Communitygithub.com

Biznomad/agent-skills

Preprocesamiento de activos para composiciones HyperFrames: narración de texto a voz (Kokoro), transcripción de audio/video (Whisper) y eliminación de fondo para superposiciones transparentes (u2net). Úselo para generar locuciones a partir de texto, transcribir voz para subtítulos, eliminar el fondo de un video o imagen para usarlo como superposición transparente, elegir una voz TTS o modelo whisper, o encadenar estos procesos (TTS → transcribir → subtítulos). Cada comando descarga su propio modelo la primera vez que se ejecuta.

¿Qué es agent-skills?

Biznomad/agent-skills proporciona tres comandos de línea de comandos para preprocesar activos multimedia utilizados en composiciones HyperFrames. Estos comandos son `tts`, `transcribe` y `remove-background`, cada uno diseñado para una tarea específica de producción. El comando `tts` utiliza el modelo Kokoro-82M para generar audio de narración localmente, sin necesidad de clave API, y ofrece una amplia selección de voces con soporte multilingüe. El comando `transcribe` emplea Whisper para generar transcripciones con marcas de tiempo a nivel de palabra, siendo crítico evitar el uso de modelos `.en` para audio no inglés, ya que traducirían el contenido. Finalmente, `remove-background` usa u2net para eliminar fondos de videos e imágenes, produciendo superposiciones transparentes en formatos como WebM con alpha o ProRes 4444, y ofrece una opción avanzada de separación de capas con `--background-output`. Estos comandos están diseñados para funcionar con Node.js y requieren dependencias adicionales como Python para TTS, pero se integran perfectamente en flujos de trabajo de producción de HyperFrames, descargando y almacenando en caché sus modelos automáticamente.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Biznomad/agent-skills/tree/HEAD/hyperframes-media

Preguntar en tu IA favorita

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

Vista previa

Del README del skill

Documentación

Preprocesamiento de Medios HyperFrames

Tres comandos CLI que producen activos para composiciones: tts (voz), transcribe (marcas de tiempo) y remove-background (video transparente). Cada uno descarga un modelo en la primera ejecución y lo almacena en caché en ~/.cache/hyperframes/. Coloque la salida en el proyecto y luego haga referencia a ella desde el HTML de la composición; consulte la habilidad hyperframes para conocer las convenciones de elementos de audio/video.

Texto a Voz (tts)

Genere audio de narración localmente con Kokoro-82M. Sin clave API.

npx hyperframes tts "Texto aquí" --voice af_nova --output narracion.wav
npx hyperframes tts script.txt --voice bf_emma --output narracion.wav
npx hyperframes tts --list                       # las 54 voces

Selección de Voz

Haga coincidir la voz con el contenido. El valor predeterminado es af_heart.

Tipo de contenidoVozPor qué
Demostración de productoaf_heart/af_novaCálida, profesional
Tutorial / Guíaam_adam/bf_emmaNeutral, fácil de seguir
Marketing / Promociónaf_sky/am_michaelEnérgica o autoritaria
Documentaciónbf_emma/bm_georgeInglés británico claro, formal
Casual / Socialaf_heart/af_skyAccesible, natural

Multilingüe

Los IDs de voz codifican el idioma en la primera letra: a=Inglés americano, b=Inglés británico, e=Español, f=Francés, h=Hindi, i=Italiano, j=Japonés, p=Portugués brasileño, z=Mandarín. La CLI detecta automáticamente la configuración regional del fonetizador a partir del prefijo; no necesita --lang cuando la voz coincide con el texto.

npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav

Use --lang solo para anular la detección automática (acentos estilizados). Códigos válidos: en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. La fonetización en idiomas distintos al inglés requiere espeak-ng en todo el sistema (brew install espeak-ng / apt-get install espeak-ng).

Velocidad

  • 0.7-0.8 — tutorial, contenido complejo, accesibilidad
  • 1.0 — ritmo natural (predeterminado)
  • 1.1-1.2 — introducciones, transiciones, contenido dinámico
  • 1.5+ — raramente apropiado; probar con cuidado

Guiones Largos

Para más de unos pocos párrafos, escriba en un archivo .txt y pase la ruta. Las entradas de más de ~5 minutos de voz pueden beneficiarse de dividirse en segmentos.

Requisitos

Python 3.8+ con kokoro-onnx y soundfile (pip install kokoro-onnx soundfile). El modelo se descarga en el primer uso (~311 MB + ~27 MB de voces, almacenado en caché en ~/.cache/hyperframes/tts/).

Transcripción (transcribe)

Produzca un transcript.json normalizado con marcas de tiempo a nivel de palabra.

npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt          # importar existente
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Regla de Idioma (No Negociable)

Nunca use modelos .en a menos que el usuario indique explícitamente que el audio está en inglés. Los modelos .en (small.en, medium.en) traducen audio no inglés a inglés en lugar de transcribirlo. Esto destruye silenciosamente el idioma original.

  1. Idioma conocido y no inglés → --model small --language <código> (sin sufijo .en)
  2. Idioma conocido e inglés → --model small.en
  3. Idioma desconocido → --model small (sin .en, sin --language) — whisper lo detecta automáticamente

El modelo predeterminado es small, no small.en.

Tamaños de Modelo

ModeloTamañoVelocidadCuándo usarlo
tiny75 MBMás rápidoVista previa rápida, prueba de pipeline
base142 MBRápidoClips cortos, audio claro
small466 MBModeradoPredeterminado — la mayoría del contenido
medium1.5 GBLentoContenido importante, audio ruidoso, música
large-v33.1 GBMás lentoCalidad de producción

Música con voces: comience con medium como mínimo; las pistas producidas a menudo necesitan importación manual de SRT/VTT. Para comprobaciones de calidad de subtítulos (obligatorias después de cada transcripción), el JS de limpieza, las reglas de reintento y la ruta de importación de la API OpenAI/Groq, consulte hyperframes/references/transcript-guide.md.

Forma de Salida

Las composiciones consumen un array plano de objetos de palabras. El campo id (w0, w1, ...) se agrega durante la normalización para referencias estables en anulaciones de subtítulos; es opcional para retrocompatibilidad.

[
  { "id": "w0", "text": "Hola", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "mundo.", "start": 0.6, "end": 1.2 }
]

Eliminación de Fondo (remove-background)

Elimine el fondo de un video o imagen para que el sujeto (generalmente una persona — avatar, presentador, cabeza parlante) se coloque como una superposición transparente en una composición.

npx hyperframes remove-background subject.mp4 -o transparente.webm  # predeterminado: VP9 alpha WebM
npx hyperframes remove-background subject.mp4 -o transparente.mov   # ProRes 4444 (edición)
npx hyperframes remove-background portrait.jpg -o recorte.png       # recorte de una sola imagen
npx hyperframes remove-background subject.mp4 -o subject.webm \
  --background-output plato.webm                                   # ambas capas en un solo pase
npx hyperframes remove-background subject.mp4 -o transparente.webm --device cpu
npx hyperframes remove-background --info                           # proveedores detectados

Usa u2net_human_seg (MIT). La primera ejecución descarga ~168 MB de pesos a ~/.cache/hyperframes/background-removal/models/.

Separación de Capas (--background-output)

Pase --background-output (o -b) para emitir un segundo video transparente junto con el recorte: mismo RGB de origen, alfa es 255 − máscara en lugar de máscara. El recorte es el sujeto con fondo transparente; el plato es el entorno original con un agujero transparente donde estaba el sujeto.

ArchivoAlfa es…Úselo para
-o subject.webmLa máscara — sujeto opaco, fondo transparenteCapa frontal, colóquela encima
--background-output plato.webmInversa — el entorno opaco, la región del sujeto transparenteCapa inferior; coloque texto o gráficos entre esta y el sujeto

Ambas salidas comparten el mismo preajuste --quality y se ejecutan desde una sola inferencia: el costo de codificación se duplica aproximadamente, el costo de segmentación sigue siendo el mismo. Solo es válido para entradas de video y salidas .webm/.mov.

Plato con agujero, no un plato limpio con relleno. La región del sujeto en plato.webm es completamente transparente — componga algo opaco debajo para llenar el agujero. La única prueba para saber si --background-output es la herramienta correcta: ¿alguna vez se verá algo a través de la silueta del sujeto donde solía estar el sujeto?

Caso de usoHerramienta correcta
Texto/gráficos entre el recorte y el plato (la razón de existir de este comando)Agujero (--background-output)
Sujeto sobre una escena no relacionadaSolo subject.webm; ignore el plato
Mostrar la sala sin la persona, sola sin otro contenidoPlato limpio — necesita un inpainter (LaMa, ProPainter, E2FGVI). No es este comando.
Reemplazar el sujeto con un sujeto diferentePlato limpio — igual que arriba

Si un usuario solicita "la sala sin la persona" y tiene la intención de mostrarla de forma independiente, no use --background-output. Dígale que necesita un inpainter.

Composición típica en capas (el caso de uso canónico de agujero):

<!-- z=1 el plato con alfa inversa llena todo excepto la región del sujeto -->
<video
  src="plato.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 los gráficos/texto viven entre las dos capas -->
<h1 id="headline" style="z-index:2; ...">HÁGALO EN HYPERFRAMES</h1>

<!-- z=3 el recorte coloca el sujeto sobre el título -->
<div class="envoltura-recorte" style="position:absolute;inset:0;z-index:3">
  <video
    src="subject.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Esto es funcionalmente equivalente al patrón de texto detrás del sujeto a continuación, pero no necesita el presenter.mp4 original en el proyecto — el plato lo reemplaza. Útil cuando desea enviar solo las dos capas transparentes y permitir que el usuario coloque contenido arbitrario entre ellas.

Formato de Salida

FormatoCuándo
.webm (VP9 + alpha)Predeterminado. Las composiciones lo reproducen directamente mediante <video>.
.mov (ProRes 4444)Edición en DaVinci/Premiere/FCP. Archivos grandes.
.pngRecorte de una sola imagen (sujeto estático, superpuesto sobre un fondo).

Chrome decodifica VP9 alpha de forma nativa, por lo que .webm se integra en una composición como cualquier otro video con reproducción automática silenciada; consulte la habilidad hyperframes para conocer las convenciones de pista <video>.

Preajustes de Calidad

--quality fast|balanced|best controla solo el CRF del codificador VP9; la calidad de segmentación es fija.

PreajusteCRFCuándo
fast30Iteración, archivo más pequeño, coincidencia de color menos estricta
balanced18Predeterminado. Visualmente idéntico para la mayoría de los usos
best12Maestro / entrega final. Archivo más grande, coincidencia más precisa

Patrones de Composición — elija el correcto

El webm recortado es una copia recodificada del RGB del mp4 de origen. Esa elección tiene consecuencias dependiendo de lo que coloque detrás:

PatrónQué hay detrás del recorteResultado
Recorte sobre una escena diferente (más común)Imagen estática, degradado o video no relacionadoSe ve genial. El RGB del recorte es la única fuente del sujeto: sin duplicación, sin halo en los bordes. Para esto está hecho remove-background.
Recorte sobre su propio mp4 de origen (texto detrás del sujeto)El mismo mp4 del que se generó el recorteDos fuentes RGB para la misma persona. Con --quality balanced predeterminado (crf 18), la duplicación es apenas visible; con --quality fast (crf 30) verá un sutil cambio de color/halo en los bordes. Use --quality best (crf 12) para masters.
Recorte sobre una toma diferente de la misma personaMetraje del mismo sujetoSe verá como dos personas separadas superpuestas. No haga esto.

Texto detrás del sujeto (título detrás de un presentador):

<video
  src="presentador.mp4"
  id="bg"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="headline" style="z-index:2; ...">HÁGALO EN HYPERFRAMES</h1>
<div class="envoltura-recorte" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="presentador.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Dos reglas clave:

  1. Envuelva el video recortado en un <div> sin temporización y anime la opacidad del envoltorio, no la del elemento de video. El framework fuerza opacidad:1 en clips activos (cualquier elemento con data-start/data-duration), por lo que animar la opacidad del video directamente se anula silenciosamente. El envoltorio no tiene atributos data-*, por lo que es propiedad de su CSS/GSAP.
  2. Ambos videos usan data-start="0" y data-media-start="0" para que el framework los descodifique sincronizados desde t=0. Montar tardíamente el recorte (data-start=3.3) introduce una búsqueda + calentamiento que termina fuera de sincronía con el mp4 base, visible como un fotograma de desalineación en el corte.

Luego, GSAP cambie la opacidad del envoltorio en el corte: tl.set(envolturaRecorte, { opacity: 1 }, 3.3).

TTS → Transcribir → Subtítulos

Cuando no haya una locución pregrabada, genere una y transcríbala para obtener marcas de tiempo a nivel de palabra para los subtítulos:

npx hyperframes tts script.txt --voice af_heart --output narracion.wav
npx hyperframes transcribe narracion.wav   # → transcript.json
npx hyperframes transcribe subtitles.srt          # importe subtítulos existentes
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Biznomad/agent-skills

Landing page quality assessment for paid advertising campaigns. Evaluates message match, page speed, mobile experience, trust signals, form optimization, and conversion rate potential. Use when user says "landing page", "post-click experience", "landing page audit", "conversion rate", or "landing page optimization".

Biznomad/agent-skills

TikTok Ads deep analysis covering creative quality, tracking, bidding, campaign structure, and TikTok Shop. Evaluates 25 checks with emphasis on creative-first strategy, safe zone compliance, and Smart+ campaigns. Use when user says "TikTok Ads", "TikTok marketing", "TikTok Shop", "Spark Ads", "Smart+", or "TikTok campaign".

Biznomad/agent-skills

YouTube Ads specific analysis covering campaign types, creative quality, audience targeting, and measurement. Evaluates video ad performance across skippable, non-skippable, bumper, Shorts, and Demand Gen formats. Use when user says "YouTube Ads", "video ads", "pre-roll", "bumper ads", "YouTube campaign", or "Shorts ads".

Biznomad/agent-skills

Help users get promoted at work. Use when someone is preparing for a promotion conversation, building their case for advancement, trying to understand what's blocking their promotion, or figuring out how to get to the next level in their career.

Biznomad/agent-skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

Biznomad/agent-skills

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. Shows which VERSION slots are currently claimed by open PRs, which sibling Conductor workspaces have WIP work likely to ship soon, and what slot /ship would pick next. No mutations — just a snapshot. Use when asked to "landing report", "what's in the queue", "show me open PRs", or "which version do I claim next". (gstack)

Biznomad/agent-skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

Biznomad/agent-skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

Biznomad/agent-skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

Biznomad/agent-skills

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Biznomad/agent-skills

>- The Landing Page Audit skill performs comprehensive evaluations of post-click experiences, combining technical performance analysis with conversion rate optimization (CRO) assessment.

Biznomad/agent-skills

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

Biznomad/agent-skills

Optimize landing pages for higher conversion rates using proven frameworks and design patterns. Use when designing, reviewing, or improving landing pages, hero sections, pricing pages, CTAs, or when the user asks about conversion optimization.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. (gstack)

Biznomad/agent-skills

Building promotion cases, brag documents, tracking wins, and self-advocacy for career advancement. Use when preparing for promotions, documenting accomplishments, or building your case for advancement.

Biznomad/agent-skills

Best practices for Remotion - Video creation in React

Biznomad/agent-skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

Biznomad/agent-skills

Produce programmable videos with Remotion using scene planning, asset orchestration, and validation gates for automated, brand-consistent video content.

Biznomad/agent-skills

Reviews animation and motion code against a high craft bar derived from Emil Kowalski's design engineering philosophy. Default to flagging; approval is earned.

Skills relacionados