minara-video-skills — Generación de música y efectos de sonido

/minara-music — Generar música + efectos de sonido a partir del guión

Convierte el guión por segundo del video en una hoja de referencia musical, cues.json, y luego sintetiza el BGM y los efectos de sonido sincronizados con la imagen de forma local. La síntesis es puramente local con numpy y la salida es determinista (las mismas señales + semilla siempre producen el mismo audio). No llama a ningún servicio externo y no tiene costo.

Fuente: el enfoque de puntuación del video de lanzamiento de Minara V2, generalizado en un script reutilizable; examples/v2-launch.json es la hoja de referencia de ese video.

Flujo de trabajo (en orden)

1. Leer el guión: obtén el guión por segundo del proyecto minara-video (o del storyboard / la hoja de tiempos de la voz en off). Si el guión tiene columnas de "ambiente sonoro" o "música", síguelas; si no, deduce el estado de ánimo de la imagen.
2. Escribir la hoja de referencia: en audio-src/cues.json del proyecto, escribe:
   • duration (= duración final del video), bpm (por defecto 120), key (por defecto A minor; para piezas brillantes/celebratorias puedes usar C major), seed.
   • sections: divide el guión en secciones musicales, elige una energy por sección y usa note para describir la imagen correspondiente (para facilitar la referencia cruzada).
   • sfx: cada acción visible en el guión (toque, escritura, pedido completado, notificación emergente, transición, bloqueo de destino) recibe un efecto de sonido, sincronizado al segundo indicado en el guión.
3. Mostrar la hoja al operador primero; no renderizar aún: en tablas markdown, enumera "rango de tiempo / energía / imagen correspondiente" y "tiempo SFX / tipo / acción correspondiente", y espera a que digan OK antes de renderizar. Ellos editan la hoja, no el código.
4. Renderizar:

   python3 ~/.claude/skills/minara-music/scripts/make_music.py <proyecto>/audio-src/cues.json -o <proyecto>/assets [--vo <proyecto>/assets/vo.wav]
   

5. Autocomprobación: el script imprime cada sección; luego mide la sonoridad por sección para confirmar que el clímax es el más fuerte, que el breakdown/outro bajan claramente y que el ducking funciona. Para problemas de escucha (demasiado cargado, un efecto de sonido roba el foco), ajusta level / gain y vuelve a renderizar; cada renderizado toma unos segundos.
6. Entregar: proporciona la ruta a bgm.wav (o bgm-duck.wav) y usa open -R para resaltar preview-mix.wav para que puedan escucharlo. En HyperFrames, agrégalo como pista de audio, con la voz en off en una pista separada.

Salida

Archivo	Contenido
bgm.wav	Música + efectos de sonido, 48 kHz estéreo, pico de -1 dBFS, fundido de entrada de 0.4 s al inicio y fundido de salida de 3.2 s al final
bgm-duck.wav	Se genera cuando hay voz en off: la música se reduce en duck_db (por defecto -8 dB) donde ocurre el habla; los efectos de sonido no se atenúan
preview-mix.wav	Se genera cuando hay voz en off: música + voz en off mezcladas, solo para escuchar, no para el video final

Tipos de sección de energía

Energía	Sonido	Usado para
silent	Sin música	Pausas que necesitan silencio total
intro	Zumbido bajo + pad suave	Apertura, logotipo, datos convergiendo
light	Pad + arpegio ligero + ritmo disperso	Interacciones móviles, demostraciones de funciones ligeras
build	Añade bajo y un kick en cada tiempo, con riser automático al final de la sección	Acumulación gradual hacia un momento clave
full	Kit de batería completo + clap + bajo + arpegio	Demostración continua de funciones principales (backtesting, puesta en marcha, automatización)
breakdown	Elimina batería y bajo, dejando solo pad y un arpegio suave; el kick regresa en el último compás	Cambios de escena, secciones sobre seguridad/privacidad que necesitan "respirar"
climax	Máximo: kit de batería completo + melodía principal + crash al inicio de la sección; añade automáticamente un riser si la sección anterior no es build	Aparición del nombre del producto / reclamo de lanzamiento
outro	Resuelve en el acorde tónico + campana de marca, fundido de salida con toda la mezcla	Tarjeta final, CTA

Cada sección puede tomar "level": 0.5–1.3 para ajustar su volumen. Los acordes siguen los compases globales (menor i–VI–III–VII, mayor I–V–vi–IV), por lo que no se rompen entre secciones.

Tipos de efectos de sonido (sfx)

Tipo	Sonido	Acción típica	Parámetros opcionales
tap	Clic corto	Toque de botón, selección	gain
typing	Tics continuos de escritura	Escritura en un campo de entrada	chars, cps (caracteres/segundo, que coincida con la velocidad de escritura en pantalla)
success	Dos tonos de campana ascendentes	Pedido completado, estrategia en ejecución	gain
notify	Alerta de tres notas	Notificación o recordatorio emergente	gain
bell	Un solo tono de campana	Aparición de avatar/logotipo	note (MIDI, por defecto 81)
blips	Tonos cortos ascendentes	Progreso de backtest, carga de datos	count, step (segundos), note
sparkle	Granos brillantes + ruido suave	Partículas convergiendo, apertura	dur
riser	Ruido ascendente	Acumulación de transición añadida manualmente	dur
whoosh	Barrido inverso	Ventana colapsando, transición push/pull	dur
thud	Golpe grave de bloqueo	Bloqueo, confirmación, aterrizaje pesado	gain
crash	Platillo	Acento extra	gain

Cada efecto de sonido puede tomar gain para ajustar su volumen.

Reglas

• Los efectos de sonido siguen solo las acciones visibles: si no hay una acción correspondiente en pantalla, no agregues ningún efecto de sonido, igual que "no agregues texto casualmente".
• Copia los tiempos del guión; no los estimes: el t de sfx usa los segundos reales del guión por segundo / la línea de tiempo de la animación; cps para escritura usa la velocidad de escritura en la animación.
• Si la longitud o el orden del guión cambian, actualiza primero cues.json y vuelve a renderizar; no estires el audio manualmente.
• No uses servicios de música AI externos ni pistas descargadas de la web; cuando se necesite música con licencia comercial, el operador proporciona el archivo.