HyperFrames Media
Crea los activos de audio y medios que una composición necesita — locución (TTS), música de fondo + efectos de sonido, transcripción, subtítulos, eliminación de fondo — luego consume y anima esos datos en HTML. Para colocar activos en composiciones, consulta hyperframes-core.
El motor de audio — una fuente para TTS · BGM · SFX
Los flujos de trabajo NO implementan audio manualmente ni crean copias de un proveedor. Hay un solo motor — scripts/audio.mjs — que recibe un audio_request.json neutral y escribe audio_meta.json (más activos bajo assets/voice|bgm|sfx):
# <MEDIA_DIR> = directorio de este skill
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json
Las tres capacidades se degradan según UN SOLO interruptor — si una credencial de HeyGen está presente (resuelta de $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, no de la CLI):
| Capacidad | Credencial HeyGen presente | ausente |
|---|---|---|
| TTS | HeyGen Starfish REST (marcas de tiempo nativas por palabra) | → ElevenLabs → Kokoro (encadena transcribe para palabras) |
| BGM | Recuperación de música HeyGen | Generación local Lyria → MusicGen (desprendida) |
| SFX | Recuperación de efectos de sonido HeyGen (min_score 0.4) | Biblioteca empaquetada de 21 archivos (assets/sfx/) |
- Solicitud (
audio_request.json):{ provider?, lang?, speed?, lines: [{ id, text, sfx?: [names] }], bgm: { mode?, query?, prompt? } }.idvincula cada línea de vuelta al modelo del llamante (un número de fotograma, un ID de escena, etc.).bgm.mode=retrieve | generate | none; omítelo para automático (recupera cuando hay credencial, si no genera). Unretrieveexplícito es estricto — salta en lugar de iniciar una generación desprendida (para llamantes sin un pasowait-bgm). - Salida (
audio_meta.json, indexada por ID):{ tts_provider, voice_id, bgm, bgm_pending, …, voices: [{ id, path, duration_s, words }], sfx: [{ id, name, file, source, offset_s, duration_s, volume }], total_duration_s }. --only tts,bgm,sfxejecuta un subconjunto y lo fusiona en un--outexistente (p. ej., TTS+BGM temprano, SFX una vez que existen las señales).- La generación de BGM se inicia desprendida (
bgm_pending: true) — ejecutascripts/wait-bgm.mjsantes de ensamblar. scripts/heygen-tts.mjses una CLI de un solo uso sobre el mismo código (un texto → wav + palabras) para cuando solo necesitas TTS de HeyGen sin un archivo de solicitud.
La lista completa de banderas y el esquema de audio_meta.json se encuentran en el encabezado de scripts/audio.mjs. Las referencias a continuación cubren los detalles de los proveedores y los casos extremos detrás de cada capacidad.
Cadenas de proveedores (el detalle detrás del motor)
TTS — gana el primer proveedor disponible (el motor, o npx hyperframes tts "..."):
| Orden | Proveedor | Detectado cuando | Marcas de tiempo por palabra |
|---|---|---|---|
| 1 | HeyGen (Starfish) | $HEYGEN_API_KEY / hyperframes auth login | Sí, nativas — pasa --words narration.words.json para capturarlas |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY establecida | No — encadena transcribe después |
| 3 | Kokoro-82M (local, 54 voces) | siempre (sin clave requerida) | No — encadena transcribe después |
La CLI publicada
hyperframes ttses a menudo la compilación solo local (su--helpdice "Kokoro-82M", sin--provider/--words) y cae silenciosamente en Kokoro incluso con$HEYGEN_API_KEYestablecida. Por eso la ruta HeyGen del motor es elscripts/heygen-tts.mjsautónomo (REST), NO la CLI; la CLI se usa solo para la ruta Kokoro. Consultareferences/tts.md.
BGM y SFX — por defecto se recuperan de la biblioteca de audio de HeyGen (/v3/audio/sounds), misma credencial que HeyGen TTS, con la degradación sin credencial del interruptor anterior:
| Activo | Tipo HeyGen | Destino | Degradación (sin credencial) |
|---|---|---|---|
| BGM | music | assets/bgm/track.mp3 (recuperación) · track.wav (generación) | Generación Lyria / MusicGen |
| SFX | sound_effects (min_score 0.4) | assets/sfx/<slug>.mp3 | Biblioteca empaquetada de 21 archivos (assets/sfx/* + manifest.json) |
Consulta references/bgm.md y references/sfx.md.
Enrutamiento
| Tarea | Lee |
|---|---|
El motor de audio — esquema solicitud/meta, --only, el interruptor | scripts/audio.mjs (comentario del encabezado) |
npx hyperframes tts / heygen-tts.mjs — proveedores, voces, palabras | references/tts.md |
| Script TTS vietnamita — puntuación, fonética (capa TTS) | references/tts-vi.md |
| BGM — recuperación HeyGen + generación local Lyria / MusicGen | references/bgm.md |
| SFX — recuperación HeyGen (min_score 0.4) + biblioteca local empaquetada | references/sfx.md |
npx hyperframes transcribe — Whisper, reglas de modelo, forma de salida | references/transcribe.md |
npx hyperframes remove-background — recortes transparentes | references/remove-background.md |
| TTS → transcripción → subtítulos (sin locución grabada) | references/tts-to-captions.md |
| Creación de subtítulos — detección de estilo, diseño, agrupación de palabras, salida | references/captions/authoring.md |
| Manejo de transcripciones — formatos de entrada, controles de calidad, limpieza, API | references/captions/transcript-handling.md |
| Movimiento de subtítulos — karaoke, efectos de marcador, reactividad de audio | references/captions/motion.md |
| Cachés de modelo, dependencias del sistema, solución de problemas | references/requirements.md |
Reglas no negociables
- Un solo motor, sin copias de proveedores. Produce audio mediante
scripts/audio.mjs(oheygen-tts.mjspara TTS HeyGen de un solo uso). No reimplementes TTS/BGM/SFX dentro de un flujo de trabajo — escribe un adaptadoraudio_request.jsony llama al motor. - "HeyGen disponible" = una credencial resoluble, no la CLI. Todo el interruptor depende de
heygenCredential(); la CLI publicadahyperframes ttspuede ser solo Kokoro, y no existe ningún comandohyperframes bgm/hyperframes sfx. - Los IDs de voz son específicos del proveedor.
am_michaeles solo de Kokoro; los UUID de HeyGen no funcionan en Kokoro. Si pasas--voice, también fija--providerpara evitar una deriva silenciosa del proveedor cuando cambie el entorno del usuario. - Siempre pasa
--modelatranscribe. El valor predeterminado de la CLIsmall.entraduce silenciosamente audio no inglés. Consultareferences/transcribe.md→ "Regla de idioma". - HeyGen devuelve marcas de tiempo por palabra; ElevenLabs / Kokoro no. El motor encadena
transcribeautomáticamente para los dos últimos; de forma independiente, pasa--wordsa HeyGen o ejecutatranscribecontra el archivo de audio. - Los subtítulos consumen el formato de matriz plana de palabras con
{ id, text, start, end }. Consultareferences/transcribe.md→ "Forma de salida". remove-background --background-outputes un recorte de agujero, no un relleno. Para "escena sin la persona", se necesita una herramienta diferente. Consultareferences/remove-background.md→ "CUÁNDO NO es la herramienta correcta".- BGM/SFX predeterminados a la recuperación de HeyGen; la degradación sin credencial es generación (BGM) o la biblioteca empaquetada (SFX).
/audio/soundsclasifica por una consulta de texto — nombra los efectos concretamente (glass shatter, nodramatic sound); una falta de coincidencia salta, nunca bloquea la representación. Los SFX se sitúan al volumen ~0.35 bajo voz + BGM. Consultareferences/sfx.md/references/bgm.md.