Communitygithub.com

stick-figure

Crea un video explicativo animado en código (9:16, 30 a 45 s) a partir de una pregunta o tema, con figuras de palitos, transiciones whip y voces sincronizadas.

¿Qué es stick-figure?

La habilidad `stick-figure` te permite generar un video reel animado estilo dibujo animado, de formato vertical (9:16) y duración entre 30 y 45 segundos, directamente desde una pregunta o tema. Utiliza un mundo de dibujos animados con trazos gruesos, personajes stick figure con cabezas grandes blancas y caras expresivas, movimiento constante de cámara, transiciones whip y subtítulos de 1 a 2 palabras. Todo el contenido (incluyendo voces, música y efectos de sonido) se genera mediante código y se sincroniza palabra por palabra con la narración. El skill incluye un ejemplo completo en `engine/template` sobre un tema de piratas. Se activa cuando el usuario ejecuta `/stick-figure` o pide un 'stick-figure', 'stickman' o 'caricatura' explicativa. Soporta plataformas como Claude Code, Cursor, Codex y otras que ejecuten herramientas de línea de comandos. Requiere ffmpeg, Node.js y Python 3.9+. Los pasos incluyen: escritura de guion (con verificación de datos), clonación de carpeta plantilla, síntesis de voz (TTS gratuito con Kokoro o ElevenLabs con API key), escritura de tomas en `shots.js`, renderizado de vistas previas, edición de audio y construcción final del video.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AyushAggarwal768/claude-animation-skills/tree/HEAD/skills/stick-figure

Preguntar en tu IA favorita

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

Documentación

/stick-figure

┌──────────────────────┐
│   ☀      ☁           │  cielo brillante, mar, accesorios dibujados en código
│      ◯   ◯           │  figuras stick con cabezas grandes blancas, caras expresivas
│     /|\ /|\          │
│     / \ / \  🛢       │
│     parche ojo        │  subtítulos de 1 a 2 palabras, minúsculas, ~70% abajo
└──────────────────────┘

Viene con un ejemplo completo: engine/template es un reel terminado de 37 s, "¿Qué pasaría si los parches de piratas no tuvieran nada que ver con ojos faltantes?"

Primer uso

Esta carpeta de skill es el "Directorio base" que Claude Code muestra al cargarla.

SKILL_DIR="<directorio base de este skill>"
ENGINE="$SKILL_DIR/engine"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
[ -x "$KIT/.venv/bin/python" ] && [ -d "$KIT/models" ] || bash "$KIT/setup.sh" --voice   # ~1 GB de modelos de voz, una vez
PY="$KIT/.venv/bin/python"; export NODE_PATH="$KIT/node_modules"

Requiere ffmpeg, Node y Python 3.9+. Para ver el ejemplo: cp -r "$ENGINE/template" ~/reels/pirate && bash "$ENGINE/make.sh" ~/reels/pirate.

Cómo se estructura

Un reel es una carpeta:

  • script.json: la narración, una oración por entrada.
  • captions.json: intercambios de texto opcionales para subtítulos ({"twenty five": "25"}).
  • web/shots.js: la lista de tomas. Cada toma es SHOTS.push({start, end, tr, draw(ctx, lt, t)}) en segundos de la narración; lt es el tiempo dentro de la toma, tr es la transición de salida ('whip' o 'cut').
  • web/lib.js (curvas de easing, keyframes kf, formas, texto), web/chars.js (el rig de stick drawStick, sombreros, caras, IK de brazos, el parche de ojo), web/env.js (cielo, nubes, mar, barcos, cubierta, barriles, cañón, linterna, bajo cubierta), web/main.js (desenfoque whip, viñeta, grano, subtítulos). Añade nuevos accesorios a env.js o a un nuevo env2.js (inclúyelo en web/index.html).
  • audio.py: música y SFX, todo sintetizado en código y colocado en segundos de la narración.

make.sh genera la voz, alinea cada palabra (audio/words_new.json), mezcla el sonido, renderiza las tomas en paralelo y escribe <carpeta>/<nombre de carpeta>.mp4.

Tiempos: audio/words_ref.json es la voz contra la cual se sincronizaron las tomas. Cuando la voz cambia pero las palabras no, make.sh ajusta las tomas a la nueva grabación, por lo que una nueva grabación no necesita ediciones. Si el guion cambia, elimina audio/words_ref.json (la siguiente grabación se convierte en la referencia) y vuelve a sincronizar shots.js.

Pasos

  1. Guion. Entre 110 y 120 palabras para 38 a 40 segundos, una idea por oración: un gancho de "¿qué pasaría si?", la creencia común, un giro con "Pero", ejemplos que construyen, una toma que muestra el mecanismo y un desenlace que responde al gancho. Muéstraselo al usuario antes de animar.
  2. Datos. Verifica cada afirmación con fuentes. Atenúa teorías ("los científicos creen").
  3. Carpeta. cp -r "$ENGINE/template" <reel>, luego vacía su audio/ y reemplaza script.json (y captions.json).
  4. Voz. En la carpeta: "$PY" "$ENGINE/tools/tts_kokoro.py" (gratis) o una grabación propia del usuario, o ElevenLabs con ELEVENLABS_API_KEY ("$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3). Coloca la grabación en audio/vo.wav, luego "$PY" "$ENGINE/tools/align.py" audio/vo.wav y lee los tiempos de las palabras en audio/words_new.json.
  5. Tomas. Reescribe web/shots.js: entre 10 y 12 configuraciones, la mayoría de 2 a 4 s, la toma explicativa más larga. Una nueva idea requiere una nueva configuración. Comienza el gancho en acción en el fotograma 1. Mantén las caras y accesorios clave fuera de la banda de subtítulos (y aproximadamente 1250 a 1420) y dentro del área segura de Instagram (x 100 a 980, y 220 a 1500).
  6. Fotogramas fijos. Desde la carpeta: node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0 escribe stills/. Revisa los momentos más movidos y corrígelos antes del renderizado completo.
  7. Sonido. Edita las señales en audio.py según los tiempos de las palabras.
  8. Construcción. bash "$ENGINE/make.sh" <reel> (conserva audio/vo.wav; pasa kokoro, elevenlabs o un archivo para reemplazarlo). WORKERS=8 en una máquina con más núcleos. AUDIO_ONLY=1 remezcla el sonido sin volver a renderizar.
  9. Entrega <reel>/<nombre>.mp4.

Estilo

  • Subtítulos: Poppins Bold, blanco con contorno oscuro, de 1 a 2 palabras, minúsculas, sin puntuación (capText() en main.js lo hace; los dígitos y % se mantienen). Sin guiones largos en pantalla.
  • Paleta brillante y saturada, contornos de tinta (#221c22), sombras de contacto suaves, acercamientos lentos con deriva manual, transiciones whip con desenfoque de movimiento. Un impacto es una explosión, un temblor y un destello.
  • Los SFX se sitúan debajo de la voz (ganancia alrededor de 0.38). La música es un punteo suave y silencioso, atenuado bajo la voz, nunca un bucle fuerte al inicio.

Skills relacionados