Communitygithub.com

render-cartoon-music-video

Ensambla un videoclip animado estilo dibujos animados a partir de una configuración: una canción cantada lleva toda la narrativa mientras clips i2v por compás se cortan siguiendo el ritmo de librosa, se concatenan en el compás y se superponen con marca de agua, subtítulos estilo VEED y una tarjeta final de color sólido.

¿Qué es render-cartoon-music-video?

Esta habilidad (skill) te permite ensamblar de forma determinista y gratuita un videoclip animado estilo dibujos animados para publicidad, partiendo de una configuración JSON. La canción cantada actúa como único guion, y los clips generados por IA (imagen a video) se sincronizan con el ritmo musical detectado mediante librosa. El proceso incluye corte por compás, concatenación dura, superposición de un logotipo persistente, subtítulos blancos en negrita en el tercio inferior, y una tarjeta final de color sólido con la canción sonando de fondo. No se utiliza renderizado de texto por IA; todo el texto (subtítulos y marca) proviene de fuentes vectoriales. Los clips, la canción y los personajes se generan con herramientas externas como ElevenLabs y Fal, pero el ensamblaje final es completamente gratuito y determinista. Es ideal para campañas que necesitan un formato de video musical animado con un personaje recurrente y una narrativa cantada.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/render-cartoon-music-video

Preguntar en tu IA favorita

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

Documentación

¿Qué hace render-cartoon-music-video?

Ensambla un videoclip animado para publicidad a partir de una configuración: una historia animada / ilustrada / artesanal (stop-motion con fieltro y espuma, claymation, 2D, recortes) donde una canción cantada es todo el guion y un único personaje animado recurrente aparece en cada plano, cortado al compás con la línea culminante en el drop. Esta capacidad es el ensamblaje gratuito y determinista: corte por compás, concatenación dura, superposición del logotipo + subtítulos, y la tarjeta final de color sólido.

scripts/config.example.json es el ejemplo práctico (Coinbase "Apunta a todo", ~55s 1080×1920 9:16, 16 compases de cuerpo + una tarjeta final de 3s — su aspecto de fieltro, personaje, historia y canción son elecciones de esa demo, nunca valores por defecto); scripts/PIPELINE.md asigna cada bloque de configuración a su paso fuente y scripts/README.md documenta el ensamblaje gratuito.

Decisiones

Las decisiones creativas son del usuario (la receta del formato de video se las pide); este ensamblaje nunca las elige. El valor de la demo es solo un ejemplo:

  • Estilo artístico / paquete de aspecto (stop-motion de fieltro, claymation, 2D, recortes…) — demo: diorama de fieltro y espuma.
  • Personaje — la ÚNICA figura animada recurrente — demo: figura de fieltro sin género con camiseta azul de marca.
  • Arco narrativo — demo: el desvalido triunfa.
  • Estilo de canción + voz principal — demo: hype dance-pop / EDM-trap, voz principal masculina medio rapeada.

Ejecución

Esta es la etapa de ensamblaje gratuito y determinista — no gasta nada. Las entradas de pago son capacidades separadas: la canción cantada (create-music-elevenlabs, o un mp3 proporcionado por el usuario + marcas de tiempo de Whisper) con detección de ritmo mediante librosa para que la CUADRÍCULA DE COMPASES establezca la línea de tiempo; un personaje recurrente fijo + un fotograma clave por compás en un mismo paquete de aspecto (create-image-fal, Nano Banana); y un clip i2v de Seedance por compás (create-video-fal). Dados la canción + word-timestamps.json + bars.json + un clip por compás + el logotipo SVG de la marca, render-cartoon-music-video corta cada clip a su ventana de compás, los concatena duramente en el compás, superpone el logotipo + subtítulos, añade la tarjeta final de color sólido y multiplexa la canción debajo → el máster. Los recortes reutilizan la canción / fotogramas clave / clips existentes y cuestan $0.

Contrato (el ensamblaje gratuito)

  • La canción cantada lleva la narrativa — sin locución aparte. La pista generada/proporcionada ES la base (sin locución a la que bajar el volumen); no añadas una voz en off ni una segunda pista de fondo.
  • Planifica la línea de tiempo ALREDEDOR de la CUADRÍCULA DE COMPASES de la canción entregada. Detecta el ritmo de la canción con librosa (asume 4/4); un compás = un plano (por defecto). Ajusta cada ventana de tableau a los límites del compás — nunca recortes la canción a una cuadrícula pre-planificada.
  • Subtítulos a partir de las marcas de tiempo de la canción, reescritos contra la letra fija. Whisper malinterpreta los acentos gritados ("BETS" → "Hearts"); reescribe los tokens temporizados contra el archivo de letra fija (nunca edites la letra para que coincida con Whisper). Subtítulos blancos negrita sans en el tercio inferior (Alineación 2, margin_v por encima del logotipo inferior izquierdo), ~4–5 palabras por frase, SIN fondo; los subtítulos se DETIENEN en el borde de la tarjeta final. Nunca en medio del fotograma — cubre al personaje (fijo 2026-07). Si el ffmpeg del anfitrión no tiene libass, renderiza las frases como superposiciones PIL PNG temporizadas (ffmpeg overlay=…:enable='between(t,st,en)') en la misma posición inferior.
  • Coloca la línea culminante en el drop. El tableau culminante se temporiza para que la línea de recompensa caiga en el drop subgrave; acentúa esa línea.
  • Logotipo persistente, suprimido en la tarjeta final. Superpone una marca blanca en la esquina inferior izquierda sobre los compases de cuerpo (cairosvg → PIL desde el SVG real), suprimida en la tarjeta final donde domina el logotipo grande.
  • Tarjeta final mediante cairosvg + PIL desde el logotipo real — nunca renderices texto de marca con IA. Tarjeta de color sólido de marca + logotipo blanco + subtítulo, manteniéndose ~3s CON la canción sonando de fondo (fundido de salida sobre la cola — sin cola silenciosa). Un modelo de difusión distorsiona un logotipo.
  • Composición FFmpeg, determinista, GRATUITA. Corta cada clip a su ventana de compás, concatenación dura, superpone logotipo + subtítulos, añade la tarjeta final, multiplexa la canción sobre todo el video con un fundido de salida de 0.5s, loudnorm I=-14 → un máster 1080×1920 h264+aac. Sin llamadas de pago, sin claves. Cuando el ffmpeg del anfitrión no tiene libass/drawtext, TANTO los subtítulos como el logotipo son superposiciones PIL PNG temporizadas (overlay=x:y:enable='between(t,st,en)'), no una quema ASS.
  • CONTROL DE CALIDAD POR ESCENA, nunca solo el máster — los dos modos de fallo son de contenido, no de ensamblaje. Los pasos ascendentes de fotograma clave / i2v pueden (a) desviar al personaje de su aspecto (fieltro → 3D suave "hombre" en la demo) a mitad de camino (fuera del aspecto elegido — en la demo de fieltro, fieltro → 3D suave) y (b) alucinar manos — dedos realistas en un macro de mano, un dedo señalando en un plano de "tocar el teléfono", o una mano desencarnada deslizándose desde el borde del fotograma. Ambos se ocultan en tamaño miniatura. Extrae una hoja de contacto a 2 fps + un recorte por compás de CARA y MANO (a lo largo de la duración completa de cada clip), confirma que cada compás mantiene el ÚNICO aspecto elegido (la demo: fieltro mate) con el ÚNICO personaje y sin manos humanas/flotantes, y vuelve a comprobar los bytes servidos después de publicar. Un compás desviado significa regenerar el FOTOGRAMA CLAVE de ese compás (no recortar) — ver la receta PASO 3/6.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Skills relacionados