Communitygithub.com

NeverSight/learn-skills.dev

Usa esta habilidad para añadir audio a videos programáticos: genera narración con ElevenLabs TTS, encuentra música de fondo libre de derechos, crea efectos de sonido con FFmpeg, implementa ducking de audio y mezcla múltiples capas de audio en Remotion.

¿Qué es learn-skills.dev?

Esta habilidad está diseñada para ingenieros que crean videos programáticos con Remotion y necesitan añadir una banda sonora completa de alta calidad. Cubre todo el flujo de trabajo de diseño de audio: desde la generación de narración realista con ElevenLabs (incluyendo ajustes de voz y selección de modelos), pasando por la creación sintética de efectos de sonido con FFmpeg (clics, silbidos, transiciones), hasta la obtención de música de fondo libre de derechos. El corazón de la habilidad es la implementación de 'audio ducking' en Remotion, que baja automáticamente el volumen de la música cuando se reproduce la narración para mantener la claridad del habla. Proporciona código TypeScript listo para usar, diagramas conceptuales y tablas de referencia para volúmenes y configuraciones de API. La habilidad también ofrece alternativas a ElevenLabs (OpenAI TTS y Edge TTS) y patrones avanzados para mezclar múltiples capas de audio con sincronización precisa por fotograma. Es esencial para desarrolladores que quieran pasar de presentaciones de diapositivas simples a producciones de video pulidas y profesionales.

Compatible con✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/absolutelyskilled/absolutelyskilled/video-audio-design

Preguntar en tu IA favorita

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

Documentación

Cuando esta habilidad se active, comienza siempre tu primera respuesta con el emoji :speaker:.

Diseño de Audio para Video

El diseño de audio para video es la práctica de superponer narración, efectos de sonido y música de fondo en composiciones de video programáticas. Un buen audio transforma un video estilo presentación de diapositivas en una producción pulida: la narración guía al espectador, la música establece el tono emocional y los efectos de sonido enfatizan los momentos clave. Esta habilidad cubre la generación de voz con ElevenLabs y proveedores TTS alternativos, la creación de efectos de sonido sintéticos con FFmpeg, la obtención de música de fondo libre de derechos, la implementación de ducking de audio para que el habla se entienda claramente, y la mezcla de todas las capas en composiciones de Remotion con sincronización precisa por fotograma.


Cuándo usar esta habilidad

Activa esta habilidad cuando el usuario:

  • Quiera añadir narración o voz en off a un video programático
  • Necesite generar voz con ElevenLabs, OpenAI TTS o Edge TTS
  • Pregunte sobre selección de voz, ajustes de voz o clonación de voz
  • Quiera añadir música de fondo o necesite fuentes de música libres de derechos
  • Pregunte sobre creación programática de efectos de sonido
  • Quiera implementar ducking de audio (bajar la música durante el habla)
  • Necesite mezclar múltiples capas de audio en Remotion
  • Pregunte sobre sincronización de audio, niveles de volumen o sincronización basada en fotogramas

NO actives esta habilidad para:

  • Guionización o storyboard de video: usa la habilidad de guionización de video
  • Arquitectura de componentes de Remotion o renderizado: usa la habilidad de video Remotion
  • Producción de audio profesional en un DAW (Ableton, Logic, Pro Tools)
  • Composición musical o programación MIDI

Principios clave

  1. Arquitectura de audio por capas - Cada video tiene tres capas de audio: narración arriba (más fuerte), SFX en el medio (volumen de acento) y música de fondo en la base (más baja).

  2. La narración marca el ritmo - Genera la narración primero, mide su duración y luego ajusta la duración de las escenas para que coincidan. Nunca fuerces la narración a caber en duraciones de escena arbitrarias.

  3. Ducking de música durante el habla - La música de fondo debe bajar un 50-60% cuando se reproduce la narración. Usa transiciones suaves (10-15 fotogramas) para evitar cambios bruscos.

  4. SFX como acentos, no distracciones - Mantén los SFX cortos (menos de 0.5 s), sutiles en volumen y relevantes para la acción en pantalla.

  5. Prueba el audio en contexto - Siempre previsualiza la mezcla completa con todas las capas juntas. Escucha si el habla suena turbia, hay picos de volumen o silencios incómodos.


Conceptos clave

Arquitectura de audio de 3 capas

CapaRolVolumen baseDurante la narración
NarraciónTransmite información, marca el ritmo0.8-1.0N/A (capa superior)
SFXAcentúa transiciones y acciones0.3-0.50.3-0.5 (sin cambios)
Música de fondoEstablece el tono emocional, llena silencios0.3-0.50.15-0.25 (ducked)

Modelo de API de ElevenLabs

ElevenLabs proporciona TTS neuronal a través de una API REST. El flujo principal:

  1. Elige una voz (predefinida o clonada): cada una tiene un voice_id
  2. Envía el texto + ajustes de voz a /v1/text-to-speech/{voice_id}
  3. Recibe los bytes de audio sin procesar (mp3 por defecto)
  4. Escribe a un archivo y mide la duración para la sincronización de la escena

Ajustes de voz:

AjusteRangoBajoAltoRecomendado
stability0-1Más expresivo, variableMás consistente, monótono0.4-0.6
similarity_boost0-1Más creativoMás cercano a la voz original0.6-0.8
style0-1Entrega neutralEstilo exagerado0.3-0.6

Concepto de ducking de audio

El ducking de audio reduce el volumen de la música de fondo cuando comienza la narración y lo restaura cuando termina. En Remotion, usa interpolate():

Volumen música:  0.4 ---\              /--- 0.4
                       \            /
               0.15     \__________/
                     inicio narración → fin

Las transiciones deben tomar de 10 a 15 fotogramas (~0.3-0.5 s a 30 fps).

Sincronización de audio basada en fotogramas en Remotion

  • useCurrentFrame() devuelve el número de fotograma actual
  • interpolate() asigna rangos de fotogramas a rangos de valores (ej. volumen)
  • <Sequence from={frame}> coloca el audio en un fotograma específico
  • <Audio volume={fn}> acepta un número estático o una función por fotograma

Convierte segundos a fotogramas: frames = seconds * fps.


Tareas comunes

1. Configurar la clave API de ElevenLabs y generar narración

import fs from 'fs';

const ELEVENLABS_API_URL = 'https://api.elevenlabs.io/v1';

async function generateNarration(
  text: string,
  voiceId: string,
  outputPath: string
): Promise<void> {
  const response = await fetch(
    `${ELEVENLABS_API_URL}/text-to-speech/${voiceId}`,
    {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'xi-api-key': process.env.ELEVEN_LABS_API_KEY!,
      },
      body: JSON.stringify({
        text,
        model_id: 'eleven_multilingual_v2',
        voice_settings: {
          stability: 0.5,
          similarity_boost: 0.75,
          style: 0.5,
          use_speaker_boost: true,
        },
      }),
    }
  );

  if (!response.ok) {
    const error = await response.text();
    throw new Error(`Error de API de ElevenLabs ${response.status}: ${error}`);
  }

  const buffer = Buffer.from(await response.arrayBuffer());
  fs.writeFileSync(outputPath, buffer);
}

2. Seleccionar y configurar ajustes de voz

Preguntas para la selección de voz: género, rango de edad, acento, nivel de energía, calidez.

interface VoiceSettings {
  stability: number;
  similarity_boost: number;
  style: number;
  use_speaker_boost: boolean;
}

const presets: Record<string, VoiceSettings> = {
  explainer: { stability: 0.6, similarity_boost: 0.75, style: 0.4, use_speaker_boost: true },
  promo: { stability: 0.3, similarity_boost: 0.7, style: 0.7, use_speaker_boost: true },
  tutorial: { stability: 0.7, similarity_boost: 0.8, style: 0.2, use_speaker_boost: false },
};

3. Generar narración por escena a partir de un guion

import { execSync } from 'child_process';
import path from 'path';

interface Scene { id: string; narrationText: string; }
interface SceneWithAudio extends Scene {
  audioPath: string;
  durationMs: number;
  durationFrames: number;
}

function getAudioDurationMs(filePath: string): number {
  const output = execSync(
    `ffprobe -v error -show_entries format=duration -of csv=p=0 "${filePath}"`
  ).toString().trim();
  return Math.round(parseFloat(output) * 1000);
}

async function generateSceneNarrations(
  scenes: Scene[], voiceId: string, outputDir: string, fps: number
): Promise<SceneWithAudio[]> {
  const results: SceneWithAudio[] = [];
  for (const scene of scenes) {
    const audioPath = path.join(outputDir, `${scene.id}.mp3`);
    await generateNarration(scene.narrationText, voiceId, audioPath);
    const durationMs = getAudioDurationMs(audioPath);
    results.push({
      ...scene, audioPath, durationMs,
      durationFrames: Math.ceil((durationMs / 1000) * fps),
    });
  }
  return results;
}

4. Obtener música de fondo

Fuentes de música libres de derechos:

  • Pixabay Audio: https://pixabay.com/music/ (gratis, sin atribución)
  • Freesound: https://freesound.org/ (CC0/CC-BY)
  • YouTube Audio Library: descarga desde YouTube Studio
  • Archivos locales: colócalos en public/audio/ para staticFile() de Remotion

5. Generar SFX con FFmpeg

# Sonido de clic - breve ráfaga sinusoidal
ffmpeg -f lavfi -i "sine=frequency=800:duration=0.05" \
  -af "afade=t=out:st=0.02:d=0.03" click.wav

# Sonido de tecleo - ráfaga de ruido filtrado
ffmpeg -f lavfi -i "anoisesrc=d=0.08:c=white:a=0.3" \
  -af "highpass=f=2000,lowpass=f=8000,afade=t=out:st=0.04:d=0.04" type.wav

# Silbido - barrido de frecuencia
ffmpeg -f lavfi -i "sine=frequency=200:duration=0.4" \
  -af "vibrato=f=8:d=0.5,afade=t=in:d=0.1,afade=t=out:st=0.2:d=0.2,lowpass=f=1000" \
  whoosh.wav

# Timbre/campana - síntesis de campana
ffmpeg -f lavfi -i "sine=frequency=1200:duration=0.6" \
  -af "afade=t=out:st=0.1:d=0.5,aecho=0.8:0.88:40:0.4" ding.wav

# Pop - impulso
ffmpeg -f lavfi -i "sine=frequency=400:duration=0.08" \
  -af "afade=t=out:st=0.02:d=0.06,lowpass=f=600" pop.wav

# Swoosh de transición
ffmpeg -f lavfi -i "sine=frequency=300:duration=0.3" \
  -af "vibrato=f=12:d=0.8,afade=t=in:d=0.05,afade=t=out:st=0.15:d=0.15,bandpass=f=500:w=400" \
  swoosh.wav

6. Implementar ducking de audio en Remotion

import React from 'react';
import { Audio, useCurrentFrame, interpolate, Sequence } from 'remotion';

const AudioMixer: React.FC<{
  narrationSrc: string;
  musicSrc: string;
  narrationStart: number;
  narrationDuration: number;
}> = ({ narrationSrc, musicSrc, narrationStart, narrationDuration }) => {
  const frame = useCurrentFrame();

  const duckRampFrames = 10;
  const musicVolume = interpolate(
    frame,
    [
      narrationStart - duckRampFrames,
      narrationStart,
      narrationStart + narrationDuration,
      narrationStart + narrationDuration + duckRampFrames,
    ],
    [0.4, 0.15, 0.15, 0.4],
    { extrapolateLeft: 'clamp', extrapolateRight: 'clamp' }
  );

  return (
    <>
      <Audio src={musicSrc} volume={musicVolume} />
      <Sequence from={narrationStart} durationInFrames={narrationDuration}>
        <Audio src={narrationSrc} volume={0.9} />
      </Sequence>
    </>
  );
};

export default AudioMixer;

7. Mezclar 3 capas de audio en una composición de Remotion

import React from 'react';
import { Audio, Sequence, useCurrentFrame, interpolate } from 'remotion';

interface NarrationSegment { src: string; startFrame: number; durationFrames: number; }
interface SfxEvent { src: string; frame: number; }

const FullAudioMix: React.FC<{
  narrations: NarrationSegment[];
  sfxEvents: SfxEvent[];
  musicSrc: string;
}> = ({ narrations, sfxEvents, musicSrc }) => {
  const frame = useCurrentFrame();
  const duckRamp = 10;

  let musicVolume = 0.4;
  for (const seg of narrations) {
    const duck = interpolate(
      frame,
      [seg.startFrame - duckRamp, seg.startFrame,
       seg.startFrame + seg.durationFrames, seg.startFrame + seg.durationFrames + duckRamp],
      [1, 0.375, 0.375, 1],
      { extrapolateLeft: 'clamp', extrapolateRight: 'clamp' }
    );
    musicVolume = musicVolume * duck;
  }

  return (
    <>
      <Audio src={musicSrc} volume={musicVolume} loop />
      {sfxEvents.map((sfx, i) => (
        <Sequence key={i} from={sfx.frame} durationInFrames={30}>
          <Audio src={sfx.src} volume={0.4} />
        </Sequence>
      ))}
      {narrations.map((seg, i) => (
        <Sequence key={i} from={seg.startFrame} durationInFrames={seg.durationFrames}>
          <Audio src={seg.src} volume={0.9} />
        </Sequence>
      ))}
    </>
  );
};

export default FullAudioMix;

8. Usar proveedores TTS alternativos

OpenAI TTS - buena calidad, API simple, seis voces integradas:

import OpenAI from 'openai';
import fs from 'fs';

const openai = new OpenAI();

async function generateWithOpenAI(
  text: string,
  outputPath: string,
  voice: 'alloy' | 'echo' | 'fable' | 'onyx' | 'nova' | 'shimmer' = 'alloy'
): Promise<void> {
  const mp3 = await openai.audio.speech.create({
    model: 'tts-1-hd',
    voice,
    input: text,
  });
  const buffer = Buffer.from(await mp3.arrayBuffer());
  fs.writeFileSync(outputPath, buffer);
}

Edge TTS - gratuito, muchas voces, usa el servicio TTS de Microsoft Edge:

pip install edge-tts
edge-tts --voice es-ES-AlvaroNeural --text "Hola mundo" --write-media output.mp3
edge-tts --list-voices

Antipatrones / errores comunes

ErrorPor qué está malQué hacer en su lugar
Música al mismo volumen durante la narraciónEl habla se vuelve ininteligibleImplementa ducking de audio: baja la música 50-60% durante el habla
Codificar la clave API de ElevenLabs en el códigoLa clave se filtra en el control de versionesUsa variables de entorno: process.env.ELEVEN_LABS_API_KEY
Usar TTS sin medir la duraciónLa sincronización de la escena es incorrecta, la narración se cortaMide la duración del audio con ffprobe después de la generación
SFX más fuerte que la narraciónDistrae del contenidoSFX a 0.3-0.5, narración a 0.8-1.0
Sin fundido al inicio/fin de la músicaEl inicio/parada abruptos parecen un errorAñade fundido de entrada de 0.5-1 s al inicio y fundido de salida al final
Usar un modelo TTS de baja calidadLa voz robótica perjudica la calidadUsa eleven_multilingual_v2 o tts-1-hd
Ignorar el formato del archivo de audioAlgunos formatos añaden silencio de rellenoUsa MP3 para la narración, WAV para los SFX

Trampas (Gotchas)

  1. Límites de velocidad y cuotas de caracteres de ElevenLabs - El nivel gratuito tiene un límite mensual de caracteres. Almacena en caché el audio generado de forma agresiva y solo regenera cuando el texto cambie. Usa un hash del texto como clave de caché.

  2. El relleno del codificador MP3 añade silencio - Los archivos MP3 suelen tener 20-50 ms de silencio al inicio. Recórtalos con ffmpeg -af silenceremove=1:0:-50dB o ten en cuenta el desplazamiento en la sincronización de fotogramas.

  3. El volumen de Audio en Remotion es por componente, no global - Dos componentes <Audio> con volumen 1.0 pueden recortar. Mantén el volumen total de las capas simultáneas por debajo de 1.0.

  4. Los SFX de FFmpeg suenan diferente en distintos sistemas - Especifica siempre -ar 44100 -sample_fmt s16 para obtener resultados consistentes en todas las máquinas.

  5. Consistencia de la voz entre escenas - ElevenLabs puede producir tonos diferentes para los mismos ajustes con texto variable. Usa stability >= 0.5 para narraciones de varias escenas.


Referencias

Para patrones detallados sobre subdominios de audio específicos, lee el archivo correspondiente de la carpeta references/:

  • references/elevenlabs-api.md - patrones avanzados de la API de ElevenLabs que incluyen clonación de voz, TTS en streaming, API websocket, diccionarios de pronunciación y gestión de cuotas
  • references/audio-mixing-patterns.md - patrones de mezcla avanzados que incluyen ducking multisegmento, crossfades entre escenas, curvas de automatización de volumen y masterización de la mezcla final
  • references/sfx-generation.md - generación completa de SFX con FFmpeg que incluye síntesis compleja, superposición de múltiples generadores y creación de una biblioteca de SFX reutilizable

Carga un archivo de referencia solo si la tarea actual lo requiere: son largos y consumirán contexto.


Verificación complementaria

En la primera activación de ...

[truncado para la traducción]

Individual skills in this repo

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

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills relacionados