un prompt para todo», sino una cadena clara de pasos en la que cada uno resuelve un problema concreto.
- Aportar el contexto. El objetivo, lo que está en juego y el listón de calidad forman parte del encargo — no de su cabeza.
- Incorporar la verificación. El sistema valida su propio resultado antes de que lo mire una persona.
- No perder de vista los costes. El modelo más potente rara vez es el más rentable. A menudo basta el más ligero — si el proceso está bien construido.
Esto no es un truco de YouTube. Es la pregunta que planteo en cada proyecto de automatización: ¿dónde aporta la automatización una palanca real — y dónde es solo un efecto caro?
Conclusión
Claude Fable 5 puede hacer cosas que hace poco sonaban a ciencia ficción — un vídeo entero a partir de una frase. Pero la mirada honesta cuenta más que el efecto: el resultado no se puede copiar sin más, a menudo basta un modelo más barato y los costes pueden desbocarse. Lo que queda es un principio trasladable — pasos claros, contexto incorporado, verificación incorporada. Es exactamente en eso en lo que trabajo con las empresas: no en el modelo más grande, sino en la solución que realmente resuelve el problema — de forma medible y sin hype de IA.
Fuente: adaptado libremente de «Claude Fable 5 Made This Entire Video By Itself.» de Nate Herk | AI Automation — ver en YouTube. La contextualización, la selección y la redacción son de pletzenauer — digital consulting.