Guía Técnica

Automatización de Slideshows para TikTok

Una guía paso a paso para clonar formatos virales usando Codex GPT-5.5 + ChatGPT Images 2.0 + Pinterest + Postiz. El código está listo para copiar.

01 — Contexto

¿Por qué slideshows en TikTok, y por qué ahora?

Los videos requieren edición, actores UGC, b-roll, subtítulos, sincronización musical. Es caro y lento.

Los slideshows necesitan 5-10 imágenes, un gancho y un CTA. Eso es todo. El algoritmo los trata como videos, y en promedio mis publicaciones de slideshow superan a mis videos en 3-4x en alcance, con apenas el 10% del esfuerzo de producción.

El cuello de botella solía ser:

  1. Encontrar formatos que funcionan (desplazarse, guardar, reverse-engineer manualmente)
  2. Generar imágenes on-brand con texto y estilo consistente
  3. Costo de generar 7-8 imágenes AI por post a escala
  4. Publicar a escala sin bans

GPT-5.5 resuelve el #1. Images 2.0 resuelve el #2. La estrategia híbrida con Pinterest resuelve el #3. Postiz resuelve el #4.

02 — Estrategia

La estrategia de copiar formatos virales (versión legal y ética)

Antes de cualquier herramienta, entendé esto: no estás copiando contenido, estás copiando estructura.

Un slideshow viral tiene tres capas:

  1. El formato: gancho, setup, payoff, CTA. Este es el esqueleto.
  2. El lenguaje visual: fuentes, layout, tratamiento de color, estilo de imagen.
  3. El contenido: el tema real, el nicho y el mensaje.
La Capa 1 es libre de copiar. Nadie posee "gancho de gap de curiosidad, 5 puntos, guardá esto." Eso es solo copywriting. La Capa 2 la adaptás. La Capa 3 es tuya.
03 — Implementación

Paso 1: Reverse-engineer del formato con GPT-5.5 en Codex

El nuevo GPT-5.5 en Codex tiene capacidades nativas de uso de computadora y visión. Podés soltar 10 capturas de pantalla de un slideshow viral y analizará la estructura, extraerá el patrón de templating y output un esquema reutilizable.

El prompt exacto que uso en Codex:

I'm attaching 10 screenshots from a viral TikTok slideshow. 
Analyze the structure and extract:
1. The hook pattern (slide 1 only)
2. The payoff pattern (middle slides)  
3. The CTA pattern (final slide)
4. Visual layout: text placement, image-to-text ratio
5. Pacing: how information is dripped across slides

Output as a JSON schema I can feed into an 
image generation pipeline.

Lo que obtenés es un JSON estructurado como este:

{
  "format_name": "fitness_curiosity_v1",
  "slides": [
    {
      "slide_number": 1,
      "role": "hook",
      "text_template": "¿Qué pasaría si pudieras transformar tu cuerpo en 30 días?",
      "visual_style_notes": "Big text, dark background"
    }
  ]
}
04 — Economía

Estrategia híbrida de imágenes (Images 2.0 + Pinterest)

Esta es la mayor optimización de costos en todo el pipeline.

$135/mes en lugar de $900/mes

El costo baja de ~$1.00/slideshow a ~$0.15/slideshow usando la estrategia híbrida:

Resultado: 1 imagen AI + 6 imágenes de Pinterest en lugar de 7 imágenes AI.

05 — Stack

Paso 5: Postiz para publicación a escala

Postiz es el scheduler social self-hosted que se integra con la Content Posting API de TikTok.

Por qué Postiz sobre alternativas:

Reglas de scaling:

06 — Limitaciones

Lo que esto NO resuelve

Sé honesto sobre las limitaciones:

07 — Acción

El código corre en Codex hoy

Hace seis meses este pipeline era teóricamente posible pero prácticamente roto. Los modelos de imagen no podían hacer texto, no podían mantener continuidad, y la automatización requería unir 5 APIs.

Build the format library first, the Pinterest library second, the compositor + queue third, el orquestador último.

No te saltes pasos. No intentes ir de cero a 50 cuentas en una semana.

Copiá el código, adaptalo, shippealo