Contexto → Video
Convierte cualquier contexto de entrada en un mp4 narrado con diapositivas, subtítulos y (opcionalmente) un avatar parlante.
Cuándo Usarlo
動画化,解説動画作って,ブログを動画に,記事を動画化,explainer video,context to video- Quieres convertir un blog de lanzamiento / explicación de PR / notas de reunión / notas de diseño / notas de lanzamiento / contenido de aprendizaje en un video corto
- Quieres producir en masa material para YouTube / reuniones internas de equipo / Teams / X en poco tiempo
- Para uso con clientes, cambia el TTS a Azure Speech (versión oficial) (por defecto se usa el endpoint gratuito de edge-tts)
Fuentes de Entrada (cualquiera funciona)
| Entrada | Cómo se obtiene |
|---|---|
| URL de blog/artículo | Obtener el contenido con web_fetch |
| Texto pegado | Resumir directamente |
| Diff de PR / commit | gh pr view + gh pr diff |
| Notas de reunión / notas de diseño | Leer archivo |
| Notas de lanzamiento | URL o Markdown |
| Prompt libre | Pedir a la LLM que genere la estructura directamente |
→ El procesamiento después de obtener la fuente es común (la LLM escribe notes/script.json).
Stack (todo gratuito, local)
| Rol | Herramienta |
|---|---|
| Generación de guion | LLM (quien llama a este skill) |
| Diapositivas | Pillow (con BIZ UDGothic, etc.) |
| Narración | edge-tts (voz Neural de Edge · gratuita · no oficial) |
| Síntesis de video | ffmpeg (se puede usar el binario incluido con imageio-ffmpeg) |
| Subtítulos | Generación automática de .srt |
| Avatar (opcional) | SadTalker (se recomienda GPU) + máscara elíptica con ffmpeg |
Flujo de Trabajo Rápido (sin avatar)
pip install edge-tts imageio-ffmpeg pillow
# 1. Generar script.json a partir de la entrada (LLM)
# 2. Generar video
python scripts\build_video.py --project D:\ruta\al\proyecto
# → output\final.mp4 + final.srt
Detalles: references/script-schema.md / references/setup.md
Modo Avatar (cabeza parlante en la esquina)
Si tienes GPU (8 GB+ de VRAM), puedes añadir un avatar de SadTalker en la esquina inferior derecha. La configuración inicial tarda 30-40 minutos en un entorno virtual separado (Python 3.10), luego añade 20-30 minutos por video.
# Video existente + 8 fragmentos de audio → síntesis de avatar
python scripts\add_avatar.py --project D:\ruta\al\proyecto --face D:\ruta\a\rostro.jpg
# Crear la versión con máscara elíptica
python scripts\ellipse_overlay.py --project D:\ruta\al\proyecto
# → output\final_with_avatar.mp4 y final_with_avatar_ellipse.mp4
Configuración, errores comunes, elección de personaje: references/avatar.md
Estructura de Salida
<proyecto>/
├── notes/script.json Guion (escrito por la LLM)
├── slides/slide_XX.png 1920x1080
├── audio/audio_XX.mp3 Narración por diapositiva
├── avatar/ (opcional)
│ ├── input/face.jpg Foto original del avatar
│ ├── SadTalker/ repo + checkpoints
│ ├── venv/ Python 3.10 + torch cu121
│ └── clips/audio_XX.mp4 Video del avatar por fragmento de narración
└── output/
├── final.mp4 Versión básica (diapositivas + narración)
├── final.srt Subtítulos
├── final_with_avatar.mp4 (opcional) Avatar rectangular
└── final_with_avatar_ellipse.mp4 (opcional) Avatar circular con viñeta
Valores por Defecto
- Resolución: 1920x1080 30fps (16:9)
- Voz:
ja-JP-NanamiNeural(femenina, tranquila). Para masculina:ja-JP-KeitaNeural - Número de diapositivas: portada + 5 a 7 de contenido (total 6 a 8)
- Esquema de colores: slate-900 / sky-400 / BIZ UDGothic
- Duración por diapositiva: 15 a 25 segundos, total de 2 a 4 minutos
Cambiar voz, colores, fuente, relación de aspecto: references/customization.md
Uso en Producción
edge-tts gratuito es no oficial, sin SLA, y de uso comercial dudoso. Para distribución a clientes o uso continuo:
- Narración → Cambiar a Azure Speech (Neural TTS)
- Avatar comercial → Azure TTS Avatar (Lisa, etc. · oficial · desde $0.30/minuto)
Detalles: references/production-upgrade.md
Variantes Comunes
- Versión corta 9:16 (X/Reels):
W,H = 1080, 1920, narración comprimida a 60 segundos - Subtítulos quemados: Usar el filtro de ffmpeg
subtitles=final.srtpara quemarlos en el video (ffmpeg-advanced-filters.md) - Agregar BGM: Mezclar otro mp3 a bajo volumen (ffmpeg-advanced-filters.md)
- Crear capítulos/cursos (material de aprendizaje): Dividir script.json en capítulos, con introducción/cierre comunes
- Versión multilingüe: Cambiar
voicey traducir el guion - Crear personaje fijo para un canal: Usar SDXL para crear una mascota y guardar la semilla (avatar-generation-sdxl.md)
- VOICEVOX + ilustraciones oficiales de personajes: Para canales de "explicación relajada" como Zundamon, con sincronía de labios avanzada usando capas de PSD (voiced-mascot.md)
- Avatar circular con viñeta: Usar el filtro geq de ffmpeg para máscara circular + anillo de acento (ffmpeg-advanced-filters.md)
- Publicación automática en YouTube: Programar publicación con la API + miniatura (youtube-upload.md)
- De PoC a canal de publicación regular: Rediseñar la estructura de directorios (scale-up-production.md)
Criterios de Finalización
-
<out>/output/final.mp4(o la versión con avatar) se reproduce sin desincronización entre audio y video - El texto de las diapositivas es legible: cuerpo ≥ 28pt / título ≥ 56pt
- La narración refleja correctamente los mensajes principales de la entrada
-
final.srtestá sincronizado con la narración - No se infringen los derechos de autor de la fuente de entrada (resumen + citas, no lectura completa del texto)
- (Con avatar) Se completa sin desbordamiento de memoria de GPU, y el movimiento de labios no está extremadamente desincronizado