¿Qué hace hyperframes-media?
Preprocesamiento de activos para composiciones HyperFrames — TTS multi-proveedor (HeyGen / ElevenLabs / Kokoro local), BGM multi-proveedor (Google Lyria / MusicGen local), transcripción con Whisper, eliminación de fondos y autoría de subtítulos. Útil para npx hyperframes tts, bgm, transcribe, remove-background, selección de voz/proveedor, indicación de estado de ánimo musical, subtítulos / letras / karaoke / estilo por palabra.
Comandos soportados
- tts: Convertir texto a voz usando los proveedores configurados.
- bgm: Generar música de fondo según estado de ánimo o descripción.
- transcribe: Transcribir audio a texto usando Whisper.
- remove-background: Eliminar fondos de imágenes.
- captions: Crear subtítulos, letras, karaoke o estilo por palabra.
Proveedores compatibles
| Servicio | Tipo | Notas |
|---|---|---|
| HeyGen | TTS | Requiere clave API |
| ElevenLabs | TTS | Requiere clave API |
| Kokoro | TTS | Ejecución local |
| Google Lyria | BGM | Requiere autenticación |
| MusicGen | BGM | Ejecución local |
| Whisper | Transcripción | Ejecución local |
Uso básico
# TTS con HeyGen
npx hyperframes tts --provider heygen --text "Hola mundo"
# TTS local con Kokoro
npx hyperframes tts --provider kokoro --text "Hola mundo"
# Generar música de fondo alegre
npx hyperframes bgm --mood "alegre"
# Transcribir un archivo de audio
npx hyperframes transcribe --input audio.mp3
# Eliminar fondo de una imagen
npx hyperframes remove-background --input imagen.png
Variables de entorno
HEYGEN_API_KEY: Clave API para HeyGen TTS.ELEVENLABS_API_KEY: Clave API para ElevenLabs TTS.GOOGLE_APPLICATION_CREDENTIALS: Ruta al archivo JSON de credenciales de Google.
Notas adicionales
- Para los servicios locales (Kokoro, MusicGen, Whisper), asegúrate de tener las dependencias instaladas.
- La selección de voz se puede especificar con el flag
--voiceseguido del nombre de la voz. - El estilo por palabra permite controlar la duración y énfasis de cada palabra en los subtítulos.