Communitygithub.com

you-decide-story

Convierte un párrafo de historia en un video vertical animado (1080x1920 MP4) con escenas SVG inline, movimientos GSAP, narración, subtítulos sincronizados, un reloj y una elección de dos palabras al final.

¿Qué es you-decide-story?

Este skill permite a un agente de IA (como Claude Code) transformar una historia corta de un párrafo en un video vertical tipo 'Tú decides' (Reel, Short o TikTok) completamente generado por código, sin necesidad de cámara ni generación de imágenes. El agente escribe un archivo `story.json` con la estructura del video (líneas narradas, subtítulos, reloj y una elección de dos palabras), genera la voz usando la API de voz del sistema (o ElevenLabs de forma opcional), crea un archivo HTML con escenas SVG inline y animaciones GSAP sincronizadas con la narración, y finalmente renderiza el video MP4 usando Playwright y FFmpeg. El skill es útil para creadores de contenido que quieren producir narrativas interactivas sin edición manual. Las principales limitaciones son: requiere Node.js v22+, FFmpeg, GSAP y Playwright instalados; la duración del video es de 20 a 45 segundos; y el video no incluye imágenes generadas externamente, solo gráficos vectoriales dibujados en código.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zeroedithq/claude-video-skills/tree/HEAD/you-decide-story

Preguntar en tu IA favorita

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

Documentación

Tú Decides la Historia

Creas un video vertical corto (1080 x 1920, entre 20 y 45 segundos) que cuenta una pequeña historia y se detiene en una elección. Nada se filma y no se genera ninguna imagen. Dibujas cada escena como SVG inline, GSAP las anima, un narrador lee las líneas y un script renderiza los fotogramas en un MP4. El usuario te da un párrafo. Tú devuelves el video renderizado.

Las cuatro partes

Cada episodio tiene las cuatro.

  1. Una premisa de una oración, dicha en los primeros tres segundos. Segunda persona, tiempo presente: "Conduces el último autobús de la noche." El patrón es: tú, un lugar, un detalle que está ligeramente mal. El espectador sabe quién y dónde está antes de poder desplazarse.
  2. Un reloj o contador que permanece en pantalla en la franja superior y cambia al menos una vez. "11:58 PM" se convierte en "11:59 PM". "3 CERILLAS" se convierte en "2 CERILLAS". El cambio le dice al espectador que el tiempo se acaba.
  3. Una escena dibujada por cada línea de la historia. La historia tiene de 5 a 7 líneas. Cada línea tiene su propia imagen y su propio subtítulo. La imagen cambia en el segundo en que el narrador comienza la línea.
  4. Una elección de dos palabras al final. La pantalla se oscurece y pregunta ¿TÚ QUÉ HARÍAS? Luego dos opciones, una palabra cada una (por ejemplo RESPONDER / NO HACER), luego COMENTA UNA PALABRA. La historia no se resuelve. La elección es el final.

Archivos

SKILL_DIR a continuación es la carpeta donde se encuentra este archivo. Usa su ruta absoluta real en los comandos. Claude Code la muestra cuando el skill se carga. De lo contrario, es .claude/skills/you-decide-story en el proyecto, o ~/.claude/skills/you-decide-story.

SKILL_DIR/scripts/voice.mjs       story.json -> audio del narrador + timing.json
SKILL_DIR/scripts/render.mjs      página del episodio -> fotogramas de verificación, o el MP4
SKILL_DIR/template/episode.html   la página que copias para cada episodio

Un episodio es una carpeta dentro del proyecto del usuario, nombrada según la historia:

last-bus/
  story.json       lo escribes tú (paso 1)
  timing.json      voice.mjs lo escribe (paso 2). Nunca lo edites a mano.
  audio/           voice.mjs lo escribe (paso 2)
  episode.html     copiado de la plantilla (paso 3), luego dibujas en él
  out/check/       fotogramas de verificación (paso 6)
  out/episode.mp4  el video (paso 8)

Antes del primer episodio

Ejecuta esto en la carpeta del proyecto del usuario:

node --version           # debe ser v22 o más reciente
ffmpeg -version          # debe imprimir una versión
npm ls gsap playwright   # ambos deben estar listados

Si falta gsap o playwright, instálalos en la carpeta del proyecto: npm install gsap playwright, luego npx playwright install chromium. Si falta Node.js o ffmpeg, detente y dile al usuario qué instalar.

Pasos

Haz los pasos en este orden. No renderices el video completo antes de que el paso 7 esté limpio.

Paso 1. Escribir story.json

Convierte el párrafo del usuario en 5 a 7 líneas más la elección. El párrafo debe responder cuatro preguntas: dónde estás, qué hora es (o qué se está agotando), quién o qué llega, cuáles son las dos palabras al final. Si falta alguna, invéntala y dilo en tu informe final. No te detengas a preguntar. Si esta es una parte posterior de una serie, el usuario te dice qué palabra ganó. Empieza con ella.

{
  "title": "LAST BUS",
  "lines": [
    { "id": "l1", "say": "Conduces el último autobús de la noche.", "caption": "Conduces el último autobús.", "clock": "11:58 PM", "pause": 0.8 },
    { "id": "l2", "say": "Un hombre te hace señas. No hay parada aquí.", "caption": "Un hombre te hace señas. No hay parada.", "clock": "11:59 PM" }
  ],
  "choice": {
    "question": "¿TÚ QUÉ HARÍAS?",
    "a": "PARAR", "aNote": "dejarlo subir",
    "b": "SEGUIR", "bNote": "continuar",
    "say": { "question": "¿Tú qué harías?", "a": "Parar.", "b": "O seguir.", "cta": "Comenta una palabra." }
  }
}
CampoQué es
titleLa etiqueta en la franja superior. De una a tres palabras. Se dibuja en mayúsculas.
lines[].idl1, l2, ... en orden de la historia. Los grupos de escenas y el código de movimiento usan estos ids.
lines[].sayLo que dice el narrador. Una o dos oraciones cortas, de 4 a 12 palabras, en tiempo presente.
lines[].captionLo que se escribe en pantalla. La línea reducida a su esencia, menos de unos 40 caracteres.
lines[].clockEl texto en la franja superior mientras esta línea está en pantalla. Repite el valor para mantenerlo. Cámbialo al menos una vez, en la línea donde la presión aumenta.
lines[].pauseOpcional. Segundos de silencio después de la línea, para una imagen que necesita tiempo (una puerta abriéndose, un teléfono sonando). Por defecto 0.3.
choice.a, choice.bUna palabra cada una, en mayúsculas.
choice.aNote, choice.bNoteDos o tres palabras en minúsculas que indican qué significa la palabra aquí.
choice.questionPor defecto ¿TÚ QUÉ HARÍAS?.
choice.sayLo que dice el narrador mientras se construye la tarjeta, en cuatro partes, para que cada palabra caiga cuando se habla.

Reglas para las líneas:

  • l1 es la premisa. Segunda persona, tiempo presente, 8 palabras o menos, para que termine dentro de 3 segundos.
  • Conserva las oraciones del usuario donde ya encajen. Si el párrafo comienza con una oración en segunda persona, tiempo presente, de 8 palabras o menos, esa oración es l1, palabra por palabra.
  • Una línea es una imagen. Si una línea necesita dos imágenes, divídela en dos líneas.
  • La última línea antes de la elección deja la pregunta abierta. No la respondas.
  • La historia es original. Consulta las reglas de dibujo.

Paso 2. Hacer la voz y timing.json

node SKILL_DIR/scripts/voice.mjs last-bus
  • En una Mac esto usa la voz say integrada. Es gratuita. --voice Daniel y --rate 172 son los valores predeterminados. Para una historia en otro idioma, pasa una voz de ese idioma (enuméralas con say -v '?').
  • --provider elevenlabs --voice <voice_id> usa ElevenLabs. Necesita ELEVENLABS_API_KEY y cuesta créditos al usuario. Úsalo solo cuando el usuario lo solicite.
  • --provider silent escribe silencio de una duración estimada. Úsalo cuando el sistema no tenga voz. Dile al usuario que el video no tiene narración.

El script imprime el segundo de inicio y fin de cada línea y escribe audio/voice.wav y timing.json. También verifica el formato e imprime una línea Warning: para cada problema: la premisa termina después de 3 segundos, el reloj nunca cambia, una elección tiene más de una palabra, una línea está en pantalla menos de 2 segundos. Corrige cada advertencia en story.json y vuelve a ejecutar el script. Vuelve a ejecutarlo después de cualquier cambio en un texto say.

timing.json es el único reloj del episodio:

{ "duration": 24.6, "lines": [ { "id": "l1", "start": 0.3, "end": 2.71 }, { "id": "l2", "start": 3.51, "end": 6.4 }, { "id": "choice", "start": 19.2, "end": 19.9 } ] }

Paso 3. Copiar la plantilla

cp SKILL_DIR/template/episode.html last-bus/episode.html

Lee la copia una vez. Editas dos lugares en ella: las escenas (SVG) y la función motion. El resto es el motor. Desde story.json y timing.json, el motor ya temporiza los cortes de escena, el zoom lento de cada escena, los subtítulos, el reloj y la tarjeta de elección. No los temporices de nuevo y no edites el motor.

Cambia la copia con tu herramienta de edición de archivos. El episodio sigue siendo un archivo HTML: no lo dividas en partes y no escribas un script de compilación.

Paso 4. Dibujar las escenas

Dentro de <g id="scenes">, elimina las dos escenas de muestra y dibuja un grupo por línea:

<g class="scene" id="scene-l2" data-caption-y="1400">
  <!-- fondo primero, luego cosas, luego personas -->
  <g transform="translate(540 1250) scale(1.12) translate(-540 -1250)">
    <g id="l2-man"> ... </g>
  </g>
</g>
  • El id del grupo es scene- más el id de la línea. El motor lo muestra desde el inicio de su línea hasta que comienza la línea de la siguiente escena.
  • Dale a cada parte que se moverá su propio grupo con nombre, y comienza el nombre con el id de la línea (l2-man, l2-arm). Los ids deben ser únicos en la página.
  • El tamaño y la posición van en un grupo externo como transform. El movimiento va en el grupo con nombre dentro de él. Nunca hagas tween a un elemento que tenga un atributo transform, y nunca hagas tween o transformes a un grupo .scene.
  • Una línea puede mantener la escena anterior (no dibujar ningún grupo para ella) solo cuando la imagen cambia claramente en esa línea mediante movimiento: alguien se va, una luz se apaga, un teléfono se ilumina.

El escenario es de 1080 x 1920. Una unidad es un píxel del video.

yQué va allí
0 a 182Franja superior: etiqueta y reloj. El motor lo dibuja. Mantén el área detrás de él simple.
250 a 1250La imagen. El sujeto principal vive aquí y la llena.
1290 a 1500Banda de subtítulos. Un color oscuro y plano detrás de las palabras: un mostrador, un piso, una carretera, una pared.
1560 a 1920Cubierto por los botones de la aplicación en teléfonos. Nada que la historia necesite.

data-caption-y en una escena mueve su subtítulo (por defecto 1400, el centro de la banda de subtítulos). data-zoom establece el zoom lento (por defecto 1.06, 1 para ninguno).

Paso 5. Escribir el movimiento

Reemplaza el cuerpo de function motion({ tl, show, line }) con el movimiento de tus escenas.

const l1 = line('l1'), l2 = line('l2');   // { start, end, next } en segundos, desde timing.json

// caer desde arriba del fotograma y rebotar
show('#l2-bag', l2.start + 1.0);
tl.fromTo('#l2-bag', { y: -1400 }, { y: 0, duration: 0.55, ease: 'bounce.out' }, l2.start + 1.0);
// caminar hacia la derecha
tl.to('#l3-man', { x: 900, duration: 1.3, ease: 'power2.in' }, l3.start + 1.4);
// sacudida: un teléfono sonando gira un poco alrededor de su propio centro
tl.to('#l4-phone', { rotation: 3, svgOrigin: '290 1680', duration: 0.06, repeat: 40, yoyo: true, ease: 'none' }, l4.start);
// pulso: arcos de llamada, una luz de advertencia
tl.fromTo('#l4-rings', { opacity: 0 }, { opacity: 1, duration: 0.3, repeat: 7, yoyo: true, ease: 'sine.inOut' }, l4.start + 0.1);
// algo que dura toda la escena
tl.fromTo('#l1-road', { x: 0 }, { x: -520, duration: l1.next, ease: 'none' }, 0);

Reglas. Son las que mantienen la imagen sincronizada con la voz:

  • Cada segundo de inicio proviene de timing.json. Escríbelo como line('<id>').start más un desplazamiento dentro de esa línea. 0, el primer fotograma, es el único número desnudo permitido. No se permite un segundo fijado a mano como 6.4: cuando la voz se vuelva a hacer, se desplazaría.
  • line(id).start es el corte a la escena de esa línea. .end es donde el narrador se detiene. .next es donde comienza la siguiente línea. line('choice') es la tarjeta de elección.
  • Una forma que aparece más tarde necesita show(el, start) en el mismo segundo que su tween de entrada. show(el, start, end) lo oculta antes de start y después de end.
  • Solo tweens. No uses tl.call, no onComplete, no Math.random(), no temporizadores. El renderizador salta a cada fotograma, por lo que solo se dibujan los valores animados.
  • La rotación y la escala necesitan svgOrigin: 'x y', el punto alrededor del cual giran, en unidades del escenario.
  • Dale a cada escena una o dos cosas en movimiento además del zoom: una entrada, un gesto, una luz. Una escena donde nada se mueve se lee como una diapositiva.

El motor se detiene con un mensaje claro cuando un tween no tiene segundo de inicio, cuando un selector no coincide con nada, o cuando story.json y timing.json ya no coinciden.

Paso 6. Renderizar fotogramas de verificación y mirarlos

node SKILL_DIR/scripts/render.mjs last-bus --frames auto

Esto escribe archivos PNG en last-bus/out/check/: el primer fotograma, un fotograma justo después de cada corte (-cut), uno en medio de cada línea (-mid) y el último fotograma. Lee cada línea Note: que imprime.

Abre cada PNG con la herramienta Read, uno a la vez, a tamaño completo. No te saltes fotogramas y no juzgues desde la lista de archivos. En cada fotograma verifica:

  1. Una escena está en pantalla, y es la correcta para la línea.
  2. El subtítulo se puede leer de inmediato. Nada brillante o detallado está detrás de él.
  3. El sujeto principal de la línea llena al menos un tercio del área de la imagen.
  4. Nada está en el fotograma que no haya llegado todavía. Compara cada fotograma -cut con los desplazamientos en tu código de movimiento.
  5. Ningún texto es cortado por el borde de su cuadro o del fotograma.
  6. El reloj muestra el valor que story.json da para esta línea.
  7. El primer fotograma ya muestra el lugar y el sujeto principal.
  8. El último fotograma muestra la pregunta, ambas palabras, ambas notas y COMENTA UNA PALABRA.

Paso 7. Corregir y verificar de nuevo

Corrige lo que viste. Usa la lista a continuación. Luego renderiza los fotogramas de nuevo y mira de nuevo. Por un momento puedes pedir segundos exactos: --frames 6.5,7.2. Repite hasta que cada fotograma pase las ocho verificaciones. Mirar una vez no es suficiente: una corrección a menudo mueve el problema.

Paso 8. Renderizar el video

node SKILL_DIR/scripts/render.mjs last-bus

Imprime una línea de progreso cada 150 fotogramas y termina con el conteo de fotogramas y los segundos que tomó. El archivo es last-bus/out/episode.mp4. --out name.mp4 cambia el nombre. --width, --height y --fps cambian el tamaño y la velocidad de fotogramas (por defecto 1080 x 1920, 30). Luego confirma que el archivo tiene imagen y sonido:

ffprobe -v error -show_entries stream=codec_type:format=duration -of default=nw=1 last-bus/out/episode.mp4

Paso 9. Informar

Dile al usuario: la ruta del MP4, su duración, la premisa, las dos palabras, cualquier cosa que hayas inventado y cualquier advertencia que no hayas podido eliminar.

Fallos conocidos y correcciones

Estos cuatro ocurrieron en el primer episodio hecho de esta manera. Búscalos en cada fotograma de verificación.

  1. Una forma es visible antes de que comience su animación de entrada. La ves en un fotograma -cut: algo que debería llegar más tarde ya está ahí, a menudo colgando en un lugar extraño. En el primer episodio, una bolsa colgó frente a la cara de un hombre durante un segundo antes de caer. Causa: un tween pone su forma en la posición inicial desde el segundo 0, y esa posición estaba dentro del fotograma. Corrección: escóndela hasta su inicio con show('#l2-bag', l2.start + 1.0) en el mismo segundo que el tween, y comienza la entrada fuera del fotograma (y: -1400, no y: -400).
  2. Un subtítulo se coloca sobre un área ocupada. Las palabras yacen sobre estantes, ventanas, una cara o formas brillantes. Corrección: mueve el subtítulo a una banda tranquila. Establece data-caption-y en esa escena a una y donde el fondo sea de un color oscuro y plano, o redibuja la escena para que y 1290 a 1500 esté tranquilo. No hagas el subtítulo más pequeño para que quepa entre las cosas.
  3. El sujeto principal es demasiado pequeño en el fotograma o está demasiado bajo en la imagen. En el primer episodio, la cara del conductor estaba a la altura de los subtítulos y no se podía leer la palabra "tú". Corrección: coloca la escena en el centro de la imagen (y 750 a 950 para las caras), y escala los grupos para que un adulto mida unos 400 píxeles de alto. Ajusta la parte x para que el sujeto se superponga con el centro y no esté empujado contra el borde izquierdo.
  4. La última línea antes de la elección responde la pregunta. El narrador dice "Decides dejar que suba" y luego la tarjeta pregunta "¿TÚ QUÉ HARÍAS?" - pero la historia ya ha sido contada. Corrección: termina la penúltima línea en un estado abierto: "Llegas al final de la ruta. No hay nadie." - el espectador no sabe lo que hará el conductor. Entonces la tarjeta de elección puede preguntar.

Nota sobre el archivo de voz

Voice.mjs busca voice.wav en la carpeta audio/ del episodio. Si el archivo no existe, lo genera usando el proveedor predeterminado (voz del sistema en macOS). Si estás en un sistema que no tiene say (Linux, Windows sin WSL configurado), pasa --provider silent para generar silencio.

Elección de palabras

Las dos palabras de la elección deben ser opuestos o elecciones claras. Ejemplos: ENTRAR / SALIR, HABLAR / CALLAR, QUEDAR / IR. La nota debajo de cada palabra explica la acción en 2-3 palabras.

Skills relacionados