Acim24/motion-video-audio

Motion Video con Audio (estilo lanzamiento cinematográfico)

Convierte una breve descripción en un MP4 terminado y masterizado: visuales de lanzamiento cinematográfico (fondo de papel cálido, titulares serif grandes, un acento terracota, demo de chat que se escribe a sí mismo, barras que revelan al ganador, logotipo de cierre silencioso) más una banda sonora completa:

• Narración (voice-over) — una línea opcional de vo por escena, sintetizada con edge-tts. Las escenas se ajustan automáticamente a la duración de la narración.
• Música — una partitura ambiental original sintetizada para la línea de tiempo exacta (pad, sub, arpegios de piano, pulso suave, crescendo y un golpe resolutivo en el fotograma del logotipo). Libre de derechos porque se genera desde código. O usa tu propia pista.
• Efectos de sonido (SFX) — silbidos en los cortes, tics en palabras/barras, tecleo mientras se escribe la respuesta, un timbre en la barra ganadora, tics de contador, impacto + destello en el logotipo. Colocados dentro de los componentes de la escena, por lo que se sincronizan automáticamente.
• Mezcla — la música baja su volumen bajo la narración; los archivos finales se normalizan a −14 LUFS / −1.5 dBTP (objetivo para redes sociales/YouTube).

Todo el contenido reside en un único archivo, src/storyboard.ts.

Flujo de trabajo

1. Comprende la solicitud. Obtén: nombre de la marca/producto, el mensaje para recordar, 2–5 puntos de apoyo, números reales (si los hay), duración objetivo, plataforma, idioma de la narración y género de la voz. Si el usuario proporcionó suficiente información, no interrogues; indica tus suposiciones. Nunca presentes números de referencia inventados como reales; usa marcadores de posición visibles (footnote) o evita la comparación.

2. Prepara el proyecto.

   bash <skill-dir>/scripts/new_project.sh <target-dir>
   

   Necesita Node 18+, ffmpeg y edge-tts en el PATH (pipx install edge-tts) con conexión a internet para la narración. Verifica con which edge-tts ffmpeg primero; si edge-tts falta y no se puede instalar, construye sin vo e informa al usuario.

3. Escribe el storyboard. Lee references/style-guide.md (ritmo visual, redacción, recetas) y references/audio.md (escritura de narración, voces, ajustes de música/SFX/mezcla). Tipos de escena (campos en src/types.ts):

   tipo	usar para
   headline	tipo cinético: apertura, títulos de sección, línea de cierre. *palabra* = acento en cursiva
   chat	demo de UI: prompt → puntos de pensamiento → respuesta escrita (con sonido de tecleo)
   benchmark	barras horizontales, una barra highlight: true (timbre cuando aterriza)
   bigNumber	una gran estadística que cuenta hacia arriba (tics de contador + impacto)
   features	2–4 tarjetas de capacidad numeradas (aparecen por tarjeta)
   logo	cierre: marca dibujada o logoSrc, nombre, eslogan, CTA (el golpe musical llega aquí)

   Cada escena: vo opcional, durationInFrames opcional (30 fps; omítelo en escenas narradas para que se ajuste automáticamente), tone: 'light' | 'dark' opcional. Deja la escena logo sin vo — deja que el golpe musical respire.

4. Construye el audio — esto también ajusta la línea de tiempo final:

   cd <target-dir> && npm run audio
   

   Lee la línea de tiempo impresa: inicio por escena, duración, duración de la narración y advertencias de "(estirado para ajustar el vo)". Si una escena se estiró mucho, acorta su vo — la narración larga crea escenas lentas y somnolientas.

5. Revisión visual (QA) (las imágenes fijas son rápidas, los renderizados no):

   npx tsc --noEmit
   bash <skill-dir>/scripts/contact_sheet.sh <target-dir> Main-16x9 /path/sheet-wide.png
   bash <skill-dir>/scripts/contact_sheet.sh <target-dir> Main-9x16 /path/sheet-tall.png
   

   Lee los PNG; corrige desbordamientos, aglomeraciones, más de un acento por escena.

6. Revisión de audio (QA) sin oídos — después del renderizado, verifica la sonoridad y observa la mezcla:

   ffmpeg -i out/video-16x9.mp4 -af ebur128=peak=true -f null - 2>&1 | grep -E "I:|Peak:"
   ffmpeg -y -i out/video-16x9.mp4 -filter_complex "showwavespic=s=1800x300" -frames:v 1 /path/wave.png
   

   Espera I ≈ −14 LUFS, pico ≤ −1 dBFS, los estallidos de narración destacan claramente sobre el fondo musical, y el mayor aumento se produce en el logotipo.

7. Renderiza (ejecuta audio → ambos formatos → masterización):

   npm run render     # → out/video-16x9.mp4, out/video-9x16.mp4
   

   ~30 s de video ≈ 1–2 min. Informa las rutas, la duración, la voz utilizada y menciona npm run studio para vista previa en vivo con sonido.

Personalización

• Colores/fuentes de la marca: solo tokens en src/theme.ts.
• Logotipo: archivo en public/, logoSrc: 'logo.svg'.
• Música propia: archivo en public/, audio.music: 'track.mp3' (solo pistas sobre las que el usuario tenga derechos). Narración grabada propia: consulta references/audio.md.
• Nuevos tipos de escena / formatos / códecs: consulta references/extending.md.

Salvaguardas de marca y honestidad

Emula el estilo, no la marca: no reproduzcas el logotipo de Anthropic (ni de nadie) ni presentes el video como un lanzamiento oficial de una empresa a la que el usuario no represente. Las voces sintéticas no deben imitar a una persona real e identificable. Puntos de referencia: datos reales del usuario o ejemplos ilustrativos marcados visiblemente.