¿Qué hace Generador de Cursos: Videos Explicativos Manuscritos?
Salida: uno o más MP4 1920x1080 30fps H.264+AAC con subtítulos incrustados más archivos .srt, con estilo de alguien enseñando en un iPad negro con marcadores neón (estilo Caleb Eom). Cada conferencia se escribe como un spec.js compacto (narración + visuales juntos); el motor lo diseña, temporiza cada dibujo con la palabra hablada y lo renderiza.
research → spec.js por conferencia → build.sh (extraer → TTS → scenes.js) → qa.sh (fotogramas fijos) → arreglar → render_lecture.sh → zip + entregar
Reglas de estilo (no negociables)
- Ritmo ≈ 1.2x, nunca más rápido. Voces API: recortar silencios, luego
ATEMPO=1.05(voz expresiva) a1.12(voz lenta). 0.2s de pausa entre beats. 1.25x+ suena apresurado. - Aspecto hecho a mano. Fuente Reenie Beanie con vibración por letra; líneas rough.js (roughness ≥1.4) más una ondulación SVG de turbulencia. Solo las tarjetas de evidencia "impresas" (tablas, números reales) son sans-serif limpias.
- Fondo negro, roles neón:
wprincipal,gbueno/funciona,pproblema/advertencia,vconcepto,oacciones/analogías,yresaltados/números,bsecundario,grcitas/comentarios.
Estructura pedagógica (cada conferencia)
- Gancho (20–40s): una situación relatable, luego un hecho sorprendente, luego una pregunta. Luego un beat de título que anticipa el marco.
- Marco (
LAYERS, 3–7 elementos): la columna vertebral. Cada sección muestra una copia pequeña en la esquina superior derecha con su capa entre corchetes. - Secciones: 1–3 beats cada una. Una idea y un visual por beat. Nombra las fuentes en voz alta y en gris en pantalla.
- Intuición: al menos una
analogíapor sección para cualquier cosa abstracta ("un detector de humo, no un cuerpo de bomberos"). Explica la jerga en palabras llanas inmediatamente. - Recapitulación y lo que sigue: el marco, líneas marcadas, luego el título de la siguiente conferencia, para que un curso se encadene.
Voz: un compañero explicando mientras toma un café. Frases cortas, "Entonces,", "Y aquí está la cosa.", "¿Recuerdas la X?". Escribe los números como deben ser dichos ("veinte veintiséis", "uno punto siete segundos"). Evita símbolos en say.
Modo principiante (cuando se pida hacerlo comprensible para recién llegados): complementa la fuente con tu propia investigación web, agrega una analogía por concepto y reduce la densidad de ideas (~500–650 palabras por conferencia de 3–4 min).
Precisión
Busca en web cada número, fecha y nombre. Prefiere fuentes primarias. Mantén juntos los números de un mismo experimento. Etiqueta afirmaciones de proveedores ("números del proveedor: verificar"). Nunca inventes un ejemplo que un libro no haya dado; cita el propio del libro. Entrega una lista de Fuentes.
Configuración
Trabaja en ~/course, una copia de la carpeta engine/ de esta habilidad, para que los archivos de audio y video queden fuera de la carpeta de habilidades. Omite la copia si ~/course ya existe.
cp -r <carpeta de esta habilidad>/engine ~/course && cd ~/course # ej. ~/.claude/skills/course-generator-handwritten/engine
npm i && npm run browsers # Playwright + Chromium (necesita Node 20+)
pip install --break-system-packages soundfile numpy
cp .env.example .env # completa TTS_* en .env (nunca lo subas)
ffmpeg debe estar instalado. Las carpetas de las conferencias (~/course/L02_Architecture/spec.js) están junto a los scripts; se puede llamar a los scripts desde cualquier directorio.
TTS es conectable (tts.py): cualquier POST /audio/speech compatible con OpenAI que devuelva response_format: "pcm" (24 kHz s16le). Configura TTS_URL, TTS_API_KEY, TTS_MODEL y TTS_VOICE mediante variables de entorno o .env. Elige una voz probando 2–3 voces en un beat y eligiendo la más expresiva (mayor variación de tono), no la primera. El audio se cachea por beat con un archivo de texto auxiliar, así que solo los beats editados se vuelven a vocalizar. Nunca codifiques claves o nombres de modelo en archivos subidos.
Escribir una conferencia: <Dir>/spec.js
const LECT = { label: 'Lecture 2 · behind the scenes', title: 'The Seven-Layer Architecture' };
const LAYERS = ['Channels + triggers', 'Gateway', 'Durable orchestrator', 'Agent loop'];
say({ hook: "…", title: "…", recap: "…", outro: "Next, …" }); // registro para beats de introducción/recapitulación
intro('S01_Intro', 'hook', 'title', [ items… ]);
section('S02_Gateway', 1 /*índice de capa*/, 'v' /*color*/, [
{ b: 'ga1', t: 'The front door', cite: 'Source, 2026', say: "Narration…", v: [ items… ] },
]);
recap('S06_Recap', 'recap', 'outro', ['line', 'line'], 'Next lecture title');
Cada beat tiene su propio panel y la cámara se desplaza entre paneles. El diseño escala automáticamente para ajustarse.
Elementos [type, ...args, opts?]:
| tipo | args |
|---|---|
big / text | str, colour, size |
note | str, colour (comentario con flecha) |
analogy | null, str, 'o' (enmarcado "piensa en ello como…") |
list | `[lines], colour, {num |
col | title, colour, [lines] (usar dentro de row) |
row | [[item],[item]…], {vs, gap} (lado a lado) |
flow | [labels], [colours] (cajas con flechas) |
stack | [labels], {rh,size,w,cols,step} |
tokens | [words], colour, {step, cols} (ajuste de línea) |
bars / hbars | `[[label, value, colour, valueLabel]…], {h |
eq | str, colour (número de titular subrayado) |
card | title, rows[][], {w, hi:[rowIdx], hit:[time]} (tabla impresa; la fila 0 es el encabezado) |
chart | [[[x,y]…], colour, label]…], {h, xl, yl} |
timeline / grid / gpus / people / down | consulta dsl.js |
Opciones de temporización (último objeto): at: 'word' inicia el elemento cuando se pronuncia esa palabra (occ: 2 para la segunda aparición); times: [[beat, frac, 'f'], …] establece la temporización por partes como una fracción del beat; step escalona las partes. Los inicios se limitan para que el dibujo termine ≥2.6s antes de que termine el beat. Las claves de opciones permitidas están en la lista blanca de dsl.js (OPTK); una clave desconocida se trata como datos, así que agrega nuevas claves allí.
Construir, QA, renderizar
./build.sh L02_Architecture # beats.json, TTS, scenes.js; imprime minutos de voz
./qa.sh L02_Architecture # fotogramas fijos al final del beat en mosaico en L02_Architecture/qa/sheet*.jpg
./render_lecture.sh L02_Architecture "02 - The Seven-Layer Architecture" # 2 carriles en paralelo → out/*.mp4 + .srt
Ejecuta QA en cada conferencia antes de renderizar y mira cada mosaico. Corrige:
- etiquetas que desbordan las cajas (el motor reduce fuentes, pero las etiquetas largas aún necesitan acortarse);
- un resaltado de tarjeta en la fila equivocada (cuenta el encabezado como fila 0);
- contenido que sale del marco;
- una palabra
atque no existe (WORDMISSen el registro).
Para muchas conferencias, usa una cola: una bandera READY por directorio, un render a la vez, re-renderiza cuando scenes.js sea más reciente que el MP4. En la nube, las conferencias terminadas tardan entre 3 y 4 minutos cada una en renderizar. Los trabajos en segundo plano deben rastrearse con un arnés (no nohup en una VM que pueda dormirse).
Entregar
Comprime out/*.mp4 + *.srt con nombres de archivo numerados y etiquetados ("00 - Title.mp4"). En la respuesta proporciona una tabla de duración, una línea sobre el enfoque y Fuentes.
Ejemplos
examples/agents-L00-spec.js (conferencia conceptual) y examples/inference-B4-spec.js (conferencia con mucha evidencia) son especificaciones completas renderizadas para copiar.