Communitygithub.com

HyperFrames - Recortes de Video con Superposiciones Gráficas

Empaqueta un video existente de entrevista/podcast con tarjetas gráficas diseñadas y sincronizadas con el transcript (títulos, tercios inferiores, citas, paneles laterales) sobre un lienzo 16:9 / 9:16 / 4:5; el clip se reproduce intacto debajo.

¿Qué es HyperFrames - Recortes de Video con Superposiciones Gráficas?

Este skill, **Talking Head Recut**, permite a un agente de IA (como Claude Code, Cursor o Codex) tomar un video local de una persona hablando y agregar superposiciones gráficas animadas y sincronizadas con el contenido del discurso. A diferencia de los subtítulos simples, este skill genera tarjetas visuales como títulos, tercios inferiores con datos, citas destacadas o paneles laterales, todo diseñado y temporizado según el transcript. El agente crea el HTML de cada tarjeta directamente en la conversación y compone una sola página HTML que se renderiza a MP4 mediante la CLI `hyperframes`. El skill utiliza Whisper local para la transcripción sin necesidad de API externa, y admite lienzos en orientación vertical u horizontal. Es ideal para empaquetar videos de entrevistas, podcasts o contenido educativo con gráficos profesionales, manteniendo el video original intacto.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/laviedezidane/hyperframes-skill/tree/HEAD/.agents/skills/talking-head-recut

Preguntar en tu IA favorita

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

Documentación

Instalación del plugin: Antes de ejecutar comandos de configuración o actualización, sigue las reglas de ejecución del plugin cuando este skill esté dentro de un plugin HyperFrames. Las instalaciones independientes pueden seguir las instrucciones de actualización a continuación.

Primero, mantén este skill actualizado — confirma con el usuario antes de ejecutar: npx hyperframes skills update talking-head-recut. Una operación rápida sin cambios si todo está actualizado; de lo contrario, actualiza este skill y los skills del dominio central de los que depende antes de usarlos.

Recorte de Video con Superposiciones

Talking Head Recut toma un video local que se reproduce completo y superpone una secuencia de tarjetas gráficas diseñadas y temporizadas: títulos, tercios inferiores, llamadas de datos, citas, paneles laterales, imagen en imagen, sincronizadas con lo que se dice. El agente diseña las tarjetas (temporización + contenido) y escribe el HTML de cada tarjeta directamente en la conversación, luego ensambla un solo archivo HTML de composición y lo renderiza a MP4 mediante hyperframes. No hay una lista fija de arquetipos ni una estructura de tarjeta predeterminada: las superposiciones surgen del contenido real del transcript.

La puerta de entrada es /hyperframes. Este skill empaqueta un clip existente de una persona hablando con tarjetas gráficas diseñadas (títulos, tercios inferiores, llamadas de datos, citas, paneles laterales, PiP) — no subtítulos simples (las palabras habladas como texto). El clip se reproduce intacto. Cualquier otra intención — subtítulos simples, un gráfico independiente, un video desde cero — o cualquier incertidumbre → lee /hyperframes primero: la capa de intención decide la ruta.

Hermano gráfico de embedded-captions. Los subtítulos agregan las palabras habladas como texto legible; esto agrega gráficos diseñados sobre el video en reproducción. Subtítulos simples → embedded-captions. Construir un video desde cero → los flujos de creación (product-launch-video / faceless-explainer / …).

Enrutado a través de /hyperframes, la capa de intención confirma solo la entrada (qué clip) y anuncia las preguntas de estrategia de renderizado como preguntas diferidas — aspecto, diseño, grupo de estilo y número de tarjetas permanecen en el Paso 7, donde el metraje analizado y el transcript fundamentan las recomendaciones; las preguntas de forma de ejecución de la capa no aplican. Un archivo BRIEF.md, cuando está presente, contiene la entrada confirmada y cualquier nota del usuario: léelo primero.

Archivos intermedios inspeccionables en el directorio de trabajo:

  • metadata.json — duración / ancho / alto / fps
  • audio.mp3 — audio extraído
  • transcript.json — un array de palabras plano [{ text, start, end }, …] (Whisper; sin segments, sin envoltorio words)
  • storyboard.json — borrador ligero de tarjetas (el plan del agente)
  • public/cards/card-XX.html — un fragmento HTML por tarjeta
  • public/index.html — composición final ensamblada
  • output.mp4 — video renderizado

Resolución CLI

# hyperframes — transcripción (Whisper local) + renderizado del HTML ensamblado a MP4
npx hyperframes --help

Este skill funciona completamente con la CLI hyperframes más ffmpeg / ffprobe del sistema. La transcripción es Whisper local mediante hyperframes transcribe — sin servicio de terceros, clave API ni proxy con límite de tasa.

Flujo de Trabajo

1. Verificar Entorno

npx hyperframes doctor          # ffmpeg, navegador headless, dependencias de renderizado
# confirmar activos incluidos:
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"

Requerido:

  • ffmpeg / ffprobe (sistema)
  • <SKILL_DIR>/assets/fonts/*.woff2, <SKILL_DIR>/assets/vendor/gsap.min.js (incluidos en este skill, copiados al directorio de trabajo en el Paso 9)

La transcripción no necesita clave — hyperframes transcribe ejecuta Whisper localmente (Paso 4).

Altamente recomendado en macOS para hyperframes render:

export PRODUCER_BROWSER_GPU_MODE=hardware

2. Crear un Directorio de Trabajo

Todos los artefactos se almacenan bajo videos/<nombre-del-proyecto>/ — la misma convención que los otros flujos de trabajo de video (product-launch-video / faceless-explainer / pr-to-video). Mantén el directorio de trabajo actual en la raíz del workspace; todo lo demás se escribe bajo este subdirectorio.

VIDEO_PATH="/ruta/absoluta/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"

3. Extraer Audio y Metadatos

# metadatos — duración / ancho / alto / fps
ffprobe -v error -select_streams v:0 \
  -show_entries stream=width,height,r_frame_rate \
  -show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# audio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"

Salidas: metadata.json (lee width/height/duration; fps = la fracción r_frame_rate evaluada, ej. 30000/1001 → 29.97) + audio.mp3.

4. Transcribir

npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en

Whisper local — sin clave API, sin proxy, sin límite de tasa. Escribe un transcript.json a nivel de palabras en el directorio de trabajo (palabra text + marcas de tiempo start / end). Léelo para las temporizaciones de palabras/oraciones que determinan la sincronización de las tarjetas en el Paso 6; agrupa palabras en oraciones tú mismo en signos de puntuación/pausas si necesitas fragmentos a nivel de segmento.

Ajustar a la duración del medio. Whisper puede devolver el end de la última palabra ligeramente más allá de la duración real del clip — ajusta cada endSec de la tarjeta y composition.durationSeconds a la duración de metadata.json, o el renderizado mostrará una cola negra después del video.

5. Corregir Transcripción

transcript.json es un array plano de objetos de palabra — [{ "text": "...", "start": s, "end": s }, …] (sin array segments, sin envoltorio words; la clave por palabra es text). Léelo y corrige errores obvios de ASR:

  • Homófonos, nombres de productos, términos técnicos, puntuación
  • Edita el text de una palabra en su lugar; preserva sus marcas de tiempo start / end
  • No hay un array segments preagrupado — agrupa palabras en oraciones tú mismo (divide en signos de puntuación/pausas) cuando necesites fragmentos a nivel de segmento para la temporización de las tarjetas

6. Crear un Storyboard Ligero (en el chat)

No involucra CLI. Lee transcript.json + metadata.json y diseña las tarjetas directamente. storyboard.json es un artefacto de planificación interno del agente — ningún comando CLI lo consume; existe para que puedas pensar claramente sobre la temporización y el contenido antes de escribir el HTML de cada tarjeta. Mantén la estructura coherente con el ejemplo a continuación para que el mismo esquema pueda impulsar la composición que escribes en el Paso 9:

{
  "schemaVersion": 3,
  "composition": {
    "fps": 30,
    "width": 1080,
    "height": 1920,
    "durationSeconds": 121.2,
    "layout": "portrait",
    "themeId": "noir",
    "seed": 42
  },
  "videoTrack": {
    "sourcePath": "input-video.mp4",
    "startSec": 0,
    "endSec": 121.2,
    "bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
  },
  "subtitles": { "enabled": false },
  "cards": [
    {
      "id": "card-01",
      "intent": "Enganchar con la pregunta ansiosa del orador a medianoche",
      "startSec": 0.5,
      "endSec": 13.0,
      "accentIndex": 0,
      "zone": "fullscreen",
      "contentHints": {
        "kicker": "UNA PREGUNTA HONESTA",
        "title": "La pregunta existencial a las 11 PM",
        "detail": "Mensaje de voz de 60 segundos del cliente: 'Si el RMB se aprecia, ¿significa que mi póliza en USD es una pérdida terrible?'"
      }
    }
  ]
}

Campos requeridos de la tarjeta:

campotipopropósito
idstringid estable utilizado en el HTML de la tarjeta y selectores GSAP
intentstringdescripción en lenguaje natural; alimenta la síntesis de la tarjeta
startSec / endSecnumbertiempos en segundos (endSec > startSec)
accentIndex0 | 1 | 2 | 3 | 4cuál de los 5 colores de acento del tema utiliza esta tarjeta
zoneenum (ver más abajo)dónde en el lienzo vive la tarjeta
contentHintsobjetobolsa de forma libre; el agente coloca aquí kicker/title/detail/data/quote
archetype (opcional)stringetiqueta de forma libre que puedes adjuntar para recordar el patrón de la tarjeta; ausente = forma libre, que es el valor predeterminado
transition (opcional)enum: cut | fade | slide | wipetransición declarativa de tarjeta a tarjeta

Cinco valores de zone:

zonalímites resueltoscuándo usar
fullscreencubre todo el lienzomomentos épicos, números grandes, mantras
whiteboard-areamargen interno de 40px (o 45% de la altura vertical)datos densos / contenido anotado
lower-thirdbanda inferior del 30%anotación sobre video visible
side-panel42% derecho (horizontal) o 40% inferior (vertical)datos a un lado, video al otro
video-overlaylienzo completo, espera tarjeta mayormente transparentesuperposiciones de anotación sobre video a sangre

Cuando ensambles la composición en el Paso 9, resuelve la zone de cada tarjeta en píxeles límite en el contenedor anfitrión de la tarjeta siguiendo la tabla anterior. Los límites del video se establecen una vez a nivel de composición (videoTrack.bounds); para hacer que el video parezca "moverse entre tarjetas", escribe interpolaciones GSAP contra #video-wrap en el <script> de la composición (ver Paso 9).

Sin roles de tarjeta prescritos, sin arco narrativo prescrito. Las tarjetas surgen de lo que realmente dice el video — podrían ser todas citas o todos datos, podrían comenzar con un número o con una historia. Deja que el transcript marque el ritmo.

¿Cuántas tomas? — inferencia automática a partir de duración + densidad. Sin límite superior fijo. Elige un ritmo base de la duración del video, luego ajusta por densidad de información. Solo el mínimo es fijo: al menos 5 tarjetas para que incluso videos cortos tengan ritmo.

Paso 1 — ritmo base por duración (el seg/tarjeta natural para densidad media):

duración del videoritmo base (seg por tarjeta)justificación
< 60s (reel corto)6–8slos espectadores esperan cortes rápidos en formato corto
60s – 3 min8–12sritmo social normal
3 – 10 min12–20sda espacio para respirar; cada tarjeta carga más
10 – 30 min20–35sritmo de conferencia/entrevista de formato largo
> 30 min30–60ssensación episódica, casi de capítulo

Paso 2 — multiplicador de densidad (multiplica el ritmo base):

señal en el transcriptmultiplicadorefecto
Alta densidad — muchos números, afirmaciones distintas, ritmo entrecortado, enumeración, cada 1–2 oraciones es una idea nueva× 0.7cortes más rápidos, más tarjetas
Densidad media — flujo mixto con datos y narrativa× 1.0ritmo base
Baja densidad — una historia extendida, replanteo repetido, ritmo reflexivo lento, un solo argumento que se desarrolla× 1.5cortes más lentos, menos tarjetas

Paso 3 — calcular:

segPorTarjeta = ritmoBase × multiplicadorDensidad
numTarjetas   = max(5, round(duracionVideoSeg / segPorTarjeta))

Ejemplos (nota — sin límite superior; los videos largos producen naturalmente más tarjetas):

  • Reel de 30s, único remate (baja densidad) → 7 × 1.5 = 10.5s/tarjeta → round(30/10.5)=3 → mínimo 5 tarjetas
  • Monólogo reflexivo de 60s (baja densidad) → 10 × 1.5 = 15s/tarjeta → 4 → mínimo 5 tarjetas
  • Video de 121s con datos ricos (alta densidad) → 10 × 0.7 = 7s/tarjeta → 17 tarjetas
  • Entrevista de 5 min, densidad mixta → 16 × 1.0 = 16s/tarjeta → 19 tarjetas
  • Análisis profundo de 10 min, alta densidad → 16 × 0.7 = 11s/tarjeta → 55 tarjetas
  • Conferencia de 30 min, densidad media → 28 × 1.0 = 28s/tarjeta → 64 tarjetas
  • Podcast de 1 hora, baja densidad → 45 × 1.5 = 67.5s/tarjeta → 53 tarjetas

Cuando una tarjeta dura más de ~15s, planifica una tarjeta más rica (bloque de datos, revelado en varios pasos, varios subpuntos que se desarrollan con animaciones escalonadas) — una frase estática se vuelve aburrida después de 8s. Para piezas largas donde muchas tarjetas superan los 30s, considera dividir la línea de tiempo en subcomposiciones (un .html por capítulo, montado con data-composition-src) para que la línea de tiempo de GSAP por archivo sea manejable — consulta la advertencia de lint timeline_track_too_dense de HyperFrames.

contentHints es un objeto de forma libre; sus claves y anidación pueden tomar cualquier forma que capture los datos. El agente decide la forma por tarjeta.

Outro opcional. Este skill no incluye un outro de marca fijo. Si el usuario quiere una tarjeta de cierre, diseña una neutral tú mismo (marca de palabra + eslogan de una línea, ~1.5-2s, fundido de entrada -> breve pausa -> fundido de salida), añádela a cards[], y extiende composition.durationSeconds hasta su...

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

laviedezidane/hyperframes-skill

Add captions or subtitles to an existing single-subject talking-head video without editing the footage. Use for plain verbatim captions, cinematic captions embedded behind the subject, VFX captions, “炸/特效/酷炫字幕,” or a named identity from the 35-style catalog. Route by visual identity, not by backend engine. The quiet `anchor` rail is the default; embed every word only when the user explicitly wants a fully cinematic treatment. The workflow runs locally end to end, including transcription and subject matting; split multi-shot footage before applying it.

laviedezidane/hyperframes-skill

Turn arbitrary text — an article, notes, a topic, a brief — into a faceless explainer video: there is no site or footage to capture, so the visuals are invented per scene (typography, abstract graphics, diagrams, data-viz). Use for topic explainers, concept breakdowns, how-tos, listicles. Not a video built from a website (/product-launch-video — promo or tour). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Import Figma content into a HyperFrames composition — rendered assets, brand tokens, components, storyboard sections → reconstructed motion (frames read as states, not slides) (REST/CLI), connector-assisted motion when available, and shaders from a connector or native export. Use when the user pastes a figma.com link or asks to bring a Figma design, frame, logo, brand, or animation into a video/composition.

laviedezidane/hyperframes-skill

Author or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, static loops, static title cards, footage remixes, and freeform builds. Use motion-graphics instead for a short unnarrated motion-first unit, including an animated title. Route fresh creation through hyperframes before using this skill.

laviedezidane/hyperframes-skill

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

laviedezidane/hyperframes-skill

Use when audio already placed in a HyperFrames composition needs to be mixed: fade-in/fade-out, crossfade, track gain or volume, volume automation, ducking, a music bed that fights a voiceover (voiceover carve), effects on a track (EQ, compressor, limiter, gate, saturation, delay, reverb, chorus, phaser, bitcrush), automation envelopes drawn on a track's volume or any effect parameter, or one submix bus carrying a chain, a fader and an automation clock for several tracks at once (`<hf-audio-group>`). Don't use for sourcing or generating audio — finding BGM, SFX, or making a voiceover is `/media-use`. Don't use for clip timing or track layout, which is `/hyperframes-core`.

laviedezidane/hyperframes-skill

Use the HyperFrames CLI development loop: init, add, catalog, capture, lint, check, snapshot, compare, grade-compare, preview, play, present, beats, keyframes, single or batch render, publish, cloud, cloudrun, feedback, lambda, doctor, browser, info, upgrade, skills, compositions, timeline, history, clean, docs, benchmark, telemetry, transcribe, auth, tts, and remove-background. Also use when diagnosing build or render failures. validate, inspect, and layout are deprecated aliases; use check. Covers local, HeyGen-hosted cloud, AWS Lambda, and Google Cloud Run rendering.

laviedezidane/hyperframes-skill

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

laviedezidane/hyperframes-skill

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

laviedezidane/hyperframes-skill

Use when a HyperFrames composition needs a punch-in, punch-out, zoom, reframe, Ken Burns treatment, camera move, visual match/whip handoff, or other seek-safe 2D/3D keyframes; also for GSAP, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

laviedezidane/hyperframes-skill

Search, install, and wire registry blocks and components into HyperFrames compositions. Use BEFORE hand-building any named visual — whenever a brief, a user, or a storyboard names a look, effect, treatment, or transition such as CRT scanlines, glitch, chromatic aberration, film grain, a shimmer sweep, a chart, a code or terminal window, a map, or a confetti burst — because roughly 400 hosted items already cover many of them and the search ranks all of them with nothing installed, no project, and no account. Also use when running hyperframes add or hyperframes catalog, installing one item or every block matching a tag, wiring an installed item into index.html, or working with hyperframes.json. Covers discovery, install locations, block sub-composition wiring, component snippet merging, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

laviedezidane/hyperframes-skill

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

laviedezidane/hyperframes-skill

Use when working with a person on a HyperFrames project in Studio: first, whether their message asks for a change at all (questions, loose ideas and "don't change anything" get an answer and a plan, not an edit); for a new film, the plan, storyboard and build order that the HyperFrames launch films follow; and how the timeline should be laid out so it reads well (one caption track, one element kind per track, every scene a sub-composition) and where captions and key content may sit (safe zones). Don't use for how to perform an individual edit (split, trim, retime, volume, copy, swap): that is `creator-editing-recipes.md` in `/hyperframes-core`.

laviedezidane/hyperframes-skill

Agent Media OS for a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + ledger record (one verb, `resolve`); generate via TTS / music / image models when the catalog misses; produce voiceover, transcription, captions, and background removal through one shared audio engine; operate on media (cut / reframe / transform); and reuse assets across projects. Also use for vague feedback that real footage looks dark, flat, boring, should feel retro/camcorder/print/ASCII, needs privacy, or needs a media reveal. When the host app provides its own music or sound-effect tools, use those for music and sound effects; `resolve --type bgm|sfx` needs the heygen CLI. When `HEYGEN_API_BASE` is set, HeyGen calls go through that host with no CLI sign-in.

laviedezidane/hyperframes-skill

A short, design-led motion graphic where motion is the message — kinetic typography, stat count-up, chart/data-viz hit, logo sting / brand lockup, lower-third / callout / social overlay, animated map (highlight regions, connect places, zoom to a location), animated tweet / news-article / headline, webpage / UI animation (scroll, cursor, callouts), or fusing a real image's geometry into a chart. Usually under 10s (up to ~30s), no narration or live-action subject; renders to MP4 or transparent overlay. Longer / narrated / multi-scene → /general-video. Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a music track (an audio file, a video to pull audio from, or a track generated from a mood brief) into a beat-synced video — lyric video, slideshow, or kinetic promo. The music drives all pacing; any user-supplied images/videos are cut onto the same beat grid, and a complete video needs zero assets. Narrated pieces → the input-matched workflow (see /hyperframes). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a product or marketing URL, pasted script, or brief into a product launch / promo video — SaaS promos, feature reveals, product demos, app and company launches. Use when the user wants to market, launch, promote, or reveal a product; the default for any commercial URL. Site tours / showcases of a website route here too — the brief carries the show-it-as-is intent. Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a GitHub pull request (a PR URL, owner/repo#N, or 'this PR' in a checked-out repo) into a code-change explainer video — changelog, feature reveal, fix, or refactor walkthrough built from the diff, commits, and files: the input is a code change, not a website. Not a product promo (/product-launch-video) or a no-PR topic explainer (/faceless-explainer). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Port an existing Remotion (React) composition''s source to HyperFrames HTML. Use ONLY on an explicit ask to port/convert/migrate/translate a Remotion source — one-way, Remotion-only. A passing Remotion mention, reference-only code, or "make something like my Remotion video" is a fresh build (/general-video). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Author a HyperFrames slideshow — a presentation, pitch deck, or interactive deck with discrete slides, fragment reveals, branching, hotspot navigation, and built-in presenter mode with speaker notes; also converts an existing page into a deck. Output is a navigable deck, not a rendered MP4. If the user didn't explicitly ask for a slideshow, confirm before authoring. Unclear → /hyperframes.

Skills relacionados