Communitygithub.com

1999AZZAR/designer-mcp

Paquete un video existente de entrevista/podcast con tarjetas gráficas animadas diseñadas (títulos, tercios inferiores, citas, paneles laterales, imagen en imagen), sincronizadas con la transcripción, sobre un lienzo 16:9 / 9:16 / 4:5 de tu elección; el clip se reproduce intacto debajo.

¿Qué es designer-mcp?

Esta habilidad transforma un video local de entrevista o presentación (talking head) en una pieza empaquetada profesionalmente, superponiendo tarjetas gráficas animadas y diseñadas (títulos, tercios inferiores, destacados de datos, citas, paneles laterales, imagen en imagen) que se sincronizan con la transcripción del audio. El video original se reproduce completo sin modificaciones, mientras las tarjetas aparecen en los momentos precisos para reforzar el mensaje. A diferencia de los subtítulos simples, estas tarjetas son elementos visuales completos con HTML y animaciones GSAP, diseñadas por el agente en función del contenido real de la transcripción. La habilidad funciona localmente usando la CLI `hyperframes` y Whisper para transcripción, sin necesidad de servicios externos ni claves API. Soporta múltiples proporciones de lienzo (16:9, 9:16, 4:5) y permite inspeccionar todos los archivos intermedios (metadatos, audio, transcripción, storyboard, HTML de tarjetas) para depuración o ajustes.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/1999AZZAR/designer-mcp/tree/HEAD/skills/video/engine/talking-head-recut

Preguntar en tu IA favorita

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

Vista previa

Del README del skill

Documentación

Primero, mantén esta habilidad actualizada — confirma con el usuario antes de ejecutar: npx hyperframes skills update talking-head-recut. Una operación rápida que no hace nada si todo está actualizado; de lo contrario, actualiza esta habilidad y las habilidades del dominio central de las que depende antes de confiar en ellas.

Recorte de Talking Head

Recorte de Talking Head toma un video local que se reproduce completo y superpone una secuencia de tarjetas gráficas diseñadas y sincronizadas — títulos, tercios inferiores, destacados de datos, citas, paneles laterales, imagen en imagen — sincronizadas con lo que se dice. El agente diseña las tarjetas (tiempo + contenido) y escribe el HTML de cada tarjeta directamente en la conversación, luego ensambla un único HTML de composición y lo renderiza a MP4 mediante hyperframes. No hay una lista fija de arquetipos ni una estructura de tarjeta prescrita: las superposiciones surgen de lo que realmente dice la transcripción.

La puerta de entrada es /hyperframes. Esta habilidad empaqueta un clip de talking head existente con tarjetas gráficas diseñadas (títulos, tercios inferiores, destacados de datos, citas, paneles laterales, PiP) — no subtítulos simples (las palabras habladas como texto). El clip se reproduce intacto. Cualquier otra intención — subtítulos simples, un gráfico independiente, un video desde cero — o cualquier incertidumbre → lee /hyperframes primero: la capa de intención es dueña de cada decisión de ruta.

Hermano de empaquetado gráfico de embedded-captions. Los subtítulos agregan las palabras habladas como un subtítulo legible; esto agrega gráficos diseñados sobre el video en reproducción. Subtítulos simples → embedded-captions. Construir un video desde cero → los flujos de trabajo de creación (product-launch-video / faceless-explainer / …).

Enrutado a través de /hyperframes, la capa de intención confirma solo la entrada (qué clip) y anuncia las preguntas de estrategia de renderizado como solicitudes diferidas — aspecto, diseño, grupo de estilo y conteo de tarjetas permanecen en el Paso 7, donde el material grabado y la transcripción fundamentan las recomendaciones; las preguntas de forma de ejecución de la capa no aplican. Un BRIEF.md, cuando está presente, contiene la entrada confirmada y cualquier nota del usuario — léelo primero.

Archivos intermedios inspeccionables en el directorio de trabajo:

  • metadata.json — duración / ancho / alto / fps
  • audio.mp3 — audio extraído
  • transcript.json — un array de palabras plano [{ text, start, end }, …] (Whisper; sin segments, sin envoltorio words)
  • storyboard.json — esquema ligero de tarjetas (el plan del agente)
  • public/cards/card-XX.html — un fragmento HTML por tarjeta
  • public/index.html — composición final ensamblada
  • output.mp4 — video renderizado

Resolución CLI

# hyperframes — transcripción (Whisper local) + renderizado del HTML ensamblado a MP4
npx hyperframes --help

Esta habilidad se ejecuta completamente en la CLI hyperframes más ffmpeg / ffprobe del sistema. La transcripción es Whisper local mediante hyperframes transcribe — sin servicio de terceros, clave API ni proxy con límite de velocidad.

Flujo de Trabajo

1. Verificar Entorno

npx hyperframes doctor          # ffmpeg, navegador sin cabeza, dependencias de renderizado
# confirmar activos empaquetados:
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"

Requerido:

  • ffmpeg / ffprobe (sistema)
  • <SKILL_DIR>/assets/fonts/*.woff2, <SKILL_DIR>/assets/vendor/gsap.min.js (empaquetados dentro de esta habilidad, preparados en el directorio de trabajo en el Paso 9)

La transcripción no necesita clave — hyperframes transcribe ejecuta Whisper localmente (Paso 4).

Altamente recomendado en macOS para hyperframes render:

export PRODUCER_BROWSER_GPU_MODE=hardware

2. Crear un Directorio de Trabajo

Todos los artefactos viven bajo videos/<nombre-proyecto>/ — la misma convención que los otros flujos de trabajo de video (product-launch-video / faceless-explainer / pr-to-video). Mantén el directorio de trabajo actual en la raíz del espacio de trabajo; todo lo siguiente escribe bajo este único subdirectorio.

VIDEO_PATH="/ruta/absoluta/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"

3. Extraer Audio y Metadatos

# metadatos — duración / ancho / alto / fps
ffprobe -v error -select_streams v:0 \
  -show_entries stream=width,height,r_frame_rate \
  -show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# audio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"

Salidas: metadata.json (leer width/height/duration; fps = la fracción r_frame_rate evaluada, ej. 30000/1001 → 29.97) + audio.mp3.

4. Transcribir

npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en

Whisper local — sin clave API, sin proxy, sin límite de velocidad. Escribe un transcript.json a nivel de palabra en el directorio de trabajo (texto de palabra text + marcas de tiempo start / end). Léelo para las temporizaciones de palabra/oración que impulsan la temporización de las tarjetas en el Paso 6; agrupa las palabras en oraciones tú mismo en signos de puntuación/pausas si necesitas fragmentos a nivel de segmento.

Limitar a la duración del medio. Whisper puede devolver el end de la última palabra un poco más allá de la duración real del clip — limita cada endSec de tarjeta y composition.durationSeconds a la duración de metadata.json, o el renderizado mostrará una cola negra después del video.

5. Corregir Transcripción

transcript.json es un array plano de objetos de palabra — [{ "text": "...", "start": s, "end": s }, …] (sin array segments, sin envoltorio words; la clave por palabra es text). Léelo y corrige errores obvios de ASR:

  • Homófonos, nombres de productos, términos técnicos, puntuación
  • Edita el texto de una palabra en su lugar; preserva sus marcas de tiempo start / end
  • No hay un array preagrupado segments — agrupa las palabras en oraciones tú mismo (divide en puntuación terminal / pausas) cuando necesites fragmentos a nivel de segmento para la temporización de tarjetas

6. Redactar un Storyboard Ligero (en el chat)

No hay CLI involucrada. Lee transcript.json + metadata.json y diseña tarjetas directamente. storyboard.json es un artefacto de planificación interna del agente — ningún comando CLI lo consume; existe para que puedas pensar claramente sobre la temporización y el contenido antes de escribir el HTML de cada tarjeta. Mantén la forma consistente con el ejemplo a continuación para que el mismo esquema pueda impulsar la composición que autoras en el Paso 9:

{
  "schemaVersion": 3,
  "composition": {
    "fps": 30,
    "width": 1080,
    "height": 1920,
    "durationSeconds": 121.2,
    "layout": "portrait",
    "themeId": "noir",
    "seed": 42
  },
  "videoTrack": {
    "sourcePath": "input-video.mp4",
    "startSec": 0,
    "endSec": 121.2,
    "bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
  },
  "subtitles": { "enabled": false },
  "cards": [
    {
      "id": "card-01",
      "intent": "Enganchar con la pregunta ansiosa de medianoche del orador",
      "startSec": 0.5,
      "endSec": 13.0,
      "accentIndex": 0,
      "zone": "fullscreen",
      "contentHints": {
        "kicker": "UNA PREGUNTA HONESTA",
        "title": "La pregunta de introspección a las 11 PM",
        "detail": "Mensaje de voz de 60 segundos del cliente: 'Si el RMB se aprecia, ¿significa eso que mi póliza en USD es una pérdida terrible?'"
      }
    }
  ]
}

Campos requeridos de la tarjeta:

campotipopropósito
idstringid estable utilizado en HTML de tarjeta y selectores GSAP
intentstringdescripción en lenguaje natural; alimenta la síntesis de tarjetas
startSec / endSecnumbertiempos en segundos (endSec > startSec)
accentIndex0 | 1 | 2 | 3 | 4cuál de los 5 colores de acento del tema usa esta tarjeta
zoneenum (ver más abajo)dónde en el lienzo vive la tarjeta
contentHintsobjectbolsa de forma libre; el agente coloca kicker/title/detail/data/quote aquí
archetype (opcional)stringetiqueta de forma libre que puedes adjuntar para recordar un patrón de tarjeta; ausente = forma libre, que es el predeterminado
transition (opcional)enum: cut | fade | slide | wipetransición declarativa de tarjeta a tarjeta

Cinco valores de zone:

zonalímites resueltoscuándo usar
fullscreencubre todo el lienzomomentos heroicos, grandes números, mantras
whiteboard-areamargen interno de 40px (o 45% de la altura vertical)datos densos / contenido anotado
lower-thirdbanda inferior del 30%anotación sobre video visible
side-panel42% derecho (horizontal) o 40% inferior (vertical)datos a un lado, video al otro
video-overlaylienzo completo, espera tarjeta mayormente transparentesuperposiciones de anotación sobre video a sangre

Cuando ensambles la composición en el Paso 9, resuelve la zone de cada tarjeta en límites de píxeles en el contenedor anfitrión de la tarjeta siguiendo la tabla anterior. Los límites del video se establecen una vez a nivel de composición (videoTrack.bounds); para hacer que el video parezca "moverse entre tarjetas", crea interpolaciones GSAP contra #video-wrap en el <script> de la composición (ver Paso 9).

Sin roles de tarjeta prescritos, sin arco narrativo prescrito. Las tarjetas surgen de lo que realmente dice el video — podrían ser todas citas o todos datos, podrían abrir con un número o con una historia. Deja que la transcripción impulse el ritmo.

¿Cuántos puntos clave? — inferir automáticamente de la duración + densidad. Sin límite superior fijo. Elige un ritmo base de la duración del video, luego ajusta por densidad de información. Solo el mínimo es fijo: mínimo 5 tarjetas para que incluso videos cortos tengan ritmo.

Paso 1 — ritmo base por duración (el seg/tarjeta natural para densidad media):

duración del videoritmo base (seg por tarjeta)justificación
< 60s (reel corto)6–8slos espectadores esperan cortes rápidos en formato corto
60s – 3 min8–12sritmo social normal
3 – 10 min12–20sda espacio para respirar; cada tarjeta lleva más
10 – 30 min20–35sritmo de conferencia / entrevista de formato largo
> 30 min30–60sepisódico, sensación de casi capítulo

Paso 2 — multiplicador de densidad (multiplica el ritmo base):

señal en la transcripciónmultiplicadorefecto
Alta densidad — muchos números, afirmaciones distintas, ritmo entrecortado, enumeración tipo lista, cada 1–2 oraciones es una idea nueva× 0.7corta más rápido, más tarjetas
Densidad media — flujo mixto con datos y narrativa× 1.0ritmo base
Baja densidad — una historia extendida, reencuadre repetido, ritmo reflexivo lento, un solo argumento que se desarrolla× 1.5corta más lento, menos tarjetas

Paso 3 — calcular:

segPorTarjeta = ritmoBase × multiplicadorDensidad
conteoTarjetas = max(5, round(duraciónVideoSeg / segPorTarjeta))

Ejemplos (nota — sin límite superior; los videos largos producen naturalmente más tarjetas):

  • Reel de 30s, único remate (baja densidad) → 7 × 1.5 = 10.5s/tarjeta → round(30/10.5)=3 → mínimo a 5 tarjetas
  • Monólogo reflexivo de 60s (baja densidad) → 10 × 1.5 = 15s/tarjeta → 4 → mínimo a 5 tarjetas
  • Talking head de 121s con datos ricos (alta densidad) → 10 × 0.7 = 7s/tarjeta → 17 tarjetas
  • Entrevista de 5 min, densidad mixta → 16 × 1.0 = 16s/tarjeta → 19 tarjetas
  • Inmersión profunda de 10 min, alta densidad → 16 × 0.7 = 11s/tarjeta → 55 tarjetas
  • Conferencia de 30 min, densidad media → 28 × 1.0 = 28s/tarjeta → 64 tarjetas
  • Podcast de 1 hr, baja densidad → 45 × 1.5 = 67.5s/tarjeta → 53 tarjetas

Cuando una tarjeta dura más de ~15s, planifica una tarjeta más rica (bloque de datos, revelación en varios pasos, varios subpuntos que se despliegan con animaciones escalonadas) — una línea única estática se vuelve aburrida después de 8s. Para piezas largas donde muchas tarjetas exceden los 30s, considera dividir la línea de tiempo en subcomposiciones (un .html por capítulo, montado con data-composition-src) para que la línea de tiempo de GSAP por archivo se mantenga manejable — ver la advertencia de lint timeline_track_too_dense de HyperFrames.

content puede ser una cadena simple ("Título: 5.69% anualizado\nNotas: ...") o cualquier forma JSON que capture los datos. El agente decide la forma por tarjeta.

Outro opcional. Esta habilidad no incluye ningún outro de marca fijo. Si el usuario quiere una tarjeta de cierre, diseña una neutral tú mismo (marca de agua + eslogan de una línea, ~1.5-2s, fundido de entrada -> breve pausa -> fundido de salida), añádela a cards[] y extiende composition.durationSeconds hasta su endSec. De lo contrario, termina en la última tarjeta de contenido.

7. Decidir Estrategia de Renderizado

Confirmar Dirección Visual con el Usuario (HAZ ESTO PRIMERO)

Antes de comenzar a diseñar tarjetas o decidir límites, pídele al usuario que elija la relación de aspecto de salida y el diseño visual. Esta decisión afecta todo: las resoluciones de zona, cómo se renderiza el video, cómo se posicionan las tarjetas y el tema visual general.

Pregunta al usuario:

  1. Relación de aspecto preferida: 16:9 horizontal, 9:16 vertical (Reels/TikTok/Shorts), 4:5 vertical (publicaciones de feed)
  2. Diseño visual: video a pantalla completa con superposiciones, video con recuadro (con recorte de video), video con panel lateral (video en un lado, datos/gráficos en el otro)
  3. Preferencia de estilo / tema: oscuro (noir), claro (minimal), corporativo, vibrante/colorido, etc.

Importante: Si el usuario está inseguro o dice "tú decides", aplica la configuración predeterminada: 9:16 vertical (estilo Reel), video a pantalla completa con superposiciones, y tema oscuro (noir). Este es el estilo más común y versátil para contenido de talking head empaquetado.

Mapa de Estrategia de Renderizado

formato de salidaresolucióndiseño visualrecortar videocómo se renderizaestrategia típica de zona de tarjeta
16:91920×1080video a pantalla completa + superposicionesnoFFmpeg escala a 1080p con letterboxingfullscreen, whiteboard-area, lower-third, side-panel, video-overlay
16:91920×1080video con recuadrosí (recortar a 16:9)FFmpeg recorta el video a 16:9, luego escala a 1080pfullscreen, whiteboard-area, lower-third, side-panel, video-overlay
16:91920×1080video con panel lateralnovideo en un lado, HTML renderizado al ladoside-panel para contenido, el resto para video
9:161080×1920video a pantalla completa + superposicionessí (recortar a 9:16)FFmpeg recorta a centro 9:16, luego escala a 1080×1920fullscreen, whiteboard-area, lower-third, side-panel, video-overlay
9:161080×1920video con recuadrosí (recortar a 9:16 parcial)FFmpeg recorta, añade recuadro si es necesariofullscreen, whiteboard-area, lower-third, side-panel, video-overlay
4:51080×1350video a pantalla completa + superposicionessí (recortar a 4:5)FFmpeg recorta a 4:5, luego escala a 1080×1350fullscreen, whiteboard-area, lower-third

Decisión de recorte: Cuando la relación de aspecto difiere de la del video de origen, el FFmpeg del Paso 10 recorta el video para que se ajuste exactamente al lienzo (recorte centrado sin letterboxing). Sin embargo, si el sujeto está mal encuadrado después del recorte, considera el diseño de video con recuadro donde el video se escala para caber dentro de un recuadro centrado (con fondo/píldora detrás).

Elección predeterminada (si el usuario no especifica): Salida 9:16 1080×1920, video a pantalla completa con superposiciones, tema oscuro. Esto funciona para la mayoría del contenido de talking head que necesita ser publicado en plataformas sociales.

8. Resolver Estilo de Tarjeta y Temas

No hay archivos de tema predefinidos. En su lugar, el agente codifica los estilos CSS directamente en el HTML de composición basándose en el esquema de diseño elegido. Diseña consistencia visual a través de variables CSS y selectores de clase compartidos.

Variables de diseño base (usa estas en tu CSS):

  • Color de acento: variable --accent (de themeId y accentIndex)
  • Color de fondo: variable --bg (fondo de tarjeta / panel)
  • Color de texto: variable --text-primary (color de texto principal)
  • Color de texto secundario: variable --text-secondary (subtítulos / detalles)

Variables de diseño listas para usar (valores base):

:root {
  --accent: #ff6b35;
  --bg: rgba(0, 0, 0, 0.85);
  --text-primary: #ffffff;
  --text-secondary: #cccccc;
  --radius: 12px;
  --padding: 24px;
  --font-display: 'Inter', sans-serif;
  --font-body: 'Inter', sans-serif;
}

Asignaciones de tema:

estilo--accent--bg--text-primarycuándo usar
noir (oscuro)#ff6b35rgba(0,0,0,0.85)#ffffffconfiguración predeterminada, la mayoría de contenido
minimal (claro)#2563ebrgba(255,255,255,0.9)#1a1a1acontenido formal / corporativo
corporate#0056b3rgba(0,0,0,0.8)#ffffffnegocios, finanzas, educación
vibrant#ff3366rgba(0,0,0,0.85)#ffffffestilo juvenil, entretenimiento, redes
warm#d97706rgba(15,10,5,0.85)#faf5e6estilo podcast / entrevista, cálido y acogedor

Múltiples colores de acento por tema: Cada tema expone 5 colores de acento (0-4). El accentIndex de cada tarjeta selecciona cuál usar. Para el tema noir:

  • 0: #ff6b35 (naranja)
  • 1: #3b82f6 (azul)
  • 2: #10b981 (verde)
  • 3: #f59e0b (ámbar)
  • 4: #8b5cf6 (violeta)

Consejo de diseño: Usa accentIndex para crear variedad visual entre tarjetas adyacentes. Alterna colores de acento para mantener el compromiso visual. No uses el mismo acento para tarjetas consecutivas a menos que estén agrupadas temáticamente.

9. Escribir HTML de Tarjeta y Composición

Esta es la parte central de la habilidad. En este paso, escribes el HTML y CSS de cada tarjeta individual, luego ensamblas la composición completa.

Crear archivos de tarjeta individual:

<!-- public/cards/card-01.html -->
<div id="card-01" class="card fullscreen" data-start="0.5" data-end="13.0">
  <div class="card-content">
    <span class="kicker" style="color: var(--accent)">
      <span class="accent-bar"></span>UNA PREGUNTA HONESTA
    </span>
    <h2 class="title">La pregunta de introspección a las 11 PM</h2>
    <p class="detail">Mensaje de voz de 60 segundos del cliente: 'Si el RMB se aprecia, ¿significa eso que mi póliza en USD es una pérdida terrible?'</p>
  </div>
</div>

Patrones de tarjeta (elige el que se adapte al contenido):

  1. Tarjeta de título — titular grande, posiblemente con un subtítulo (bajada). Adecuado para aperturas de sección o momentos clave.

  2. Tarjeta de datos — número grande + etiqueta, o tabla pequeña con datos clave. Ideal para estadísticas o métricas.

  3. Tarjeta de cita — "texto de cita" + atribución. Perfecto para momentos memorables o opiniones contundentes.

  4. Tarjeta de panel lateral — se muestra en un lado mientras el video continúa en el otro. Bueno para contenido de análisis o comparación.

  5. Tarjeta de imagen en imagen (PiP) — un recorte más pequeño del orador u otro video superpuesto. Útil para reacciones o demostraciones.

  6. Tarjeta de tercio inferior — banda en la parte inferior del video, mostrando nombre/título o un dato breve. No intrusivo.

  7. Tarjeta de pantalla completa con video — la tarjeta cubre todo el lienzo, con el video visible a través de áreas transparentes o recortado. Dramático pero puede ocultar al orador.

Patrón de animación predeterminado (por zona):

// Animación de entrada predeterminada por zona de tarjeta
gsap.fromTo("#card-01 .card-content", {
  opacity: 0,
  y: 30
}, {
  opacity: 1,
  y: 0,
  duration: 0.5,
  ease: "power2.out"
})
zonaanimación de entrada predeterminadaanimación de salida predeterminada
fullscreenescala (de 0.95 a 1) + desvanecimientodesvanecimiento
lower-thirddeslizar desde abajo (y: 50px) + desvanecimientodeslizar hacia abajo + desvanecimiento
side-paneldeslizar desde el lado (x: 50px)deslizar hacia el lado
whiteboard-areadesvanecimiento + rotación 3D ligeradesvanecimiento
video-overlayopacidad 0→1opacidad 1→0

Ensamblar HTML de composición:

Después de crear todos los archivos de tarjeta individual, ensambla public/index.html. Este archivo:

  • Incluye GSAP desde activos empaquetados
  • Carga cada tarjeta vía fetch o incluye el HTML directamente
  • Configura la línea de tiempo de GSAP que controla cuándo aparecen/desaparecen las tarjetas
  • Configura dimensiones y estilos del lienzo
<!DOCTYPE html>
<html>
<head>
<style>
  /* ... estilos base ... */
</style>
</head>
<body>
  <!-- Envoltorio de video -->
  <div id="video-wrap">
    <video id="source-video" src="input-video.mp4" playsinline></video>
  </div>
  <!-- Tarjetas -->
  <div id="cards-container">
    <div id="card-01" class="card fullscreen">...</div>
    <div id="card-02" class="card lower-third">...</div>
  </div>
  <!-- Scripts -->
  <script src="vendor/gsap.min.js"></script>
  <script>
    // Configurar línea de tiempo de GSAP
    const tl = gsap.timeline({});
    // Animaciones de tarjeta...
  </script>
</body>
</html>

Consejo de rendimiento: Para composiciones largas (>5 min), considera dividir la línea de tiempo en varias composiciones de 2-3 minutos cada una para mantener un rendimiento de renderizado manejable. Monta composiciones secundarias usando data-composition-src en un div contenedor.

10. Copiar Activos y Renderizar

# Copiar fuentes y GSAP al directorio de trabajo
cp -R "<SKILL_DIR>/assets" "$WORK_DIR/"
# Renderizar con hyperframes
npx hyperframes render "$WORK_DIR/public/index.html" -d "$WORK_DIR" -o "$WORK_DIR/output.mp4"

11. Adjuntar Pista de Audio

Dado que el renderizado de hyperframes no incluye audio automáticamente, debes fusionar manualmente la pista de audio original con el video renderizado:

# Fusionar audio original con video renderizado
ffmpeg -y -i "$WORK_DIR/output.mp4" -i "$VIDEO_PATH" \
  -c:v copy -c:a aac -map 0:v:0 -map 1:a:0 -shortest \
  "$WORK_DIR/output-with-audio.mp4"

Esto produce output-with-audio.mp4 en el directorio de trabajo — el video final empaquetado con todas las tarjetas gráficas y la pista de audio original intacta.

12. Limpiar Artefactos Intermedios (Opcional)

Si el usuario quiere mantener el directorio de trabajo limpio:

# Eliminar audio extraído (opcional, puede conservarse para re-transcripción)
rm "$WORK_DIR/audio.mp3"

Resumen de Comandos

# 1. Verificar entorno
npx hyperframes doctor

# 2-3. Extraer metadatos y audio
ffprobe ... > metadata.json
ffmpeg -y -i input.mp4 -vn -acodec libmp3lame -q:a 2 audio.mp3

# 4. Transcribir
npx hyperframes transcribe audio.mp3 -d . --json --model small.en

# 5-9. (Agente) Corregir transcripción, redactar storyboard, escribir HTML de tarjetas y composición

# 10. Copiar activos y renderizar
cp -R <SKILL_DIR>/assets .
npx hyperframes render public/index.html -d . -o output.mp4

# 11. Fusionar pista de audio
ffmpeg -y -i output.mp4 -i input.mp4 -c:v copy -c:a aac -map 0:v:0 -map 1:a:0 -shortest output-with-audio.mp4

Notas Adicionales

  • El directorio de trabajo debe crearse bajo videos/<nombre-proyecto>/. No uses el directorio raíz del espacio de trabajo.
  • Guarda artefactos intermedios — transcript.json, storyboard.json, y cada archivo card-XX.html son útiles para depuración y reelaboración.
  • Si la transcripción falla, verifica que audio.mp3 exista y tenga contenido (tamaño > 0). Vuelve a ejecutar el Paso 3 si es necesario.
  • Si el renderizado falla, verifica que todas las tarjetas tengan id únicos, que composition.durationSeconds sea >= el endSec más alto de las tarjetas, y que el video de origen exista en la ruta esperada.
  • Para contenido multilingüe, usa el modelo Whisper apropiado (ej. small para inglés, small.pt para portugués, etc.).

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

1999AZZAR/designer-mcp

SOTA animation and physics heuristic guide using motion.dev

1999AZZAR/designer-mcp

Add captions or subtitles to an existing single-subject talking-head video without editing the footage. Use for plain verbatim captions, cinematic captions embedded behind the subject, VFX captions, “炸/特效/酷炫字幕,” or a named identity from the 35-style catalog. Route by visual identity, not by backend engine. The quiet `anchor` rail is the default; embed every word only when the user explicitly wants a fully cinematic treatment. The workflow runs locally end to end, including transcription and subject matting; split multi-shot footage before applying it.

1999AZZAR/designer-mcp

Turn arbitrary text — an article, notes, a topic, a brief — into a faceless explainer video: there is no site or footage to capture, so the visuals are invented per scene (typography, abstract graphics, diagrams, data-viz). Use for topic explainers, concept breakdowns, how-tos, listicles. Not a video built from a website (/product-launch-video — promo or tour). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Import Figma content into a HyperFrames composition — rendered assets, brand tokens, components, storyboard sections → reconstructed motion (frames read as states, not slides) (REST/CLI), connector-assisted motion when available, and shaders from a connector or native export. Use when the user pastes a figma.com link or asks to bring a Figma design, frame, logo, brand, or animation into a video/composition.

1999AZZAR/designer-mcp

Author or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, static loops, static title cards, footage remixes, and freeform builds. Use motion-graphics instead for a short unnarrated motion-first unit, including an animated title. Route fresh creation through hyperframes before using this skill.

1999AZZAR/designer-mcp

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

1999AZZAR/designer-mcp

Use when audio already placed in a HyperFrames composition needs to be mixed: fade-in/fade-out, crossfade, track gain or volume, volume automation, ducking, a music bed that fights a voiceover (voiceover carve), effects on a track (EQ, compressor, limiter, gate, saturation, delay, reverb, chorus, phaser, bitcrush), automation envelopes drawn on a track's volume or any effect parameter, or one submix bus carrying a chain, a fader and an automation clock for several tracks at once (`<hf-audio-group>`). Don't use for sourcing or generating audio — finding BGM, SFX, or making a voiceover is `/media-use`. Don't use for clip timing or track layout, which is `/hyperframes-core`.

1999AZZAR/designer-mcp

Use the HyperFrames CLI development loop: init, add, catalog, capture, lint, check, snapshot, compare, grade-compare, preview, play, present, beats, keyframes, single or batch render, publish, cloud, cloudrun, feedback, lambda, doctor, browser, info, upgrade, skills, compositions, timeline, docs, benchmark, telemetry, transcribe, auth, tts, and remove-background. Also use when diagnosing build or render failures. validate, inspect, and layout are deprecated aliases; use check. Covers local, HeyGen-hosted cloud, AWS Lambda, and Google Cloud Run rendering.

1999AZZAR/designer-mcp

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

1999AZZAR/designer-mcp

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

1999AZZAR/designer-mcp

Use when a HyperFrames composition needs a punch-in, punch-out, zoom, reframe, Ken Burns treatment, camera move, visual match/whip handoff, or other seek-safe 2D/3D keyframes; also for GSAP, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

1999AZZAR/designer-mcp

Search, install, and wire registry blocks and components into HyperFrames compositions. Use BEFORE hand-building any named visual — whenever a brief, a user, or a storyboard names a look, effect, treatment, or transition such as CRT scanlines, glitch, chromatic aberration, film grain, a shimmer sweep, a chart, a code or terminal window, a map, or a confetti burst — because roughly 400 hosted items already cover many of them and the search ranks all of them with nothing installed, no project, and no account. Also use when running hyperframes add or hyperframes catalog, installing one item or every block matching a tag, wiring an installed item into index.html, or working with hyperframes.json. Covers discovery, install locations, block sub-composition wiring, component snippet merging, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

1999AZZAR/designer-mcp

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

1999AZZAR/designer-mcp

Use when building or editing a HyperFrames project that people open in Studio: how the timeline should be laid out so it reads well (one caption track, one element kind per track, every scene a sub-composition) and where captions and key content may sit (safe zones). Don't use for how to perform an individual edit (split, trim, retime, volume, copy, swap): that is `creator-editing-recipes.md` in `/hyperframes-core`.

1999AZZAR/designer-mcp

Agent Media OS, the single skill for every media need in a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + ledger record (one verb, `resolve`); generate via TTS / music / image models when the catalog misses; produce voiceover, transcription, captions, and background removal through one shared audio engine; operate on media (cut / reframe / transform); and reuse assets across projects. Also use for vague feedback that real footage looks dark, flat, boring, should feel retro/camcorder/print/ASCII, needs privacy, or needs a media reveal.

1999AZZAR/designer-mcp

Turn a music track (an audio file, a video to pull audio from, or a track generated from a mood brief) into a beat-synced video — lyric video, slideshow, or kinetic promo. The music drives all pacing; any user-supplied images/videos are cut onto the same beat grid, and a complete video needs zero assets. Narrated pieces → the input-matched workflow (see /hyperframes). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Turn a GitHub pull request (a PR URL, owner/repo#N, or 'this PR' in a checked-out repo) into a code-change explainer video — changelog, feature reveal, fix, or refactor walkthrough built from the diff, commits, and files: the input is a code change, not a website. Not a product promo (/product-launch-video) or a no-PR topic explainer (/faceless-explainer). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Port an existing Remotion (React) composition''s source to HyperFrames HTML. Use ONLY on an explicit ask to port/convert/migrate/translate a Remotion source — one-way, Remotion-only. A passing Remotion mention, reference-only code, or "make something like my Remotion video" is a fresh build (/general-video). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Author a HyperFrames slideshow — a presentation, pitch deck, or interactive deck with discrete slides, fragment reveals, branching, hotspot navigation, and built-in presenter mode with speaker notes; also converts an existing page into a deck. Output is a navigable deck, not a rendered MP4. If the user didn't explicitly ask for a slideshow, confirm before authoring. Unclear → /hyperframes.

1999AZZAR/designer-mcp

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

Skills relacionados