Communitygithub.com

freudianflips/breakout-launch-videos

Herramienta manual para la producción de voz en off de un vídeo de lanzamiento: selección de voces, una toma por línea, ajuste de líneas, costura, alineación forzada, la cadena vintage, el clon local y la voz de prueba gratuita.

¿Qué es breakout-launch-videos?

Esta herramienta forma parte del sistema 'launch-film' y se encarga de la producción de la voz en off para un vídeo de lanzamiento. Comienza con el casting automático a través de más de 100 voces predeterminadas de Higgsfield, incluyendo ElevenLabs, MiniMax o Seed Audio, y permite voces de prueba gratuitas con macOS `say` o clones locales con Chatterbox (MIT). Cada línea del guion se graba en un archivo independiente y se ajusta a la duración del fotograma correspondiente, con una velocidad objetivo de 2.2 a 2.7 palabras por segundo, y se aplica corrección de velocidad (máximo 12%) si es necesario. La alineación forzada (con torch + torchaudio) proporciona marcas de tiempo a nivel de palabra, esenciales para sincronizar elementos visuales clave como animaciones o gráficos, garantizando que cada palabra llegue exactamente cuando debe. Además, incluye funciones para narradores vintage, manejo de fallos de pronunciación, y un flujo de trabajo que permite construir todo el vídeo incluso si el proveedor de voz no está disponible, usando una voz de prueba y luego sustituir las tomas reales. Compatible con sistemas macOS y Linux, y se integra con los módulos 'launch-motion' y 'launch-sound' para la postproducción completa del vídeo de lanzamiento.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/freudianflips/breakout-launch-videos/tree/HEAD/skills/launch-voice

Preguntar en tu IA favorita

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

Documentación

Voz de lanzamiento

Manual de herramientas bajo launch-film. Comienza en skills/launch-film/SKILL.md: contiene el núcleo, la plantilla de gancho+más cuerpo y las lecciones. Donde esta página difiera, launch-film tiene prioridad.

En un vídeo de lanzamiento moderno, la voz guía y la imagen lo ilustra palabra por palabra: cuando la voz dice "etiquetado", algo se etiqueta. Eso solo funciona cuando cada palabra tiene una marca de tiempo.

Proveedores

  • Predeterminado: Higgsfield en tu propia cuenta. text2speech_v2 (motores elevenlabs, minimax, seed_speech, y otros por voz) para casting entre aproximadamente 100 voces predeterminadas, alrededor de 0.3 créditos por línea. Seed Audio para un narrador que diriges con un prompt y referencias de audio. scripts/hf_voice.py envuelve la CLI.
  • Voz de prueba gratuita: scripts/scratch_voice.py genera tomas de relleno con say de macOS (o espeak-ng en Linux). Construye y temporiza todo el vídeo con ella, etiqueta cada revisión como "voz de prueba", luego intercambia las tomas reales.
  • Clon local gratuito: scripts/clone_local.py (Chatterbox, MIT) clona tu narrador aprobado a partir de 8 a 10 segundos de sus líneas. Un sustituto, no un maestro. Solo clona una voz sobre la que tengas los derechos.
  • Revisa las voces dentro de un vídeo completo, nunca como clips sueltos. Mantén una lista de voces rechazadas para que no se propongan nunca más.

Casting

  1. python3 skills/launch-voice/scripts/hf_voice.py cast "<la línea de apertura del vídeo>" film/vo/audition pronuncia la línea con cada voz predeterminada (aproximadamente 34 créditos por unas 110 voces), verifica cada toma con whisper y mide el ritmo y el movimiento tonal. ranking.md lista primero las tomas exactas, las más cercanas a 2.5 palabras por segundo y alrededor de 2 semitonos de movimiento (conversacional, no anunciado). --only Nombre,Nombre vuelve a hacer casting de unas pocas.
  2. Toma las 6 mejores aproximadamente de ambos géneros para el guion completo (hf_voice.py lines), luego ajústalas (abajo). Una voz que necesita más del 12 % de aceleración para encajar es demasiado lenta para el guion: descártala o corta palabras.
  3. Construye un vídeo completo por voz superviviente y deja que el propietario elija. ElevenLabs varía menos en ritmo y tono en las pruebas, por lo que es el motor predeterminado.

Longitud y ritmo

  • Objetivo de 2.2 a 2.7 palabras habladas por segundo. Un lanzamiento de referencia sólido funcionó a 2.4 (151 palabras en 63 s).
  • Un vídeo de 20 s lleva unas 45 palabras; 30 s unas 70; 60 s unas 140. Corta palabras antes de acelerar la voz.
  • Una línea por fotograma del guion gráfico, de 6 a 20 palabras, redactada de modo que el sustantivo o verbo clave caiga en un tiempo fuerte.

Procedimiento para la plantilla de vídeo

  1. El guion vive en film/film.json lines. Graba 1 archivo por línea en film/vo/body/line-<id>.wav: tomas reales con hf_voice.py lines (escribe las líneas como {"lines": [{"line": "02", "text": "..."}]}), o tomas de prueba con python3 skills/launch-voice/scripts/scratch_voice.py film/film.json (añade --hook film/hooks/<nombre> para dar voz también a una línea de gancho).
  2. Ejecuta python3 skills/launch-voice/scripts/prep_lines.py film/film.json (--align force para insistir en la alineación forzada; con uv instalado, descarga torch en la primera ejecución, unos 2 GB). Escribe film/vo/body/lines.json con la duración de cada línea y los tiempos de palabra: alineación forzada cuando torch está disponible, si no whisper.cpp, si no una estimación uniforme marcada como estimate.
  3. film/build.py coloca las líneas en la línea de tiempo del vídeo y cada señal visual sigue a su palabra. Una nueva toma es 1 ejecución de preparación más una reconstrucción.

Procedimiento para un vídeo de forma libre

  1. vo/script-lines.json ({"lines": [{"line": "01", "text": "..."}]}), luego un archivo por línea: hf_voice.py lines vo/script-lines.json vo/takes/<voz> --voice <Nombre>. El texto, la voz, el motor y los IDs de trabajo quedan en lines.json.
  2. Ajuste: python3 skills/launch-voice/scripts/fit_lines.py vo/placement.plan.json vo/takes/<voz> vo/versions/<voz>. El plan da a cada línea su inicio más temprano, su espacio de respiración y, donde un fotograma debe terminar, end_by. Las pausas de más de 0.25 s dentro de una línea se reducen a 0.22 s; una secuencia de líneas que aún así se desborda se acelera como una sola, limitada al 12 %. Luego coser: python3 skills/launch-voice/scripts/stitch.py vo/versions/<voz>/placement.json vo/versions/<voz> vo/versions/<voz>/vo.wav.
  3. Tiempos de palabra por línea. Para cualquier elemento visual que deba aterrizar, usa alineación forzada: uv run -q --with torch --with torchaudio --with soundfile python skills/launch-voice/scripts/force_align.py line.wav "las palabras exactas". Para una lectura rápida, align_lines.py ejecuta whisper.cpp línea por línea. Los anclajes se resuelven en orden de habla (cada uno es la primera coincidencia después del anterior), así que cualquier voz re-temporiza el vídeo. Una sola pasada de whisper sobre todo el vídeo se desvía cerca de los finales de línea; las pasadas por línea no.
  4. Entrega los tiempos de palabra a launch-motion (ancla cada construcción a su palabra) y launch-sound (los eventos siguen a las palabras).

Narrador vintage

Para una apertura de archivo o documental: python3 skills/launch-voice/scripts/vintage.py IN.wav OUT.wav --crackle crackle.wav limita la banda a 150 Hz a 5.8 kHz, añade saturación de cinta, un lento "wow" y una base de crujido de vinilo real (genera 1 con Seed Audio). Seed Audio también puede pronunciar una línea directamente con una voz de narrador vintage ("un narrador documental cálido y profundo de los años 60 en un disco de vinilo antiguo... exactamente estas palabras:..."); lee lentamente y puede reformular ("gotta" se convirtió en "got to"), así que verifica con whisper.

Reglas de sincronización

  • Una palabra clave aterriza con su visual dentro de 2 fotogramas. Inicia las construcciones en el primer fotograma de la palabra; si dejas que un visual adelante a su palabra, mantenlo por debajo de 4 fotogramas y hazlo en todas partes.
  • Deja que la voz respire en los cambios de escena: de 0.25 a 0.5 s entre líneas.
  • La última línea termina al menos 1 s antes del logotipo; el logotipo recibe su propio silencio cercano (corte de launch-mix).

Cuando el proveedor de voz no está disponible

Construye con la voz de prueba, etiqueta cada revisión como de prueba, y mantén la imagen anclada a las palabras alineadas, de modo que intercambiar la voz real sea 1 ejecución de preparación más un renderizado. Nunca cambies de proveedor de voz ni de cuenta sin la autorización del propietario.

Correcciones

  • Una línea se alarga menos del 5 %: ffmpeg -af atempo=1.04. Más que eso: reescribe la línea.
  • Una palabra se pronuncia mal: reescríbela fonéticamente en el campo say de la línea (para hf_voice.py), nunca en el guion.
  • Whisper oye mal un final suave: usa alineación forzada o acorta el prefijo de anclaje; no regrabes.
  • Dígitos: escríbelos en el texto que alineas ("veinticuatro", no "24").
  • El modelo base de whisper oye mal los nombres de productos. Verifica las palabras finales con el modelo pequeño o más grande (WHISPER_MODEL).

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

freudianflips/breakout-launch-videos

Build the brand kit a launch film uses from a website. Runs tools/brand-from-url.mjs on the reader's site to extract branding (colours, fonts, logo, name, tagline, copy, product images), then reviews the preview sheet with the reader and fixes any wrong role by hand. Use for "brand from website", "brand kit", "extract branding", "get our colours and fonts", "use our logo", or before the first launch film for a new brand.

freudianflips/breakout-launch-videos

Make or change a product launch film in your own brand. A film is a hook (the story before the cut) on a shared body (the name punching in, hero words cut on the voice, your product at close range, the logo lockup in near silence), built in HyperFrames from brand/brand.json and film/film.json. Holds the core, the template workflow (build, render and mix 1 hook or all of them), the generation recipes, the checks and the lessons. Use for "launch video", "launch film", "product video", "promo", "reveal", "announcement video", "new hook", "change the body", "render all launch videos".

freudianflips/breakout-launch-videos

Tool manual under launch-film (mixdown.py for buses, ducking, loudness and the brickwall). Mix and master the audio of a launch film. Music, SFX and voice-over on separate buses, the bed ducked by the voice's real envelope with a presence carve, the music dropped out for the logo, glue compression, a true-peak-safe limiter, -14 LUFS and -1 dBTP, then laid onto the rendered picture. Use after the score, the sound effects and the voice exist, for "mix", "master", "loudness", "LUFS", "ducking", "mux the audio".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the motion language for launch films built in HyperFrames). Ease tokens, camera doctrine, continuity at every cut, type and cursor craft, and brand-neutral signature moves (logo build, world pass, branch and pulse, waterfall fill, identity morph, macro pull-back, rise) that replace HyperFrames' stock look. Says which HyperFrames blueprints and transitions to keep, transform or avoid. Use whenever a launch film's picture is designed or animated, for "animation", "motion design", "transitions", "camera move", "make it feel like Apple", "less template".

freudianflips/breakout-launch-videos

Tool manual under launch-film (measuring a render and studying a reference film). Review a rendered launch film like a demanding creative director, then drive the v1 to v2 loop. Measures rhythm, static runs, cuts against the beat grid, loudness, true peak and voice pace with a script, then applies an eye checklist for continuity at every cut, legibility, brand, real UI, claims and differentiation. Writes a gap list and a scorecard; nothing ships on numbers alone. Use on every render, and on a reference film to learn from it, for "review the video", "check the film", "what is wrong with this cut", "study this reference".

freudianflips/breakout-launch-videos

Tool manual under launch-film (music fitted to the edit with Higgsfield Sonilo, ACE-Step locally, or the free scratch bed). Score a launch film with music whose sections are the film's acts. Each take is measured for tempo and section energy, stretched onto the film's BPM and offset so its drop lands on the cut. Use after the storyboard's beat sheet exists, for "music", "score", "soundtrack", "background track", "the drop", "beat grid".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the sound palette, the event map, the cue sheet and generated sound kits). Design the sound effects of a launch film. Builds an event map from the storyboard, the voice-over word timings and the rendered timeline, voices every event from 1 consistent palette (the free synthesised, key-locked forge, or real glass, felt, wood, marimba, clicks and air generated on Higgsfield and pitched into the film's key), and renders 1 SFX stem in a shared acoustic space. Use once picture timing and the score are fixed, for "sound effects", "SFX", "sound design", "UI sounds", "sonic logo".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the brief, the story spine, the script, the beat sheet and reference studies). Turn a launch brief into a launch film's story in your own brand, with the one message, the narrative spine, the voice-over script at the right length, a beat sheet on the music's bar grid and a STORYBOARD.md where every shot names its continuity in and out, its signature move and its sound. Includes the reference study and the logo-swap differentiation test. Use first, before voice, score or motion, for "launch video script", "storyboard", "brief", "what should the launch film say", "study this reference video".

freudianflips/breakout-launch-videos

Tool manual under launch-film (backgrounds, plates, Blender glass and 3D shots, shader layers). Build the world a launch film lives in, in your own brand, with generated background plates (cost-gated), Blender for real 3D glass objects and camera moves rendered as alpha layers, WebGL shader layers for atmosphere, and the layer order, depth of field and grade that keep UI legible over living backgrounds. Use when a storyboard needs backgrounds, 3D or atmosphere, for "background", "plate", "3D object", "glass", "Blender", "shader", "atmosphere"; motion of the UI itself is launch-motion.

Skills relacionados