Communitygithub.com

cancion-video-karaoke

Writes a custom song (lyrics plus a Suno style) and a vertical karaoke video from the client's photos, with the lyric locked to the beat word by word. Use for a birthday, anniversary, or gift song and a captioned karaoke cut.

What is cancion-video-karaoke?

cancion-video-karaoke is a Claude Code agent skill that writes a custom song (lyrics plus a Suno style) and a vertical karaoke video from the client's photos, with the lyric locked to the beat word by word. Use for a birthday, anniversary, or gift song and a captioned karaoke cut.

Works with✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dialejo0720-maker/skills-edicion-video/tree/HEAD/skills/cancion-video-karaoke

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentation

Canción personalizada + video karaoke

Proceso probado con pedidos reales (cumpleaños, merengue — el cliente dijo que quedó "espectacular"). Dos fases: (A) letra para Suno y (B) video vertical 1080×1920 con fotos + karaoke. Todo en español LATAM, cálido y cercano. Responder al usuario en español.

Estructura de carpetas (una por pedido)

<carpeta de pedidos>/cancion-<nombre>/
  letra-suno.md          ← fase A
  fotos/                 ← el usuario sube las fotos
  <cancion>.mp3          ← el usuario sube el MP3 de Suno (cualquier nombre)
  video/                 ← todo lo técnico (proyecto.json, lineas.txt, json, chunks…)
  Feliz-Cumpleanos-<Nombre>.mp4 / -WhatsApp.mp4   ← entregables

Scripts en ${CLAUDE_SKILL_DIR}/scripts/ (referirse como $S). Ejecutarlos con python normal (NO python -I: no ve faster_whisper/librosa instalados en site-packages del usuario).

Requisitos: ffmpeg con libass, Python con faster-whisper, librosa, numpy, Pillow (pip install faster-whisper librosa numpy pillow). La primera vez compruébalos (ffmpeg -version, python -c "import faster_whisper, librosa") e instala lo que falte con permiso de la persona. Fuentes: Segoe UI Black (letra), Segoe Script (títulos) en Windows; en Mac/Linux usa equivalentes instaladas.


FASE A — Letra para Suno

  1. Leer lo que mandó el cliente: para quién, relación, ocasión, mensaje, género deseado.
  2. Meter TODAS las ideas del mensaje del cliente en la letra (si dice "compañero, amigo y pareja", que aparezca tal cual de forma natural). Esto es lo que le toca fibras a quien la recibe.
  3. Estructura: [Intro] con grito/dedicatoria con el nombre → [Verse 1] 8 líneas → [Pre-Chorus] 2 → [Chorus] 8 (el nombre repetido al inicio: "¡Valentina, Valentina!") → [Verse 2] → [Pre-Chorus] → [Chorus] → [Instrumental Break] → [Bridge] festivo ("¡que suene la güira!", "¡Felicidades!") → [Final Chorus] → [Outro] ("¡Te amo, X!") → [End].
  4. Rima consonante/asonante limpia, versos de 9–12 sílabas, coro pegajoso.
  5. Dar 2 prompts de estilo (en inglés, para "Style of Music"). Ejemplos:
    • Merengue: festive dominican merengue, accordion, güira, tambora, bright saxophone section, warm joyful male vocal, party backing choir, romantic birthday celebration, danceable, 140 bpm, spanish
    • Cumbia: colombian cumbia, accordion lead, guacharaca, caja vallenata, bass, warm romantic male vocal, festive choir shouts, birthday celebration, danceable, 95 bpm, spanish
    • Adaptar: balada, vallenato, bachata, ranchera, salsa según pedido; voz masculina/femenina según quién regala.
  6. Guardar en cancion-<nombre>/letra-suno.md (título, style A/B, letra en bloque de código, tips: generar 2–4 versiones, si pronuncia mal el nombre escribirlo fonético). Crear fotos/ vacía y pedir fotos + MP3.

FASE B — Video karaoke

B1. Analizar (≈4–6 min, correr en background)

python $S/analizar.py <video_dir> <ruta_mp3> <fotos_dir> "<primeras líneas de la letra como prompt>"

Genera words.json, beats.json, fotos.json, hoja-fotos.jpg e imprime la transcripción con tiempos (= mapa de secciones).

B2. Revisar fotos (mirar hoja-fotos.jpg con Read)

  • Clasificar: solo festejada, pareja/familia, grupo/fiesta. Detectar capturas con barras negras (render.py las recorta solo).

  • Para cada foto anotar focus = posición horizontal (0..1) de la cara/persona principal. Clave para que el paneo no corte a nadie.

  • Fotos horizontales (ancho/alto > 0.75) → se muestran como "tarjeta" con borde blanco y paneo; verticales → pantalla completa con Ken Burns.

  • Capturas de estados de WhatsApp/Facebook (barra "Responder", barra de estado, botones): render.py solo recorta negro puro, NO la interfaz. Recortar a mano a fotos-limpias/NN.jpg (fracciones arriba/abajo por foto), reescribir fotos.json con esos nombres y fotos_dir: "../fotos-limpias". Descartar duplicados (misma foto en captura y original).

B2b. Video del cliente (opcional)

Mover a clip/video.mp4. En proyecto.json: "clip": "../clip/video.mp4" (opcional clip_inicio), y una sección con fotos ["clip"] y beats_por_foto 99, de duración ≈ la del clip (se reproduce a velocidad real, sin su audio; vertical = pantalla completa). Ideal en un instrumental + inicio de verso. focus acepta "clip".

B3. Escribir video/lineas.txt

Letra oficial en el orden exacto en que Suno la cantó (ver transcripción: Suno a veces omite o cambia versos — p.ej. omitió el 2º "¡Valentina, Valentina!" del coro). Una línea por renglón, coros repetidos completos, # para comentarios de sección.

B4. Escribir video/proyecto.json (ver ejemplo-proyecto.json)

  • audio, fotos_dir, salida (relativos a video/), nombre, titulo, cierre, lineas.
  • focus: {"n": x}.
  • pulso: "suave" por defecto en pedidos nuevos = solo en coros, un respiro lento cada compás (el zoom en cada beat marea; caso María Paula). false = sin pulso; true = cada beat (no usar salvo que lo pidan).
  • letra: false para el plan Cancionarte "Canción + video con fotos" (14.90): solo títulos, sin karaoke. Plan karaoke (19.90): omitir o true.
  • tema: "infantil" (niños/bebés): globos por los costados, estrellas que titilan, burbujas, confeti suave; corazones en coros. Con "fuente_titulo": "Segoe Print" (más juguetona que Segoe Script). Usar 8 beats por foto también en versos → dinámico.
  • tema: "nostalgia" (ausencia, distancia, reconciliación, duelo; caso Mariana CNA-8YHTM2): nieve suave + luces cálidas tenues en coros, sin confeti ni corazones; títulos blanco/crema con contorno oscuro. Usar con "pulso": false, "crossfade": 1.0, sin flash, 12–16 beats por foto. Leer la letra antes de elegir tema: fotos de niña ≠ canción infantil.
  • gaps: títulos en instrumentales [inicio, fin, "texto"] (ej. "Una canción hecha con amor", "¡A bailar, mi reina!", "¡Que viva la cumpleañera!").
  • sections: [inicio, fin, beats_por_foto, [fotos], flash, corazones] cubriendo 0→duración sin huecos:
    • Versos / intro / instrumentales: 16 beats por foto (~6–7 s a 140 BPM).
    • Coros y puente: 8 beats (~3.3 s) → dinámico.
    • Coros: corazones: true. flash: true al entrar cada sección (excepto intro).
    • Narrativa: intro → la mejor foto de la festejada; versos de admiración → fotos de ella sola; coros de amor → fotos de pareja; puente/fiesta → fotos de grupo; cierre → la mejor foto de pareja (queda debajo del título final).
    • Repetir fotos está bien (17 fotos en 4 min → cada una sale ~2–3 veces); no repetir la misma foto seguida.

B5. Generar timeline + karaoke

python $S/timeline.py <video_dir>
python $S/karaoke.py <video_dir>     # debe decir "sin match: 0" o casi; si no, corregir lineas.txt

B6. Vista previa (~1 min) — SIEMPRE antes del render completo

python $S/build.py <video_dir> --preview 62 70     # entrada de un coro

Mirar prev/preview.jpg (Read). Revisar: caras no cortadas, texto legible, nada tapando caras.

B7. Render final (en background)

python $S/build.py <video_dir>

8 bloques en paralelo → une → quema karaoke + audio → versión WhatsApp (crf 27, ~50 MB). Tiempo real medido (8 núcleos, canción 4:00): ~15 min render + ~3 min final + ~2 min WhatsApp ≈ 20 min. Esperar con until grep -q "FINAL\|rror" <output>; do sleep 5; done (Bash background), no con sleep.

B8. Verificar y entregar

  • ffprobe (1080x1920, duración = canción, h264+aac).
  • Hoja de 8 cuadros (2, 20, 45, …, final) → revisar con Read. Si un título tapa caras o algo falla en el texto: python $S/build.py <video_dir> --solo-karaoke (~5 min, reusa las fotos ya renderizadas).
  • Entregar con links a los dos MP4 (completo para TV/IG, WhatsApp para enviar), tiempo que tomó, y resumen de qué tiene.

Estilo visual (ya implementado en los scripts)

  • Fondo: la misma foto difuminada y oscurecida (nunca barras negras).
  • Pulso de zoom en cada beat (más fuerte en beats pares), crossfade 0.35 s entre fotos, flash blanco al iniciar secciones.
  • Confeti de colores todo el video; corazones rosados en coros.
  • Karaoke abajo: línea actual 74 px, relleno dorado palabra por palabra (\kf) con pop de escala; siguiente línea en gris debajo.
  • Títulos: "" en Segoe Script rosa + "" grande dorado, abajo (y 1400–1780) para no tapar caras; cierre con " ♥" + frase.

Movimiento con vida (al agregar títulos, temas o efectos nuevos)

Sigue las reglas de ${CLAUDE_SKILL_DIR}/../video-con-vida/references/principios.md:

  • Títulos y stickers nuevos entran con ease-out + rebote 5–10 % (íconos/corazones hasta 20 %) y salen con ease-in; nada lineal salvo el relleno del karaoke.
  • Varios elementos a la vez → escalonados 80–120 ms; las palabras de un título, letra por letra 40–70 ms.
  • Ken Burns siempre con ease-in-out, nunca lineal; ninguna foto completamente quieta (zoom 1–3 % mínimo).
  • Sutil gana: el "pulso en cada beat" ya demostró que marea (caso María Paula). Si un movimiento se nota conscientemente, bájalo.
  • Si el cliente manda un video suyo hablando a cámara (dedicatoria), se le pueden aplicar efectos de video-con-vida (p. ej. 16 portada con el nombre detrás de la cabeza, 14 garabato vivo con corazón) antes de meterlo como clip.

Errores ya resueltos (no repetir)

  • Partículas semitransparentes: ImageDraw sobre una imagen RGBA reemplaza píxeles (sale opaco). Dibujar en una capa aparte y alpha_composite (así lo hace Snow).
  • Mosaicos/collages del cliente: detectar las franjas blancas, recortar cada foto, escalar ×3 Lanczos + UnsharpMask; separar fotos dobles y quitar marcas de agua.
  • Whisper a veces amontona un verso entero en el mismo instante (todas las palabras con el mismo s): repartirlas a mano en words.json (guardar words-original.json) antes de karaoke.py.
  • Globos al centro tapaban caras → van en los costados (x <190 o >890).
  • python -I → ModuleNotFoundError faster_whisper. Usar python normal.
  • Pasar JSON por argumento en PowerShell rompe las comillas → todo va en proyecto.json.
  • Paneo/zoom fuerte en fotos horizontales cortaba a la persona → tarjeta de 940 px de alto + focus.
  • Títulos centrados tapaban caras → van en la zona baja (sin karaoke en intro y cierre).
  • Segmento final de sección muy corto (<60% del normal) se une al anterior (timeline.py lo hace).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Related Skills