muse-motion

Muse Motion

Versión 1.3 (2026-11-15). Los cambios respecto a la versión 1.0 se enumeran en CHANGELOG.md.

Propósito y selección de ruta

• Utiliza este skill para cada tarea de edición de video que necesite gráficos en movimiento, texto animado, superposiciones gráficas, transiciones, subtítulos, animación de datos o una edición completa basada en movimiento en cualquier formato.

• Trabaja como el propio Muse con la pila de código local de Remotion, ffmpeg y Python. No requieras Codex, OpenAI ni una interfaz gráfica de After Effects a menos que el usuario ordene explícitamente una ruta diferente.

• Dirige el trabajo según la duración y el formato antes de construirlo (las rutas se definen en references/workflow-and-directive.md). Intro rápida: un título o bumper de como máximo 15 s, normalmente solo gráfico. Formato corto: como máximo 90 s de video vertical o cuadrado para redes sociales. Formato largo: más de 90 s, liderado por metraje. Solo gráficos: sin metraje de cámara: videos líricos, animación de logotipos, explicadores de tipo imagen y texto; la fuente de la directiva es de tipo "audio" o "ninguno" con timeline.duration_s.

• Nunca modifiques el material original. Copia los archivos fuente en la carpeta del proyecto, mantén los originales intactos y escribe cada salida en la carpeta de edición del proyecto.

• Lee la documentación de la versión instalada de Remotion en el momento de la compilación cuando un detalle de la API sea relevante. Remotion v4 cambia a menudo, así que no confíes en una API recordada por encima de la documentación del paquete instalado.

Flujo de trabajo profesional rápido

• Comienza con la ingesta. Analiza cada fuente con ffprobe, registra ancho, alto, frecuencia de cuadros exacta, duración, códec, color y frecuencia de muestreo de audio, y enumera los entregables, plataformas, aspectos, necesidades de subtítulos y fecha límite en la plantilla de resumen.

• Transcribe localmente antes de diseñar nada. Extrae audio mono de 16 kHz con ffmpeg, ejecuta faster-whisper con marcas de tiempo por palabra, almacena en caché el archivo JSON de transcripción y marca cada palabra con una probabilidad inferior a 0.80 para una revisión humana de nombres y números.

• Agrupa las palabras en unidades semánticas completas. Marca el rol de cada unidad con exactamente uno de los tokens de rol del validador, todo en minúsculas: hook, context, problem, promise, reveal, definition, process, proof, reassurance, transition, cta.

• Escribe el tratamiento del director y el archivo JSON de directiva editorial antes de cualquier gráfico. La validación tiene dos etapas: ejecuta scripts/validate_directive.py con --draft mientras diseñas (solo puerta de esquema, un PASS de borrador nunca es permiso para renderizar), y ejecútalo sin --draft antes de renderizar (puerta lista para renderizar: approval.status debe ser approved con cero ambigüedades, el material fuente debe existir y analizarse con una duración coincidente, los diseños deben estar dentro del lienzo, las regiones protegidas se verifican por colisión (falla al 10 por ciento de la región, al 50 por ciento del diseño, o cualquier superposición de una región crítica; las anulaciones necesitan el valor booleano true más un overlap_reason y siempre se informan), los roles, tratamientos y tokens de transición deben provenir de los conjuntos fijos en references/workflow-and-directive.md, y los elementos reveal_sync deben declararse en on_screen_copy). Cualquier resultado INVALID detiene el renderizado.

• Construye los estilos gráficos antes de la animación. Renderiza un fotograma fijo terminado para el título, una escena típica, una escena de datos, el tercio inferior y la tarjeta final, y bloquea las fuentes, colores, espaciado, áreas seguras y tokens de movimiento de esos fotogramas.

• Construye un animatic cuando la sincronización no esté ya bloqueada. Renderiza la composición real con fotogramas fijos de estilo, sincronización final y audio de borrador o final a media escala, y verifica el ritmo en ese archivo antes de la animación completa.

• Anima por pasos. Primero bloquea las poses clave, segundo agrega suavizado y resortes, tercero agrega escalonamiento y seguimiento, y por último sincroniza los impactos de sonido dentro de un fotograma del aterrizaje visual.

• Compón los gráficos antes de los subtítulos. Agrega los subtítulos al final para que permanezcan en la parte superior y dentro del área segura de entrega.

• Verifica el archivo terminado antes de la entrega. Sigue la puerta de verificación en este skill y nunca entregues basándote únicamente en un mensaje de renderizado exitoso.

Reglas editoriales

• Asigna a cada intervalo de la línea de tiempo exactamente un tratamiento principal, utilizando los tokens de tratamiento del validador exactamente: CLEAN_PRESENTER, OVERLAY_CARD, FULLSCREEN_MOTION, PRESENTER_INSET, SELECTIVE_TEXT, TRANSITION, KINETIC_TYPE, DATA_SCENE, CALLOUT, LOWER_THIRD, TITLE, END_CARD.

• Protege al presentador. Mantén libres los rostros, ojos, micrófonos y el corredor de gestos principal, y verifica la protección en el metraje real en lugar de en un lienzo en blanco.

• Deja que el significado guíe el movimiento. Anima solo las palabras y elementos que transmiten significado, como sustantivos, verbos, números y contrastes, y mantén estables las palabras de relleno.

• Mantén un elemento animado principal por unidad. La acción secundaria puede apoyar a la acción principal pero nunca debe competir con ella.

• Mantén cada gráfico resuelto el tiempo suficiente para ser leído. Una pausa más corta que su entrada más su salida es un defecto.

• Utiliza solo logotipos de marca oficiales. Obtén cada logotipo de marca nombrada de su propio kit de prensa o página de marca, registra la fuente y nunca dibujes, traces, recoloques o reemplaces un logotipo con texto escrito o un icono genérico.

• Mantén el texto en pantalla fiel a la afirmación hablada. Condensa cuando sea necesario y nunca reescribas ni inventes una afirmación en silencio.

• No coloques ningún logotipo, saludo o apertura lenta antes del gancho en el video en línea. Apila el gancho como una interrupción visual, una promesa hablada y texto en pantalla en los primeros segundos.

Valores predeterminados de movimiento

• Coincide con la frecuencia de cuadros de origen para las ediciones. Usa 30 fps para nuevas composiciones de movimiento web y social, 24 fps solo para trabajo cinematográfico y 60 fps solo para juegos, deportes o captura de pantalla rápida.

• Nunca uses interpolación lineal para posición o escala. Usa ease out para entradas, ease in para salidas y ease in out para movimientos que permanecen en pantalla, y reserva lineal solo para bucles, barras de progreso y valores impulsados por el tiempo.

• Usa las curvas de la casa de la referencia de movimiento. La curva de entrada de trabajo es cubic bezier 0.16, 1, 0.3, 1, la curva estándar de Material es 0.2, 0, 0, 1, y la curva de sobreimpulso es 0.34, 1.56, 0.64, 1 usada con moderación.

• Usa resortes para entradas orgánicas y seguimiento. Usa damping 200 para una transición suave sin rebote, damping 12 a 15 para un rebote juguetón y damping 20 con stiffness 200 y mass 0.8 para un pop rápido.

• Mantén las entradas estándar entre 250 y 500 ms. Mantén las salidas aproximadamente al 60 al 75 por ciento de la duración de la entrada, mantén los micromovimientos entre 100 y 200 ms y mantén casi ningún movimiento de interfaz por encima de 500 ms.

• Agrega anticipación como un pequeño contramovimiento de aproximadamente el 5 al 10 por ciento del recorrido durante 3 a 6 fotogramas a 30 fps. Agrega seguimiento escalonando los elementos secundarios de 2 a 4 fotogramas después de que el elemento principal aterrice.

• Usa una sensación de obturador de 180 grados como valor predeterminado de desenfoque de movimiento cuando los gráficos deben coincidir con el metraje en vivo. Desactiva la emulación de desenfoque en el texto que debe leerse y en los valores de datos.

Libros de jugadas de elementos

• Sigue la referencia del libro de jugadas de taxonomía para la especificación exacta de cada elemento. Cubre tipografía cinética, títulos, tercios inferiores, subtítulos, llamadas, animación de logotipos, transiciones, visualización de datos, maquetas de interfaz de usuario, elementos sociales, explicadores y pizarra, paralaje, 3D, conceptos básicos de personajes, promociones de productos, videos líricos y tarjetas finales.

• Construye tercios inferiores con el acento primero, el nombre segundo y el rol tercero. Usa aproximadamente 15 fotogramas para la entrada a 30 fps, mantén al menos 3 segundos y mantén el total entre 3 y 5 segundos.

• Trata los subtítulos de accesibilidad y los subtítulos sociales animados como productos diferentes. Los subtítulos de accesibilidad se mantienen fieles sin animación decorativa, mientras que los subtítulos sociales usan resaltado a nivel de palabra dentro de la misma secuencia que el clip que subtitulan.

• Anima los datos honestamente. Haz crecer las barras desde la línea base, dibuja las líneas en orden temporal, cuenta los números hacia arriba con ease out hasta el valor final exacto y nunca sobrepases un valor de datos.

• Mantén las transiciones como puntuación. Prefiere un corte directo por defecto, usa fundidos para el paso del tiempo y usa barridos, paneos rápidos, zooms, morphs y cortes de coincidencia solo cuando la relación entre las escenas lo requiera.

• Construye el paralaje a partir de planos de profundidad separados. Mueve el primer plano más rápido, el plano medio más lento y el fondo más lento, y mantén los ángulos de la cámara virtual modestos para que las capas planas nunca se revelen.

Reglas de producción de código

• Deriva cada animación del fotograma actual. Usa useCurrentFrame y useVideoConfig para todo el movimiento, y nunca uses transiciones CSS, animaciones CSS, temporizadores o valores aleatorios sin semilla.

• Ajusta cada llamada a interpolate acotada en ambos lados. Escribe la sincronización en segundos multiplicados por fps en el código y mantén los números de fotograma con un comentario de segundos cuando un número desnudo sea inevitable.

• Prefiere interpolate en línea con propiedades individuales de escala, traslación y rotación sobre cadenas de transformación compuestas. Usa interpolate para la sincronización exacta de latidos y bucles, y usa resortes cuando la transición orgánica importe más que un fotograma exacto.

• Estructura cada entregable como una Composition registrada con duración impulsada por datos a través de calculateMetadata donde la sincronización proviene de subtítulos o una cuadrícula de latidos. Construye escenas como bloques Sequence o Series y transiciones con TransitionSeries.

• Carga las fuentes explícitamente en el nivel superior del módulo con pesos definidos. Carga el material multimedia con los componentes multimedia de Remotion que bloquean el renderizado hasta que los activos estén listos, y usa delayRender solo con una ruta de continuación clara.

• Preserva el canal alfa en cada enlace cuando una superposición sea el entregable. Renderiza fotogramas PNG y termina como ProRes 4444 con yuva444p10le para editores, VP9 WebM con yuva420p para navegadores, o una secuencia PNG como la forma más portátil, y nunca prometas alfa en H.264 MP4.

• Recuerda la lección de alfa probada de la producción real. Los renderizados de video directos de Remotion pueden eliminar silenciosamente el alfa, por lo que la ruta segura es una secuencia PNG renderizada primero y luego codificada con ffmpeg prores_ks 4444, seguida de una verificación de formato de píxel que confirme que existe un plano alfa.

• Acelera los renderizados deliberadamente. Usa fotogramas JPEG para composiciones opacas y PNG solo para alfa, borrador a media escala para aprobaciones de sincronización, vuelve a renderizar solo el rango de fotogramas fijo después de una corrección local y compara la concurrencia en la máquina real.

Audio, sonoridad y exportación

• Mezcla la voz primero, baja la música debajo de la voz y coloca los efectos de sonido en los aterrizajes visuales con moderación, con una familia de efectos por marca. Normaliza la mezcla final como un todo y nunca normalices clip por clip.

• Usa menos 14 LUFS integrados y como máximo menos 1 dBTP como objetivo de trabajo para entrega en YouTube y redes sociales. Usa menos 16 LUFS para podcasts hablados, menos 23 LUFS para transmisión EBU R 128 y menos 24 LKFS para transmisión ATSC.

• Indica la advertencia de sonoridad al informar. YouTube no publica un objetivo LUFS, por lo que menos 14 es un valor predeterminado de trabajo inferido de los datos de normalización del reproductor, no una regla de plataforma publicada.

• Normaliza con loudnorm de dos pasos para los entregables. Mide primero, luego aplica con los valores medidos y true linear, porque loudnorm de un solo paso procesa dinámicamente y puede bombear la mezcla.

• Exporta formato largo como MP4 con H.264 High Profile, progresivo, 4.2.0, VBR y AAC LC a 48 kHz. Usa 8 Mbps para 1080p a 30 fps, 12 Mbps a 60 fps, 16 y 24 Mbps para 1440p, y 35 a 45 Mbps para 4K a 30 fps.

• Exporta un máster vertical a 1080 por 1920, 9 a 16, 30 fps y 10 a 16 Mbps para Shorts, Reels y TikTok. Renderiza variantes por plataforma desde la misma composición cuando las zonas seguras difieran.

Puerta de verificación

• Inspecciona los fotogramas en el gancho, cada momento heroico de la escena, cada entrada y salida, cada transición y el fotograma final. Compara los fotogramas heroicos con los estilos gráficos aprobados.

• Verifica las áreas seguras con una superposición. Mantén el texto 16:9 dentro del área segura de título al 90 por ciento y mantén el contenido crítico vertical fuera de la banda superior de la plataforma, la banda inferior de subtítulos y el carril de acción derecho.

• Verifica los subtítulos con oído y vista. Confirma nombres, números y palabras de baja confianza, mantén los subtítulos estándar en o por debajo de 42 caracteres por línea y 2 líneas, y mantén la velocidad de lectura en o por debajo de 20 caracteres por segundo para adultos. Ejecuta scripts/check_captions.py en el SRT para automatizar las comprobaciones de formato (longitud de línea, velocidad de lectura, duración de la señal, superposiciones y contraste WCAG cuando se dan colores de estilo); la redacción sigue siendo un juicio humano. Para fuentes de voz, scripts/transcribe.py produce la transcripción con marcas de tiempo por palabra localmente (faster-whisper, ruta PCM) a partir de la cual se sincronizan los subtítulos y los latidos.

• Mide la sonoridad y el pico real en el archivo codificado final, no en el proyecto. Primero ejecuta scripts/peak_guard.py en el archivo codificado: la codificación AAC puede superar el techo de pico real de loudnorm (medido a -0.95 y -0.7 dBTP frente a un techo de -1.0 en entregas reales), y la protección aplica la reducción de ganancia suficiente más pequeña como una re-multiplexación solo de audio y vuelve a medir. Luego ejecuta scripts/qc_probe.py en el archivo final con un archivo --spec por entregable y guarda el JSON de --report: exige presencia de audio (la ausencia de audio falla como AUDIO_STREAM_MISSING, el silencio digital falla como AUDIO_SILENT), objetivo de sonoridad y tolerancia, techo de pico real, dimensiones, frecuencia de cuadros (tolerancia 0.01, VFR detectado), códec, formato de píxel, perfil, etiquetas de color, duración, alfa cuando se requiere (formato Y contenido decodificado: un alfa constante opaco falla) y un átomo moov colocado al frente para MP4/MOV, y sale con un código distinto de cero en cualquier fallo; las claves de especificación están en una lista blanca y las especificaciones iniciales viven en templates/. Usa scripts/sample_frames.py para extraer los fotogramas de gancho, cuarto, heroico, tres cuartos y final, más una hoja de contactos para la verificación visual humana (con --directive también muestrea cada inicio, revelación y final de latido).

• Aplica los límites estrictos de accesibilidad. Mantén el contraste en o por encima de 4.5 a 1 para texto normal y 3 a 1 para texto grande, y nunca parpadees más de 3 veces en cualquier período de 1 segundo.

• Informa exactamente lo que se verificó y lo que no. Separa el éxito del renderizado, la inspección de fotogramas, la medición de sonoridad y la vista previa del dispositivo o plataforma en afirmaciones distintas.

• Nunca reclames lo que no fue verificado. Este paquete de skill no incluye un proyecto de muestra completo de Remotion, por lo que no afirmes que el archivo en sí mismo ha sido probado en renderizado; reclama solo los renderizados realmente producidos en el espacio de trabajo actual. Las puertas automatizadas nunca reemplazan la aprobación humana para la verdad narrativa, el gusto visual, la precisión de los subtítulos o la protección facial en metraje en movimiento.

Referencia

...