Communitygithub.com

Biznomad/claude-skills

Preprocesamiento de activos para composiciones HyperFrames: narración de texto a voz (Kokoro), transcripción de audio/video (Whisper) y eliminación de fondo para superposiciones transparentes (u2net).

¿Qué es claude-skills?

Este conjunto de habilidades proporciona tres comandos CLI para preprocesar activos multimedia en composiciones HyperFrames: `tts` genera voz sintética localmente con Kokoro-82M, sin necesidad de clave API; `transcribe` produce transcripciones con marcas de tiempo a nivel de palabra usando Whisper; y `remove-background` extrae el sujeto de un video o imagen para crear superposiciones transparentes. Es ideal para desarrolladores y creadores que generan narraciones a partir de texto, transcriben audio para subtítulos, eliminan fondos para capas de video, seleccionan voces TTS o modelos de Whisper, o encadenan estos pasos (TTS → transcripción → subtítulos). Cada comando descarga su modelo automáticamente en la primera ejecución y lo guarda en caché bajo `~/.cache/hyperframes/`. El conjunto es compatible con Claude Code, Cursor y Codex, y está diseñado para funcionar con el ecosistema HyperFrames, proporcionando una integración perfecta con composiciones HTML.

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

Preguntar en tu IA favorita

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

Vista previa

Del README del skill

Documentación

Preprocesamiento de Medios HyperFrames

Tres comandos CLI que producen activos para composiciones: tts (voz), transcribe (marcas de tiempo) y remove-background (video transparente). Cada uno descarga un modelo en la primera ejecución y lo guarda en caché en ~/.cache/hyperframes/. Coloca la salida en el proyecto, luego haz referencia a ella desde el HTML de la composición; consulta la habilidad hyperframes para las convenciones de elementos de audio/video.

Texto a Voz (tts)

Genera audio de voz localmente con Kokoro-82M. Sin clave API.

npx hyperframes tts "Texto aquí" --voice af_nova --output narracion.wav
npx hyperframes tts script.txt --voice bf_emma --output narracion.wav
npx hyperframes tts --list                       # las 54 voces

Selección de Voz

Empareja la voz con el contenido. El valor predeterminado es af_heart.

Tipo de contenidoVozPor qué
Demo de productoaf_heart/af_novaCálida, profesional
Tutorial / guíaam_adam/bf_emmaNeutral, fácil de seguir
Marketing / promociónaf_sky/am_michaelEnérgica o autoritaria
Documentaciónbf_emma/bm_georgeInglés británico claro, formal
Informal / redesaf_heart/af_skyAccesible, natural

Multilingüe

Los IDs de voz codifican el idioma en la primera letra: a=Inglés americano, b=Inglés británico, e=Español, f=Francés, h=Hindi, i=Italiano, j=Japonés, p=Portugués brasileño, z=Mandarín. La CLI detecta automáticamente la configuración regional del fonetizador a partir del prefijo; no se necesita --lang cuando la voz coincide con el texto.

npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav

Usa --lang solo para anular la detección automática (acentos estilizados). Códigos válidos: en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. La fonetización en idiomas no ingleses requiere espeak-ng a nivel de sistema (brew install espeak-ng / apt-get install espeak-ng).

Velocidad

  • 0.7-0.8 — tutorial, contenido complejo, accesibilidad
  • 1.0 — ritmo natural (predeterminado)
  • 1.1-1.2 — intros, transiciones, contenido animado
  • 1.5+ — raramente apropiado; probar con cuidado

Guiones Largos

Para más de unos pocos párrafos, escribe en un archivo .txt y pasa la ruta. Las entradas de más de ~5 minutos de voz pueden beneficiarse de dividirse en segmentos.

Requisitos

Python 3.8+ con kokoro-onnx y soundfile (pip install kokoro-onnx soundfile). La descarga del modelo ocurre en el primer uso (~311 MB + ~27 MB de voces, almacenado en caché en ~/.cache/hyperframes/tts/).

Transcripción (transcribe)

Produce un transcript.json normalizado con marcas de tiempo a nivel de palabra.

npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt          # importar existente
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Regla de Idioma (No Negociable)

Nunca uses modelos .en a menos que el usuario indique explícitamente que el audio está en inglés. Los modelos .en (small.en, medium.en) traducen el audio no inglés a inglés en lugar de transcribirlo. Esto destruye silenciosamente el idioma original.

  1. Idioma conocido y no inglés → --model small --language <código> (sin sufijo .en)
  2. Idioma conocido e inglés → --model small.en
  3. Idioma desconocido → --model small (sin .en, sin --language) — whisper detecta automáticamente

El modelo predeterminado es small, no small.en.

Tamaños de Modelo

ModeloTamañoVelocidadCuándo usarlo
tiny75 MBMás rápidoVistas previas rápidas, prueba de flujo
base142 MBRápidoClips cortos, audio claro
small466 MBModeradoPredeterminado — la mayoría del contenido
medium1.5 GBLentoContenido importante, audio ruidoso, música
large-v33.1 GBMás lentoCalidad de producción

Música con voces: empezar con medium como mínimo; las pistas producidas a menudo necesitan importación manual de SRT/VTT. Para comprobaciones de calidad de subtítulos (obligatorias después de cada transcripción), el JS de limpieza, reglas de reintento y la ruta de importación de API OpenAI/Groq, consulta hyperframes/references/transcript-guide.md.

Forma de Salida

Las composiciones consumen un arreglo plano de objetos de palabra. El campo id (w0, w1, ...) se añade durante la normalización para referencias estables en anulaciones de subtítulos; es opcional para compatibilidad hacia atrás.

[
  { "id": "w0", "text": "Hola", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "mundo.", "start": 0.6, "end": 1.2 }
]

Eliminación de Fondo (remove-background)

Elimina el fondo de un video o imagen para que el sujeto (típicamente una persona — avatar, presentador, cabeza parlante) se superponga como una capa transparente en una composición.

npx hyperframes remove-background sujeto.mp4 -o transparente.webm  # predeterminado: VP9 alpha WebM
npx hyperframes remove-background sujeto.mp4 -o transparente.mov   # ProRes 4444 (edición)
npx hyperframes remove-background retrato.jpg -o recorte.png       # recorte de imagen única
npx hyperframes remove-background sujeto.mp4 -o sujeto.webm \
  --background-output plato.webm                                   # ambas capas en una sola pasada
npx hyperframes remove-background sujeto.mp4 -o transparente.webm --device cpu
npx hyperframes remove-background --info                           # proveedores detectados

Usa u2net_human_seg (MIT). La primera ejecución descarga ~168 MB de pesos en ~/.cache/hyperframes/background-removal/models/.

Separación de Capas (--background-output)

Pasa --background-output (o -b) para emitir un segundo video transparente junto con el recorte: mismo RGB de origen, alfa es 255 − máscara en lugar de máscara. El recorte es el sujeto con fondo transparente; el plato es el entorno original con un agujero transparente donde estaba el sujeto.

ArchivoAlfa es…Úsalo para
-o sujeto.webmLa máscara — sujeto opaco, fondo transparenteCapa frontal, colócala encima
--background-output plato.webmInversa — entorno opaco, región del sujeto transparenteCapa inferior; coloca texto o gráficos entre esta y el sujeto

Ambas salidas comparten el mismo preajuste --quality y se ejecutan desde una sola pasada de inferencia — el costo de codificación se duplica aproximadamente, el costo de segmentación se mantiene igual. Solo válido para entradas de video y salidas .webm/.mov.

Plato con agujero, no un plato limpio con relleno. La región del sujeto en plato.webm es completamente transparente — compón algo opaco debajo para llenar el agujero. La prueba única para saber si --background-output es la herramienta correcta: ¿alguna vez será visible algo a través de la silueta del sujeto donde solía estar el sujeto?

Caso de usoHerramienta correcta
Texto/gráficos entre el recorte y el plato (la razón de existir de este comando)Agujero (--background-output)
Sujeto sobre una escena no relacionadaSolo sujeto.webm; ignora el plato
Mostrar la habitación sin la persona, sola sobre ningún otro contenidoPlato limpio — necesita un rellenador (LaMa, ProPainter, E2FGVI). No este comando.
Reemplazar al sujeto con otro sujeto diferentePlato limpio — igual que arriba

Si un usuario pide "la habitación con la persona eliminada" y tiene la intención de mostrarla sola, no uses --background-output. Dile que necesita un rellenador.

Composición típica en capas (el caso de uso canónico de agujero):

<!-- z=1 el plato con alfa inversa llena todo excepto la región del sujeto -->
<video
  src="plato.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 gráficos / texto viven entre las dos capas -->
<h1 id="titulo" style="z-index:2; ...">HACERLO EN HYPERFRAMES</h1>

<!-- z=3 el recorte flota al sujeto sobre el título -->
<div class="recorte-wrap" style="position:absolute;inset:0;z-index:3">
  <video
    src="sujeto.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Esto es funcionalmente equivalente al patrón de texto-detrás-del-sujeto a continuación, pero no necesitas el presentador.mp4 original en el proyecto: el plato lo reemplaza. Útil cuando quieres enviar solo las dos capas transparentes y permitir que el usuario coloque contenido arbitrario entre ellas.

Formato de Salida

FormatoCuándo
.webm (VP9 + alfa)Predeterminado. Las composiciones reproducen esto directamente mediante <video>.
.mov (ProRes 4444)Edición en DaVinci/Premiere/FCP. Archivos grandes.
.pngRecorte de imagen única (sujeto estático, superpuesto sobre un fondo).

Chrome decodifica VP9 alfa de forma nativa, por lo que el .webm se conecta a una composición como cualquier otro video con reproducción automática silenciada; consulta la habilidad hyperframes para las convenciones de pista <video>.

Preajustes de Calidad

--quality fast|balanced|best controla solo el CRF del codificador VP9: la calidad de segmentación es fija.

PreajusteCRFCuándo
fast30Iterando, archivo más pequeño, coincidencia de color suelta
balanced18Predeterminado. Visualmente idéntico para la mayoría de usos
best12Maestro / entrega final. Archivo más grande, coincidencia más precisa

Patrones de Composición — elige el correcto

El webm del recorte es una copia recodificada del RGB del mp4 de origen. Esa elección tiene consecuencias dependiendo de lo que coloques detrás:

PatrónQué hay detrás del recorteResultado
Recorte sobre una escena diferente (más común)Imagen estática, degradado o video no relacionadoSe ve genial. El RGB del recorte es la única fuente del sujeto: sin duplicación, sin halo de borde. Para esto está diseñado remove-background.
Recorte sobre su propio mp4 de origen (texto detrás del sujeto)El mismo mp4 del que se generó el recorteDos fuentes RGB para la misma persona. En el valor predeterminado --quality balanced (crf 18) la duplicación es apenas visible; en --quality fast (crf 30) verás un sutil cambio de color / halo de borde. Usa --quality best (crf 12) para masters.
Recorte sobre una toma diferente de la misma personaMetraje del mismo sujetoSe verá como dos personas separadas superpuestas. No hagas esto.

Texto detrás del sujeto (título detrás del presentador):

<video
  src="presentador.mp4"
  id="fondo"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="titulo" style="z-index:2; ...">HACERLO EN HYPERFRAMES</h1>
<div class="recorte-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="presentador.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Dos reglas clave:

  1. Envuelve el video del recorte en un <div> sin temporización y anima la opacidad del envoltorio, no la del elemento de video. El marco fuerza opacidad:1 en clips activos (cualquier elemento con data-start/data-duration), por lo que animar la opacidad del video directamente se anula silenciosamente. El envoltorio no tiene atributos data-*, por lo que es propiedad de tu CSS/GSAP.
  2. Ambos videos usan data-start="0" y data-media-start="0" para que el marco los decodifique sincronizados desde t=0. Montar el recorte tarde (data-start=3.3) introduce una búsqueda + calentamiento que aterriza un fotograma fuera del mp4 base — visible como un fotograma de desalineación en el corte.

Luego invierte la opacidad del envoltorio con GSAP en el corte: tl.set(recorteWrap, { opacity: 1 }, 3.3).

TTS → Transcribir → Subtítulos

Cuando no hay voz en off pregrabada, genera una y transcríbela para obtener marcas de tiempo a nivel de palabra para subtítulos:

npx hyperframes tts script.txt --voice af_heart --output narracion.wav
npx hyperframes transcribe narracion.wav   # → transcript.json

Ventajas

  • Sin latencia de red: todo se ejecuta en local.
  • Sin costos de API: Kokoro y Whisper son modelos abiertos.
  • Bucle de iteración rápido: generar, transcribir, ajustar voz/velocidad, regresar.

Individual skills in this repo

This repo contains 17 individual skills — each has its own dedicated page.

Biznomad/claude-skills

TikTok Ads deep analysis covering creative quality, tracking, bidding, campaign structure, and TikTok Shop. Evaluates 25 checks with emphasis on creative-first strategy, safe zone compliance, and Smart+ campaigns. Use when user says "TikTok Ads", "TikTok marketing", "TikTok Shop", "Spark Ads", "Smart+", or "TikTok campaign".

Biznomad/claude-skills

YouTube Ads specific analysis covering campaign types, creative quality, audience targeting, and measurement. Evaluates video ad performance across skippable, non-skippable, bumper, Shorts, and Demand Gen formats. Use when user says "YouTube Ads", "video ads", "pre-roll", "bumper ads", "YouTube campaign", or "Shorts ads".

Biznomad/claude-skills

Help users get promoted at work. Use when someone is preparing for a promotion conversation, building their case for advancement, trying to understand what's blocking their promotion, or figuring out how to get to the next level in their career.

Biznomad/claude-skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

Biznomad/claude-skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

Biznomad/claude-skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

Biznomad/claude-skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

Biznomad/claude-skills

Optimize landing pages for higher conversion rates using proven frameworks and design patterns. Use when designing, reviewing, or improving landing pages, hero sections, pricing pages, CTAs, or when the user asks about conversion optimization.

Biznomad/claude-skills

Building promotion cases, brag documents, tracking wins, and self-advocacy for career advancement. Use when preparing for promotions, documenting accomplishments, or building your case for advancement.

Biznomad/claude-skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

Biznomad/claude-skills

Produce programmable videos with Remotion using scene planning, asset orchestration, and validation gates for automated, brand-consistent video content.

Biznomad/claude-skills

Generate cinematic film-style video prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants cinematic, film-like, movie-quality, Hollywood-style, dramatic, or professional film-quality AI video. Triggers on: cinematic, film look, movie scene, dramatic lighting, depth of field, lens flare, anamorphic, letterbox, noir, epic, Steadicam, dolly, crane shot, or any cinematic video generation request. Always use this skill even if the user doesn't explicitly say "cinematic" but describes a film-like aesthetic.

Biznomad/claude-skills

为 Seedance 2.0(Higgsfield)生成电影级胶片风格视频提示词。在用户想要电影级、胶片感、电影质量、好莱坞风格、戏剧性或专业胶片质量的AI视频时使用。触发词:电影级、胶片感、电影场景、戏剧性打光、景深、镜头光晕、变形、信箱式、黑色电影、史诗、稳定摄像机、推车镜头、吊臂镜头或任何电影级视频生成请求。即使用户没有明确说"电影级"但描述了胶片美学,也要使用此技能。

Biznomad/claude-skills

Convert comic book panels, manga pages, webtoons, and illustrated storyboards into animated video using Seedance 2.0 on Higgsfield. Use whenever the user wants to animate comics, bring illustrations to life, convert manga to video, animate storyboards, or create motion from static sequential art. Triggers on: comic to video, manga animation, panel animation, storyboard to video, webtoon animation, comic book motion, sequential art, graphic novel animation, or any illustrate-to-animate request. Use even when user says "make this drawing move" or "animate this page.

Biznomad/claude-skills

Generate music video and beat-synced visual content prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants to create a music video, lyric video, beat-synced visuals, performance video, concert visual, album art animation, or music-driven visual content. Triggers on: music video, lyric video, beat sync, music visualization, performance video, concert visual, album visual, song video, music clip, beat drop visual, rhythm sync, or any music-driven video request. Use even for "make visuals for my song" or "video for this track.

Biznomad/claude-skills

Build, redesign, and deploy websites across any stack — static HTML, Next.js, Astro, or Shopify Liquid themes. Handles design systems, brand-aware layouts, component architecture, and deployment pipelines (Netlify, Vercel, Shopify API). Use when asked to build a website, redesign a site, create a landing page, build a web app, create Shopify sections/templates, or deploy web projects. Triggers on requests like "build me a website", "redesign this page", "create a landing page", "build a Shopify theme", "deploy to Netlify".

Biznomad/claude-skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

Skills relacionados