Cómo crear videos con OpenAI Codex: guía paso a paso

Para crear videos con OpenAI Codex, instala la skill de video de Pexo, describe con lenguaje natural el video que necesitas y deja que el agente entregue el resultado terminado. No necesitas un editor, conocimientos de prompting ni elegir manualmente un modelo. A partir de una sola instrucción, Pexo produce un video con varias tomas: instala la skill, describe el video, permite que Pexo asigne cada toma a modelos como Seedance 2.0, Kling 3.0, Veo 3.1 y Sora 2, y después revisa y exporta el resultado. Codex no incluye un único botón para “crear video”. Esto se debe a que la capacidad depende de la skill que agregues. Codex, que utiliza los modelos GPT-5 más recientes de OpenAI, actúa como el sistema que planifica y envía la solicitud. Sin embargo, no genera video por sí solo. La skill instalada de Pexo añade esa capacidad. El mismo estándar de skills funciona en Claude Code y OpenClaw. Por eso, puedes aplicar este flujo de trabajo en distintos agentes.

Lo que Necesitas

Dos cosas, y puedes estar funcionando en unos minutos:

Codex no genera video por sí mismo. GPT-5.6 es un modelo de lenguaje y razonamiento, no un modelo de video. La skill de Pexo es la que añade la capacidad de generar video. Además, una vez que está instalada, todo lo demás ocurre dentro de la conversación.

Paso 1: Instalar la habilidad de video Pexo en Codex

Agrega la skill de Pexo a tu agente de Codex. Una habilidad de agente en Codex es un directorio que contiene un archivo SKILL.md, cargado desde tu ruta de habilidades. El directorio de usuario es ~/.agents/skills, un repositorio guarda habilidades en .agents/skills, y Codex también lee una ruta de administrador en /etc/codex/skills. Para instalar Pexo:

1. Inicia sesión en pexo.ai y copia tu clave API desde la configuración de la cuenta.
2. Agrega la skill de Pexo a tu directorio de habilidades de Codex. Puedes colocar la carpeta de la habilidad en ~/.agents/skills o usar el instalador incorporado para descargarla.
3. Configura tu clave API de Pexo donde la habilidad lo solicita, luego inicia una nueva sesión de Codex para que detecte la nueva habilidad.

# Crea el directorio de habilidades del usuario si no existe
mkdir -p ~/.agents/skills

# Dentro de Codex, el instalador de habilidades puede obtener una habilidad por referencia
$skill-installer <referencia-habilidad-pex>

# Navega lo que Codex ha cargado
/skills

La skill de Pexo incluye sus scripts de ayuda más un SKILL.md eso le dice a Codex cómo comportarse, incluyendo una regla para pasar tu solicitud de manera fiel en lugar de reescribirla. Codex carga habilidades automáticamente basándose en su descripción. Por eso, una vez que la habilidad está conectada y tu clave API está configurada, el agente está listo para generar.

Paso 2: Describe el video que deseas

Esta es toda la interfaz: dile a Codex lo que quieres en inglés sencillo. No eliges un modelo ni escribes un prompt técnico. Cosas útiles para especificar:

• De qué se trata "un video de producto para estos auriculares inalámbricos"
• Duración y tomas "15 segundos, tres tomas"
• Ambiente "cinemático y premium," "rápido para TikTok"
• Música "electrónica ambiental," o deja que el agente elija
• Relación de aspecto "9:16 para Reels," "16:9 para YouTube"

Una solicitud completa inicial se ve así:

> Haz un video cinematográfico de 15 segundos de este producto de auriculares inalámbricos,
tres tomas, una órbita lenta en la primera, sensación premium, con música ambiental. 9:16.

Eso es suficiente. Codex analiza la solicitud y se la entrega a la skill de Pexo desde allí.

Paso 3: Deja que Codex y Pexo generen

Una vez que envíes la solicitud, Codex la envía a Pexo, que realiza toda la producción. Pexo escribe un guion de tomas, luego selecciona automáticamente el mejor modelo para cada toma de más de 10 opciones. Un primer plano de un producto podría ir a Kling 3.0, una escena en movimiento a Seedance 2.0, un plano amplio cinematográfico a Veo 3.1. Además, un momento narrativo a Sora 2. Genera cada toma, añade transiciones, compone una banda sonora original y mezcla una pista de tres capas de voz en off, música y efectos de sonido Foley.

Un video de 15 segundos con tres tomas toma aproximadamente de 8 a 10 minutos de principio a fin. Eso es mucho más rápido que elegir modelos, escribir indicaciones por modelo y ensamblar clips a mano. Mientras se ejecuta, Codex consulta a Pexo sobre el progreso y te lo informa. No necesitas hacer nada hasta que el archivo terminado regrese.

Paso 4: Revisar y repetir

Cuando el video regresa, lo revisas y pides cambios de la misma manera que lo describiste, con lenguaje sencillo. No hay un plazo para editar:

> Haz que la segunda toma sea más lenta, y cambia la música por algo más animado.

Codex pasa la revisión a Pexo y devuelve un corte actualizado. Como la solicitud se mantiene en tono conversacional, iteras hablando, no volviendo a renderizar nada tú mismo. El agente mantiene la apariencia de la marca consistente durante las revisiones dentro de la misma sesión.

Paso 5: Exporta y úsalo

El video terminado vuelve como un MP4 estándar, masterizado y listo para publicar. Debido a que la producción es consciente de múltiples formatos, puedes pedir el mismo contenido en diferentes proporciones. Pexo exporta 9:16 para TikTok, Instagram Reels y YouTube Shorts, 16:9 para YouTube estándar y 1:1 para publicaciones en el feed, sin regenerar desde cero. Descárgalo y publícalo.

Consejos para mejores resultados

Algunos hábitos producen videos notablemente mejores con la misma habilidad:

• Describe el ambiente, no el modelo. "Premium y cinematográfico" o "rápido y divertido" guía mejor el enrutamiento de Pexo que nombrar un modelo. La capa de enrutamiento está diseñada para traducir la intención al modelo adecuado para cada toma. Por eso, la descripción simple supera a las instrucciones técnicas.
• Nombra la plataforma. Decir "para TikTok" o "para un anuncio pre-roll de YouTube" establece automáticamente la relación de aspecto, la duración y el ritmo, para que no tengas que especificar cada detalle.
• Proporciona de 2 a 4 imágenes de referencia del producto. Cuando la precisión sea importante para mostrar un producto, logotipo o empaque específico, entrega varias fotos claras en 1080p o una resolución superior. El agente las utiliza para mantener la fidelidad del producto en todas las tomas.
• Indica con claridad el número de tomas y el ritmo. "Tres tomas con cortes rápidos" y "un solo movimiento lento y continuo" producen ediciones muy diferentes. Cuanto más concreta sea la estructura, más se acercará el primer resultado a lo que buscas.
• Genera variantes dentro de la misma conversación. Pedir alternativas, por ejemplo, "ahora una versión más dinámica de 9 segundos", dentro de la misma sesión conserva la coherencia visual de la marca y resulta más rápido que iniciar una solicitud nueva.

Otras formas de empezar: imagen, URL, guion o audio

El texto es solo uno de los cinco tipos de entrada que admite Pexo. Así, Codex puede iniciar el video con el material que ya tengas:

Pexo también incluye un estudio de imágenes que selecciona automáticamente entre Midjourney, Flux e Ideogram. Así puedes generar primero las imágenes fijas y convertirlas en video dentro del mismo flujo. Si empiezas con fotos de producto, seguirás la misma secuencia de describir, generar y revisar, usando las imágenes como entrada.

Solución de problemas comunes

Si algo no funciona al primer intento, la causa suele ser uno de estos problemas sencillos:

Cómo escalar: de un video a un flujo de producción

Cuando un video ya funciona, la misma skill puede ampliarse a una producción por lotes. Puedes generar decenas de variantes de anuncios a partir del mismo conjunto de entradas o crear un video por SKU, todo dentro de la conversación. Como Codex es un agente de programación, puedes integrar la skill en un script que reciba datos de productos y prepare piezas terminadas para distintas plataformas antes de la revisión. El ciclo de describir, generar y revisar se mantiene. Solo cambia el volumen.

Lecturas relacionadas

• Cómo crear videos con Claude Code: guía paso a paso
• Las mejores skills de generación de video para agentes de programación
• Cómo convertir fotos en videos con IA: guía de imagen a video
• Cómo crear un flujo de anuncios de video con IA mediante un agente de programación

Recursos