Communitygithub.com

captions

Genera subtítulos animados en un video vertical con 7 estilos diferentes. Dispara con /captions o frases como 'añadir subtítulos', 'subtitular mi video', etc.

¿Qué es captions?

Este skill convierte un video hablado en el mismo video con subtítulos animados incrustados, sincronizando las palabras con la voz. Las palabras se muestran línea por línea, resaltando una palabra clave por línea con un color destacado, y el video y audio originales permanecen intactos (los subtítulos se superponen). Admite 7 estilos visuales: editorial-highlight (estilo revista), pop-sticker (bloques de color con sombras), paper-plane (un avión de papel que arrastra la línea), smoke-exit (palabras gruesas que se disuelven en humo), explosive-breakup (letras mayúsculas que explotan), rolodex-flip (palabras que giran como tarjetas de un fichero) y retro-typer (máquina de escribir con cursor parpadeante). Requiere ffmpeg, Node.js 18+, Google Chrome y Python 3 con faster-whisper para la transcripción. El flujo de trabajo incluye: transcripción de palabras, edición manual del archivo JSON para corregir errores y marcar palabras clave y saltos de línea, verificación de fotogramas y renderizado final. Es útil para creadores de contenido en redes sociales que quieren subtítulos llamativos sin editar manualmente.

Compatible con~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shubhamseth29/claude-skills/tree/HEAD/captions

Preguntar en tu IA favorita

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

Documentación

/captions: 7 estilos de subtítulos

Convierte un video hablado en el mismo video con subtítulos animados incrustados. Las palabras se sincronizan con la voz, una palabra clave por línea recibe el color destacado, y el video y audio originales permanecen intactos (los subtítulos se superponen).

Los 7 estilos

Escribe estoAspecto
editorial-highlightSerifa de revista, palabra clave sobre una tira de papel rojo oscuro, pequeño número de página sobre la línea
pop-stickerBloques de color con contornos negros y sombras duras, pequeños stickers aparecen a su alrededor, palabras clave en púrpura con una estrella
paper-planeUn avión de papel del color destacado vuela a través y arrastra la línea detrás
smoke-exitPalabras sans-serif gruesas; al final de la línea se disuelve en humo, la palabra clave humea en su propio color
explosive-breakupMayúsculas condensadas grandes; al final de la línea cada letra explota hacia afuera, palabra clave en chispas
rolodex-flipLa línea se construye palabra por palabra, cada nueva palabra gira hacia abajo como una tarjeta de fichero
retro-typerLetras de máquina de escribir escritas al ritmo de la voz, cursor de bloque parpadeante (opción: caja difusa)

Si el usuario no da un estilo, muestra esta tabla y pregunta cuál (sugiere pop-sticker).

Configuración (solo la primera vez)

Ejecuta dentro de esta carpeta del skill. Verifica primero, instala solo lo que falte:

  • ffmpeg y ffprobe (Mac: brew install ffmpeg, Windows: winget install ffmpeg)
  • Node.js 18+ y Google Chrome (o Edge/Chromium). Luego npm install en esta carpeta (es pequeña: usa el Chrome ya instalado en la computadora).
  • Python 3. scripts/words.py crea su propio .venv aquí e instala faster-whisper en el primer uso.

Pasos

  1. Palabras. python3 scripts/words.py <video> escribe <video>.words.json: [{"w":"Hola","s":0.21,"e":0.48}, ...]. Omite si el usuario ya tiene uno (/captions words <video> = solo este paso).
  2. Ordena las palabras (edita el JSON, mantén los tiempos):
    • Corrige palabras mal escuchadas, nombres y ortografía de marcas. Pregunta al usuario si no estás seguro.
    • Marca una palabra clave por línea con "k": true: la palabra que lleva el punto principal (un resultado, número, nombre o la palabra sorprendente). No todas las líneas necesitan una.
    • Marca los finales de línea con "br": true para que cada línea sea de 2 a 4 palabras y menos de ~20 letras, rompiendo donde el hablante hace una pausa natural. Una vez que existe algún br, las líneas solo se rompen en br, puntuación y pausas largas.
    • Escribe los símbolos como la gente los lee en pantalla: "slash" → "/", "percent" → "%" cuando forma parte de un término.
  3. Verifica fotogramas antes del renderizado completo. node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8 (elige momentos a mitad de línea). Mira los PNGs: subtítulos legibles, no sobre la cara ni la interfaz de la propia app. ¿Demasiado alto o bajo? Usa --y (64 = predeterminado, número más bajo = más arriba). ¿Demasiado grande? --size 0.85.
  4. Renderiza. node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box] → <video>_<style>.mp4 junto al original. Unos 3 minutos para un reel de 60s.
  5. Dile al usuario dónde está el archivo. Para una vista previa en vivo de los 7 estilos en su propio video, abre index.html en Chrome y carga el video y el archivo de palabras.

Opciones

BanderasQué hace
--hl <#hex>Color destacado para palabras clave. Predefinidos: amarillo #ffd23f (predeterminado), coral #ff7a59, cielo #7cc4ff, menta #9ff0b8
--y <0-100>Altura de los subtítulos, % desde la parte superior. 64 queda debajo de la barbilla en una cabeza parlante
--size <n>Tamaño de los subtítulos, 1 = normal
--boxSolo Retro Typer: caja suave y difusa detrás del texto
--out <file>Ruta de salida
--still <s>Fotograma de verificación en ese segundo en lugar de renderizado completo (repetible)

Notas

  • Las grabaciones HDR de iPhone pueden verse deslavadas después del renderizado. Expórtalas primero como SDR, o configura el iPhone en Ajustes > Cámara > Formatos > Más Compatible.
  • Los subtítulos siempre se superponen al video. Este es el paquete inicial: palabras detrás del hablante, estilos de vidrio y pared de texto no están incluidos.
  • Las fuentes se cargan desde Google Fonts, por lo que el renderizado necesita conexión a internet.

Skills relacionados