Communitygithub.com

nine-programmer/CineStory-Studio

Produce videos cinemáticos a partir de capítulos de ficción o guiones narrativos usando generación de imágenes multimodales de Gemini, locución pura de Gemini TTS y animaciones GSAP de HyperFrames AI con consistencia estricta de personajes, cortes de cámara fluidos y sin subtítulos ni ruido de audio. Úsalo siempre que el usuario pida convertir una historia, capítulo de novela o guion en un video, crear animaciones cinemáticas con HyperFrames o producir contenido audiovisual narrativo.

¿Qué es CineStory-Studio?

Esta habilidad guía la producción integral de videos narrativos cinematográficos de alta fidelidad a partir de capítulos de novelas o guiones. Combina generación de imágenes multimodales con anclaje de referencias de personajes, locución pura de estudio mediante Gemini TTS y dirección de cámara con múltiples tomas fluidas usando HyperFrames AI (GSAP). Es especialmente útil para creadores de contenido, escritores y desarrolladores que deseen transformar texto narrativo en experiencias visuales inmersivas sin necesidad de edición manual compleja. La habilidad sigue un pipeline de seis pasos: desglose de escenas, creación de una biblia de personajes con imágenes de referencia, generación de imágenes multimodales usando gemini-2.5-flash-image, locución con gemini-3.8-flash-tts, ensamblaje de animaciones GSAP en HyperFrames y finalmente verificación y renderizado con npx hyperframes. Se apoya en scripts auxiliares en Python (generate_scene_images.py, generate_gemini_tts.py, build_hyperframes_project.py) y mantiene estándares estrictos: consistencia visual de personajes, ausencia de subtítulos, eliminación de clutter de audio sintético y seguridad en el manejo de variables de entorno.

Compatible con~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/nine-programmer/CineStory-Studio/tree/HEAD/.agents/skills/cinematic-story-video

Preguntar en tu IA favorita

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

Documentación

Habilidad de Producción de Video Cinematográfico Narrativo

Esta habilidad guía la producción integral de videos cinematográficos narrativos de alta fidelidad a partir de capítulos de novelas o guiones narrativos. Combina generación de imágenes multimodales con anclaje de referencias de personajes, locución pura de estudio mediante Gemini TTS y dirección de cámara con múltiples tomas fluidas usando HyperFrames AI (GSAP).


Filosofía Central y Estándares de Producción

  1. Consistencia Estricta de Personajes: Cada personaje debe anclarse visualmente utilizando una Hoja de Concepto de Referencia. Nunca generar escenas narrativas solo con prompts de texto ciegos; siempre pasar los bytes de la imagen de referencia del personaje y hacer cumplir el ADN visual (estructura facial, cabello, vestimenta).
  2. Locución Pura de Estudio (Gemini TTS): La voz del narrador debe generarse usando gemini-3.8-flash-tts. NUNCA poner instrucciones del sistema, tono o metadatos en el prompt de contenido; pasar estrictamente el texto de la narración pura de la historia, de lo contrario el modelo TTS leerá las instrucciones en voz alta.
  3. Sin Ruido de Audio Sintético: Evitar efectos de sonido sintéticos/procedimentales y música de fondo genérica a menos que el usuario lo solicite explícitamente. Una locución vocal limpia y de alta claridad brinda una experiencia inmersiva, similar a un audiolibro con toques cinematográficos.
  4. Sin Subtítulos: Evitar quemar o superponer subtítulos en el lienzo cinematográfico a menos que se solicite. Mantener la pantalla limpia con un letterbox anamórfico 2.39:1 para maximizar el impacto visual.
  5. Tomas Cinematográficas Dinámicas: Evitar tomas estáticas únicas por párrafo. Para escenas de alta intensidad o acción, dividir el ritmo en cortes rápidos de múltiples tomas (p. ej., Corte 1: detalle extremo/reacción, Corte 2: impacto/plano general, Corte 3: primer plano emocional).
  6. Seguridad Estricta (.env): Nunca leer, mostrar, imprimir o editar .env. Los scripts backend cargan las variables de entorno programáticamente en la memoria en tiempo de ejecución.

Pipeline de Producción (Paso a Paso)

flowchart TD
    A["Texto del Capítulo (chapter_XX.md)"] --> B["1. Desglose de Escenas y Storyboard"]
    B --> C["2. Biblia de Personajes y Hojas de Referencia"]
    C --> D["3. Generación de Imágenes Multimodales (gemini-2.5-flash-image)"]
    B --> E["4. Locución Pura de Estudio (gemini-3.8-flash-tts)"]
    D --> F["5. Composición HyperFrames y Movimiento GSAP"]
    E --> F
    F --> G["6. Validación (npx hyperframes lint)"]
    G --> H["7. Renderizado Completo (npx hyperframes render)"]

Paso 1: Desglose de la Historia y Construcción del Storyboard

  1. Leer el capítulo de la novela o el texto de la historia objetivo (p. ej., chapter_01.md).
  2. Dividir el capítulo en 8–12 beats/escenas cinematográficas distintas.
  3. Para cada escena, especificar:
    • scene_id: p. ej., scene_01, scene_02, etc.
    • title: Título descriptivo corto (Tailandés/Inglés).
    • narration: El texto exacto de la narración pura en tailandés para esa escena.
    • visual_prompt: Prompt cinematográfico detallado (16:9, iluminación, ángulo de cámara, ambiente atmosférico).
    • characters_present: Lista de claves de personajes (p. ej., ["prima", "tawan"]).
  4. Guardar el desglose en video_project/storyboard.json.

Paso 2: Biblia de Personajes y Anclaje de Referencias

  1. Revisar character_references/character_bible.md para ver si ya hay personajes definidos.
  2. Si se introducen nuevos personajes, generar primero una Hoja de Referencia de Personaje dedicada:
    • Formato: Hoja conceptual panorámica 16:9 que muestre múltiples ángulos (primer plano retrato, vista 3/4, cuerpo completo) sobre un fondo neutro de estudio cinematográfico.
    • Guardar en character_references/<clave_del_personaje>_reference_sheet.png.
    • Documentar el ADN visual exacto en character_references/character_bible.md (edad, rasgos faciales, peinado, estilo de vestimenta, rasgos distintivos).

Consulta la Guía de Consistencia de Personajes para ver plantillas detalladas de prompts de referencia.


Paso 3: Generación de Imágenes Multimodales

  1. Usar gemini-2.5-flash-image mediante el SDK de Google GenAI.
  2. Para escenas con personajes establecidos:
    • Cargar la hoja de referencia del personaje como bytes de imagen binaria.
    • Proporcionar la parte de la imagen de referencia junto con el prompt de texto en la solicitud multimodal.
    • Instruir explícitamente al modelo: "Usando el personaje exacto de la imagen de referencia (, <descripción>): [Descripción de la escena]".
  3. Para escenas de acción o alto drama:
    • Generar subcortes de múltiples tomas (p. ej., scene1_cut1_tire.png, scene1_cut2_impact.png, scene1_cut3_face.png).
  4. Guardar las imágenes en video_project/images/ y copiarlas a los activos del proyecto HyperFrames (sample_hyperframe/assets/).

Script auxiliar: scripts/generate_scene_images.py


Paso 4: Locución Pura de Estudio (Gemini TTS)

  1. Usar el modelo gemini-3.8-flash-tts.
  2. Configurar la generación de audio:
    • response_modalities=["AUDIO"]
    • speech_config con una voz predefinida (p. ej., Puck o Aoede).
  3. CRÍTICO: Pasar SOLO el texto exacto de la narración en contents.
    # CORRECTO:
    response = client.models.generate_content(
        model="gemini-3.8-flash-tts",
        contents=scene["narration"],  # ¡Solo texto puro!
        config=types.GenerateContentConfig(response_modalities=["AUDIO"], speech_config=...)
    )
    
  4. Convertir el PCM/WAV de salida sin procesar a MP3 limpio a 44.1 kHz usando FFmpeg.
  5. Guardar los archivos de audio en video_project/audio/voice/ y copiarlos a sample_hyperframe/assets/.

Script auxiliar: scripts/generate_gemini_tts.py


Paso 5: Ensamblaje HyperFrames y Movimiento Cinematográfico

  1. Medir la duración de cada archivo de voz de la escena usando ffprobe.
  2. Calcular los tiempos de inicio y duración de cada escena:
    • scene_duration = voice_duration + 0.6s (0.2s de pre-roll + 0.4s de margen de respiro).
  3. Generar sample_hyperframe/index.html con:
    • Superposiciones de letterbox panorámico 2.39:1 (.letterbox-top, .letterbox-bottom).
    • Contenedores de imagen puros sin subtítulos.
    • Elementos nativos <audio> programados en sus marcas de tiempo exactas (tl.call(() => audio.play(), ..., voice_start)).
    • Animación de la línea de tiempo GSAP:
      • Cortes de múltiples tomas para los beats de acción (alternancia de visualización con transiciones de destello blanco).
      • Acercamiento/desplazamiento lento tipo Ken Burns (scale: 1.0 -> 1.08-1.12).
      • Fundidos cruzados / cortes suaves entre escenas.
    • Registrar la línea de tiempo: window.__timelines = [tl].
  4. Actualizar sample_hyperframe/hyperframes.json con la duración total exacta:
    { "duration": 177.6, "fps": 30, "width": 1920, "height": 1080 }
    

Script auxiliar: scripts/build_hyperframes_project.py Guía de animación detallada: Guía de Movimiento HyperFrames


Paso 6: Verificación y Renderizado

  1. Verificación de Linting:
    cd sample_hyperframe
    npx hyperframes lint
    
    Asegurar 0 errores, 0 advertencias.
  2. Renderizar Película Completa:
    npx hyperframes render --output ../video_project/output/<nombre_del_capitulo>_full_movie.mp4
    
  3. Verificación de Calidad:
    • Confirmar que el archivo existe y su tamaño es razonable (~150–250 MB para ~3 min Full HD).
    • Verificar la sincronización audio-video y la ausencia de fotogramas negros o cortes de audio.

Skills relacionados