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):
| Fähigkeit | HeyGen-Anmeldeinformation vorhanden | abwesend |
|---|---|---|
| TTS | HeyGen Starfish REST (native Wortzeitstempel) | → ElevenLabs → Kokoro (Kette transcribe für Wörter) |
| BGM | HeyGen Musik-Abruf | Lyria → MusicGen lokale Generierung (abgetrennt) |
| SFX | HeyGen 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? } }.idverbindet 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 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 führt in ein vorhandenes--outzusammen (z.B. TTS+BGM früh, SFX sobald Hinweise existieren).- BGM-Generierung wird abgetrennt gestartet (
bgm_pending: true) – führen Siescripts/wait-bgm.mjsvor dem Zusammenbau aus. scripts/heygen-tts.mjsist 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 1ist hier erwartet – "Nicht angemeldet" ist ein normaler Zustand, kein Fehler) → es gibt eine anmeldungsorientierte Anleitung aus. Empfehlen Sie die Anmeldung:npx hyperframes auth loginist 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 Sienpx hyperframes auth login --api-keyaus – es speichert im gemeinsamen~/.heygen(kein pro-Repo.env). Die Ausgabe listet auch die lokalen Engines auf, auf die Sprache/BGM zurückfallen, sowie einenpip-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 --jsongibt{ configured, recommended_action, offline_engines }für deterministische Verzweigungen zurück.- Wenn die CLI nicht ausgeführt werden kann (nicht im PATH und
npxkann 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 "..."):
| Reihenfolge | Provider | Erkannt wenn | Wortzeitstempel |
|---|---|---|---|
| 1 | HeyGen (Starfish) | $HEYGEN_API_KEY / hyperframes auth login | Ja, nativ – übergeben Sie --words narration.words.json zum Erfassen |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY gesetzt | Nein – Kette transcribe danach |
| 3 | Kokoro-82M (lokal, 54 Stimmen) | immer (kein Schlüssel erforderlich) | Nein – Kette transcribe danach |
Die veröffentlichte CLI
hyperframes ttsist oft der lokal-only Build (ihre--helpsagt "Kokoro-82M", kein--provider/--words) und fällt stillschweigend auf Kokoro zurück, selbst wenn$HEYGEN_API_KEYgesetzt ist. 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 aus der HeyGen-Audiobibliothek abgerufen (/v3/audio/sounds), gleiche Anmeldeinformation wie HeyGen TTS, mit dem Fallback ohne Anmeldeinformation aus der obigen Tabelle:
| Asset | HeyGen type | Landet in | Fallback (keine Anmeldeinformation) |
|---|---|---|---|
| BGM | music | assets/bgm/track.mp3 (Abruf) · track.wav (Generierung) | 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.
Routing
| Aufgabe | Lesen |
|---|---|
Die Audio-Engine – Anfrage/Meta-Schema, --only, der Schalter | scripts/audio.mjs (Header-Kommentar) |
npx hyperframes tts / heygen-tts.mjs – Provider, Stimmen, Wörter | references/tts.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 aufgenommene Sprachaufnahme) | references/tts-to-captions.md |
| Untertitel-Erstellung – Stilerkennung, Layout, Wortgruppierung, Ausgang | references/captions/authoring.md |
| Transkript-Handhabung – Eingabeformate, Qualitätsgates, Bereinigung, APIs | references/captions/transcript-handling.md |
| Untertitel-Bewegung – Karaoke, Marker-Effekte, audio-reaktiv | references/captions/motion.md |
| Modell-Caches, Systemabhängigkeiten, Fehlerbehebung | references/requirements.md |
Unverhandelbare Regeln
- Eine Engine, keine eingekauften Kopien. Produzieren Sie Audio über
scripts/audio.mjs(oderheygen-tts.mjsfür einmaliges 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" = eine auflösbare Anmeldeinformation, nicht die CLI. Der gesamte Schalter hängt von
heygenCredential()ab; die veröffentlichtehyperframes ttskann Kokoro-only sein, und es gibt gar keinenhyperframes bgm/hyperframes sfxBefehl. - Stimmen-IDs sind provider-spezifisch.
am_michaelist nur Kokoro; HeyGen-UUIDs funktionieren nicht auf Kokoro. Wenn Sie--voiceübergeben, setzen Sie auch--provider, um eine stille Provider-Abweichung zu vermeiden, wenn sich die Umgebung des Benutzers ändert. - Übergeben Sie immer
--modelantranscribe. Der CLI-Standardsmall.enübersetzt stillschweigend nicht-englisches Audio. Siehereferences/transcribe.md→ "Sprachregel". - HeyGen gibt Wortzeitstempel zurück; ElevenLabs / Kokoro nicht. Die Engine verknüpft
transcribeautomatisch für die letzten beiden; eigenständig übergeben Sie--wordsan HeyGen oder führen Sietranscribegegen die Audiodatei aus. - Untertitel konsumieren das flache Wort-Array-Format mit
{ id, text, start, end }. Siehereferences/transcribe.md→ "Ausgabeform". remove-background --background-outputist Lochschnitt, nicht Inpainting. Für "Szene ohne Person" ist ein anderes Tool erforderlich. Siehereferences/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/soundsordnet nach einer Textabfrage – benennen Sie Effekte konkret (glass shatter, nichtdramatic sound); eine Nichtübereinstimmung überspringt, blockiert niemals den Render. SFX liegen bei etwa 0,35 Lautstärke unter Stimme + BGM. Siehereferences/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.htmlund das Workflow-Skript schreibtcompositions/captions.html; bearbeiten Sie nicht das generiertecompositions/captions.html, um die Skin zu korrigieren. Stellen Sie es über dascaptions.mjsdes Workflows wieder her oder verwenden Sie den expliziten Überschreibungsmechanismus dieses Workflows, falls vorhanden.