Cómo construí un productor de cómics con OpenAi y Géminis

Todos hemos disfrutado de cómics en algún momento, ya sea cómics de superhéroes, cómics en periódicos o manga de Japón. Los cómics son breves, expresivos y encapsulados la narración de historias en solo unos pocos cuadros. Pero, ¿qué pasa si hay un nuevo viraje: qué pasaría si pudieras usar un productor de cómics para convertir un breve video clip en una tira cómica de 4 paneles con burbujas de voz, caricaturas expresivas y humor?

Esta es la idea detrás del productor cómico o la supresión cómica, no solo otro productor de contenido. Aún así, un sistema que diseñé que toma un video clip y una breve y breve idea creativa y la convierte en una imagen de tira cómica terminada. Es mejor pensar que es una asociación imaginativa entre dos mentes: una «Escribir el gallardete» y la otra «dibujar el cómic».

En este artículo, lo guiaré a través del alucinación de la supresión cómica, explicando cómo funciona, qué componentes se requieren, qué jerigonza de programación utilizar para la codificación, los desafíos que encontré durante el proceso y dónde puede ir el tesina desde aquí.

El concepto de supresión cómica

Todas las aplicaciones creativas dependen de una fórmula habitual:

• Aporte: Lo que el favorecido proporciona.
• Transformación: Cómo funciona el sistema y lo promueve.
• Producción: La destilación de la experiencia que se siente completa y pulida.

Para la supresión cómica, la fórmula parece:

• Aporte:
  • Un video corto (como un corto de YouTube).
  • Una idea creativa de una radio («Reemplace la lucha en el clip con exámenes»).
• Transformación:
  • Sistémicamente, el sistema analiza el video, reescribe la idea en un gallardete cómico completo y aplica estrictamente reglas (diseños, estilo, humor).
• Producción:
  • Una tira cómica de 4 paneles en formato PNG con globos y subtítulos de diálogo.

¿Qué hace que esto sea divertido? Porque está personalizado. En oficio de cómics aleatorios, recibirá una reinterpretación del mismo clip que acaba de inclinarse, adaptado aproximadamente de su idea de una radio.

Considere una decorado de pelea en una película, haciéndose eco de un estudiante transformado en una tontería tonta sobre la tarea. Esta mezcla de imágenes identificables, nombres de favorecido familiares con un viraje de reescritura cómica sorprendente y personalizado, es lo que hace que la supresión cómica sea adictiva.

Cómo funciona la supresión cómica

La tubería se deconstruye de la sucesivo forma:

1. Entradas del favorecido

El proceso comienza con dos entradas simples:

• URL de video: Su material fuente (idealmente cortos de YouTube de aproximadamente de 30-40 segundos).
• Texto de idea: Tu viraje o tema.

Ejemplo:

URL de video: https://www.youtube.com/shorts/xqpaegqvfvs

Idea: en oficio de violencia, reemplácela con exámenes, como Yash diciendo

«Violencia, violencia, no me gusta la violencia, evito … pero a la violencia le estética».

Esto es todo lo que el favorecido debe proporcionar, sin configuraciones complejas, sin control deslizantes.

2. El trabajo del narrador (Géminis)

La primera parte de la tubería es a lo que me refiero como el narrador. Aquí es donde la entrada en bruto de un enlace de video de YouTube y una breve idea que escribió se transforma en poco estructurado y apto.

Cuando pegas una URL de video, Gemini mira el clip y extrae detalles:

• ¿Qué está pasando en la decorado?
• El estado de humor (tenso, dramático, alegre).
• Cómo se mueven e interactúan los personajes.

Luego toma tu radio de una sola (por ejemplo, «Reemplace la violencia con los exámenes») y lo expande en una gallardete cómica.

Ahora, este script no es solo un texto casual. Es un gallardete para cuatro paneles que sigue un exacto conjunto de reglas. Estas reglas fueron escritas explícitamente en el solicitado del sistema que itinerario Géminis. Ellos incluyen:

• Siempre una cuadrícula de 2 × 2 (para que cada cómic se vea consistente).
• Estrictamente un estilo de cómic (sin representación realista de los personajes).
• Diálogo escrito como burbujas de discurso similares a meme.
• Subtítulos agregados para líneas de foso o contexto adicionales.
• Cero cortadura, sin texto de corte y sin referencias arriesgadas a nombres con derechos de autor.

Al hornear estas limitaciones en el indicador del sistema, me aseguré de que el narrador siempre produzca un gallardete expedito y confiable. Entonces, en oficio de pedirle al productor de imágenes que «solo haga un cómic», Gemini prepara un plan completamente estructurado que el sucesivo paso puede seguir sin conjeturas.

3. El trabajo del ilustrador (OpenAi / Imagen)

Una vez que el gallardete está dispuesto, se pasa al ilustrador.

Esta parte no tiene que interpretar mínimo; Su única responsabilidad es dibujar exactamente lo que describió el narrador.

La función Illustrator se aborda mediante un maniquí de procreación de imágenes. En mi configuración, tengo GPT-IMage-1 de OpenAI como mi primera opción, e Imagen de Google como un retroceso secundario si la primera aparejo falta.

Así es como se ve en la ejercicio:

• El ilustrador recibe el gallardete como un aviso espacioso y detallado.
• Luego representa cada panel con los caracteres, poses, circunstancias y burbujas de acento exactamente como se establece.
• Si OpenAI no está habitable, el mismo aviso se envía a Imagen automáticamente, por lo que siempre obtiene un cómic terminado.

Esta separación es la esencia para hacer que la supresión cómica sea confiable.

• Gemini piensa como un director: escribe el gallardete y prepara el marco.
• GPT-IMAGE-1 o Imaginacióndibujan como artistas, siguen las instrucciones sin tratar de cambiar mínimo.

Es por eso que la salida no se siente desordenada o aleatoria. Cada cómic sale como una tira adecuada de cuatro paneles, diseñada como un meme y coincide con su idea casi uno a uno.

4. Salida: el cómic final

El resultado es un Imagen de tira cómica de 4 paneles:

• Los paneles están claramente enmarcados.
• Personajes en las poses correctas.
• Burbujas de acento con el texto correcto.
• Humor virginal.

Y lo mejor de todo, se siente como un cómic terminado que podría ser publicado en radio.

Tecnologías detrás de la supresión cómica

Esto es lo que podía el sistema:

• Idioma y utilidades
  • Pitón es el jerigonza de pegamento.
  • Dotenv para la diligencia de claves API.
  • Almohada para el manejo de imágenes.
  • Base64 para procesar datos de imagen.
• El narrador (descomposición + indicación)
  • Géminis (Maniquí multimodal): lee el video + expande la entrada del favorecido.
• El ilustrador (procreación de imágenes)
  • OPERAI GPT-IMAGE-1 (A Dall · E transformación).
  • Fallback: Google Imagen (para resiliencia).

Este enfoque dual asegura tanto la creatividad (del narrador) como la consistencia visual (del ilustrador).

Implementación

Ahora, veamos la implementación existente.

1. Configuración

@dataclass

class ComicGenerationConfig:

    primary_service: str = "openai"

    fallback_service: str = "imagen"

    output_filename: str = "images/generated_comic.png"

    openai_model: str = "gpt-image-1"

    imagen_model: str = "imagen-4.0-generate-preview-06-06"

    gemini_model: str = "gemini-2.0-flash"

Donde los modelos se han utilizado de la sucesivo forma:

• OpenAI es el ilustrador predeterminado.
• Imagen es la copia de seguridad.
• Géminis es el narrador.

2. Construyendo el gallardete

def extract_comic_prompt_and_enhance(video_url, user_input):

    response = gemini_client.models.generate_content(

        model="gemini-2.0-flash",

        contents=(

            Part(text=enhancement_prompt),

            Part(file_data={"file_uri": video_url, "mime_type": "video/mp4"})

        )

    )

    return response.text

Este paso reescribe una entrada vaga en un mensaje cómico detallado.

3. Generando la imagen

OpenAI (primaria):

result = openai_client.images.generate(

    model="gpt-image-1",

    prompt=enhanced_prompt,

)

image_bytes = base64.b64decode(result.data(0).b64_json)

Imagen (Fallback):

response = gemini_client.models.generate_images(

    model="imagen-4.0-generate-preview-06-06",

    prompt=enhanced_prompt,

)

image_data = response.generated_images(0).image

El respaldo asegura la fiabilidad; Si un ilustrador falta, el otro se hace cargo.

4. Retener el cómic

def save_image(image_data, filename="generated_comic.png"):

    img = PILImage.open(BytesIO(image_data))

    img.save(filename)

    return filename

Este método escribe la tira cómica en disco en formato PNG.

5. Orquestación

def generate_comic(video_url, user_input):

    enhanced_prompt = extract_comic_prompt_and_enhance(video_url, user_input)

    image_data = generate_image_with_fallback(enhanced_prompt)

    return save_image(image_data)

Todos los pasos se unen aquí:

• Extraiga un gallardete para suscitar cómic para economizar la salida.

Ejemplo de demostración

Veamos esto en influencia.

Aporte:

• Idea: «Reemplace la violencia con los exámenes».

Estandarte generado:

• Panel 1: Hero se desplomó en un escritorio: «Exámenes, exámenes, exámenes …»
• Panel 2: Slams Ejemplar cerrado: «¡No me gustan los exámenes!»
• Panel 3: Se escabulle en silencio: «Los evito …»
• Panel 4: Un monstruo de texto cíclope llamado Final: «… ¡pero exámenes como yo!»

Producción:

Desafíos en la construcción de la supresión cómica

Ningún tesina es sin obstáculos. Aquí hay algunos que enfrenté:

• Entradas vagas: Los usuarios tienden a dar ideas cortas. Sin mejoras, las horizontes se ven sosas o vagas adecuado a la información limitada. Decisión: expansión estricta del gallardete.
• Fallas de imagen: A veces, los puestos de procreación de imágenes. Decisión: retroceso maquinal a un servicio de respaldo.
• Problemas de recortadura: Las burbujas del acento se cortaron. Decisión: Reglas de composición explícita en indicaciones.
• Riesgos de derechos de autor: Algunos clips hacen relato a películas famosas. Decisión: Remoción cibernética de nombres/marcas de películas en el gallardete.

Más allá de la supresión cómica

La supresión cómica es solo un caso de uso. El mismo motor puede alentar:

• Generadores de memes: Memes virales autogenerados de clips de tendencia.
• Cómics educativos: Convierta conferencias aburridas en explicadores de 4 paneles.
• Herramientas de marketing: Genere guiones gráficos de marca para campañas.
• Narración interactiva: Deje que los usuarios guíen historias panel por panel.

En síntesis, cualquier cosa que combine humor, imágenes y personalización podría beneficiarse de este enfoque.

Mi experiencia DHS

La supresión cómica comenzó como una de nuestras propuestas durante el DHS, y es poco muy personal para mí. Trabajé con mis colegas, Monta y Badriy pasamos horas pensando juntos, lanzando ideas y conceptos por ahí, rechazando ideas y riendo de cosas que se nos ocurrió, hasta que finalmente encontramos una idea que pensamos que verdaderamente podríamos hacer cualquier cosa: «¿Qué tal si tomamos un video corto y hacemos una tira cómica?»

Presentamos nuestra idea, incognizante de lo que sucedería … y nos sorprendió cuando fue seleccionado. Finalmente, tuvimos que crearlo, cada aposento por aposento. Implicaba muchas noches largas, mucha depuración y mucha emoción cada vez que poco ‘funcionaba’ de la forma que queríamos. Ver nuestra idea acaecer de una idea a poco existente fue honestamente uno de los mejores sentimientos de la historia.

Respuesta de la gentío

Lo que presenciamos, cuando lo soltamos, valió la pena, ya que todas las respuestas fueron positivas. La gentío seguía diciéndome que era excelente, y que estaban intrigadas por la idea y el proceso de cómo llegamos a la idea y luego la hicieron posible.

Quizás la parte más sorprendente para mí fue cómo la gentío comenzó a usarlo de una forma que nunca consideré. Los padres comenzaron a hacer cómics para sus hijos, fielmente convirtiendo pequeñas historias mundanas en poco singular y visual. Otros comenzaron a explorar y probar, pensando en las indicaciones más sorprendentes y luego ver lo que sucedió posteriormente.

Para mí, esa fue la parte más emocionante, ver a la gentío entusiasmarse con poco que creamos y luego crear poco aún más excelente, y ver este pequeño momento de idea convertirse en poco como Comic War fue increíble.

Conclusión

Edificio Lucha cómica fue una disciplina de orquestación, dividiendo el trabajo entre un narrador y un ilustrador.

En oficio de esperar que un solo maniquí «descubra todo», le dimos a cada parte un papel claro:

• Uno expande y estructura la idea
• Uno dibuja fielmente

El resultado es poco que se siente pulido, personal y divertido.

Y ese es el punto: con solo un video corto y una idea tonta, cualquiera puede crear un cómic que parezca que pertenece a la página principal de Internet.

Preguntas frecuentes