Communitygithub.com

aktsmm/Agent-Skills

Convierte cualquier contexto (URL de blog, artículo pegado, diff de PR, notas de reunión, notas de lanzamiento, prompt en bruto) en un mp4 explicativo narrado con diapositivas, subtítulos y, opcionalmente, un avatar parlante. Utiliza un stack local gratuito (Pillow + edge-tts + ffmpeg) con SadTalker opcional para el avatar.

¿Qué es Agent-Skills?

Este skill para agentes de IA (como Claude Code, Cursor o Codex) permite transformar cualquier contenido textual en un video explicativo profesional en formato mp4. Está diseñado para desarrolladores y creadores de contenido que necesitan generar rápidamente videos para YouTube, reuniones internas, Teams o X (Twitter). Soporta múltiples fuentes de entrada: URLs de blogs o artículos (obteniendo el texto mediante `web_fetch`), texto pegado directamente, diffs de PR (usando `gh pr view` y `gh pr diff`), notas de reuniones, notas de lanzamiento o incluso prompts libres. El flujo de trabajo es completamente local y gratuito: la IA genera un guion estructurado en `notes/script.json`, luego crea diapositivas con Pillow, narración con edge-tts (voces neurales de Microsoft Edge), y finalmente sintetiza el video con ffmpeg, incluyendo subtítulos en formato SRT. Opcionalmente, si se dispone de una GPU con al menos 8 GB de VRAM, se puede añadir un avatar parlante en la esquina inferior derecha usando SadTalker. El resultado final se guarda en el directorio del proyecto del usuario con una estructura de carpetas organizada.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aktsmm/Agent-Skills/tree/HEAD/context-to-video

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

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)

EntradaCómo se obtiene
URL de blog/artículoObtener el contenido con web_fetch
Texto pegadoResumir directamente
Diff de PR / commitgh pr view + gh pr diff
Notas de reunión / notas de diseñoLeer archivo
Notas de lanzamientoURL o Markdown
Prompt librePedir 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)

RolHerramienta
Generación de guionLLM (quien llama a este skill)
DiapositivasPillow (con BIZ UDGothic, etc.)
Narraciónedge-tts (voz Neural de Edge · gratuita · no oficial)
Síntesis de videoffmpeg (se puede usar el binario incluido con imageio-ffmpeg)
SubtítulosGeneración 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.srt para 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 voice y 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.srt está 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

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados