HyperFrames Media
Comandos CLI que crean activos (tts, bgm, transcribe, remove-background), además de todo lo necesario para consumir y animar datos de transcripción en HTML. Para colocar activos en composiciones, consulta hyperframes-core.
Cadenas de proveedores (detección automática desde el entorno)
TTS — npx hyperframes tts "..." elige el primer proveedor disponible:
| Orden | Proveedor | Detectado cuando | Marcas de tiempo por palabra |
|---|---|---|---|
| 1 | HeyGen (Starfish) | $HEYGEN_API_KEY / hyperframes auth login | Sí, nativas — pasa --words narration.words.json para capturarlas |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY configurada | No — encadena transcribe después |
| 3 | Kokoro-82M (local, 54 voces) | siempre (no requiere clave) | No — encadena transcribe después |
Si el
hyperframes ttsinstalado es la compilación solo local (su--helpdice "Kokoro-82M" y no tiene las opciones--provider/--words), retrocede silenciosamente a Kokoro incluso con$HEYGEN_API_KEYconfigurada. Para forzar HeyGen independientemente de la versión CLI, usa el script autónomoscripts/heygen-tts.mjs(consultareferences/tts.md).
BGM — npx hyperframes bgm --duration N:
| Orden | Proveedor | Detectado cuando |
|---|---|---|
| 1 | Google Lyria (RealTime) | $GEMINI_API_KEY o $GOOGLE_API_KEY configuradas |
| 2 | MusicGen (facebook/musicgen-small, local) | Python transformers + torch + soundfile instalados |
Anula cualquiera con --provider <nombre>.
Enrutamiento
| Tarea | Lee |
|---|---|
npx hyperframes tts — cadena de proveedores, IDs de voz, words.json | references/tts.md |
| HeyGen sin la CLI — script REST autónomo (wav + palabras) | scripts/heygen-tts.mjs (consulta references/tts.md) |
npx hyperframes bgm — Lyria vs MusicGen, indicaciones de estado de ánimo, ajustes | references/bgm.md |
npx hyperframes transcribe — Whisper, reglas de modelo, formato de salida | references/transcribe.md |
npx hyperframes remove-background — recortes transparentes | references/remove-background.md |
| TTS → transcripción → subtítulos (sin locución grabada) | references/tts-to-captions.md |
| Creación de subtítulos — detección de estilo, diseño, agrupación de palabras, salida | references/captions/authoring.md |
| Manejo de transcripciones — formatos de entrada, filtros de calidad, limpieza, APIs | references/captions/transcript-handling.md |
| Movimiento de subtítulos — karaoke, efectos de marcador, reactivos al audio | references/captions/motion.md |
| Cachés de modelos, dependencias del sistema, solución de problemas | references/requirements.md |
Reglas no negociables
- Los IDs de voz son específicos de cada proveedor.
am_michaeles solo de Kokoro; los UUID de HeyGen no funcionan en Kokoro. Si pasas--voice, también fija--providerpara evitar cambios silenciosos de proveedor cuando el entorno del usuario cambia. - Siempre pasa
--modelatranscribe. El valor predeterminadosmall.entraduce silenciosamente audio que no está en inglés. Consultareferences/transcribe.md→ "Regla de idioma". - HeyGen devuelve marcas de tiempo por palabra; ElevenLabs / Kokoro no. Cuando quieras subtítulos, o pasa
--wordsa HeyGen y usa ese JSON directamente, o ejecutatranscribecontra el archivo de audio. No asumas que los datos de palabras siempre están presentes. - Los subtítulos consumen el formato plano de matriz de palabras con
{ id, text, start, end }. Consultareferences/transcribe.md→ "Forma de salida". remove-background --background-outputes un recorte de agujero, no una inpintura. Para "escena sin la persona", se necesita una herramienta diferente. Consultareferences/remove-background.md→ "Cuándo NO es la herramienta adecuada".