Communitygithub.com

sonido

Selecciona efectos de una biblioteca local y ajusta mezcla y sincronía para videos. Úsala para diseñar golpes, transiciones, ambientes o música bajo voz; requiere recursos propios o con permiso de uso.

Was ist sonido?

sonido is a Claude Code agent skill that selecciona efectos de una biblioteca local y ajusta mezcla y sincronía para videos. Úsala para diseñar golpes, transiciones, ambientes o música bajo voz; requiere recursos propios o con permiso de uso.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/pedro-aaron/skills-videos/tree/HEAD/skills/sonido

In Ihrer bevorzugten KI fragen

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

Dokumentation

Sonido con intención

Identifica el video, fps, duración y biblioteca disponible. Esta skill no incluye audios. Usa la biblioteca autorizada del usuario y respeta las reglas del proyecto sobre su origen (por ejemplo, una carpeta o script obligatorio). No inventes rutas ni presupongas que existe un script.

  1. Fija primero eventos visuales y narrativos. Elige efectos por causa perceptible o intención narrativa; evita ruido por cada palabra. Un ambiente continuo puede ser intencional.
  2. Busca candidatos en el catálogo disponible. Nombres y etiquetas no prueban cómo suenan: preescucha antes de elegir. Si no puedes escuchar, presenta la selección como provisional.
  3. Copia solo los recursos usados a la carpeta del proyecto. Conserva la biblioteca original y documenta origen, licencia y cambios. No redistribuyas packs comprados por el hecho de tenerlos localmente.
  4. Alinea el ataque o pico del efecto con el impacto, no necesariamente el inicio del archivo. Calcula inicio = cuadro del impacto / fps − tiempo del pico. Si resulta negativo, ajusta el montaje o recorta una copia sin destruir el original. Respeta las colas y evita clics de corte.
  5. Mantén inteligible la voz; automatiza música y efectos en remates y pausas. Mide el conjunto, no solo pistas aisladas. En Remotion evita duplicar voz o montar un efecto fuera de su duración.
  6. Reproduce y mide el export final. Con FFmpeg, ffmpeg -i video.mp4 -af ebur128=peak=true -f null - permite leer LUFS y true peak. Usa el objetivo del proyecto; si falta, propone uno como criterio de trabajo, no regla universal de plataforma. Un pico correcto no garantiza mezcla agradable.

Entrega archivos usados, eventos de sincronía, mediciones y pendientes reales. No afirmes haber escuchado si solo analizaste métricas. Descargar o generar nuevos recursos requiere que esté dentro del encargo; prioriza lo existente.

Sin biblioteca: síntesis propia

Si no hay biblioteca autorizada o el tema pide sobriedad, la cama y los efectos pueden sintetizarse por código (NumPy/SciPy): colchón cálido y bajo sin percusión para temas serios; tics, barridos, campanas suaves, golpes graves o un acorde de arranque para la entrada. Es material original sin licencias de terceros: documéntalo como síntesis. Cachea lo que tarde en generarse. Si piden un sonido «tipo» de una marca, resuélvelo con uno propio, no con una imitación reconocible.

Niveles que han funcionado

Son criterios de trabajo, no reglas de plataforma; el objetivo del proyecto manda.

  • Voz a ≈ −18 dBFS RMS. Música unos 10 dB por debajo mientras se habla en piezas educativas o comerciales, y unos 18 dB en temas serios; sube 4–6 dB en pausas largas y en una entrada sin voz, para que no quede en silencio.
  • Ducking con filtros de mínimo y promedio móvil (scipy.ndimage.minimum_filter1d, uniform_filter1d). np.convolve sobre la señal completa se cuelga.
  • Efectos sutiles (≈ −18 a −20 dB) anclados a palabras o a frames en un archivo de datos (sfx.json: frase + palabra o tiempo absoluto), para que sigan a la voz si cambia.
  • Limitador por pico real (sobremuestreo ×4): las voces de ElevenLabs traen picos entre muestras de hasta +1.4 dBTP aunque el pico de muestra parezca seguro.
  • Normalización final con loudnorm en dos pasadas a −16 LUFS / −1.5 dBTP (LRA 11, linear=true) y AAC a 48 kHz. Si el LRA medido supera el objetivo (entrada y cierre sin voz), FFmpeg cambia a modo dinámico: anótalo.
  • Para comprobar que cada palabra tiene energía en la mezcla final, tolera ±60 ms por el retardo del codificador AAC (≈ 42 ms), y que en las pausas de la locución no aparezcan sonidos de voz.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

cuestionar-guion

Critica guiones de skills de videos con franqueza, identifica promesas incumplidas y propone mejoras concretas conservando la voz del autor. Úsala al pedir revisar, cuestionar o destrozar un guion, comparar episodios o valorar su potencial de alcance; también al revisar un borrador antes de grabar.

motion

Diseña, anima y exporta videos con Scenes, Timelines, Vectors, Particles y Export (FFmpeg), dentro de skills de videos. Guía el pipeline Brief → build → animate → refine → render y elige stack (Remotion, Motion Canvas, Three.js, Lottie, Proton, etc.). Úsala al planear escenas, timelines, vectores, partículas o render.

voz-elevenlabs

Locución con ElevenLabs para video. Camino recomendado, el autor la genera en la web de ElevenLabs y el video se adapta al archivo descargado. El agente prepara y comprueba el texto etiquetado, importa el MP3 sin tocarlo, obtiene tiempos por palabra y entrega voz y palabras. Opcional, síntesis por API con voice IDs del registro local. Úsala al pedir TTS, ElevenLabs, «traigo el audio de ElevenLabs», «ajusta el video a esta voz», preparar el texto para la web, sintetizar narración o elegir una voz por alias o voice_id.

voz-whisper

Prepara una grabación real en español para video con limpieza, transcripción local con whisper.cpp, cortes de silencios y masterización. Conserva la toma y revisa palabras y cortes antes de entregar. Una locución de ElevenLabs (web o API) no pasa por esta cadena; para ella usa la skill voz-elevenlabs.

Verwandte Skills