HyperFrames Media
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 Audio NICHT von Grund auf neu oder nutzen eine Kopie eines Anbieters. Es gibt eine Engine — scripts/audio.mjs — die eine neutrale audio_request.json entgegennimmt und audio_meta.json (sowie 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 stufen basierend auf EINEM Schalter zurück — ob eine HeyGen-Anmeldeinformation vorhanden ist (ermittelt aus $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, nicht der CLI):
| Fähigkeit | HeyGen-Anmeldeinformation vorhanden | nicht vorhanden |
|---|---|---|
| TTS | HeyGen Starfish REST (native Wort-Zeitstempel) | → ElevenLabs → Kokoro (Kette transcribe für Wörter) |
| BGM | HeyGen Musik Abruf | Lyria → MusicGen lokale Generierung (abgetrennt) |
| SFX | HeyGen Soundeffekte Abruf (min_score 0.4) | gebündelte 21-Dateien-Bibliothek (assets/sfx/) |
- Anfrage (
audio_request.json):{ provider?, lang?, speed?, lines: [{ id, text, sfx?: [Namen] }], bgm: { mode?, query?, prompt? } }.idverbindet jede Zeile mit dem Modell des Aufrufers (eine Frame-Nummer, eine Szenen-ID, …).bgm.mode=retrieve | generate | none; weglassen für automatisch (abrufen bei Anmeldedaten, sonst generieren). Ein explizitesretrieveist strikt — es überspringt, anstatt eine abgetrennte Generierung zu starten (für Aufrufer ohnewait-bgm-Schritt). - Ausgabe (
audio_meta.json, nach ID indiziert):{ 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 sie mit einer bestehenden--out-Datei zusammen (z. B. TTS+BGM früh, SFX sobald Cues existieren).- BGM-Generierung wird abgetrennt gestartet (
bgm_pending: true) — führen Siescripts/wait-bgm.mjsvor dem Zusammenbau aus. scripts/heygen-tts.mjsist eine Einzelaufruf-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 audio_meta.json-Schema befinden sich im Kopf von scripts/audio.mjs. Die folgenden Referenzen decken die Anbieterdetails und Randfälle hinter jeder Fähigkeit ab.
Preflight — Anmeldestatus vor jeglichem Audio anzeigen
Führen Sie dies immer vor der Generierung von Sprache oder BGM aus — innerhalb eines vollständigen Workflows oder einer einmaligen "Generiere mir ein BGM/Voiceover"-Anfrage. Keine HeyGen-Anmeldeinformation ist kein Grund, still auf lokale Engines zurückzufallen: Empfehlen Sie zuerst die Anmeldung und lassen Sie den Benutzer entscheiden. Führen Sie das gemeinsame Preflight aus und geben Sie dessen Ausgabe wörtlich weiter — improvisieren Sie keine eigene "fehlender Schlüssel"-Eingabeaufforderung und bieten Sie nicht an, Schlüssel in eine repo-spezifische .env zu schreiben:
npx hyperframes auth status
- Angemeldet → es gibt das Konto aus; fahren Sie fort.
- Nicht angemeldet (
exit 1ist hier zu erwarten — "nicht angemeldet" ist ein normaler Zustand, kein Fehler) → es gibt eine registrierungsorientierte Anleitung aus. Empfehlen Sie die Anmeldung:npx hyperframes auth loginist ein 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 in der gemeinsamen~/.heygen(kein repo-spezifisches.env). Die Ausgabe listet auch die lokalen Engines auf, auf die Sprache/BGM zurückfallen wird, sowie einenpip-Hinweis, wenn Abhängigkeiten fehlen. Geben Sie diese Ausgabe unverändert weiter — paraphrasieren Sie sie nicht in Ihre eigenen Worte. Dann STOPPEN Sie und warten Sie, bis der Benutzer wählt — anmelden oder "los" / "lokal" sagen, um offline fortzufahren — bevor Sie etwas generieren. Dies ist ein echter Entscheidungspunkt, keine beiläufige Notiz: bauen Sie es nicht in eine andere Frage ein und gehen Sie nicht eigenständig darüber hinaus. (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 trotzdem die Anmeldung (npx hyperframes auth login) und STOPPEN Sie 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 Liste der lokalen Abhängigkeiten finden Sie in references/requirements.md.
Anbieterketten (die Details hinter der Engine)
TTS — zuerst verfügbarer 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, um sie zu erfassen |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY gesetzt | Nein — transcribe nachschalten |
| 3 | Kokoro-82M (lokal, 54 Stimmen) | immer (kein Schlüssel erforderlich) | Nein — transcribe nachschalten |
Die veröffentlichte
hyperframes tts-CLI ist oft die Nur-lokal-Version (ihre--helpzeigt "Kokoro-82M", kein--provider/--words) und fällt stillschweigend auf Kokoro zurück, selbst wenn$HEYGEN_API_KEYgesetzt ist. Daher 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-Audiobibliothek (/v3/audio/sounds), gleiche Anmeldeinformation wie HeyGen TTS, mit dem Fallback ohne Anmeldedaten aus der obigen Tabelle:
| Asset | HeyGen type | Landet in | Fallback (keine Anmeldeinformation) |
|---|---|---|---|
| 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.
Weiterleitung
| 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 |
| 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, Ausgabeformat | 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-Handhabung — Eingabeformate, Qualitätsgrenzen, 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 kopierten Anbieter. Erzeugen 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 Nur-Kokoro sein, und es gibt überhaupt keinenhyperframes bgm/hyperframes sfxBefehl. - Stimmen-IDs sind anbieterspezifisch.
am_michaelist Nur-Kokoro; HeyGen-UUIDs funktionieren nicht mit Kokoro. Wenn Sie--voiceübergeben, setzen Sie auch--provider, um eine stille Anbieterdrift 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 Wort-Zeitstempel zurück; ElevenLabs / Kokoro nicht. Die Engine schaltet
transcribeautomatisch für die letzten beiden nach; 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→ "Ausgabeformat". remove-background --background-outputist Lochschnitt, keine Bildinpaintierung. Für "Szene ohne die Person" wird ein anderes Werkzeug benötigt. Siehereferences/remove-background.md→ "Wann NICHT das richtige Werkzeug".- BGM/SFX standardmäßig HeyGen-Abruf; der Fallback ohne Anmeldedaten ist Generierung (BGM) oder die gebündelte Bibliothek (SFX).
/audio/soundsordnet nach einer Textabfrage — benennen Sie Effekte konkret (glass shatter, nichtdramatic sound); ein fehlender Treffer überspringt, blockiert nie das Rendering. SFX liegen bei Lautstärke ~0.35 unter Sprache + BGM. Siehereferences/sfx.md/references/bgm.md. - Behandeln Sie Workflow-Untertitel-HTML als generierte Ausgabe. Für presettgestützte Videos lebt die wiederverwendbare Skin-Quelle unter
.hyperframes/caption-skin.htmlund das Workflow-Skript schreibtcompositions/captions.html; bearbeiten Sie nicht generiertescompositions/captions.html, um die Skin zu korrigieren. Bauen Sie sie über dascaptions.mjsdes Workflows neu auf oder verwenden Sie den expliziten Override-Mechanismus des Workflows, falls vorhanden.