Communitygithub.com

ChuchoMonster/claude-code-skills

Tubería completa para crear videos explicativos/promocionales de marca a partir de una URL. Extrae la identidad de la marca, genera guion, voz, avatar con IA, imágenes B-roll y música de fondo, y ensambla todo en HyperFrames para producir un MP4 listo para usar.

¿Qué es claude-code-skills?

Esta habilidad implementa un pipeline integral de 11 etapas para la creación automatizada de videos promocionales o explicativos de marca (multi-inquilino). Al recibir una URL o nombre de marca, el agente extrae automáticamente la identidad visual y tonal del sitio web, genera un guion adaptado a la duración solicitada, sintetiza voz con ElevenLabs, produce un avatar parlante con HeyGen (con fondo verde y croma), crea imágenes B-roll abstractas o de gráficos con Nano Banana 2 vía KIE.AI, compone una pista musical instrumental con ElevenLabs Music, y ensambla todo en una composición HTML/CSS/JS con HyperFrames para renderizar un video MP4 final. Está diseñado para escalar a múltiples marcas B2B con configuración mínima por inquilino, y ha sido validado en el caso de uso de ColdStart (coldstartb2b.com). El agente maneja el estado de cada etapa, calibra la posición del avatar, sincroniza tiempos de audio y video, y ejecuta renders en primer plano para garantizar la finalización. Las frases de activación incluyen 'Hyper Frames para <url>', 'haz un video Hyper Frames para <marca>', 'promo Hyper Frames para <url>', 'video explicativo para <marca>' o simplemente 'Hyper Frames <url>'.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ChuchoMonster/claude-code-skills/tree/HEAD/skills/hyperframes-pipeline

Preguntar en tu IA favorita

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

Documentación

Pipeline HyperFrames — Videos Explicativos de Marca Multi-Inquilino

Pipeline completo que toma una URL y produce un video explicativo/promocional MP4 con marca. Construido y validado en ColdStart (coldstartb2b.com). Diseñado para escalar a cualquier marca B2B con configuración mínima por inquilino.

Cuándo invocar

  • El usuario dice "Hyper Frames" / "hyperframes" + una URL o nombre de marca
  • El usuario pide un video explicativo/promocional para un negocio específico
  • El usuario dice "haz un video para " o similar
  • El usuario dice "probemos esto en "

Entorno requerido (en <tu-directorio-de-proyecto>/.env)

KIE_AI_API_KEY=...        # Nano Banana 2 + Seedance 2 vía KIE.AI
HEYGEN_API_KEY=...        # Generación de avatar HeyGen
ELEVENLABS_API_KEY=...    # Voz + música 11Labs

Estructura del proyecto

<tu-directorio-de-proyecto/>
  brands/
    <marca>/              # un directorio por marca (creado por brand-book)
      brand.json
      colors.md
      typography.md
      voice-tone.md
      reference.png
  template-16x9/          # la composición activa (un solo directorio de trabajo; intercambiar activos por marca)
    index.html
    styles/
      brand.css           # interfaz de marca — único archivo con CSS específico de la marca
      template.css        # movimiento independiente de la marca
      layouts.css         # sistema de 10 diseños
    assets/
      voice.mp3           # salida de 11Labs (con relleno)
      avatar.webm         # salida de HeyGen (con croma y relleno)
      music.mp3           # fondo musical de 11Labs Music
      broll-*.png         # B-roll de Nano Banana
    renders/

Para producción multi-inquilino, la futura Etapa 0 debería copiar template-16x9/ por marca. Por ahora, intercambie los activos en su lugar por cada render.


Etapas del pipeline

Etapa 1 — Extracción de marca

Invocar la habilidad brand-book en la URL objetivo. Produce:

  • brands/<marca>/brand.json — paleta, tipografía, resumen de voz/tono
  • brands/<marca>/css-variables.json — TODAS las variables CSS del sitio en vivo
  • brands/<marca>/reference.png — captura de pantalla de la página principal

Extraer los dos colores fijos que impulsan todas las etapas posteriores:

  • bg: color de fondo de la marca (típicamente casi negro, ej. #050508)
  • accent: color de señal de la marca (típicamente un tono saturado, ej. #8b9cf7)

Estos se convierten en sustituciones en los prompts de B-roll y en styles/brand.css.

Etapa 2 — Leer el sitio, entender el negocio

Usar WebFetch para leer la página principal + páginas clave (servicios, equipo, precios, acerca de). Sintetizar:

  • Qué venden
  • A quién se lo venden (ICP)
  • Los 1-2 diferenciadores más claros
  • La CTA deseada (reservar una llamada, iniciar prueba, etc.)

Esto se convierte en la sustancia del guion.

Etapa 3 — Guion

Escribir un guion para la duración solicitada. Regla de ritmo: ~2.7 palabras por segundo de voz (cadencia multilingual_v2). Así que 22s ≈ 60 palabras; 45s ≈ 120 palabras; 60s ≈ 160 palabras.

Estructura (plantilla de 5 escenas a 22s; escalar proporcionalmente para más duración):

  1. Gancho (10–15% de la duración) — línea contundente de 3–6 palabras
  2. Cuerpo 1 — Problema (~30%) — qué está roto / el cuello de botella
  3. Cuerpo 2 — Estadística o prueba (~15%) — la magnitud (usar gráfico de Plantilla 2 para B-roll)
  4. Cuerpo 3 — Cómo trabajamos (~25%) — el diferenciador
  5. Final / CTA (~15%) — invitación + marca comercial

Para videos más largos (45s+), agregar escenas de Cuerpo adicionales entre Cuerpo 1 y Cuerpo 2 (ej. "Cuerpo 1a — Punto de dolor específico", "Cuerpo 1b — Costo de la inacción").

Prosodia para 11Labs eleven_multilingual_v2: la puntuación impulsa el ritmo (comas = micropausas, puntos = pausas completas, guiones largos = pausa). No te molestes con SSML o etiquetas de emoción — multilingual_v2 no las respeta. Simplemente escribe prosa conversacional con puntuación natural.

Guardar el guion en template-16x9/script.txt para trazabilidad.

Etapa 4 — Voz (11Labs)

Llamar a 11Labs TTS con eleven_multilingual_v2. Voz predeterminada: <tu-id-de-voz-en-elevenlabs> (configurar esto a una voz de tu biblioteca de 11Labs, o lo que el usuario especifique / la marca prefiera — preguntar si no está claro).

source .env && curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/<tu-id-de-voz-en-elevenlabs>" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"<guion>","model_id":"eleven_multilingual_v2"}' \
  --output assets/voice_raw.mp3

Postprocesar volumen al 92% con FFmpeg (el estándar del pipeline):

ffmpeg -y -i voice_raw.mp3 -af "volume=0.92" -c:a libmp3lame -b:a 192k voice.mp3

Etapa 5 — Avatar (HeyGen)

Elegir un talking_photo_id (ID de Look). Configurar tu predeterminado a un Look de tu propia cuenta de HeyGen: <tu-id-de-foto-parlante-de-heygen>.

Siempre establecer use_avatar_v_model: true a nivel de personaje. HeyGen recurrirá silenciosamente a Avatar IV si el Look no está inscrito en V (la salida de Avatar IV se renderiza bien).

Subir voz → enviar render de talking_photo → sondear → descargar → croma:

# Subir audio
AUDIO_ID=$(curl -s -X POST "https://upload.heygen.com/v1/asset" \
  -H "X-Api-Key: $HEYGEN_API_KEY" -H "Content-Type: audio/mpeg" \
  --data-binary @assets/voice.mp3 | python3 -c "import json,sys;print(json.load(sys.stdin)['data']['id'])")

# Enviar render
VID=$(curl -s -X POST "https://api.heygen.com/v2/video/generate" \
  -H "X-Api-Key: $HEYGEN_API_KEY" -H "Content-Type: application/json" \
  --data-binary @- <<EOF | python3 -c "import json,sys;print(json.load(sys.stdin)['data']['video_id'])"
{
  "video_inputs": [{
    "character": {
      "type": "talking_photo",
      "talking_photo_id": "<tu-id-de-foto-parlante-de-heygen>",
      "use_avatar_v_model": true
    },
    "voice": { "type": "audio", "audio_asset_id": "$AUDIO_ID" },
    "background": { "type": "color", "value": "#00FF00" }
  }],
  "dimension": { "width": 720, "height": 1280 }
}
EOF
)

# Sondear hasta completar (típicamente 60–90s para IV, 5–20min para V en el primer render con un Look nuevo)
# GET https://api.heygen.com/v1/video_status.get?video_id=$VID → data.status == "completed"
# Luego descargar data.video_url a assets/avatar_green.mp4

Etapa 6 — Croma + relleno simétrico

Convertir MP4 con fondo verde de HeyGen → webm transparente VP9 con relleno de fotograma congelado de 0.5s en ambos extremos:

# Croma + despill → webm transparente sin procesar
ffmpeg -y -i avatar_green.mp4 \
  -vf "chromakey=0x00FF00:0.10:0.05,despill=type=green:mix=0.6:expand=0" \
  -c:v libvpx-vp9 -pix_fmt yuva420p -auto-alt-ref 0 -b:v 0 -crf 30 -an \
  avatar.raw.webm

# Rellenar ambos extremos con fotogramas congelados de 0.5s (conserva alfa)
ffmpeg -y -c:v libvpx-vp9 -i avatar.raw.webm \
  -vf "tpad=start_duration=0.5:start_mode=clone:stop_duration=0.5:stop_mode=clone" \
  -c:v libvpx-vp9 -pix_fmt yuva420p -auto-alt-ref 0 -b:v 0 -crf 30 -an \
  avatar.webm

Rellenar simétricamente voice.mp3 con 0.5s de silencio en ambos extremos para que los offsets de audio coincidan con la sincronización del avatar:

ffmpeg -y -f lavfi -i anullsrc=r=44100:cl=stereo -t 0.5 -c:a libmp3lame -b:a 192k silence.mp3
ffmpeg -y -f concat -safe 0 -i <(printf "file '%s/silence.mp3'\nfile '%s/voice_raw.mp3'\nfile '%s/silence.mp3'\n" "$PWD" "$PWD" "$PWD") \
  -c:a libmp3lame -b:a 192k voice.mp3

Esto logra la regla de sincronización: el avatar aparece → comienza el discurso → termina el discurso → el avatar se desvanece. Consultar project_audio_video_timing.md (creado en la Fase 9 si falta — la regla es 0.5s de adelanto + 0.5s de cola, todas las señales de escena de GSAP desplazadas +0.5s, el desvanecimiento final comienza 0.1s después del final del discurso).

Etapa 7 — Calibración de object-position

La posición de la cara del avatar en el fotograma depende de la foto de origen, por lo que recalibrar por ID de Look:

ffmpeg -y -ss 0.7 -i avatar.webm -vframes 1 avatar-frame-check.png

Leer el fotograma, medir la coordenada y del centro de la cara (en el origen de 1280 de alto). Calcular object-position por diseño:

object_position_y_pct = ( (face_y_px / 1280) * scaled_height_for_layout - layout_slot_height/2 ) / (scaled_height_for_layout - layout_slot_height) * 100

En la práctica: cara en el tercio superior del fotograma (face_y ~380) → usar '50% 30%' para espacios estrechos, '50% 50%' para espacios de fotograma completo. Actualizar LAYOUT_AVATAR_SLOTS en index.html. Nunca adivinar — siempre calibrar a partir de un fotograma extraído.

Etapa 8 — Imágenes B-roll (Nano Banana 2 vía KIE.AI)

Dos plantillas fijas — consultar project_image_direction_templates.md para las versiones completas. Los colores de la marca se intercambian por proyecto (sustituir BG_HEX y ACCENT_HEX de brand.json).

Plantilla 1 — Escultura abstracta pura (atmósfera, estado de ánimo, tiempos narrativos):

Render escultórico 3D abstracto sobre un fondo sólido [BG_HEX]. [DESCRIPCIÓN_DE_FORMA], sugiriendo [INTENCIÓN_DE_MOVIMIENTO]. La luz [ACCENT_HEX] se refracta a través y alrededor de la forma con dispersión subsuperficial, proyectando suaves cáusticas en un suelo oscuro sutilmente reflectante. Iluminación de estudio direccional suave. Render Octane hiperreal. Estética de keynote tecnológico premium. Enfoque nítido en la forma central, profundidad de campo que se desvanece en sombra en los bordes. Sin texto, sin logotipos.

Plantilla 2 — Gráfico de vidrio (cualquier línea que haga referencia a una estadística, comparación, crecimiento, relación, "X×", "Y%"):

Visualización de datos 3D abstracta sobre un fondo sólido [BG_HEX]. [TIPO_DE_GRÁFICO] renderizado completamente como formas de vidrio translúcido flotantes que representan [CONCEPTO_DE_DATOS]. Elementos de base en vidrio gris mate apagado; elementos focales brillando con dispersión subsuperficial y refracción de [ACCENT_HEX], proyectando suaves cáusticas en un suelo oscuro sutilmente reflectante. Una delgada línea de eje blanca apagada. Iluminación de estudio direccional suave. Render Octane hiperreal. Estética de keynote tecnológico premium. Composición editorial minimalista con amplio espacio negativo. Sin texto, sin números, sin etiquetas, sin logotipos.

Regla de decisión por escena: si la línea del guion cita un número/estadística/comparación → Plantilla 2. De lo contrario → Plantilla 1.

Patrón de envío (relación de aspecto 1:1 por defecto; cualquier aspecto compatible). Siempre capturar el código HTTP + cuerpo para que los fallos 4xx se autodiagnostiquen:

source .env && RESPONSE=$(curl -sS -w "\nHTTP_CODE:%{http_code}" -X POST "https://api.kie.ai/api/v1/playground/createTask" \
  -H "Authorization: Bearer $KIE_AI_API_KEY" -H "Content-Type: application/json" \
  --data-binary @- <<EOF
{"model":"nano-banana-2","input":{"prompt":"<PLANTILLA CON ESPACIOS RELLENOS>","output_format":"png","image_size":"1:1"}}
EOF
)
echo "$RESPONSE"
[[ "$RESPONSE" == *"HTTP_CODE:200"* ]] || { echo "El envío a KIE falló — ver cuerpo arriba"; exit 1; }

Sondear https://api.kie.ai/api/v1/playground/recordInfo?taskId=<id> cada 4s hasta que data.state == "success", analizar data.resultJson (es una cadena JSON — json.loads()), descargar la URL a assets/broll-N.png.

Ejecutar múltiples generaciones de B-roll en paralelo — KIE.AI maneja bien tareas concurrentes.

Causa común de 400: filtro de seguridad del prompt. Nano Banana 2 rechaza prompts que parezcan legales/violencia/conflicto (ej. "tribunal", "batalla legal", "demandantes vs demandados"). Mantenerse estrictamente dentro de las dos plantillas abstractas — codificar el significado en geometría/color, nunca en tema literal. Validado 2026-04-28: una sonda abstracta mínima devuelve 200 con la misma autenticación/esquema, por lo que un 400 aquí es casi siempre contenido del prompt.

Etapa 9 — Fondo musical (11Labs Music)

source .env && curl -s -X POST "https://api.elevenlabs.io/v1/music?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{
    "prompt": "<PROMPT MUSICAL>",
    "music_length_ms": 22000,
    "force_instrumental": true,
    "model_id": "music_v1"
  }' --output assets/music_raw.mp3

Devuelve bytes de audio sincrónicamente. music_length_ms coincide con la duración de la composición (rango 3000–600000ms).

Prompt musical predeterminado para fondo de anuncio B2B (validado 2026-04-27):

Fondo instrumental optimista y alegre para un anuncio publicitario de negocio B2B. Piano moderno brillante tocando un patrón rítmico dinámico con notas staccato nítidas, combinado con sutiles pads de sintetizador edificantes. Pulso ligero y suave — shakers suaves o clics rítmicos apagados que proporcionan un impulso constante hacia adelante. Sin baterías grandes, sin bombos, sin crashes, sin platillos. Sin voces. Sensación segura, enérgica, optimista y alegre. Moderno, limpio, tecnológico, profesional, corporativo contemporáneo. Tempo alrededor de 115 BPM. Tono mayor brillante, soleado pero no empalagoso. Dinámica uniforme en general — sin crescendos, sin caídas, sin clímax, sin desvanecimientos — pero con impulso rítmico constante. Suena como el fondo de un video de lanzamiento de producto SaaS moderno.

Antipatrones a evitar en el prompt:

  • "Cinematográfico" / "melancólico" / "ambiental" → produce arrastre sentimental, incorrecto para un anuncio
  • Tempo por debajo de 90 BPM → demasiado soñoliento
  • Mencionar crescendos, clímax, cambios de dinámica → compite con la voz
  • Olvidar "sin voces" → ElevenLabs puede agregar tarareos

Mezclar a -20dB con desvanecimientos breves para que se siente invisiblemente debajo de la voz:

ffmpeg -y -i music_raw.mp3 \
  -af "volume=-20dB,afade=t=in:st=0:d=0.4,afade=t=out:st=<fin-0.6>:d=0.6" \
  -c:a libmp3lame -b:a 192k music.mp3

Etapa 10 — Ensamblaje de la composición

El archivo template-16x9/index.html es la composición de trabajo. Para cada render:

  1. Actualizar data-duration en los elementos raíz, voz, avatar y música para que coincidan con la duración objetivo
  2. Actualizar los colores de la marca en styles/brand.css (vars --bg, --accent, etc.)
  3. Actualizar las fuentes en brand.css si la marca usa familias diferentes
  4. Reajustar las transiciones de escena en la línea de tiempo de GSAP para que coincidan con los tiempos del guion
  5. Asegurar que los 4 elementos temporizados (video del avatar, audio de la voz, audio de la música, composición raíz) tengan data-start y data-duration alineados

Índices de pistas de audio: avatar=1, voice=2, music=3. Todos class="clip". Todos data-start="0".

Etapa 11 — Render

cd "$HOME/<tu-directorio-de-proyecto>/template-16x9" && \
npx hyperframes lint && \
npx hyperframes render --output renders/<marca>-v<n>.mp4

CRÍTICO: Ejecutar el render en primer plano. Los renders en segundo plano se quedan colgados al 0% de CPU después de que comienza la captura de fotogramas. Usar una llamada Bash en primer plano con timeout: 300000. El render toma ~1–2 min para una composición de 22s, ~3–4 min para 45s.

Después de que el render se complete, open -a "QuickTime Player" renders/<marca>-v<n>.mp4 para revisión.


Bucle de iteración

La mayoría de los renders necesitan 1–3 pases:

  • v1: hacer que la cadena funcione de extremo a extremo con valores predeterminados sensatos
  • v2: corregir problemas obvios (recorte de la cara, música demasiado alta, transiciones)
  • v3: pulir los tiempos, probar un prompt musical alternativo si es necesario

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills relacionados