Communitygithub.com

motion — videos canvas + Web Audio a MP4, cualquier formato

Agent Skill para videos de motion design de cualquier tipo (cortinillas, intros, explicativos animados, anuncios de texto cinético) dibujados en canvas con banda sonora sintetizada en Web Audio, exportados cuadro a cuadro a MP4 en 9:16, 4:5, 1:1 o 16:9, con o sin locución.

¿Qué es motion — videos canvas + Web Audio a MP4, cualquier formato?

Paso 3 de la receta Video tutorial (el teaser para redes), de Felipeex/motion-skill (publicado el 2026-10-07; el README muestra tres GIF de anuncios 9:16 de unos 35 s, incluido uno de SaaS). El skill escribe un video.html cuyo render(t) dibuja cada cuadro en un canvas y genera música, whooshes, pops y ticks en Web Audio, así que el mismo t siempre da el mismo cuadro. export.mjs maneja Chrome sin ventana cuadro a cuadro hacia ffmpeg; --quadros captura primero fotogramas de revisión. Con locución, trim-audio.mjs quita silencios, normaliza voice.wav y marca el tiempo de cada palabra con Whisper (clave de OpenAI solo por variable de entorno), y la música baja bajo la voz. Formatos 1080x1920, 1080x1350, 1080x1080 o 1920x1080; colores, fuentes y logo salen del proyecto. El MP4 final se valida con ffprobe y ebur128 cerca de -14 LUFS. Cifras, resultados y testimonios deben venir del usuario; nunca los inventa. Requiere Chrome, ffmpeg y Node 24, sin npm install.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add Felipeex/motion-skill

Preguntar en tu IA favorita

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

Documentación

Motion genérico (canvas + Web Audio → MP4)

Un vídeo, sin atar formato, marca, nicho ni narración. Si el proyecto ya tiene un vídeo hecho con esta skill, copia su carpeta a videos/<nombre>/ (o donde el usuario quiera), borra lo que es del vídeo antiguo (assets/, voice.wav, timings.json, words.json, el MP4) y reescribe las escenas del video.html: el exportador, el servidor local y el buildAudio ya funcionan. Si no lo hay, crea los archivos siguientes en esa carpeta.

ArchivoQué hace
trim-audio.mjs(Solo con narración) quita los silencios → voice.wav normalizada + timings.json
video.htmlLa animación: render(t) en un canvas + pista/efectos en Web Audio. Abierto en Chrome, se convierte en previsualización con sonido
export.mjsChrome sin ventana dibuja cada cuadro → ffmpeg → MP4. --quadros 0.2,9.5,… solo saca fotos para revisar
assets/Imágenes que usa el vídeo (logo, capturas, fotos)

Requiere: Chrome en C:/Program Files/Google/Chrome/... (o CHROME=), ffmpeg en el PATH, Node 24. Sin npm install.

Qué adaptar al copiar

  • Formato: W, H y <canvas width height> en video.html, el aspect-ratio del CSS del canvas y el --window-size del export.mjs (mayor que el canvas). Medidas comunes: 1080x1920 (Reels/Stories/Shorts), 1080x1350 (feed 4:5), 1080x1080 (1:1), 1920x1080 (YouTube/presentación).
  • Nombre de salida: OUT en export.mjs (video-<nombre>.mp4) y el prefijo del --user-data-dir.
  • Duración: TOTAL. Con narración, es la duración de la voz cortada; sin narración, combínala con el usuario (viñeta 3–6s, intro 5–10s, explicativo 30–90s).
  • Sin narración: quita la carga de voice.wav y el ducking de la música en buildAudio; la pista queda al volumen completo (≈0,6–0,75). Sin sonido alguno: salta el renderAudioWav y exporta solo el vídeo (-an).
  • Visual: colores y fuentes vienen de la marca del usuario (pregunta o lee del proyecto). Define todo como constantes en la parte superior (COLORS, FONTS); nada de color suelto en medio de las escenas.
  • Zonas seguras: 9:16 → contenido entre y≈200 e y≈1600 y 90px en los laterales (interfaz de Reels). 4:5 y 1:1 → 60px de margen. 16:9 → 5% de margen (title safe).

Flujo con el usuario (habla simple)

  1. Preguntas, como máximo 6, una por vez (con la herramienta de preguntas del agente, si la hay, como AskUserQuestion; 3 opciones, la recomendada primero). Pregunta solo lo que no se puede descubrir: formato/dónde se va a publicar, ¿tiene narración?, duración (si no hay voz), estilo, marca/colores (si no están en el proyecto), sonido y llamado final.
  2. Guion en tabla (tiempo | habla o texto | qué aparece). Espera el visto bueno antes de dibujar.
  3. Envía fotos de revisión, luego entrega el MP4.

Audio (cuando haya narración)

  • node trim-audio.mjs "<grabación>": silencedetect a -35dB/0,25s, márgenes de 0,08s/0,14s y loudnorm. Revisa el promedio de la voz cerca de -19 dB (volumedetect).
  • Tiempo de cada palabra: Whisper (whisper-1, verbose_json, timestamp_granularities[]=word, idioma correcto) con la clave que dé el usuario, solo por variable de entorno, nunca guardada. Palabras rápidas a veces vienen en el mismo tiempo: distribúyelas a mano.
  • Los textos en pantalla siguen lo que se ha hablado. Avisa cuando difieran del guion escrito.

Animación (video.html)

  • Todo sale de render(t): la misma t genera siempre el mismo cuadro. Aleatorio solo con mulberry(seed); nada de Math.random() o Date en el dibujo.
  • Tiempos en constantes en la parte superior; el sonido (soundEvents) lee las mismas constantes, así que imagen y sonido no se desincronizan.
  • Escenas: SCENES = [[inicio, fin, fn]], entrada ~0,3s y salida ~0,22s, con una transición cubriendo el cambio. Evita corte seco.
  • Texto palabra por palabra: drawWords. Espacio entre palabras = 0.28 * size (con 0,24, itálico se pega). Ajusta size al formato: en 16:9 el texto es más ancho y pequeño.
  • Movimiento constante: ninguna escena parada por más de 0,5s (luces de fondo, leve zoom de cámara, granulado).
  • Cuadro 0 = portada: algo ya visible en t=0 (usa entradas con tiempo negativo); nada de abrir con pantalla blanca.
  • Fuentes: document.fonts.load(...) de cada peso antes del primer render; window.ready espera fuentes e imágenes.
  • Imágenes por http, nunca file:// (el canvas se "ensucia" y toDataURL falla). El export.mjs ya levanta un servidor local.
  • Logo del cliente siempre como imagen, nunca redibujado.

Sonido (Web Audio)

  • buildAudio(ac, voz, t0) sirve para la previsualización (AudioContext) y para exportar (OfflineAudioContext → WAV).
  • Pista sintetizada (pad, bajo, bombo, charles); ajusta el BPM al ambiente (≈80 tranquilo, ≈96 estándar, ≈120 enérgico). Con voz: música a 0,22 debajo de la voz. Efectos: whoosh en las transiciones, pop en las entradas, tic en conteos. Todo pasa por un compresor.
  • Salida con loudnorm=I=-14:TP=-1.5 (redes sociales). Para YouTube/presentación, -14 también sirve.

Exportar y revisar

cd videos/<nombre>
node export.mjs --quadros 0,2,5,9   # fotos en review/
node export.mjs                     # MP4
  • Mira las fotos antes de exportar. Para un mosaico: cópialas como seq_00.jpg… y usa ffmpeg -i seq_%02d.jpg -vf "scale=400:-1,tile=7x2" (glob no funciona en Windows).
  • Lista de verificación: texto cubriendo texto, palabra pegada, contenido fuera de la zona segura, cuadro 0 vacío, escena parada, número sin punto de millar.
  • Después del MP4: ffprobe (resolución correcta, 30fps, h264+aac), ebur128 (≈ -14 LUFS) y cuadros extraídos del propio MP4 (-ss). Dile al usuario que mediste el sonido, pero no lo escuchaste.
  • No versiones mix.wav ni review/ (revisa el .gitignore si la carpeta es nueva).

Contenido

  • Prueba, números y testimonios solo si son reales y el usuario los proporciona. Nunca inventes.
  • Si el vídeo es un anuncio, una promesa de ganancia ("hasta 4x", "R$ X por día") puede ser rechazada por Meta. Avisa.

Skills relacionados