Was macht HyperFrames Medien?
Erstellen Sie die Audio- und Medien-Assets, die eine Komposition benötigt – Sprachaufnahmen (TTS), Hintergrundmusik + Soundeffekte, Transkription, Untertitel, Hintergrundentfernung – und nutzen und animieren Sie diese Daten in HTML. Informationen zum Einfügen von Assets in Kompositionen finden Sie unter hyperframes-core.
Die Audio-Engine – eine Quelle für TTS · BGM · SFX
Workflows implementieren Audio NICHT selbst oder verwenden eine separate Kopie. Es gibt eine Engine – scripts/audio.mjs – die eine neutrale audio_request.json entgegennimmt und audio_meta.json schreibt (sowie Assets unter assets/voice|bgm|sfx):
# <MEDIA_DIR> = Verzeichnis dieser Fähigkeit
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json
Alle drei Fähigkeiten basieren auf EINEM Schalter – ob ein HeyGen-Anmeldedatum vorhanden ist (ermittelt aus $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, nicht der CLI):
| Fähigkeit | HeyGen-Anmeldedatum vorhanden | abwesend |
|---|---|---|
| TTS | HeyGen Starfish REST (native Wort-Zeitstempel) | → ElevenLabs → Kokoro (Kette transcribe für Wörter) |
| BGM | HeyGen Musik-Abruf | Lyria → MusicGen lokale Generierung (abgetrennt) |
| SFX | HeyGen Sound-Effekte-Abruf (min_score 0.4) | gebündelte 21-Dateien-Bibliothek (assets/sfx/) |
- Anfrage (
audio_request.json):{ provider?, lang?, speed?, lines: [{ id, text, sfx?: [names] }], bgm: { mode?, query?, prompt? } }.idverknüpft jede Zeile mit dem Modell des Aufrufers (eine Frame-Nummer, eine Szenen-ID, …).bgm.mode=retrieve | generate | none; weglassen für automatisch (abrufen bei Anmeldedatum, sonst generieren). Ein explizitesretrieveist strikt – es überspringt, anstatt eine abgetrennte Generierung zu starten (für Aufrufer ohnewait-bgm-Schritt). - Ausgabe (
audio_meta.json, ID-basiert):{ tts_provider, voice_id, bgm, bgm_pending, …, voices: [{ id, path, duration_s, words }], sfx: [{ id, name, file, source, offset_s, duration_s, volume }], total_duration_s }. --only tts,bgm,sfxführt eine Teilmenge aus und fügt in ein vorhandenes--outein (z. B. TTS+BGM früh, SFX sobald Cues existieren).- BGM-Generierung wird abgetrennt gestartet (
bgm_pending: true) – führen Siescripts/wait-bgm.mjsvor der Zusammenstellung aus. scripts/heygen-tts.mjsist eine einmalige CLI über denselben Code (ein Text → wav + Wörter) für Fälle, in denen nur HeyGen TTS ohne eine Anfragedatei benötigt wird.
Die vollständige Flag-Liste und das Schema von audio_meta.json befinden sich im Kopf von scripts/audio.mjs. Die folgenden Referenzen decken die Anbieterdetails und Randfälle hinter jeder Fähigkeit ab.
Anbieterketten (die Details hinter der Engine)
TTS – der erste verfügbare Anbieter gewinnt (die Engine oder npx hyperframes tts "..."):
| Reihenfolge | Anbieter | Erkannt wenn | Wort-Zeitstempel |
|---|---|---|---|
| 1 | HeyGen (Starfish) | $HEYGEN_API_KEY / hyperframes auth login | Ja, nativ – übergeben Sie --words narration.words.json zum Erfassen |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY gesetzt | Nein – transcribe nachschalten |
| 3 | Kokoro-82M (lokal, 54 Stimmen) | immer (kein Schlüssel erforderlich) | Nein – transcribe nachschalten |
Die veröffentlichte
hyperframes ttsCLI ist oft der rein lokale Build (ihr--helpsagt "Kokoro-82M", kein--provider/--words) und fällt selbst bei gesetztem$HEYGEN_API_KEYstillschweigend auf Kokoro zurück. Deshalb ist der HeyGen-Pfad der Engine das eigenständigescripts/heygen-tts.mjs(REST), NICHT die CLI; die CLI wird nur für den Kokoro-Pfad verwendet. Siehereferences/tts.md.
BGM & SFX – standardmäßig abgerufen aus der HeyGen Audio-Bibliothek (/v3/audio/sounds), mit denselben Anmeldedaten wie HeyGen TTS, mit dem Fallback ohne Anmeldedaten aus dem obigen Schalter:
| Asset | HeyGen type | Landet in | Fallback (kein Anmeldedatum) |
|---|---|---|---|
| BGM | music | assets/bgm/track.mp3 (abrufen) · track.wav (generieren) | Lyria / MusicGen Generierung |
| SFX | sound_effects (min_score 0.4) | assets/sfx/<slug>.mp3 | gebündelte 21-Dateien-Bibliothek (assets/sfx/* + manifest.json) |
Siehe references/bgm.md und references/sfx.md.
Weiterleitungen
| Aufgabe | Lesen |
|---|---|
Die Audio-Engine – Anfrage/Meta-Schema, --only, der Schalter | scripts/audio.mjs (Kopfkommentar) |
npx hyperframes tts / heygen-tts.mjs – Anbieter, Stimmen, Wörter | references/tts.md |
| Vietnamesisches TTS-Skript – Zeichensetzung, Phonetik (TTS-Ebene) | references/tts-vi.md |
| BGM – HeyGen-Abruf + lokale Lyria / MusicGen Generierung | references/bgm.md |
| SFX – HeyGen-Abruf (min_score 0.4) + gebündelte lokale Bibliothek | references/sfx.md |
npx hyperframes transcribe – Whisper, Modellregeln, Ausgabeform | references/transcribe.md |
npx hyperframes remove-background – transparente Ausschnitte | references/remove-background.md |
| TTS → Transkription → Untertitel (keine aufgezeichnete Sprachaufnahme) | references/tts-to-captions.md |
| Untertitel-Erstellung – Stilerkennung, Layout, Wortgruppierung, Ausstieg | references/captions/authoring.md |
| Transkript-Verarbeitung – Eingabeformate, Qualitätsschwellen, Bereinigung, APIs | references/captions/transcript-handling.md |
| Untertitel-Bewegung – Karaoke, Markereffekte, audio-reaktiv | references/captions/motion.md |
| Modell-Caches, Systemabhängigkeiten, Fehlerbehebung | references/requirements.md |
Unverhandelbare Regeln
- Eine Engine, keine unabhängigen Kopien. Erzeugen Sie Audio über
scripts/audio.mjs(oderheygen-tts.mjsfür einmalige HeyGen TTS). Implementieren Sie TTS/BGM/SFX nicht in einem Workflow neu – schreiben Sie einenaudio_request.json-Adapter und rufen Sie die Engine auf. - "HeyGen verfügbar" = ein auflösbares Anmeldedatum, nicht die CLI. Der gesamte Schalter hängt von
heygenCredential()ab; die veröffentlichtehyperframes ttskann Kokoro-only sein, und es gibt überhaupt keinenhyperframes bgm/hyperframes sfxBefehl. - Stimmen-IDs sind anbieterspezifisch.
am_michaelist nur für Kokoro; HeyGen-UUIDs funktionieren nicht mit Kokoro. Wenn Sie--voiceübergeben, setzen Sie auch--provider, um eine stille Anbieterdrift bei Änderung der Benutzerumgebung zu vermeiden. - Übergeben Sie
transcribeimmer--model. Der CLI-Standardsmall.enübersetzt nicht-englische Audiodateien stillschweigend. Siehereferences/transcribe.md→ "Sprachregel". - HeyGen gibt Wort-Zeitstempel zurück; ElevenLabs / Kokoro nicht. Die Engine verknüpft
transcribeautomatisch für die letzteren beiden; eigenständig übergeben Sie--wordsan HeyGen oder führen Sietranscribegegen die Audiodatei aus. - Untertitel verwenden das flache Wort-Array-Format mit
{ id, text, start, end }. Siehereferences/transcribe.md→ "Ausgabeform". remove-background --background-outputerzeugt ein Loch, kein Inpainting. Für "Szene ohne die Person" ist ein anderes Werkzeug erforderlich. Siehereferences/remove-background.md→ "Wann NICHT das richtige Werkzeug".- BGM/SFX verwenden standardmäßig den HeyGen-Abruf; der Fallback ohne Anmeldedaten ist Generierung (BGM) oder die gebündelte Bibliothek (SFX).
/audio/soundssortiert nach einer Textabfrage – benennen Sie Effekte konkret (glass shatter, nichtdramatic sound); ein Nicht-Treffer überspringt, blockiert niemals den Render. SFX liegen bei Lautstärke ~0,35 unter Stimme + BGM. Siehereferences/sfx.md/references/bgm.md.