Communitygithub.com

make-video

Genera Shorts animados y con voz (1080×1920) a partir de una guía o tema: divide la guía en partes, escribe la narración, construye escenas cinéticas sincronizadas con palabras, las vocaliza con Kokoro TTS y renderiza MP4. Úsalo cuando el usuario solicite crear, generar, renderizar o volver a renderizar un short, video, parte o episodio, o convertir un documento en una serie de Shorts.

¿Qué es make-video?

Este skill permite a un agente de IA (como Claude Code, Cursor o Codex) convertir automáticamente guías de estudio o cualquier tema en una serie de YouTube Shorts animados, con voz y en formato vertical (1080×1920). El proceso comienza analizando el material fuente y proponiendo una división en partes lógicas, cada una de unos 90–125 segundos, que debe ser aprobada por el usuario. Luego se escribe la narración (sin rodeos ni símbolos), se generan escenas cinéticas sincronizadas palabra a palabra usando un pipeline de Python (con soporte para bloques declarativos o clases Scene personalizadas) y se sintetiza la voz mediante Kokoro TTS. El render final produce un MP4 con diseño visual de una sola columna, texto grande y sin subtítulos quemados. El skill se apoya en un directorio `video_gen/` con scripts como `kinetic_build.py`, `build_part.py` y `voice.py`, y requiere tener `ffmpeg` disponible. Está diseñado para ser usado en proyectos existentes o nuevos, y ofrece comprobaciones de linting y sincronización antes del render definitivo.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rana3128/claude-skills-plugins/tree/HEAD/plugins/video-gen/skills/make-video

Preguntar en tu IA favorita

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

Documentación

Crear Shorts cinéticos con voz

Todo se renderiza con el pipeline incluido en pipeline/ junto a este archivo (el "Directorio base para este skill" que se muestra al cargar el skill).

0. Configuración (una vez por proyecto)

Si el proyecto no tiene una carpeta video_gen/ con kinetic_build.py, créala:

mkdir -p video_gen && cp <directorio del skill>/pipeline/* video_gen/
cd video_gen
python3 -m venv .venv && .venv/bin/pip install -r requirements.txt            # dibujo (Python 3.11+)
python3.12 -m venv .venv-tts && .venv-tts/bin/pip install -r requirements-tts.txt  # Kokoro voz

ffmpeg debe estar en el PATH. voice.py ejecuta el worker de TTS en .venv-tts junto a él. Ejecuta todos los comandos desde video_gen/.

1. Lee las reglas

  • DESIGN.md - el estilo visual cinético. Reglas estrictas: las cajas se apilan en una sola columna de ancho completo, nunca una al lado de la otra; sin barras decorativas en los bordes de las cajas; texto grande; cada elemento aparece en su palabra hablada; los títulos caben en una línea (unas 30 caracteres); sin subtítulos incrustados.
  • PARTS.md - el formato de part.md, reglas de narración y cómo dividir una guía. No leas engine_short.py, templates.py ni skin.py a menos que los estés depurando.

2. Serie nueva: dividir primero, obtener aprobación

  1. Analiza la guía fuente y propón una lista de partes (un concepto por parte, de unos 90–125 s cada una). Detente para obtener la aprobación del usuario. Nunca recortes contenido para alcanzar una longitud; en su lugar, añade ejemplos y el "por qué".
  2. Escribe cada <serie>/pNN_<slug>/part.md, más <serie>/README.md con el análisis y una tabla de partes.
  3. Agrega la carpeta de la serie a SERIES en build_part.py (introducción + pie de página). Opcionalmente agrega una marca de logotipo a MARKS en kinetic.py.
  4. Revisa la narración: .venv/bin/python build_part.py <directorio de la parte> --lint y corrige cualquier problema. Narración: sin resumen, sin bienvenida, ve directo al tema; sin símbolos ni código; deletrea los acrónimos para la voz; los beats tienen como máximo 45 palabras.

3. Escenas

Cada parte obtiene un scenes.py que define SCENES. Dos estilos (ver examples/):

  • Bloques de etapa declarativos (preferido, rápido): SCENES = K.part(palabra, etiqueta, chips, [[bloques...], ...]) usando Track, Pipe, Rows, Code, Lanes, Bars, Ring, Fan, Chips, Big, Note. Una cue es un prefijo de palabra (buscado después de la cue anterior del bloque), (palabra, beat) o un número de beat. Ejemplo: examples/p03_*.
  • Clases Scene escritas a mano para una metáfora que los bloques no pueden mostrar. Ejemplo: examples/p01_*. Enumera las palabras cue en orden hablado, o las cues aparecerán como MISSING.

4. Verifica, luego renderiza

.venv/bin/python kinetic_build.py <directorio de la parte> --stills /tmp/pNN.png   # hoja de contacto + informe de cues
.venv/bin/python kinetic_build.py <directorio de la parte> --out <serie>/output   # <slug>_voiced.mp4 final
.venv/bin/python cue_scan.py <serie>/p*_*                           # verificación de sincronización solo texto

Corrige cualquier cue MISSING y overflow antes del render final. Para una serie completa, renderiza las dos primeras partes y obtén la aprobación del usuario sobre el aspecto, luego ejecuta el resto de 3 en 3 en segundo plano (xargs -P 3).

5. Informe

Una tabla: enlace MP4, tema, duración, silencio más largo (objetivo inferior a 1 s). Marca las partes renderizadas en el README de la serie. Indica claramente lo que no se ha comprobado (fotogramas no vistos, audio no escuchado).

Nunca

  • Pongas cajas una al lado de la otra, barras decorativas en los bordes, texto pequeño ni subtítulos incrustados.
  • Propongas calibración de voz por vídeo; la sincronización está basada en palabras y es genérica.
  • Edites engine_short.py directamente; build_part.py lo modifica en memoria.

Skills relacionados