Constructor de Reels

Motor: $(reelsmith root)/engine/ (build.py, template.html, music.py, pull_vo.py, capcut.py, fonts/). Una carpeta por reel: <reel-dir>/reel.json → <reel-dir>/out/reel.mp4. Si reelsmith dice que no está configurado, ejecuta reelsmith setup una vez.

reelsmith new reels/mi-reel            # carpeta con src/, vo/ y un reel.json de plantilla
reelsmith sheet reels/mi-reel/src/*    # hojas de contacto → elige `ss` para cada segmento
reelsmith build reels/mi-reel --stills # ~1 min: fotogramas, tiempos de palabras, subtítulos, out/qa_sheet.jpg
reelsmith stills reels/mi-reel 0.5,7.8,21.3   # fotogramas de verificación adicionales
reelsmith build reels/mi-reel          # renderizado completo (~4–5 min para 60 s)

Ejecuta siempre --stills primero: lee la lista de subtítulos impresa y mira out/qa_sheet.jpg (rojo = zonas de la UI de Reels/TikTok; nada importante puede estar en rojo). Corrige reel.json, luego construye. Verifica las líneas de volumen impresas al final (−14 LUFS ±1, pico ≤ −1 dB). Luego revisa los fotogramas del MP4 final alrededor de cada efecto y transición antes de entregarlo.

Flujo de trabajo (tiempo del creador ≈ 10 min por reel)

Guion: skill reel-script → el creador aprueba. Marca las palabras acentuadas con <em>…</em>; mantén los números como dígitos para su visualización.
Voz: ya sea la grabación propia del creador (vo/vo.mp3) o ElevenLabs (consulta docs/voice.md): el texto TTS = guion sin etiquetas, los números escritos con letras, las marcas escritas fonéticamente. En el plan gratuito, genera en la interfaz web de ElevenLabs (Claude en Chrome puede manejarlo), luego reelsmith voice <reel-dir> extrae las 2 tomas más recientes a vo/ con duraciones. Transcribe ambas, conserva la más limpia como vo/vo.mp3. Voces lentas: "speed": 1.07 en vo.
Material grabado: skill footage-scout — solo clips nuevos (comprueba used_footage.md), hojas de contacto, verificación de privacidad. Las duraciones de los segmentos deben sumar el final de la voz + ~2 s.
Plan de edición: skill reel-director elige los 3–5 efectos para esta historia y dónde van las transiciones.
Escribe reel.json → --stills → corrige → construye → entrega out/reel.mp4 + out/cover.jpg + out/caption.txt.
Pase de sonido opcional en CapCut: skill reel-capcut (efectos de sonido de biblioteca + música elegida al oído).

reel.json

{
  "vo": {"file": "vo/vo.mp3", "offset": 0.25, "speed": 1.07, "gaps": [[5.73, 0.8]]},
  "script": "Llevo tres meses reescribiendo mi guía y ayer cambié la fuente de la portada <em>por cuarta vez</em>. …",
  "hook": {"tag": "el escenario del borrador eterno", "lines": ["la guía está casi lista.", "<em>desde hace tres meses</em>"], "out": 5.55},
  "end": {"from": 55.6, "lines": ["¿cuánto tiempo", "<em>ha estado esperando el tuyo?</em>"], "lines_at": [55.75, 56.6],
          "sub": "dímelo en los comentarios", "sub_at": "@comments", "handle": "@tuhandle", "handle_at": 58.6},
  "cover": {"from": 0, "to": 4.35, "title": "BORRADOR", "left": "N.º4 · Octubre", "right": "@tuhandle", "top": 330},
  "cover_t": 2.0,
  "stamps": [{"seg": ["I", "J"], "text": "tanya · 2 años en borradores"}],
  "punch": [[3.02, 4.4], ["@mil", 9.0]],
  "segments": [
    {"id": "A", "clip": "src/mesa_nocturna.mp4", "ss": 9.5, "dur": 2.5, "crop": [0, 0.196, 0.75], "cut": true},
    {"id": "B", "clip": "src/llaves.mp4", "ss": 1.3, "dur": 1.9, "move": "ninguno"},
    {"id": "E", "clip": "src/caminar_telefono.mov", "ss": 0.8, "dur": 4.5, "cut": true, "in": "zoom"},
    {"id": "I", "clip": "src/cafe.mp4", "ss": 0.3, "dur": 3.2, "look": "byn"},
    {"id": "K", "clip": "src/caminar.mov", "ss": 14.0, "dur": 4.95, "look": "estallido"},
    {"id": "N", "clip": "src/desayuno.mov", "ss": 0.0, "dur": 3.45, "rate": 0.4},
    {"id": "Q", "clip": "src/pradera.mov", "ss": 13.2, "dur": 9.1, "move": "alejar", "in": "zoom"}
  ],
  "caption": "…",
  "music": "synth"
}

Un ejemplo real completo (ucraniano, 61 s, 17 segmentos, todos los efectos a continuación) está en $(reelsmith root)/examples/chernetka/reel.json; uno mínimo en examples/template/reel.json.

Voz y subtítulos

lang: idioma Whisper de la voz en off ("uk", "en", …); omitido = detección automática (o REELSMITH_LANG).
vo.gaps [tiempo_vo, segundos_extra]: una pausa de respiración insertada en el punto más silencioso cerca de ese tiempo de la voz (acelerada) — espacio para un montaje de fotos. vo.speed: factor atempo.
Anclajes "@palabra": cualquier tiempo en gancho / cierre / viñetas / glass / checklist / portada / órbita / muro / acercamiento / subs_skip puede ser "@mil" (inicio de esa palabra del guion; coincidencia exacta primero, si no, prefijo), "@otravez#2" (2.ª aparición), "@dosveces+0.3". Las palabras que Whisper malinterpreta obtienen tiempos interpolados — usa segundos ahí. out/words.json tiene los tiempos reales después de --stills.
subs / punch: omitidos = automáticos a partir de script + tiempos de palabras (5–7 palabras, 1–2 líneas, palabras acentuadas en color acento cursiva, sin punto final, una línea nunca termina en «y/en/de…»; acercamientos en hasta 4 frases acentuadas con ≥ 3 s de separación). Sobrescribe con "subs": [[a, b, "html"]], "punch": [[a, b]]. Los subtítulos se ocultan mientras la tarjeta de gancho está arriba, debajo de los títulos glass y listas de verificación, y una vez que comienza la tarjeta final (subs_from / subs_until / subs_skip [[a, b]] para ajustar).

Tarjetas y texto

hook: tarjeta de papel visible desde el fotograma 0 (at: [t…] revela líneas una por una, size, top). end: tarjeta desde from, líneas en lines_at, sub, handle.
stamps: píldora monocromática en la parte superior izquierda sobre los segmentos listados (lugar, fecha, nombre del personaje).
cover (historia de portada + interrupción de fotograma): cabecera de revista ajustada al ancho, las letras caen; en segmentos con "cut": true la persona se sitúa delante del título. Elige/recorta una toma donde la parte superior de la cabeza esté 40–80 px por debajo de la parte superior de la cabecera — nunca sobre los ojos. color para la cabecera, top para moverla. cover_t ≈ 2 para que out/cover.jpg muestre la portada terminada.
glass (tipo glass): {"from", "to", "lines", "at", "top"} título de vidrio esmerilado.
checklist: {"from", "to", "title", "items": [{"text", "sub", "at", "sub_at"}]} tarjeta que crece elemento por elemento, los ticks se dibujan en at.
wall (muro de titulares): {"from", "to", "items": [...], "every": 0.06} mosaicos de nombres de archivo/titulares que se apilan; coloca un título glass encima.
orbit: {"from", "to", "seg", "text": "1000 SEGUIDORES · ", "speed", "scale", "tilt", "lift"} anillo de texto alrededor de la cabeza en un segmento cut; la mitad trasera pasa detrás de la persona. Mejor en un selfie cercano.
doodles (viñeta hirviente): {"kind": "text"|"circle"|"underline"|"strike"|"arrow", "at", "to", "x", "y", …} — text: text, size, rot, write; circle/strike: w, h (strike n zigzags; 3 mantiene la palabra legible); underline: w; arrow: x2, y2, bend; color, width. Tinta acentuada con un halo crema, escrita de izquierda a derecha, temblando cada 3 fotogramas. Mantenlos por encima de y ≈ 1000 mientras la tarjeta de gancho está arriba y fuera de los rostros.

Segmentos

rutas: relativas a la carpeta del reel, luego al directorio actual, luego al repositorio. Las fotos HEIC/JPG mediante img están bien.
ss inicio en el clip, dur segundos; pos 0–1 encuadre horizontal para fuentes anchas; crop [x, y, size] = recorte de acercamiento del fotograma vertical (se mantiene nítido desde 4K); rate < 1 = cámara lenta cuando solo una parte corta es utilizable.
cut: true = máscaras de persona Vision de macOS para este segmento (reelsmith masks, ~0.2 s/fotograma, en caché). Necesario para portada y órbita.
in: "zoom" (la toma saliente entra rápidamente con desenfoque, la nueva aterriza desde un zoom) o "whip" (deslizamiento rápido borroso, sin bordes negros). Úsalo en 4–6 cortes clave, no en todos.
look: "" película cálida · "memory" zoom-through desvanecido para montajes de fotos (date agrega un sello de fecha de cámara naranja) · "bw" blanco y negro (la música se amortigua) · "burst" gris → floración de color (la música se abre).
move: push (empuje lento hacia adentro predeterminado) · tilt-up · pull-out · none.

Sonido y color

music: "synth" (una base lo-fi generada moldeada por los looks — funciona como marcador de posición, los creadores suelen preferir una pista real), una ruta a un archivo de audio del que tengas los derechos, o null. El sonido del clip original nunca se usa.
music_gain: predeterminado 0.16 bajo la voz (sidechain-ducked).
colors: {"accent": "#D4573A", "cream": "#F4EFE6", "ink": "#1F1A17"} (predeterminados: beige / terracota).

Reglas que surgieron de comentarios reales

Los efectos deben leerse en tamaño de teléfono en la primera visualización: grandes, de color acento, animados. Viñetas crema pequeñas y un panel de vidrio tenue fueron interpretados como «¿dónde están los efectos?».
Sin destellos blancos repetidos en los cortes. Silencia el sonido del clip original. 3–5 técnicas por reel, no todas.
Nunca pongas texto, tarjetas o viñetas sobre los ojos; mueve la tarjeta o reencuadra la toma.
Revisa las pantallas y fondos de los clips a resolución completa: mensajes de otras personas, matrículas, nombres de calles, paneles privados → salta esos segundos.
Material fresco en cada reel (used_footage.md). Pregunta antes de usar tomas con rostros de otras personas.

lalimi/claude-reelsmith

¿Qué es claude-reelsmith?

Preguntar en tu IA favorita

Documentación