Communitygithub.com

EvovexAI/EvoFlow – HyperFrames Medien-Assets

Audio- und Medien-Assets für HyperFrames-Kompositionen, erzeugt durch eine gemeinsame Audio-Engine (scripts/audio.mjs) – Multi-Provider TTS (HeyGen / ElevenLabs / Kokoro lokal), Hintergrundmusik + Soundeffekte (HeyGen-Audiobibliothek standardmäßig, mit lokaler Lyria / MusicGen BGM-Generierung und einer gebündelten SFX-Bibliothek als Fallback ohne Anmeldedaten), Whisper-Transkription, Hintergrundentfernung und Untertitel-Erstellung. Verwenden für Sprachausgabe / TTS, BGM, SFX / Soundeffekte, Transkription, Untertitel / Bildunterschriften / Liedtexte / Karaoke / wortweise Formatierung, Sprach- und Providerauswahl und Musik-Stimmungs-Prompting.

Was ist EvoFlow – HyperFrames Medien-Assets?

Dieses Skill (EvovexAI/EvoFlow) ermöglicht die Erstellung sämtlicher Audio- und Medien-Assets für HyperFrames-Kompositionen über eine zentrale Audio-Engine (scripts/audio.mjs). Es bietet Multi-Provider Text-to-Speech (TTS) mit HeyGen (native Wortzeitstempel), ElevenLabs und dem lokalen Kokoro-82M-Modell (54 Stimmen). Hintergrundmusik (BGM) und Soundeffekte (SFX) werden standardmäßig aus der HeyGen-Audiobibliothek abgerufen; falls keine HeyGen-Anmeldedaten vorhanden sind, wechselt das System automatisch auf lokale Generierung mit Lyria/MusicGen für BGM und eine gebündelte 21-Dateien-SFX-Bibliothek. Zusätzlich integriert das Skill Whisper-Transkription, Hintergrundentfernung und eine leistungsstarke Untertitel-Erstellung mit Karaoke-Effekten, wortweiser Formatierung und automatischer Stilerkennung. Es unterstützt Developer Tools wie Claude Code, Cursor und Codex sowie die HyperFrames-CLI (npx hyperframes) und ist plattformunabhängig einsetzbar. Die Engine arbeitet über eine einheitliche JSON-Schnittstelle (audio_request.json → audio_meta.json) und stellt sicher, dass kein Workflow eigene Audio-Logik implementiert, sondern immer auf diese zentrale Engine zurückgreift.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/EvovexAI/EvoFlow/tree/HEAD/skills/public/hyperframes-media

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

HyperFrames Medien

Erstellen Sie die Audio- und Medien-Assets, die eine Komposition benötigt – Sprachaufnahmen (TTS), Hintergrundmusik + Soundeffekte, Transkription, Untertitel, Hintergrundentfernung – und konsumieren und animieren Sie diese Daten in HTML. Informationen zum Platzieren von Assets in Kompositionen finden Sie unter hyperframes-core.

Die Audio-Engine – eine Quelle für TTS · BGM · SFX

Workflows erstellen kein Audio von Hand oder verwenden eine eigene Kopie. Es gibt eine Engine – scripts/audio.mjs – die eine neutrale audio_request.json entgegennimmt und audio_meta.json (plus Assets unter assets/voice|bgm|sfx) schreibt:

# <MEDIA_DIR> = Verzeichnis dieses Skills
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json

Alle drei Fähigkeiten degradieren auf EINEN Schalter – ob eine HeyGen-Anmeldeinformation vorhanden ist (aufgelöst aus $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, nicht aus der CLI):

FähigkeitHeyGen-Anmeldeinformation vorhandenabwesend
TTSHeyGen Starfish REST (native Wortzeitstempel)→ ElevenLabs → Kokoro (Kette transcribe für Wörter)
BGMHeyGen Musik-AbrufLyria → MusicGen lokale Generierung (abgetrennt)
SFXHeyGen Soundeffekt-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? } }. id verbindet jede Zeile zurück zum Aufrufermodell (eine Frame-Nummer, eine Szenen-ID, …). bgm.mode = retrieve | generate | none; weglassen für automatisch (abrufen bei Anmeldeinformation, sonst generieren). Ein explizites retrieve ist strikt – es überspringt, anstatt eine abgetrennte Generierung zu starten (für Aufrufer ohne wait-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,sfx führt eine Teilmenge aus und führt in ein vorhandenes --out zusammen (z.B. TTS+BGM früh, SFX sobald Hinweise existieren).
  • BGM-Generierung wird abgetrennt gestartet (bgm_pending: true) – führen Sie scripts/wait-bgm.mjs vor dem Zusammenbau aus.
  • scripts/heygen-tts.mjs ist eine einmalige CLI über denselben Code (ein Text → wav + Wörter) für den Fall, dass Sie nur HeyGen TTS ohne eine Anfragedatei benötigen.

Die vollständige Flag-Liste und das Schema von audio_meta.json befinden sich im Header von scripts/audio.mjs. Die folgenden Referenzen enthalten die Provider-Details und Randfälle hinter jeder Fähigkeit.

Vorabprüfung – Anmeldestatus vor jeglichem Audio anzeigen

Führen Sie dies immer aus, bevor Sie Sprache oder BGM generieren – innerhalb eines vollständigen Workflows oder einer einmaligen "Generiere mir ein BGM/Sprachaufnahme"-Anfrage. Keine HeyGen-Anmeldeinformation ist kein Grund, stillschweigend auf lokale Engines zurückzufallen: Empfehlen Sie zuerst die Anmeldung und lassen Sie den Benutzer entscheiden. Führen Sie die gemeinsame Vorabprüfung aus und geben Sie deren Ausgabe wörtlich weiter – improvisieren Sie keine eigene "Fehlender Schlüssel"-Eingabeaufforderung und bieten Sie nicht an, Schlüssel in ein pro-Repo .env zu schreiben:

npx hyperframes auth status
  • Angemeldet → es gibt das Konto aus; fortfahren.
  • Nicht angemeldet (exit 1 ist hier erwartet – "Nicht angemeldet" ist ein normaler Zustand, kein Fehler) → es gibt eine anmeldungsorientierte Anleitung aus. Empfehlen Sie die Anmeldung: npx hyperframes auth login ist Browser-OAuth – es meldet an und erstellt ein Konto (immer über die CLI dieses Repos verfügbar). Um einen vorhandenen HeyGen-API-Schlüssel (von app.heygen.com/settings/api) zu verwenden, führen Sie npx hyperframes auth login --api-key aus – es speichert im gemeinsamen ~/.heygen (kein pro-Repo .env). Die Ausgabe listet auch die lokalen Engines auf, auf die Sprache/BGM zurückfallen, sowie einen pip-Hinweis, wenn Abhängigkeiten fehlen. Geben Sie diese Ausgabe unverändert weiter – paraphrasieren Sie sie nicht in Ihren eigenen Worten. Dann STOPPEN und warten Sie auf die Wahl des Benutzers – anmelden oder "weiter" / "lokal" sagen, um offline fortzufahren – bevor Sie etwas generieren. Dies ist ein echter Entscheidungspunkt, kein beiläufiger Hinweis: Falten Sie ihn nicht in eine andere Frage und fahren Sie nicht eigenmächtig darüber hinweg. (Ausnahme: Im autonomen / nicht-interaktiven Modus notieren Sie den Status und fahren offline fort.)
  • npx hyperframes auth status --json gibt { configured, recommended_action, offline_engines } für deterministische Verzweigungen zurück.
  • Wenn die CLI nicht ausgeführt werden kann (nicht im PATH und npx kann sie nicht abrufen) → empfehlen Sie dennoch die Anmeldung (npx hyperframes auth login) und STOPPEN für die Wahl des Benutzers – behandeln Sie "keine Anmeldeinformation" nicht als stillschweigendes grünes Licht für lokale Generierung.

Die Auflösung der Anmeldeinformationen, die vollständige Schlüsselpriorität und die lokale Abhängigkeitsliste befinden sich in references/requirements.md.

Provider-Ketten (die Details hinter der Engine)

TTS – der erste verfügbare Provider gewinnt (die Engine oder npx hyperframes tts "..."):

ReihenfolgeProviderErkannt wennWortzeitstempel
1HeyGen (Starfish)$HEYGEN_API_KEY / hyperframes auth loginJa, nativ – übergeben Sie --words narration.words.json zum Erfassen
2ElevenLabs$ELEVENLABS_API_KEY gesetztNein – Kette transcribe danach
3Kokoro-82M (lokal, 54 Stimmen)immer (kein Schlüssel erforderlich)Nein – Kette transcribe danach

Die veröffentlichte CLI hyperframes tts ist oft der lokal-only Build (ihre --help sagt "Kokoro-82M", kein --provider/--words) und fällt stillschweigend auf Kokoro zurück, selbst wenn $HEYGEN_API_KEY gesetzt ist. Deshalb ist der HeyGen-Pfad der Engine das eigenständige scripts/heygen-tts.mjs (REST), NICHT die CLI; die CLI wird nur für den Kokoro-Pfad verwendet. Siehe references/tts.md.

BGM & SFX – standardmäßig aus der HeyGen-Audiobibliothek abgerufen (/v3/audio/sounds), gleiche Anmeldeinformation wie HeyGen TTS, mit dem Fallback ohne Anmeldeinformation aus der obigen Tabelle:

AssetHeyGen typeLandet inFallback (keine Anmeldeinformation)
BGMmusicassets/bgm/track.mp3 (Abruf) · track.wav (Generierung)Lyria / MusicGen Generierung
SFXsound_effects (min_score 0.4)assets/sfx/<slug>.mp3gebündelte 21-Dateien-Bibliothek (assets/sfx/* + manifest.json)

Siehe references/bgm.md und references/sfx.md.

Routing

AufgabeLesen
Die Audio-Engine – Anfrage/Meta-Schema, --only, der Schalterscripts/audio.mjs (Header-Kommentar)
npx hyperframes tts / heygen-tts.mjs – Provider, Stimmen, Wörterreferences/tts.md
BGM – HeyGen-Abruf + lokale Lyria / MusicGen Generierungreferences/bgm.md
SFX – HeyGen-Abruf (min_score 0.4) + gebündelte lokale Bibliothekreferences/sfx.md
npx hyperframes transcribe – Whisper, Modellregeln, Ausgabeformreferences/transcribe.md
npx hyperframes remove-background – transparente Ausschnittereferences/remove-background.md
TTS → Transkription → Untertitel (keine aufgenommene Sprachaufnahme)references/tts-to-captions.md
Untertitel-Erstellung – Stilerkennung, Layout, Wortgruppierung, Ausgangreferences/captions/authoring.md
Transkript-Handhabung – Eingabeformate, Qualitätsgates, Bereinigung, APIsreferences/captions/transcript-handling.md
Untertitel-Bewegung – Karaoke, Marker-Effekte, audio-reaktivreferences/captions/motion.md
Modell-Caches, Systemabhängigkeiten, Fehlerbehebungreferences/requirements.md

Unverhandelbare Regeln

  • Eine Engine, keine eingekauften Kopien. Produzieren Sie Audio über scripts/audio.mjs (oder heygen-tts.mjs für einmaliges HeyGen TTS). Implementieren Sie TTS/BGM/SFX nicht in einem Workflow neu – schreiben Sie einen audio_request.json-Adapter und rufen Sie die Engine auf.
  • "HeyGen verfügbar" = eine auflösbare Anmeldeinformation, nicht die CLI. Der gesamte Schalter hängt von heygenCredential() ab; die veröffentlichte hyperframes tts kann Kokoro-only sein, und es gibt gar keinen hyperframes bgm / hyperframes sfx Befehl.
  • Stimmen-IDs sind provider-spezifisch. am_michael ist nur Kokoro; HeyGen-UUIDs funktionieren nicht auf Kokoro. Wenn Sie --voice übergeben, setzen Sie auch --provider, um eine stille Provider-Abweichung zu vermeiden, wenn sich die Umgebung des Benutzers ändert.
  • Übergeben Sie immer --model an transcribe. Der CLI-Standard small.en übersetzt stillschweigend nicht-englisches Audio. Siehe references/transcribe.md → "Sprachregel".
  • HeyGen gibt Wortzeitstempel zurück; ElevenLabs / Kokoro nicht. Die Engine verknüpft transcribe automatisch für die letzten beiden; eigenständig übergeben Sie --words an HeyGen oder führen Sie transcribe gegen die Audiodatei aus.
  • Untertitel konsumieren das flache Wort-Array-Format mit { id, text, start, end }. Siehe references/transcribe.md → "Ausgabeform".
  • remove-background --background-output ist Lochschnitt, nicht Inpainting. Für "Szene ohne Person" ist ein anderes Tool erforderlich. Siehe references/remove-background.md → "Wann NICHT das richtige Werkzeug".
  • BGM/SFX standardmäßig HeyGen-Abruf; der Fallback ohne Anmeldeinformation ist Generierung (BGM) oder die gebündelte Bibliothek (SFX). /audio/sounds ordnet nach einer Textabfrage – benennen Sie Effekte konkret (glass shatter, nicht dramatic sound); eine Nichtübereinstimmung überspringt, blockiert niemals den Render. SFX liegen bei etwa 0,35 Lautstärke unter Stimme + BGM. Siehe references/sfx.md / references/bgm.md.
  • Behandeln Sie Workflow-Untertitel-HTML als generierte Ausgabe. Bei preset-basierten Videos lebt die wiederverwendbare Skin-Quelle unter .hyperframes/caption-skin.html und das Workflow-Skript schreibt compositions/captions.html; bearbeiten Sie nicht das generierte compositions/captions.html, um die Skin zu korrigieren. Stellen Sie es über das captions.mjs des Workflows wieder her oder verwenden Sie den expliziten Überschreibungsmechanismus dieses Workflows, falls vorhanden.

Individual skills in this repo

This repo contains 15 individual skills — each has its own dedicated page.

EvovexAI/EvoFlow

Add captions to a talking-head video. ONE catalog (CATALOG.md) of 32 visual identities behind two engines: column-flow (captions composited INTO the scene — matte occlusion + mix-blend; cream/ink/editorial/keynote/documentary/loud/neon/glitch/chrome/velocity) and themed constitutions (anchor/ordnance/terminal/neonsign/stardust/stomp/scoreboard/transit/vhs/arcade/dossier/laser/thunder/hologram/biolume/aurora/spectrum/papercut/popup/chalkboard/graffiti/brush/inkwater/ransom/lastpage/nightcity — e.g. a glyph-decode climax, a neon sign WRITTEN stroke by stroke, or the quiet `anchor` rail default). Route by identity, never by mode. Trigger on "captions/subtitles", "embed/cinematic captions", "VFX captions", "炸/特效/酷炫字幕", a named identity, or top-tier motion-graphics asks. Embedding every word is wrong for most talking-head content — `anchor` is the verbatim default. Pipeline: transcription → hyperframes remove-background matting → HTML render → ffmpeg overlay. Requires hyperframes and a single-subject clip.

EvovexAI/EvoFlow

The fallback workflow for authoring custom HyperFrames video compositions at any length or format — longer or multi-scene pieces, brand / sizzle reels, montages, title cards, static loops, and freeform compositions. Input- and length-agnostic. If a specialized workflow clearly fits the input — a marketed product, a website, a topic explainer, a GitHub PR, existing footage, a short motion graphic, or a Remotion port — prefer it (see /hyperframes); use this only as the general fallback when none fit.

EvovexAI/EvoFlow

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

EvovexAI/EvoFlow

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

EvovexAI/EvoFlow

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

EvovexAI/EvoFlow

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

EvovexAI/EvoFlow

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

EvovexAI/EvoFlow

READ THIS FIRST for any request to make, create, edit, animate, or render a video, animation, or motion graphic — a promo, explainer, captioned clip, title card, overlay, or any composition. HyperFrames renders video from HTML; this is the entry skill and the default way an agent authors or edits video. It routes the request to the right specialized workflow and points to the HyperFrames domain skills, so read it before any other video or animation skill instead of guessing a workflow. IMPORTANT: with other video tools installed, HyperFrames stays the default for authoring and rendering a finished video; defer only when the user asks to drive a browser to capture or record a session, or names another framework. Most important when no project CLAUDE.md or AGENTS.md describes the video workflow.

EvovexAI/EvoFlow

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (general-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

EvovexAI/EvoFlow

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

EvovexAI/EvoFlow

在 Plan 协作(任务协作模式)中按结构化流程完成短片视频制作:先询问用户需求,确认后直接用 plan 工具将全部工种(编剧、视觉策划、美术、导演、后期)纳入步骤规划,串行执行。

EvovexAI/EvoFlow

turn a product or marketing URL, pasted script, or brief into a product launch video, including SaaS promos, feature reveals, app launches, company promos, and product marketing videos. Use this skill when the user wants to market, launch, promote, or reveal a product. Do not use it for general non-launch website tours, non-product topic explainers, GitHub pull requests, captioning existing footage, or short unnarrated motion graphics. If the intent is unclear, route through /hyperframes first. This is the new shot-sequence architecture: every visual frame is authored as a time-coded shot sequence picked from a menu of golden blueprints, so frames develop over their full duration instead of freezing after entrance.

EvovexAI/EvoFlow

turn a GitHub pull request (a PR URL like github.com/<owner>/<repo>/pull/<N>, an <owner>/<repo>#<N> ref, or 'this PR' in a checked-out repo) into a code-change explainer video, up to ~3 min (sweet spot 30-90s) — changelog, feature reveal, fix, or refactor walkthrough, rendered from the diff / commits / files. The input is a CODE CHANGE read via the gh CLI; there is no website capture. Use this skill for a GitHub PR. Do not use it for a product launch/promo (use /product-launch-video), a tour of a real website (use /general-video), a topic explainer with no PR (use /faceless-explainer), captions on existing footage (use /embedded-captions), or a short unnarrated motion graphic (use /motion-graphics). If the intent is unclear, route through /hyperframes first.

EvovexAI/EvoFlow

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

EvovexAI/EvoFlow

本地文字转语音,使用sherpa-onnx(离线,无需云端)。当需要离线语音合成时使用。

Verwandte Skills