Una foto, un set completo de stickers de WeChat, setenta centavos

ChatGPT ya puede hacer GIF. Fue una de las funciones destacadas de Images 2.6 cuando salió a principios de este mes. Describes el movimiento, recibes una animación en bucle, puedes ajustar la velocidad y editar fotogramas sueltos.
Así que por qué existe una skill llamada ray-sticker-shop, y por qué apareció en GitHub el 5 de noviembre con etiqueta de precio.
Porque la distancia entre «hice un GIF» y «tengo un set de stickers que pasa la revisión de subida de WeChat» son unas dieciséis etapas de trabajo tedioso, específico e implacable. La generación ya es la parte fácil. Todo lo que viene después es el producto.
El problema real
La plataforma abierta de stickers de WeChat es un canal de distribución con reglas. Los stickers son de 240 por 240 píxeles. Cada GIF tiene que quedar por debajo de 500KB. Necesitas imagen de portada, icono, banner e imagen de propina, cada una con su medida. Necesitas el texto del anuncio. Necesitas que todo el set parezca el mismo personaje en cada sticker, porque un set donde la cara del personaje cambia entre fotogramas no es un set, son ocho dibujos sin relación.
Pídele a un modelo que lo haga de uno en uno y fallan tres cosas. El personaje cambia entre llamadas. La salida llega en el tamaño equivocado. El archivo pesa demasiado para la plataforma. Cada una se arregla a mano, y arreglarlas a mano para ocho stickers es una tarde.
El README declara el fallo sin adornos: ChatGPT hace GIF directamente, pero hacerlo de uno en uno hace que el personaje derive y las medidas no son las que WeChat quiere. Esta skill hace el resto.
Qué produce
Una imagen de referencia fija el personaje en todo el set. A partir de ahí la skill produce GIF de 240 por 240, comprimidos de forma automática por debajo de 500KB, más portada, icono, banner e imagen de propina. Corre una revisión contra la especificación de WeChat, escribe el texto del anuncio y arma un paquete de entrega para cliente.
Ese último punto dice para quién es. Nadie que escriba herramientas de aficionado dice «paquete de entrega para cliente». Esto está hecho para quien recibe un mensaje que dice «¿puedes convertir a mi gato en un set de stickers» y necesita responder con una carpeta, no con una promesa.
Instalación
Es una skill, así que la instalación es un clone en la carpeta de skills:
git clone https://github.com/imraywang/ray-sticker-shop ~/.claude/skills/ray-sticker-shop
Después hablas con Claude Code o Codex en lenguaje normal: convierte esta foto de mi gato en un set de stickers. La skill se hace cargo desde ahí.
Los requisitos son ligeros. Python 3.9 o más nuevo con Pillow (pip install pillow), y una OPENAI_API_KEY. Si pasas por un proxy, define también OPENAI_BASE_URL.

Hay un plan B que me parece la decisión de diseño más lista del repositorio. Si no tienes clave de API, el agente no falla. Te entrega los prompts, tú generas las imágenes en ChatGPT, las devuelves a la carpeta, y la skill igual las arma, comprime, revisa y empaqueta.
Esa sola decisión duplica el público alcanzable. Mucha gente tiene suscripción de ChatGPT y ninguna facturación de API configurada. Mucha otra tiene clave de API pero preferiría no gastarla en una prueba. La skill sirve a los dos, porque la etapa de generación y la de empaquetado son separables, y la de empaquetado es la que tiene valor.
La economía
Ocho stickers más cinco activos de apoyo, con las tarifas de lista de OpenAI, salen por unos US$ 0,70. Repetir cuesta extra. El gasto real queda registrado en costs.jsonl en el directorio del proyecto.
Setenta centavos por un entregable no es un costo de verdad. La cifra interesante es la tasa de repetición, y el hecho de que la skill la registre significa que puedes averiguarla. Si un set necesita tres rondas para acertar un sticker, estás en dos dólares y bastante espera, y el log te dirá qué sticker es el problema. Ese es el tipo de instrumentación que convierte una demo en un flujo de trabajo.
Para comparar, el precio de mercado de un set de stickers a medida no se acerca a setenta centavos, ni a setenta dólares. La skill no reemplaza al ilustrador, porque el ilustrador aporta estilo y sentido del humor. Lo que reemplaza es el trabajo de empaquetado, que es donde muere el margen del ilustrador.
Qué no puede hacer
El README es directo sobre los límites, y son legales, no técnicos.
Haz stickers solo de personajes sobre los que tengas derechos de uso. WeChat no acepta obra derivada sin autorización ni fan art. La aprobación la decide WeChat, y la herramienta no promete aprobación ni ingresos.
Ese es el encuadre correcto y vale repetirlo, porque el espacio de imagen con IA está lleno de herramientas que se lo saltan. Una skill que convierte cualquier foto en activo monetizable está a un paso de una skill que convierte el personaje de otra persona en activo monetizable. Trazar la línea en el README, antes de que el usuario pregunte, es barato y honesto.
También hay un techo técnico. La skill fija un personaje a partir de una imagen de referencia, lo que funciona con una mascota simple y sufre con cualquier cosa compleja. Un personaje con ropa detallada, una silueta poco común o un estilo que depende de la calidad del trazo van a derivar, por bueno que sea el anclaje de referencia. Ocho stickers es un set lo bastante pequeño para corregir los casos raros a mano. Ochenta sería otro proyecto.
Por qué este patrón merece atención
Las skills como formato tienen su momento. Hay repositorios con cientos de miles de estrellas que no son más que carpetas de instrucciones en markdown. La mayoría son bibliotecas de prompts con mejor branding.
Esta es distinta de una forma concreta: codifica los requisitos de una plataforma, no las capacidades de un modelo. Los 240 por 240, el techo de 500KB, la portada, el icono y el banner, la revisión de especificación, el texto del anuncio. Nada de eso viene de un modelo. Viene del proceso de envío de WeChat, que alguien tuvo que leer con cuidado y luego escribir como código e instrucciones.
Esa es la forma de una skill duradera. Las capacidades cambian cada tres meses. Los requisitos de plataforma cambian cada tres años, y cuando cambian el diff es pequeño y la skill se parchea.
La versión generalizable es obvia. Toda plataforma con proceso de envío tiene un documento de especificación. Capturas de App Store, arte de cápsula de Steam, miniaturas de YouTube, portadas de podcast, módulos A+ de Amazon. Cada uno es una tienda de stickers esperando a que alguien lea la especificación y escriba la checklist. El modelo que genera la imagen es commodity. La persona que leyó la especificación no.
Setenta centavos y una tarde ahorrada es una historia pequeña. El hecho de que el trabajo interesante fuera el empaquetado, y de que el empaquetado se pudiera escribir, es lo que se generaliza.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado
La adopción va bien. El fallo interesante son cuatro formas incompatibles de instalar el mismo objeto.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.