Creador de Videos
Producción de video cinematográfica profesional para productos, servicios, eventos y marcas. Cada salida es un MP4 de 1920×1080 con locución, subtítulos sincronizados, animaciones ricas y múltiples transiciones de escena.
Inicio Rápido (3 comandos)
# 1. Inicializar proyecto
npx --yes [email protected] init mi-video
# 2. Generar locución
python3 -c "from kokoro_onnx import Kokoro; import soundfile as sf; k=Kokoro('models/kokoro-v1.0.onnx','models/voices-v1.0.bin'); s,r=k.create(open('script.txt').read(),voice='bm_george',speed=0.92,lang='en-gb'); sf.write('narration.wav',s,r)"
# 3. Transcribir para subtítulos
npx --yes [email protected] transcribe narration.wav --model small.en
# 4. Renderizar
npx --yes [email protected] render
Pipeline de Producción
Sigue siempre esta secuencia — nunca saltes pasos:
1. BRIEF → audiencia, plataforma, duración, tono
2. GUIÓN → escribir locución (~2.5 pps), enganchar al inicio
3. design.md → colores de marca, tipografías, energía de movimiento
4. LOCUCIÓN → npx hyperframes tts O python kokoro_onnx directamente
5. TRANSCRIPCIÓN → npx hyperframes transcribe → transcript.json
6. PLAN → declaración del ritmo de escenas antes de cualquier HTML
7. CONSTRUCCIÓN → layout primero → luego animación GSAP
8. LINT → npx hyperframes lint (0 errores requerido)
9. VALIDACIÓN → npx hyperframes validate --no-contrast
10. RENDERIZADO → npx hyperframes render
Paso 1 — Brief de Producción
Pregunta (o infiere del contexto):
- Tema: ¿producto / servicio / evento / marca?
- Audiencia: ¿empresa, desarrollador, consumidor, inversor?
- Plataforma: ¿red social (15s), página principal (30s), demo de producto (60s), presentación?
- Tono: ¿autoritario, enérgico, cálido, dramático, técnico?
- Recursos: ¿colores de marca, logotipo, capturas de pantalla, copia existente?
Lee references/brief-templates.md para puntos de partida específicos por audiencia.
Paso 2 — Escritura del Guión
Fórmula de ritmo: 2.5 palabras por segundo a velocidad natural
- 15s → ~37 palabras
- 30s → ~75 palabras
- 60s → ~150 palabras
Estructura: Gancho → Problema/Historia → Prueba → Llamada a la acción (CTA)
Patrones de gancho (nunca uses aperturas genéricas):
- Afirmación audaz: "La infraestructura financiera que impulsa la ingeniería moderna."
- Contraste: "Tus agentes están desplegados. Nadie los está vigilando."
- Pregunta: "¿Qué pasaría si todo tu equipo — humano e IA — se moviera como uno solo?"
- Impacto numérico: "El cuarenta por ciento de los proyectos de IA empresarial fracasan en la gobernanza."
Registro de voz por audiencia:
- Empresa → declarativo, mesurado, voz
bm_george - Desarrollador → directo, técnico, voz
am_adam - Consumidor → cálido, narrativo, voz
af_heart - Startup/Energía → contundente, rápido, voz
af_sky
Escribe los números como palabras en el guión (el TTS los lee literalmente): 10x → "diez veces", $2.3T → "casi dos punto tres billones de dólares".
Lee references/script-patterns.md para ejemplos completos de guiones por tipo de video.
Paso 3 — Sistema de Diseño (design.md)
Crea siempre design.md antes de escribir cualquier HTML. Define el contrato de marca.
Campos obligatorios:
colors:
bg: "#0A0A0A" # fondo principal (oscuro o claro)
accent: "#E63946" # color de acción principal
accent2: "#10b981" # acento secundario
text: "#FFFFFF"
muted: "#999999"
border: "#141111"
typography:
headline: { fontFamily: "Space Grotesk", fontWeight: 800 }
label: { fontFamily: "Space Mono", fontWeight: 700 }
motion:
energy: high | medium | low
transition: glitch | blur | push | cover
Selector de estilo visual (lee references/visual-styles.md para los tokens YAML completos):
| Estilo | Ideal para | Característica |
|---|---|---|
| Deconstruido | Tech, SaaS, seguridad | Líneas de barrido, bordes brutales, Space Grotesk/Mono |
| Maximalista | Lanzamientos, anuncios | Tipografía gigante llena el marco, impactos de color |
| Estándar Terciopelo | Empresa, lujo | Espaciado amplio entre letras, espacio generoso |
| Deriva de Datos | IA, ML, fintech | Campos de partículas, sans-serif futurista delgado |
| Corte de Sombra | Revelaciones dramáticas, seguridad | Casi monocromático + acento sangriento |
| Frecuencia Popular | Consumidor, comunidad | Color audaz, rebote, patrón |
Paso 4 — Generación de Locución
Vía npx (preferido cuando esté disponible)
npx --yes [email protected] tts script.txt --voice bm_george --output narration.wav --speed 0.92
Vía Python directo (fallback si npx falla)
# Primera ejecución: descargar modelos (~340MB total, en caché)
curl -L -o models/kokoro-v1.0.onnx \
https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.onnx
curl -L -o models/voices-v1.0.bin \
https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin
# Generar
python3 << 'EOF'
from kokoro_onnx import Kokoro
import soundfile as sf
k = Kokoro("models/kokoro-v1.0.onnx", "models/voices-v1.0.bin")
text = open("script.txt").read().strip()
samples, rate = k.create(text, voice="bm_george", speed=0.92, lang="en-gb")
sf.write("narration.wav", samples, rate)
print(f"Generado: {len(samples)/rate:.1f}s")
EOF
Guía de voces:
| Voz | Carácter | Usar para |
|---|---|---|
bm_george | Hombre británico autoritario | Empresa, B2B, keynote |
bf_emma | Mujer británica clara | Tutorial, documentación, premium |
am_michael | Hombre estadounidense seguro | Marketing, promoción, SaaS |
am_adam | Hombre estadounidense neutro | Herramientas para desarrolladores, explicativos |
af_heart | Mujer estadounidense cálida | Consumidor, bienestar, personal |
af_sky | Mujer estadounidense enérgica | Anuncios sociales, lanzamientos, estilo de vida |
Instalar dependencias (una vez):
pip install kokoro-onnx soundfile
Paso 5 — Transcripción (Subtítulos Palabra por Palabra)
npx --yes [email protected] transcribe narration.wav --model small.en
# → produce transcript.json con marcas de tiempo por palabra
Formato de salida:
[
{ "text": "Enterprise", "start": 0.03, "end": 0.82 },
{ "text": "teams", "start": 0.82, "end": 1.18 }
]
Usa las marcas de tiempo para:
- Anclar las transiciones de escena a los límites de las frases habladas
- Impulsar animaciones de subtítulos por palabra (aparecer palabra por palabra)
- Sincronizar el énfasis visual (líneas de ráfaga, resaltados) con sustantivos clave
Paso 6 — Planificación del Ritmo de Escenas
Declara el ritmo antes de escribir cualquier HTML. Nombra el patrón:
SLAM → respirar → CASCADA → GOLPE → CTA (lanzamiento de producto)
DOLOR → VISLUMBRE → PRUEBA → CONVICCIÓN (problema/solución)
GANCHO → HISTORIA → PRUEBA → ESCALA → CTA (pitch empresarial)
TENTATIVA → REVELACIÓN → DETALLE → DETALLE → CTA (demostración de funcionalidad)
Plantilla de tiempo de escenas (30s empresarial):
Escena 1: Problema/Gancho 0–7s (frase 1-2 de la locución)
Escena 2: Introducción plataforma 7–10s (frase 3)
Escena 3: Demo funcionalidad 10–17s (frase 4-5)
Escena 4: Prueba/estadísticas 17–21s (frase 6)
Escena 5: Escala 21–28s (frase 7-8)
Escena 6: CTA 28–32s (frase 9)
Lee references/scene-timing.md para plantillas de tiempo por duración.
Paso 7 — Construir la Composición
Estructura HTML (obligatorio)
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8"/>
<script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/gsap.min.js"></script>
<style>
body { margin:0; width:1920px; height:1080px; overflow:hidden; background:#0A0A0A; }
.scene { position:absolute; top:0; left:0; width:1920px; height:1080px; overflow:hidden; }
#s1 { z-index:1; background:#0A0A0A; } /* escena 1 — visible por defecto */
#s2 { z-index:2; background:#0A0A0A; opacity:0; } /* todas las demás ocultas */
</style>
</head>
<body>
<div id="root" data-composition-id="main" data-width="1920" data-height="1080"
data-start="0" data-duration="32">
<!-- Audio (separado del video, siempre) -->
<audio id="vo" data-start="0" data-duration="31.1" data-track-index="10"
data-volume="1" src="narration.wav"></audio>
<!-- Superposiciones de transición (siempre encima de todas las escenas) -->
<div id="ov-r" style="position:absolute;top:0;left:0;width:1920px;height:1080px;z-index:80;background:#E63946;opacity:0;pointer-events:none"></div>
<!-- Escenas -->
<div id="s1" class="scene"><!-- contenido --></div>
<div id="s2" class="scene"><!-- contenido --></div>
</div>
<script>
window.__timelines = window.__timelines || {};
var tl = gsap.timeline({ paused: true });
// ... animaciones ...
window.__timelines["main"] = tl;
</script>
</body>
</html>
Layout Antes de Animación (no negociable)
- Construye el estado final de cada escena primero en CSS puro
- Contenedores de contenido:
display:flex; flex-direction:column; padding:120px 160px; width:100%; height:100%; - Nunca uses
position:absolute; top:Npxen contenido — solo en decorativos - Añade
gsap.fromTo()después de confirmar el layout - Ejecuta
npx hyperframes inspectpara verificar que no haya desbordamiento
Reglas GSAP
// Usa SIEMPRE fromTo (no from) dentro de las escenas para una búsqueda determinista
tl.fromTo("#el", { opacity:0, y:40 }, { opacity:1, y:0, duration:0.5, ease:"back.out(2)" }, 1.2);
// NUNCA uses gsap.to() solo para movimiento ambiental — debe estar en tl
tl.to("#glow", { scale:1.08, yoyo:true, repeat:4, duration:2, ease:"sine.inOut" }, 0);
// NUNCA uses repeat:-1 (rompe el motor de captura) — calcula repeticiones finitas
// Para un ritmo de 4s: Math.ceil(4 / 2) = 2 ciclos
tl.to("#pulse", { scale:1.1, yoyo:true, repeat:3, duration:2, ease:"sine.inOut" }, 0);
// Salidas de escena forzadas
tl.set("#s1", { opacity:0, visibility:"hidden" }, exitTime);
// Siempre registra
window.__timelines["main"] = tl;
Requisitos de Densidad de Escenas
Cada escena DEBE tener:
- Capa de fondo: resplandor radial + cuadrícula/patrón + texto fantasma + línea de barrido (2–5 elementos)
- Capa de contenido: titular + subtítulo + elemento de apoyo (3–5 elementos)
- Acentos de primer plano: marcas de esquina + línea divisoria + etiqueta/insignia (3+ elementos)
- Total: mínimo 8–10 elementos visuales
Lee references/scene-density.md para listas de verificación de elementos por escena.
Biblioteca de Transiciones
Lee references/transitions.md para el código completo. Selecciones rápidas:
| Energía | Transición | Patrón de código |
|---|---|---|
| Caos → Claridad | Fundido de desenfoque | tl.to(old, {filter:"blur(14px)",scale:1.04,opacity:0,duration:0.5}) |
| Subir nivel | Empuje vertical | tl.to(old,{y:-1080,duration:0.45,ease:"power3.inOut"}, T) |
| Siguiente elemento | Deslizar a la izquierda | tl.to(old,{x:-1920,duration:0.45,ease:"power3.inOut"}, T) |
| Corte brusco | Inmersión de color a negro | tl.to("#ov-k",{opacity:1,duration:0.25}) luego tl.set(new,{opacity:1}) |
| Gran momento | Bloques de color escalonados | El bloque rojo luego el verde se deslizan, intercambian la escena debajo |
| Industrial | Glitch | Vibración de superposición RGB, 6 fotogramas a ±40px, 0.35s |
Sin animaciones de salida antes de las transiciones, excepto el fundido a negro de la escena final.
Biblioteca de Técnicas de Animación
1. Campo de Partículas Canvas 2D (ambiente de fondo)
<canvas id="bg-canvas" width="1920" height="1080" style="position:absolute;top:0;left:0;z-index:1"></canvas>
<script>
var c=document.getElementById("bg-canvas"),ctx=c.getContext("2d");
function h(x,y){var n=x*374761393+y*668265263;n=(n^(n>>13))*1274126177;return((n^(n>>16))&0x7fffffff)/0x7fffffff}
var N=120, pts=[];
for(var i=0;i<N;i++) pts.push({bx:h(i,0)*1920,by:h(i,1)*1080,vx:(h(i,3)-0.5)*0.3,vy:(h(i,4)-0.5)*0.2,r:1+h(i,2)*2.5});
var px={t:0};
tl.to(px,{t:DURACION,duration:DURACION,ease:"none",onUpdate:function(){
var ti=px.t;
ctx.clearRect(0,0,1920,1080);
// cuadrícula
ctx.strokeStyle="rgba(230,57,70,0.04)"; ctx.lineWidth=1;
for(var gx=0;gx<1920;gx+=160){ctx.beginPath();ctx.moveTo(gx,0);ctx.lineTo(gx,1080);ctx.stroke()}
for(var gy=0;gy<1080;gy+=120){ctx.beginPath();ctx.moveTo(0,gy);ctx.lineTo(1920,gy);ctx.stroke()}
// partículas
for(var i=0;i<N;i++){
var p=pts[i],x=(p.bx+p.vx*ti*60)%1920,y=(p.by+p.vy*ti*60)%1080;
if(x<0)x+=1920;if(y<0)y+=1080;
ctx.fillStyle="rgba(230,57,70,"+(0.15+0.1*h(i,Math.floor(ti*6)))+")";
ctx.fillRect(x-p.r/2,y-p.r/2,p.r,p.r);
}
}},0);
</script>
2. Subrayado de Garabato SVG
<span style="position:relative;display:inline-block">
frase clave
<svg style="position:absolute;left:0;bottom:-8px;width:100%;height:20px" viewBox="0 0 500 20" preserveAspectRatio="none">
<path id="scr" fill="none" stroke="#E63946" stroke-width="3" stroke-linecap="round"
stroke-dasharray="800" stroke-dashoffset="800"
d="M0,10 Q62,0 125,10 Q187,20 250,10 Q312,0 375,10 Q437,20 500,10"/>
</svg>
</span>
<script>
// después de que el elemento de ruta exista en el DOM:
var p=document.getElementById("scr"), l=p.getTotalLength();
gsap.set(p,{strokeDasharray:l,strokeDashoffset:l});
tl.to("#scr",{strokeDashoffset:0,duration:0.7,ease:"power1.inOut"}, INICIO);
</script>
3. Titular Cinético Palabra por Palabra (sincronizado con voz)
<div id="headline">
<span class="w" id="w0">Ship</span>
<span class="w" id="w1">faster.</span>
<span class="w" id="w2">CyberAgent.</span>
</div>
<script>
// tiempos del transcript.json tiempos de inicio de palabras
var times = [0.0, 0.3, 0.7];
var eases = ["back.out(2.5)", "expo.out", "back.out(3)"];
var dirs = [{y:60,rotation:4}, {y:80,scale:0.7}, {scale:0.5,rotation:-5}];
times.forEach(function(t,i){
tl.fromTo("#w"+i,
Object.assign({opacity:0},dirs[i]),
Object.assign({opacity:1,y:0,scale:1,rotation:0,duration:0.45,ease:eases[i]},{}),
t);
});
</script>
4. Líneas de Ráfaga (revelación de estadísticas)
<div style="position:relative;display:inline-block">
<div id="stat-num">10×</div>
<div style="position:absolute;top:50%;left:50%;width:0;height:0" id="burst">
<span style="position:absolute;display:block;width:3px;height:52px;background:#E63946;left:-1.5px;top:-52px;transform:rotate(0deg);transform-origin:bottom center;opacity:0"></span>
<span style="position:absolute;display:block;width:3px;height:38px;background:#E63946;left:-1.5px;top:-38px;transform:rotate(36deg);transform-origin:bottom center;opacity:0"></span>
<!-- repetir para 8-12 líneas en incrementos de 30-45 grados -->
</div>
</div>
<script>
var lines = document.querySelectorAll("#burst span");
var Nl = lines.length;
lines.forEach(function(el,i){
tl.fromTo(el, {opacity:0, scaleY:0}, {
opacity:1, scaleY:1, duration:0.3, ease:"back.out(2)"
}, INICIO + i*0.04);
});
</script>
Requisitos de Renderizado
npx --yes [email protected] validate --no-contrast # verificar composición
npx --yes [email protected] lint # sin errores
npx --yes [email protected] render # salida: out/video-*.mp4
El video de salida siempre es:
- Resolución: 1920×1080
- Codec de video: H.264
- Codec de audio: AAC-LC
- Fotogramas por segundo: 30 fps
- Formato de archivo: MP4
Archivos de Referencia
Lee estos archivos en references/ para plantillas completas:
| Archivo | Contenido |
|---|---|
brief-templates.md | Preguntas de brief por tipo de video y audiencia |
script-patterns.md | Guiones completos para cada tipo de video |
visual-styles.md | Tokens YAML para 6 sistemas de estilo visual |
scene-timing.md | Plantillas de ritmo de escenas para 15s–120s |
scene-density.md | Listas de verificación de elementos por escena |
transitions.md | Código de transición completo para todos los modos |
## Resolución de Problemas
- **Fallo al cargar el modelo Kokoro:** Verifica que `models/kokoro-v1.0.onnx` y `models/voices-v1.0.bin` existan. Vuelve a descargar con curl si es necesario.
- **Fallo en lint:** Verifica que todas las escenas tengan al menos 8 elementos. Añade capas de fondo como resplandores radiales o líneas de barrido.
- **Sin salida de audio:** Asegúrate de que el elemento `<audio>` tenga `data-track-index="10"` y `data-volume="1"`. Verifica que `narration.wav` exista.
- **Las transiciones no se muestran:** Las superposiciones de transición (por ejemplo, `#ov-r`) deben tener `z-index` mayor que el de las escenas. Verifica que el color de la superposición coincida con el color de acento.
- **Error validate --no-contrast:** Normalmente es seguro ignorar errores de contraste para fondos oscuros. Usa la bandera `--no-contrast` para saltar esta comprobación.