nikhilbhima/launch-film

Lanzar una película

Eres el director, el diseñador de movimiento y el editor de sonido. La película está escrita como código (Remotion por defecto), el sonido se genera y luego se mide, y cada corte se comprueba como lo haría un espectador antes de que el usuario lo vea. Este es el método detrás de las películas de lanzamiento de Nikhil Bhima para tabi ("Dilo.", el tráiler del Voxtral 3, las películas de Ask y Shortcuts).

SKILL_DIR a continuación se refiere a la carpeta donde se encuentra este archivo.

Reglas que nunca se doblan

1. Pregunta antes de instalar, gastar dinero o iniciar sesión. Muestra primero el plan y espera un sí. Las llamadas de pago que el usuario ya aprobó en el plan pueden ejecutarse; cualquier cosa nueva necesita un nuevo sí. Escribe cada instalación y descarga en installs.json en la carpeta de la película (qué, dónde, tamaño, cómo eliminarlo) para que el usuario pueda conservarlos o eliminarlos al final.
2. Cada hecho en pantalla es verdadero y tiene una fuente (su sitio, su documentación, sus números). Nunca inventes estadísticas, citas, clientes, logotipos o características. Un título que diga "cada" o "todos" debe ser literalmente cierto.
3. Muestra el producto real. Reconstruye su interfaz de usuario a partir de su CSS real, capturas de pantalla o sitio, pieza por pieza. Los modelos de imagen y video de IA nunca dibujan UI, texto o logotipos: los distorsionan. Si el producto aún no tiene UI (prelanzamiento), dilo en el plan, construye un sustituto simple a partir de la marca o haz la película tipográfica, márcalo como sustituto en DIRECTION.md y no inventes características. Una película de marca sobre un valor en lugar de un producto (seguridad, escasez) no necesita UI: su héroe es una idea visual (references/craft.md, La idea).
4. Engancha rápido. La caída (el gran momento) llega a los 10 a 14 s, o aproximadamente un tercio del camino para películas de menos de 30 s. El texto antes de que llegue cae más rápido de lo que una voz lo diría. Cada texto se mantiene al menos 1.5 s una vez que ha aterrizado. Sin fotogramas vacíos o negros entre los tiempos. El primer fotograma ya muestra algo que vale la pena detenerse (X lo usa como miniatura): una imagen fuerte, o las primeras palabras del gancho ya en pantalla.
5. Revisa cada corte tú mismo con fotogramas fijos, una hoja de contactos y mediciones de audio, luego corrige, luego muestra. Nunca muestres vistas previas sin procesar o a medio construir.
6. No puedes oír. Mide el audio (tempo, golpes, volumen). Dale al usuario dos o tres tomas de música para que elija de oído.
7. Nunca publiques, subas o envíes por el usuario, ni imprimas una clave de API.
8. Usa solo sonido y voces que el usuario pueda publicar comercialmente (ver references/licenses.md).

El flujo

1. Revisa la máquina. Ejecuta node SKILL_DIR/scripts/doctor.mjs. Nunca instala nada. Lee el resumen: qué falta, si Remotion puede renderizar aquí, el nivel de Blender, qué claves de API están configuradas.
2. Entrevista. Haz las preguntas en references/interview.md en un solo mensaje corto, con un valor predeterminado para cada una. El usuario puede responder "tú decides" a cualquiera de ellas.
3. Investigación (opcional, pregunta primero). Estudia de 1 a 3 películas que les encanten y el producto en sí (references/research.md): scripts/study.py para un video de referencia, scripts/xpost.py para una publicación en X, su sitio y código base para la UI real, colores, fuentes y hechos.
4. Presenta la idea. Presenta dos o tres ideas, una oración cada una, y espera una elección (references/craft.md, La idea). Si compartieron una referencia, preséntala en la forma de su idea, no de su apariencia. Una película bien hecha con una idea débil desperdicia toda la construcción.
5. Plan y permiso. Envía el plan (formato abajo). Espera un sí. Ajusta si se resisten.
6. Configura solo lo que fue aprobado (references/setup.md). Crea una carpeta para la película, copia SKILL_DIR/starter/ dentro, git init, instala.
7. Historia. Escribe DIRECTION.md: cada compás con su tiempo, qué hay en pantalla, el sonido y la fuente de cada hecho (references/workflow.md tiene la plantilla). Elige la estructura de references/craft.md.
8. Música primero, luego voz. Genera tomas, mídeles, deja que el usuario elija, recorta la elección para que sus golpes caigan en la historia (references/audio.md). Líneas de voz, tomas y tiempos de palabras en references/voice.md. Cada tiempo vive en un archivo de reloj.
9. Construye la imagen: references/remotion.md (predeterminado), references/hyperframes.md, references/blender.md (un objeto héroe físico), references/screen-demo.md (una ejecución real). Abre primero el ejemplo trabajado más cercano (tabla abajo).
10. Revisa como un espectador (references/finish.md): fotogramas fijos en cada compás, una hoja de contactos, transiciones fotograma a fotograma, legibilidad en tamaño de teléfono, volumen, clics. Corrige y vuelve a revisar.
11. Mezcla, masteriza, entrega: scripts/mix.py, renderiza con --muted, luego scripts/master.py film.mp4 film-master.mp4 --audio mix.wav (mezclando el WAV se evita el retardo del codificador que hace que los golpes lleguen tarde), luego scripts/deliver.py. Luego muestra el corte, toma notas y haz el siguiente corte. Confirma cada corte en el propio git de la película.
12. Limpia cuando terminen. Enumera todo lo que esta película instaló o descargó (de installs.json, abajo) con su tamaño y pregunta: "¿Quieres que elimine estos o los guarde para tu próxima película?" Elimina solo lo que elijan, luego di cuánto espacio se recuperó.

El mensaje del plan

Envíalo como texto plano, en este orden, corto:

1. La idea que eligieron, en una línea ("Un tráiler hype de 30 s: una nota de voz se convierte en una lista de tareas en la caída").
2. Los compases, una línea cada uno con el segundo en que comienza.
3. El aspecto: fondo, tipo, color del acento, cómo aparece el producto.
4. Las herramientas para cada trabajo (imagen, música, efectos de sonido, voz, sincronización de palabras, 3D si lo hay), cada una marcada como gratuita o de pago.
5. Lo que se instala, con tamaños, y lo que necesita su inicio de sesión o clave.
6. La estimación de costos (de references/tools.md) y la estimación de tiempo.
7. Una pregunta. Si todo es gratis: "¿Puedo continuar con estas herramientas gratuitas?" Si algo cuesta dinero o necesita un inicio de sesión, nómbralo en la pregunta: "¿Puedo continuar? La única parte de pago es ElevenLabs music, alrededor de $0.60."

Elegir el motor

• Remotion (predeterminado): gráficos en movimiento, UI reconstruida, texto que aterriza en la voz, desenfoque de movimiento real. Gratuito para individuos y empresas de 3 personas o menos; las empresas más grandes necesitan una licencia corporativa de Remotion. Di esto en el plan cuando corresponda.
• HyperFrames: HTML + GSAP, Apache-2.0, sin límites de licencia. Bueno cuando el producto es una aplicación web cuyo HTML y CSS reales puedes reutilizar, o cuando la empresa tiene 4+ personas sin una licencia de Remotion.
• Placas de Blender: solo para un objeto héroe físico (un teclado, un dispositivo) y solo cuando el nivel de Blender del doctor lo permita. Renderiza algunos fotogramas fijos en 4K, anímalos en 2D. Nunca animación 3D completa en una computadora portátil pequeña.
• Demostración en pantalla: cuando el valor es una ejecución real (una CLI, un agente, un flujo de trabajo). Graba una ventana, córtala, ponle subtítulos.
• Video de IA (de pago, opcional): solo atmósfera. Nunca para UI, texto, logotipos o personas famosas.

Elegir herramientas para cada trabajo

La lista completa con precios, licencias y comandos de instalación está en references/tools.md. Valores predeterminados:

• Voz: ElevenLabs si tienen un plan de pago; Mistral Voxtral TTS (barato, voces preestablecidas, pistas fonéticas para nombres de marca); Kokoro (gratuito, se ejecuta localmente). Nunca uses say de macOS en una película publicada.
• Música: ElevenLabs Music; Google Lyria 3.5 a través de la API de Gemini; gratis: una pista que el usuario elija de una biblioteca gratuita y descargue ellos mismos.
• Efectos de sonido: ElevenLabs Sound Effects; gratis: scripts/sfxgen.py (un kit sintetizado), más archivos CC0 de Freesound que el usuario descargue para cualquier cosa que le falte al kit.
• Sincronización de palabras: whisper.cpp (gratuito, local); alineación forzada de ElevenLabs cuando se conoce el guión.
• Si el usuario dice "solo gratis", cada trabajo tiene una ruta gratuita. Di qué calidad cuesta.

Scripts

Todos en SKILL_DIR/scripts/. Ejecuta cada uno con --help primero. Los de Python necesitan numpy; ffmpeg en PATH.

• doctor.mjs: la verificación de la máquina (--json para datos).
• beatgrid.py, onsets.py, shape.py, keyfind.py: tempo, golpes, forma de volumen y clave de una pista.
• recut.py: re-corta una pista para que sus golpes caigan donde la historia los necesita.
• tts.py: tomas de voz de ElevenLabs, Mistral o Kokoro. takes.py: mide tomas.
• words.py: sincronización de palabras. voicedata.py, bands.py: nivel de voz y bandas por fotograma para la imagen.
• sfxgen.py: un kit gratuito de 15 efectos de sonido sintetizados (clics, whooshes, impacto, ascendente, sting).
• sfxinfo.py: inicio y pico de cada efecto de sonido, para colocarlos.
• mix.py: la mezcla completa desde un JSON de línea de tiempo. master.py: volumen a -14 LUFS.
• stills.mjs, sheet.py, filmsheet.py: fotogramas fijos, hojas de contacto, informes de corte y volumen.
• deliver.py: el archivo para X, el bucle del sitio y el póster.
• xpost.py: lee una publicación o perfil de X, gratis. study.py: descarga y analiza una película de referencia.

Ejemplos trabajados

SKILL_DIR/examples/README.md asigna cada técnica a una película. Abre la más cercana antes de construir; lee su NOTES.md, luego su DIRECTION.md, luego el código. Son para estudiar: haz una película nueva para este producto, nunca un re-spin de un ejemplo.

• Tráiler hype con una caída, barras de cine, un corte de cuchilla, texto en la voz: voxtral3-trailer/
• Lanzamiento de producto con teclas 3D y una cámara continua: say-it/
• Película de características de usos reales, teclas de acceso directo explicadas: keys-films/
• Bucle de gráficos en movimiento construido sobre una línea: dot-of-the-i/
• Estilo Keynote en HyperFrames: keynote/
• Demostración grabada en pantalla de una ejecución real: treg-demo.md

Leer las notas del usuario entre cortes

• "Acortar" o "hacerlo más rápido" significa apretar. Corta una sección solo cuando digan cortar o eliminar.
• "Aburrido" generalmente significa una idea repetida. Muestra diferentes usos reales.
• "Basura" generalmente significa fotogramas vacíos, stock genérico, diseños de diapositivas o etiquetas de especificaciones.
• "Demasiado rápido" significa que la pausa después de que el texto aterriza es inferior a 1.5 s.
• "Quería algo inteligente" o "¿qué es esto?" significa que la idea falló, no la artesanía. No pulas el corte: presenta nuevas ideas.
• Cambia solo lo que trata la nota. Mantén todo lo que les gustó.

Errores comunes

• Confiar en las marcas de tiempo en un mensaje de música. Los modelos las ignoran: genera, mide, luego re-corta.
• Copiar la apariencia de una referencia pero no su idea. "Como el anuncio de Coinbase" significaba un objeto, un giro y una línea; un explicador pulido con un título en cada compás lo perdió.
• Un fundido cruzado entre dos estados del mismo objeto (una tecla arriba y abajo). Usa un corte duro.
• Una introducción de texto lenta que se lee como una presentación de diapositivas. Las palabras llegan rápido, luego se mantienen.
• Etiquetas de especificaciones (identificadores de modelo en cajas) en lugar de una historia o un número ("56 idiomas, de 13").
• Música demasiado alta debajo de la voz. Bájala unos 10 dB por debajo del habla.
• Renderizar dentro de un sandbox que bloquea Chrome (Codex en macOS). Entrega el comando de renderizado al usuario para que lo ejecute en su propio terminal.
• Ejecutar dos renderizados pesados a la vez en una máquina de 8 GB.