Morfeo Content Pipeline

Autonomous pipeline generating TikTok videos simulating real Argentine brands with a final AI reveal by Morfeo Labs, posted as drafts 4 times daily.

Paul de Lavallaz@pauldelavallaz

Install

openclaw skills install @pauldelavallaz/morfeo-content-pipeline

Morfeo Content Engine Pipeline

Descripción

Pipeline autónomo que genera videos TikTok para Morfeo Labs. Cada video simula contenido orgánico de una marca argentina real, con un plot twist final que revela que fue creado con IA por Morfeo Labs.

Frecuencia: 4x/día — 11:00, 15:00, 19:00, 23:00 UTC
Proceso: PM2 (morfeo-content)
Proyecto: /home/ubuntu/clawd/projects/morfeo-content-engine/
Repo marcas: https://github.com/PauldeLavallaz/marcas-argentinas

Flujo completo (8 pasos)

text

Marca → Modelo → Hero Image → Multishot → Ver shots → Guión → VEED ×5 → ffmpeg → Postiz DRAFT

⚠️ El guión se escribe DESPUÉS de ver los shots — nunca antes. El diálogo debe describir lo que se ve realmente en cada imagen, no situaciones inventadas.

PASO 1 — Elegir marca

Lee de ~/clawd/projects/marcas-argentinas/marcas.json (34 marcas argentinas reales).
Cada entrada tiene: id, nombre, categoria, descripcion, imagen (path a imagen del producto).

Para agregar marca: subir imagen a images/, agregar entrada en marcas.json, hacer push.

PASO 2 — Selección de modelo

Opción A — Catálogo (default):

Pool: 114 modelos en ~/clawd/models-catalog/catalog/
Archivo: catalog/images/model_XX.jpg
Filtros disponibles: body_type (curvy, slim, athletic, etc.)

Opción B — Portrait Generator (cuando el guión lo requiere):

Deployment ID: 0b82e690-9a08-4d1f-85f8-28849d16caa4
Usar cuando: personaje con edad muy específica, etnia exacta, rasgos únicos
Output: imagen_1 = siempre vista frontal = correcta para model en Morpheus

PASO 3 — Morpheus (imagen hero)

Deployment ID: 1e16994d-da67-4f30-9ade-250f964b2abc
Skill: morpheus-fashion-design@1.4.0

Inputs:

python

{
    "product": "<URL pública imagen del producto>",  # del repo marcas-argentinas
    "model": "<URL pública imagen del modelo>",      # catálogo o Portrait Generator
    "brief_text": "...",  # en INGLÉS — evita filtros de moderación de Gemini en español
    "environment_pack": "...",   # NUNCA "auto"
    "time_weather_pack": "...",
    "body_language_pack": "...",
    "clothing_pack": "...",
}

Outputs — siempre 3:

Banana (preview)
Upscale
Grain ← SIEMPRE usar este (grain_only=True)

⚠️ No existe campo logo.

PASO 4 — Multishot (variaciones de ángulo)

Deployment ID: 9ccbb29a-d982-48cc-a465-bae916f2c7fd

Input: hero image (Grain)
Output: 10 variaciones de ángulo/perspectiva

⚠️ Si los shots ya están en disco → NO volver a correr Multishot.

PASO 5 — Selección de shots y análisis visual

Este paso es crítico. El guión se escribe a partir de aquí.

Mostrar/evaluar los 10 shots
Seleccionar los 5 mejores (por diversidad de ángulo, calidad, expresión)
Para cada shot seleccionado, hacer descripción visual con Gemini:
- ¿Qué hace el personaje?
- ¿Qué sostiene o muestra?
- ¿Qué expresión tiene?
- ¿Dónde está?

python

# Descripción de cada shot antes de escribir el guión
prompt = "Describí en 1-2 oraciones qué se ve en esta imagen: qué hace el personaje, qué sostiene, dónde está, qué emoción tiene. Sé específico y literal."

PASO 6 — Guión (DESPUÉS de ver los shots)

Modelo: Gemini 2.5 Pro
Estructura — 5 escenas, una por shot:

Escena	Shot	Función	Duración
HOOK	shot_1	Engancha en el primer segundo	≤ 10s
STORY_1	shot_2	Primer paso de la historia	≤ 15s
STORY_2	shot_3	Sube la tensión / genera duda	≤ 15s
PLOT_TWIST	shot_4	Revela que es una IA de Morfeo Labs	≤ 15s
CTA	shot_5	Automatización de contenido + morfeolabs.com	≤ 10s

Reglas del guión

Contenido:

El diálogo debe describir/reaccionar a lo que se ve LITERALMENTE en el shot — nada inventado
El plot twist SIEMPRE menciona "Morfeo Labs" y que es una IA
El CTA habla de automatización de contenido para marcas, no solo de "crear videos"
El CTA termina en morfeolabs.com

Formato:

Solo diálogo hablado — CERO anotaciones [así], *así*, (así)
VEED rechaza scripts con anotaciones de dirección
Máximo 15 palabras por escena

Tono y lenguaje:

Español argentino coloquial auténtico
Adaptar el tono al personaje visible en los shots (no al producto)
Jugar con contradicciones entre el personaje y el producto (eso genera humor orgánico)
Usar slang argentino real:
- ✅ chabón, pibe, grosso, trucho, posta, re, che, boludez
- ❌ malote, rudo (son de España), pulpa (forzado)
El humor surge de la situación, no de chistes forzados

Proceso de iteración del guión

Si el guión no convence, identificar el problema específico:

"muy pete" → el tono no condice con el personaje
"no suena argentino" → revisar slang
"el CTA no habla de automatización" → reformular
Solo reescribir las escenas con problemas, no todo

PASO 7 — VEED UGC × 5 (clips lip-sync)

Deployment ID: 627c8fb5-1285-4074-a17c-ae54f8a5b5c6

Reglas críticas:

SIEMPRE lanzar los 5 en paralelo — ThreadPoolExecutor(max_workers=5)
Cada clip = shot único + diálogo único de su escena
- clip_01_HOOK → shot_1 + diálogo HOOK
- clip_02_STORY_1 → shot_2 + diálogo STORY_1
- etc.
NUNCA repetir el mismo shot o diálogo
Orden garantizado por índice — no por orden de llegada de los runs

Voice IDs (ElevenLabs, argentino):

Femenino: 9rvdnhrYoXoUt4igKpBw (Mariana)
Masculino: PBi4M0xL4G7oVYxKgqww (Franco)

⚠️ La voz DEBE coincidir con el género visible en los shots. Revisar el modelo antes de elegir voice_id — nunca asumir.

Robustez — crítico para producción:

generar_clip() tiene retry automático x3 — si un run se cancela, reintenta
Validación de tamaño mínimo: clip < 300KB = corrupto → reintenta automáticamente
max_workers se lee del concurrency_limit real del deployment (actualmente 2)
- NUNCA lanzar más workers que el concurrency_limit o los jobs se cancelan por timeout
- El deployment VEED (627c8fb5) tiene concurrency_limit: 2 — solo 2 jobs simultáneos
run_timeout del deployment: 600s (fue subido de 300s)

Root causes de fallas en producción:

Problema	Causa raíz	Fix aplicado
Jobs cancelados	max_workers > concurrency_limit del deployment	workers = concurrency_limit (leído via API)
Clips corruptos (56KB) pasan como éxito	No se validaba tamaño post-descarga	Validar > 300KB, retry si no
Video final de 69s y trabado	ffmpeg concatenó clips corruptos sin detectarlos	Validación antes del concat

Output API: data.files[] (NO data.images[])

PASO 8 — ffmpeg concat

Normalizar aspect ratio ANTES de concatenar:

bash

ffmpeg -y -i clip.mp4 \
  -vf "scale=736:1312:force_original_aspect_ratio=decrease,pad=736:1312:(ow-iw)/2:(oh-ih)/2" \
  -c:v libx264 -c:a aac -ar 44100 norm_clip.mp4

Resolución estándar: 736×1312 (9:16 para TikTok/Reels)

PASO 9 — Postiz DRAFT

⚠️ SIEMPRE publicar como DRAFT — nunca publicar directo

Si la API da SSL/503 → es caída temporal, reintentar en 5 minutos.

ComfyDeploy — IDs de deployments

Paso	Nombre	Deployment ID
2b	Portrait Generator	`0b82e690-9a08-4d1f-85f8-28849d16caa4`
3	Morpheus Fashion Design	`1e16994d-da67-4f30-9ade-250f964b2abc`
4	Multishot UGC	`9ccbb29a-d982-48cc-a465-bae916f2c7fd`
7	VEED UGC	`627c8fb5-1285-4074-a17c-ae54f8a5b5c6`

Scripts disponibles

Script	Uso
`pipeline.py`	Pipeline completo end-to-end
`continue_run.py`	Retomar desde Multishot (shots ya en disco)
`run_veed.py`	Solo el paso VEED con shots pre-existentes

Errores conocidos y soluciones

Error	Causa	Solución
Guión describe cosas que no se ven	Se escribió antes de generar los shots	Siempre analizar shots primero, guión después
`VEED no devolvió output`	Parser buscaba `data.images[]`	Usar `data.files[]`
Clips desordenados	Descarga por orden de creación	Trackear run_id → escena por `workflow_inputs.script`
Aspect ratio roto en concat	ffmpeg sin normalizar	Normalizar a 736×1312 antes
Postiz SSL 503	API caída temporalmente	Reintentar en 5 min
VEED `cancelled`	Machine timeout	Aumentar `run_timeout` en deployment
Moderación Gemini en español	Palabras como "contextura robusta"	Escribir brief en inglés