yyert123/remotion-narration

Narración para Remotion

Escribe todo lo que necesita una composición de Remotion para ser impulsada por su locución: audio por escena, duraciones exactas, fotogramas de inicio y subtítulos. Las longitudes de las escenas provienen del audio real, por lo que nada se desvía.

Cuándo usarlo

• El usuario tiene un guion (Markdown, texto o JSON) y un proyecto de Remotion y quiere narración.
• Las escenas deben durar exactamente lo que dura su locución; los subtítulos deben seguir la voz palabra por palabra.

Pasos

1. Asegúrate de que MIRAGEA_API_KEY esté configurada (no la imprimas nunca). Elige la voz:

   • --voice VOICE_ID — una voz guardada en la cuenta de Miragea del usuario, o
   • --ref-url https://... — un clip público de la voz a clonar (con el consentimiento del usuario), más --ref-text "palabras exactas en el clip" para la tarifa 1x más económica.

2. Escribe el guion. Cada ## Título (o párrafo separado por línea en blanco) se convierte en una escena:

   ## intro
   Conoce Retake, la forma más rápida de corregir un error de locución.
   ## demo
   Escribe la palabra correcta. Retake vuelve a vocalizar la frase y la inserta.
   

3. Genera en la carpeta public/ de Remotion:

   python3 scripts/narrate.py script.md --voice VOICE_ID --out public/narration --fps 30
   

4. Usa public/narration/narration.json en la composición (consulta examples/Narrated.tsx): totalFrames para durationInFrames, el startFrame / durationInFrames de cada escena para un <Sequence>, staticFile('narration/' + scene.file) para <Audio>, y scene.captions (Remotion Caption[]: text, startMs, endMs, timestampMs, confidence) con @remotion/captions createTikTokStyleCaptions() para subtítulos animados.

5. Edita el guion y vuelve a ejecutar libremente: las escenas sin cambios se reutilizan del manifiesto sin costo; si una ejecución se detiene a medio camino, las escenas terminadas se conservan y la siguiente ejecución las retoma.

Opciones

Bandera	Valor por defecto	Significado
--fps	30	Fotogramas por segundo para los cálculos de fotogramas
--pad	0.4	Segundos de margen después de cada escena
--captions miragea	sí	Sincroniza los subtítulos con el audio generado (preciso; +3 puntos/s)
--captions estimate		Gratuito: distribuye las palabras por longitud
--model	expressive	standard sigue la voz de referencia más fielmente
--speed	1.0	0.25-4

Las escenas de más de 2000 caracteres se dividen al final de las oraciones y se unen automáticamente.

Solución de problemas

• choose a voice -> pasa --voice o --ref-url. Las URL de referencia deben ser públicas, tener menos de 1024 caracteres y servirse directamente (funcionan los objetos sin procesar de GitHub, S3/R2 públicos; las redirecciones firmadas pueden no funcionar).
• 401/402/429 -> clave, saldo, límite de tasa. Volver a ejecutar siempre es seguro.