Communitygithub.com

explainer

Edita un clip de una persona hablando para convertirlo en un video explicativo. El orador aparece en un panel redondeado sobre un fondo claro, con la cabeza sobresaliendo del borde superior, mientras el resto de la pantalla explica el punto con elementos visuales (una comparación de antes y después con una flecha, o una lista numerada).

¿Qué es explainer?

El skill **explainer** transforma clips de una persona hablando en videos explicativos pulidos listos para redes sociales o YouTube. Toma un video de entrada y genera un montaje donde el orador aparece en un panel redondeado con la cabeza sobresaliendo, mientras el resto del encuadre muestra gráficos, imágenes o listas que refuerzan el mensaje. Soporta dos formatos: **vertical** (1080×1920, para Reels, Shorts o video largo vertical) y **horizontal** (1920×1080, para YouTube y otros formatos largos). El usuario puede pedir "yo abajo, visuales arriba" (vertical) o "yo a un lado, visuales al lado" (horizontal). El skill se usa escribiendo `/explainer` o describiendo la composición deseada. Incluye detección automática del formato según la fuente (`auto`), transcripción mediante Groq, y un flujo de trabajo en 7 pasos: recorte del clip, selección de palabras clave, ajuste de la línea de ojo, especificación en un archivo JSON, renderizado con HyperFrames, verificación visual sobre una plantilla con zonas rojas que indican áreas cubiertas por la UI de la plataforma, y entrega final del video .mp4. Está diseñado para que cada clip comunique un solo punto, y los elementos visuales aparecen sincronizados con la palabra que los nombra.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alisolanki/alis-claude-editing-skills/tree/HEAD/skills/explainer

Preguntar en tu IA favorita

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

Documentación

/explainer

┌──────────────────────┐
│   Apropia lo que     │  título, una palabra con el acento
│   funciona           │  
│ [antes] ⟶ [después]  │  comparar: tarjeta, flecha dibujada, revelar (o una lista numerada)
│      ╭──cabeza──╮    │  la cabeza sobresale del panel
│ ╭────┴──────────┴──╮ │
│ │  orador, subtítulos│ │  panel redondeado, línea de ojo = borde superior
│ ╰──────────────────╯ │
└──────────────────────┘

Primer uso

La carpeta de este skill es el "Directorio base" que Claude Code muestra al cargarlo. Resuelve el kit desde ahí (funciona a través de enlaces simbólicos) y configúralo una vez:

SKILL_DIR="<directorio base de este skill>"   # la ruta que Claude Code mostró como "Directorio base para este skill"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout

GROQ_API_KEY debe estar configurada para transcripción (gratuita en console.groq.com). Necesita ffmpeg y Node.

Formato

Cada especificación requiere el campo "format": "vertical" (1080×1920: reels, shorts, video largo vertical), "horizontal" (1920×1080: YouTube y otros formatos largos) o "auto" (por defecto: sigue la forma de la fuente). Ejecuta "$PY" "$KIT/reel.py" probe <video> para ver qué elige "auto". La hoja tiñe de rojo lo que cubre la plataforma: la interfaz de Instagram/TikTok en vertical, el reproductor de YouTube en horizontal. Para un video de larga duración, usa este skill como un momento dentro de /long-form en lugar de recortar el clip manualmente.

Pasos

  1. Clip. Usa el clip que el usuario proporcionó (cualquier tamaño; se recorta a 1080×1920 o 1920×1080, ver Formato). Pídelo solo si no se ha dado ninguno.
  2. Palabras. "$PY" "$KIT/reel.py" words <video> imprime cada palabra con su tiempo (transcribe en el primer uso). Imprime una oración por línea con [termina …], el tiempo en que termina su última palabra. Elige un tramo de 3 a 8 segundos que exprese UN punto, formado por oraciones completas: start es el tiempo de la primera palabra y end es el [termina …] de la última oración (segundos de la fuente).
  3. Línea de ojo. "$PY" "$KIT/reel.py" frame <video> <un tiempo en el tramo> frame.jpg, luego mira la imagen. Las reglas están en píxeles del lienzo; lee la y de los ojos. Eso es eye_y (vertical: aproximadamente 700 a 800 para un encuadre normal; horizontal: aproximadamente 350 a 450). En horizontal, lee también la x del centro del rostro: eso es face_x.
  4. Especificación. Escribe <nombre del clip>.explainer.json junto al clip (campos abajo). Las rutas en una especificación son relativas al archivo de especificación. Cada tiempo está en segundos desde start o es una palabra hablada para anclar ("viral", "viral#2" para su segunda vez, "viral+0.2"). Prefiere palabras: se mantienen correctas cuando mueves start.
  5. Construir. "$PY" "$SKILL_DIR/build.py" <spec.json>. Corta el tramo, extrae al orador (aproximadamente 0.1 s por fotograma), renderiza con HyperFrames y escribe <out>.sheet.jpg.
  6. Verificar. Mira la hoja. El rojo es lo que cubre la plataforma. Corrige la especificación y reconstruye si:
    • el título o las imágenes quedan en la zona roja
    • un subtítulo cubre la boca, o está a menos de 80 px de la zona roja inferior (mueve caption_top)
    • un subtítulo muestra una palabra de fuera del tramo (mueve start o end a los bordes de la oración)
    • la cabeza no sobresale del panel (mueve eye_y)
    • falta una imagen o está aplastada
  7. Entregar la ruta del mp4 y di en una línea qué muestra cada visual.

Especificación

{
  "video": "mi-clip.mp4", "start": 21.4, "end": 25.66, "out": "mi-clip.orador.mp4",
  "title": "Apropia lo que *funciona*",
  "eye_y": 750,
  "visual": {
    "type": "compare",
    "left":  {"label": "Otro nicho", "images": ["de-ellos-1.jpg", "de-ellos-2.jpg", "de-ellos-3.jpg"], "at": 0.3,
              "chip": "14× viral", "chip_at": "viral", "swipe_at": ["carrusel", 2.3]},
    "right": {"label": "Tu nicho", "at": "fuera", "reveal_at": "recrea",
              "image": "mi-foto.jpg", "text": "las mejores *herramientas de ia*\npara usar cuando\neres *joven y sin dinero*"},
    "arrow_at": "y"
  },
  "keys": ["viral", "fuera", "recrea"],
  "caption_top": 1420
}
  • title: de 1 a 4 palabras. Envuelve UNA palabra con *...* para el color de acento.
  • visual.type: "compare" es un antes y un después:
    • La tarjeta izquierda muestra de 1 a 3 imágenes y las desliza entre sí en swipe_at.
    • La tarjeta derecha comienza como un "?" punteado. La flecha se dibuja en arrow_at, luego la tarjeta se revela en reveal_at.
    • La tarjeta derecha es una image simple, o una portada de carrusel hecha de image más text (*palabra* va en una píldora de acento, \n rompe la línea).
  • Cualquier tarjeta puede ser una tarjeta de texto en lugar de imágenes: "big": "*Pro*\nherramientas", "small": "lo que usan los pros". Úsala cuando el usuario no tenga imágenes. Es la opción correcta para una comparación izquierda/derecha a la que el orador apunta.
  • visual.type: "list": {"type": "list", "items": [{"text": "Encuentra un post *viral*", "at": "encuentra"}, ...]}. Hasta 4 filas numeradas, cada una aparece cuando se dice.
  • keys: palabras de subtítulo que van en la píldora de acento. Elige de 2 a 4 que transmitan el significado. Cada vez que se dice la palabra, se resalta.
  • Solo horizontal: face_x (centra el rostro en el panel), side ("right" por defecto, o "left"), scale (0.9: qué tan grande se dibuja el orador).
  • caption_top: la y de la parte superior de los subtítulos: 1420 vertical (mantén su parte inferior por encima de 1500), 850 horizontal (se ubica sobre el panel; mantén su parte inferior por encima de 960).

Gusto

  • Un punto por clip. Si el tramo expresa dos puntos, haz dos explicadores.
  • Haz que cada elemento visual coincida con la palabra que lo nombra. Nada debe aparecer antes de que se diga. El título es la excepción: está ahí desde el primer fotograma.
  • Vertical: mantén los elementos visuales superiores entre y 330 y 760 (el título está encima de ellos, aproximadamente en y 210). Horizontal: el título está en y 110, los elementos visuales entre y 270 y 830 al lado del panel. El texto y los gráficos deben salir de las zonas rojas; el panel del orador puede invadirlas.
  • Si el orador señala a la izquierda y a la derecha, usa compare. Sus tarjetas se colocan donde él señala.
  • Usa las imágenes propias del usuario. Nunca inventes números ni resultados sobre la publicación de otra persona. Un chip como "14× viral" debe ser algo que el usuario dijo o te dio.

Individual skills in this repo

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

Skills relacionados