Vídeo en ruso
Este skill es una superposición ligera. El trabajo pesado lo realizan programas (ffmpeg, Whisper) y los skills oficiales HyperFrames de HeyGen; aquí solo están la ruta y las reglas para vídeos en ruso. De los skills de HyperFrames, leer solo el que sea necesario para la tarea, no todos a la vez.
Primera ejecución: configurar para este ordenador
Funciona solo en Claude Code (aplicación, VS Code o terminal): necesita programas instalados en el ordenador.
Primero leer configuracion.md junto a este archivo. Si ya tiene registrado un ordenador, no verificar nada, tomar los comandos de ahí (su python, ruta a ffmpeg, modelo, --cpu o no). Si el archivo está vacío o algo de lo registrado dejó de funcionar, realizar la configuración a continuación y guardar el resultado allí.
La configuración se hace una sola vez:
| Elemento | Verificación | Propósito |
|---|---|---|
| ffmpeg / ffprobe | ffmpeg -version | Audio y fotogramas del vídeo |
| Python 3.10+ con faster-whisper y yt-dlp | python -c "import faster_whisper, yt_dlp" (en Mac: python3) | Transcripción, descarga por enlace |
| Node.js | node -v | HyperFrames |
| Skills HyperFrames | Si el skill hyperframes está en la lista de skills | Edición, placas, animación |
| Tarjeta gráfica NVIDIA (opcional) | nvidia-smi (nombre y memoria) | Transcripción decenas de veces más rápida |
| Whisper ya instalado | pip list (faster-whisper, openai-whisper, whisperx), carpetas con modelos, preguntar al usuario | No instalar un segundo |
Whisper propio. Si el usuario ya tiene faster-whisper y modelos descargados, no instalar otro: pasar al script la ruta a la carpeta del modelo con --model <ruta> o establecer HF_HOME en su caché. Si tiene otro Whisper (openai-whisper, whisper.cpp, whisperx), preguntar si desea conservarlo. Si lo conserva, transcribir con él y luego convertir el resultado al formato de nuestro script (words: {"words":[{"text","start","end","type":"word"}]}, flat: la misma lista de palabras sin envoltura) — exactamente este formato esperan los skills HyperFrames.
Modelo según la tarjeta gráfica (faster-whisper):
| Ordenador | Qué usar |
|---|---|
| NVIDIA con 6 GB o más de memoria | large-v3-turbo en GPU (por defecto) — el mejor para ruso |
| NVIDIA con 4 GB | large-v3-turbo con --compute int8_float16 o --model medium |
| Sin NVIDIA (incl. Mac, AMD, portátil con gráficos integrados) | --cpu, modelo small (rápido) o large-v3-turbo (más preciso, pero varias veces más lento) |
Verificar con un fragmento corto (ffmpeg -t 10) de su vídeo: si en GPU falla con error de CUDA o memoria, instalar las bibliotecas siguientes o usar un modelo más pequeño. Mostrar al usuario la velocidad y calidad, y elegir con él.
Si falta algo, enumerar al usuario qué y cuánto pesa, e instalar solo con su consentimiento. En Windows, preguntar en qué disco instalar si hay poco espacio en C:
- ffmpeg, Node, Python: Windows —
winget install Gyan.FFmpeg,winget install OpenJS.NodeJS.LTS,winget install Python.Python.3.12; Mac —brew install ffmpeg node python. - Bibliotecas:
python -m pip install faster-whisper yt-dlp. Windows con tarjeta gráfica NVIDIA: ademáspython -m pip install nvidia-cublas-cu12 "nvidia-cudnn-cu12==9.*". - Skills HyperFrames:
npx skills add heygen-com/hyperframes --all(github.com/heygen-com/hyperframes, Apache 2.0). - El modelo Whisper (~1.6 GB) se descargará solo en la primera transcripción, en la caché de HuggingFace. Otra ubicación: variable
HF_HOME. - Opcional según el usuario: desactivar la telemetría de HyperFrames con las variables
HYPERFRAMES_NO_TELEMETRY=1yDO_NOT_TRACK=1.
Al final de la configuración, guardar todo en configuracion.md (según la plantilla del archivo): qué python y ffmpeg, tarjeta gráfica, modelo seleccionado y flags, dónde está la caché de modelos, velocidad en la prueba. A partir de ahí, ejecutar los comandos de las secciones A y B con esos flags.
Nuestro script de transcripción es scripts/transcribe.py junto a este archivo. La GPU la detecta automáticamente; sin ella, procesa en CPU. Flags: --model (nombre o ruta al modelo propio), --compute, --cpu.
No enviar informes «feedback» de HyperFrames después del renderizado sin permiso. Ejecutar npx hyperframes skills update solo con consentimiento del usuario. La voz integrada Kokoro no habla ruso: la voz en off debe ser una grabación del propio usuario o su servicio de locución.
A. Ver y analizar un vídeo
- Obtener el archivo. Tomar la ruta del archivo tal cual, no modificar el original. Descargar el enlace en una carpeta temporal:
python -m yt_dlp --no-playlist -o "<carpeta>/video.%(ext)s" --print-to-file "%(uploader)s | %(duration)s s | %(like_count)s likes | %(comment_count)s coment. | %(description)s" "<carpeta>/info.txt" <enlace>Para YouTube, si solo se necesita el texto, probar primero los subtítulos:--write-auto-subs --sub-langs ru --skip-download. Instagram y canales de Telegram cerrados pueden requerir inicio de sesión; en ese caso, pedir al usuario que descargue el archivo manualmente. - Identificar el archivo:
ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <video>. - Transcribir:
python scripts/transcribe.py <video> --out <carpeta>/transcript.txt(texto con marcas de tiempo). - Fotogramas en hojas (12 fotogramas por imagen — ahorra tokens):
- Vertical:
ffmpeg -v error -y -i <video> -vf "fps=1/2,scale=216:-2,tile=6x2:padding=4:color=white" <carpeta>/sheet_%02d.jpg - Horizontal: lo mismo con
scale=320:-2,tile=4x3. Para vídeos de más de 2 minutos:fps=1/5o1/10. Leer las hojas como imágenes.
- Vertical:
- Respuesta: quién es el autor y cifras (si las hay), formato del vídeo, transcripción (o resumen si es largo), qué se ve en el fotograma, y por separado — qué de esto es útil para el usuario. Si el vídeo contiene exageraciones, decirlo honestamente.
B. Crear un vídeo con HyperFrames
Qué skill usar:
| Tarea | Skill |
|---|---|
| Cualquier vídeo, por donde empezar el trabajo; no está claro qué usar | hyperframes (entrada principal, guiará) |
| Subtítulos para un vídeo donde una persona habla a cámara: de 1 a 3 palabras, palabras clave en color, karaoke | embedded-captions |
| Gráficos sobre un vídeo con persona hablando: placas, iconos, inserciones «en teléfono», split, círculo | talking-head-recut |
| Animación corta sin voz de hasta ~30 s: intro, cifras, logotipo, maquetas de interfaces, «antes → después» | motion-graphics |
| Estructura del vídeo: capas, tiempo de aparición de placas, inserciones de vídeo | hyperframes-core |
| Cómo aparecen las placas, stickers, «golpes» de palabra a pantalla completa, texto cinético | hyperframes-animation |
| Zoom in/out de cámara, aproximaciones suaves | hyperframes-keyframes |
| Música, sonidos, iconos, procesamiento de inserciones | media-use |
| Verificación, ensamblaje a MP4, recorte de fondo (inserción «desde detrás del hombro») | hyperframes-cli |
| Efectos prediseñados (glitch, confeti, gráficos), volumen de música bajo la voz, colores y fuentes | hyperframes-registry, hyperframes-audio, hyperframes-creative |
El skill hyperframes se lee primero según las reglas de HyperFrames; para tareas simples basta con su SKILL.md, sin manuales de referencia.
Preparar la transcripción con nuestro script (entiende mejor el ruso y da tiempos precisos de las palabras), no con el hyperframes transcribe integrado:
- Para
embedded-captions:python scripts/transcribe.py <video> --out <carpeta de trabajo>/transcript.json --format words— el skill recogerá automáticamente eltranscript.jsonlisto; - Para
talking-head-recut: lo mismo con--format flat(array plano de palabras), omitir el paso de transcripción del skill. Antes de usarla, leer la transcripción y corregir errores de reconocimiento (nombres, marcas, términos). Mostrar al usuario la lista de correcciones en una sola línea.
Proyecto: preguntar en qué carpeta guardar. Dentro: fuentes/ (copias de los archivos originales — no tocar ni eliminar los originales), archivos de trabajo de HyperFrames, final/ para los MP4 resultantes.
Formatos: Reels/Shorts/Stories — 1080×1920, 9:16, 30 fps; YouTube — 1920×1080; publicación — 1080×1350.
Subtítulos y placas en ruso
- La fuente debe incluir caracteres cirílicos. Muchas fuentes «modernas» no los tienen (Bebas Neue y Anton de Google Fonts; Bebas tiene versiones cirílicas separadas): verificar antes del renderizado. Fuentes fiables: Oswald, Golos Text, Manrope, Montserrat, Unbounded, Inter, Rubik, Onest. Mejor un
.woff2local en la carpeta del proyecto que Google Fonts por red. - 2–4 palabras por línea. No dejar preposiciones y conjunciones (в, на, с, к, у, о, и, а, но, не) al final de la línea — pasarlas a la siguiente palabra.
- Comillas «latinas» (angular españolas), guiones según las reglas del idioma ruso, números en cifras.
- Mayúsculas solo para acentos cortos (1–3 palabras), no para frases enteras.
- Los subtítulos no deben tapar el rostro ni la zona inferior de la interfaz de Reels (botones, firma) — mantenerlos en la zona segura. El hook (enganche) debe estar en el centro del fotograma o ligeramente más abajo, no en el borde superior.
- Si en la carpeta del skill hay un
marca.mdrelleno (fuentes, colores, cómo poner énfasis), usarlo. Si está vacío, preguntar al usuario una vez sobre el estilo y ofrecer guardar la respuesta allí.
Antes de decir «listo»
Mostrar el plan (qué, dónde, qué estilo) antes de un renderizado largo. Después del renderizado, extraer una hoja de fotogramas del resultado (punto A4), revisarlo personalmente: el texto se lee, no se sale del borde, el cirílico está en su sitio, es sincrónico con el habla. Solo entonces entregar la ruta al archivo en final/.