Communitygithub.com

9018/mychat

Transforma una pista musical en un video HyperFrames sincronizado al ritmo, desde calmado hasta impactante.

¿Qué es mychat?

Esta habilidad convierte una pista de audio (o video del cual extraer el audio) en un video completamente sincronizado con el ritmo, utilizando el framework HyperFrames. El proceso es impulsado por la música: un solo analizador procesa el audio, un orquestador planifica los fotogramas y detalla las instrucciones para cada uno, y un sub-agente especializado construye cada fotograma de forma independiente. La tipografía y las plantillas predefinidas son el piso mínimo (no se requieren activos externos), pero cualquier imagen o video proporcionado por el usuario se integra en los fotogramas usando cortes por ritmo o efecto Ken Burns. El género final (lyric video, slideshow, promoción cinética) surge de las decisiones tomadas por fotograma y no condiciona el flujo de trabajo. Es compatible con el ecosistema HyperFrames y se ejecuta mediante comandos CLI y scripts de Python/Node.js, asegurando una sincronización precisa y un resultado profesional.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/9018/mychat/tree/HEAD/OpenMontage/.agents/skills/music-to-video

Preguntar en tu IA favorita

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

Documentación

música-a-video — un flujo de trabajo de video sincronizado al ritmo y guiado por la música

Usa esta habilidad para convertir una pista musical en un video HyperFrames sincronizado al ritmo. Analizas la pista una vez, diseñas los fotogramas, completas el plan por fotograma y construyes cada uno como una composición. La entrada es una pista de música más imágenes o videos opcionales del usuario — no hay narración ni captura de sitios web. La tipografía y las plantillas son la base (un video completo no necesita ningún activo); cualquier contenido multimedia que el usuario proporcione se integra cortado en la misma cuadrícula de ritmo.

Eres el orquestador. Trabaja en videos/<proyecto>/. Ejecuta los pasos en orden y pasa cada Puerta antes de continuar. Dos pasos necesitan al usuario: Paso 3 (aprobación del plan) y Paso 6 (aprobación del renderizado). Haz todos los pasos tú mismo excepto el Paso 4, donde despachas un sub-agente por fotograma. Mantén las reglas de diseño y movimiento fuera de este archivo — viven en references/ y el sub-agente frame-worker.

SKILL_DIR = este directorio de habilidad. PROJECT_DIR = videos/<nombre-del-proyecto>/.

Flujo de trabajo: Paso 0 configuración → hyperframes.json + assets/bgm.mp3; Paso 1 analizar → audiomap.json; Paso 2 esqueleto → STORYBOARD.md (fotogramas, grupos TBD); Paso 3 plan → completar STORYBOARD.md + frame.md; Paso 4 construir → compositions/frames/NN-*.html; Paso 5 ensamblar → index.html; Paso 6 renderizar → renders/video.mp4.

Dos ideas que lo moldean todo

  • Un analizador, y confías en él. analyze-beatgrid.py es el único analizador de ritmo — nunca vuelvas a medir los tiempos con otra herramienta o de oído. Su energía / densidad / rodillos / ataques / silencios son siempre fiables. Su bpm y beats_sec son fiables solo cuando la música es genuinamente rítmica; en música tranquila la cuadrícula es un metrónomo que el rastreador impuso, así que marca el ritmo por frases y energía y nunca lo cortes forzadamente. Decidir en qué caso te encuentras es el pacing de cada fotograma (Paso 2).
  • Un fotograma = un archivo; los grupos viven dentro. El Paso 2 divide la pista en fotogramas, y cada fotograma se convierte en un archivo de composición compositions/frames/NN-<id_fotograma>.html, construido por un frame-worker. Un fotograma puede subdividirse en grupos (cada uno una plantilla o una combinación de primitivas de movimiento). La densidad adicional va dentro de un grupo, así que el número de fotogramas refleja tratamientos distintos, no los tiempos — una pista rápida no dispara el número de sub-agentes.

Paso 0: Configuración, BGM y entradas

Objetivo: Establecer la fuente de música, crear el proyecto HyperFrames y anotar cualquier contenido multimedia proporcionado por el usuario.

La música es la columna vertebral — establece una pista antes que cualquier otra cosa. Esta habilidad está ajustada para BGM rápido y de alta energía: una cuadrícula de ritmo fuerte impulsa los cortes (las pistas tranquilas funcionan, pero marca el ritmo por frases en lugar de por tiempo). Si el usuario te dio audio — un archivo de música, o un video del que extraer el audio — úsalo. Si no, genera uno: elige el estado de ánimo de la descripción del usuario (por ejemplo, "synthwave dinámico", "ritmo trap", "corporativo alegre") y produce una pista a través de /hyperframes-media (references/bgm.md — HeyGen retrieval si tiene credenciales, si no, Lyria local / MusicGen; ElevenLabs u otro generador también funciona). Antes de generar, ejecuta npx hyperframes auth status y transmite su salida textualmente (no la parafrasees ni la reescribas) — muestra si BGM proviene de HeyGen o MusicGen local y, si no has iniciado sesión, cómo hacerlo. Si no has iniciado sesión, DETENTE y espera a que el usuario elija — iniciar sesión, o continuar sin conexión con MusicGen local — antes de generar la pista; no escribas claves en un .env por repositorio. (En modo autónomo, anota el estado y continúa sin conexión). Consulta /hyperframes-media → Preflight para obtener la guía canónica. De cualquier manera, la pista termina en assets/bgm.mp3. Escenifica cualquier imagen o video proporcionado por el usuario para que los fotogramas puedan integrarlos en la cuadrícula de ritmo; de lo contrario, la tipografía carga con todo el video.

Inicializa solo si falta hyperframes.json. Nombra <proyecto> a partir del resumen en kebab-case, como midnight-drive-loop — nunca una marca de tiempo. init verifica las habilidades instaladas contra las últimas en GitHub y actualiza el conjunto global si alguna está desactualizada.

npx hyperframes init "videos/<proyecto>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<musica-del-usuario>" "$PROJECT_DIR/assets/bgm.mp3"   # extrae de un video primero si es necesario
# solo si el usuario te dio imágenes/videos:
node <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public

La marca (fuente + paleta) se elige en el Paso 3, no aquí. No escojas un género o un tipo de pista de antemano — los activos son solo un ingrediente opcional, y el género surge de las elecciones por fotograma.

Puerta: hyperframes.json + assets/bgm.mp3 existen; se anotan el aspecto / duración / fps y (si los hay) el inventario de activos.


Paso 1: Analizar la música

Objetivo: Producir el análisis de temporización canónico único sobre el que se construye todo el video.

analyze-beatgrid.py es el único analizador de ritmo — nunca vuelvas a medir los tiempos con otra herramienta o de oído. Lee la pista una vez y escribe audiomap.json: fases de energía (nivel / densidad / sensación), ataques + onset_rate, rodillos, silencios, hard_stops, key_moments, frases, tempo / cuadrícula, y audio.duration_sec. Es determinista — el mismo archivo siempre da el mismo mapa. La mayoría de los campos son fiables en cualquier música; bpm y beats_sec son fiables solo cuando la música es genuinamente rítmica, y juzgar eso es la decisión que tomas en el Paso 2.

Requisitos previos: Python 3 con librosa, numpy y soundfile disponibles. Si la importación falla, instálalos en el entorno Python activo antes de ejecutar el analizador:

python3 -m pip install librosa numpy soundfile
python3 <SKILL_DIR>/scripts/analyze-beatgrid.py "$PROJECT_DIR/assets/bgm.mp3" \
  -o "$PROJECT_DIR/audiomap.json" --print

Puerta: audiomap.json existe; audio.duration_sec es conocido.


Paso 2: Esqueleto de fotogramas (solo estructura)

Objetivo: Leer la música y diseñar los fotogramas — el esqueleto de STORYBOARD.md.

Lee references/frame-skeleton.md. Convierte audiomap.json en el esqueleto de STORYBOARD.md tú mismo — no hay JSON intermedio. Corta la pista en fotogramas en cambios musicales reales (hard_stops, key_moments de SURGE / DROP, los bordes de un rodillo, un tramo sin ataques, un gran salto de energía), ajustando cada límite a un ancla del mapa de audio. Para cada fotograma, establece span_sec, pacing (el veredicto de la llamada de confianza del Paso 1 — beat_cut cuando la cuadrícula es real, phrase_flow cuando es un metrónomo impuesto en música tranquila), mood, y un feel de una línea (la situación musical simple que el Paso 3 empareja con una plantilla). Solo clasifica y diseña aquí: deja cada ### Groups de cada fotograma como TBD (Step 3) y el style del frontmatter en blanco — sin plantillas, texto, color ni fuentes. Espera entre 1 y 6 fotogramas.

Puerta: los fotogramas cubren la pista (primero en 0, último en duration_s); cada uno lleva span_sec + pacing + mood + feel; cada ### Groups es TBD; sin contenido en ningún lado.


Paso 3: Completar el plan (con puerta de usuario)

Objetivo: Convertir el esqueleto en un STORYBOARD.md aprobado y completo.

Lee references/planning.md, storyboard-format.md, template-catalog.md, motion-primitive-catalog.md y montage.md (solo si el usuario proporcionó activos). Editando el mismo archivo en el lugar, haz dos cosas:

  1. Elige la marca. Selecciona un preset de ../hyperframes-creative/frame-presets/ usando la tabla en ../hyperframes-creative/references/design-spec.md (empareja el estado de ánimo de la pista; solo importan sus fuentes y colores — las plantillas son dueñas de la composición). Cópialo en frame.md sin modificar y completa el style del frontmatter (fuente + una paleta de ≤4–6 muestras) a partir de él.
  2. Completa cada fotograma. Decide sus grupos y dale a cada uno un tratamiento: una plantilla emparejada del catálogo (con parámetros vinculados y anclas reales del mapa de audio), una composición libre del catálogo de primitivas, o un tratamiento de activos que obedezca pacing. Escribe el texto. Tú eres dueño del QUÉ (plantilla / primitivas + contenido + anclas); el frame-worker es dueño del CÓMO — nunca escribas interpolaciones de milisegundos en el storyboard.
node <SKILL_DIR>/scripts/validate-plan.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
  --audiomap "$PROJECT_DIR/audiomap.json" --templates <SKILL_DIR>/references/templates

Corrige cada ✗ (errores duros: desajuste de duración, fotogramas que no cubren la pista, un src faltante); las advertencias son de mejor esfuerzo. Luego muestra al usuario un resumen fotograma por fotograma e itera hasta que lo aprueben.

Puerta: frame.md es una copia idéntica del preset; validate-plan.mjs sale con código 0; el usuario aprobó el plan.


Paso 4: Construir fotogramas a partir del plan

Objetivo: Construir cada fotograma como un archivo de composición independiente.

Crea compositions/frames/. Lee sub-agents/frame-worker.md y ../hyperframes-core/references/subagent-dispatch.md. Despacha un frame-worker por fotograma, en paralelo cuando sea posible (si no, en oleadas). Cada trabajador recibe exactamente un fotograma y este contexto:

PROJECT_DIR: <ruta abs>
frame_id: <NN-id_fotograma>              # = el nombre del archivo del fotograma, p. ej. 02-f2; el id de la composición
Tu bloque: el bloque `## Frame N — <id_fotograma>` en PROJECT_DIR/STORYBOARD.md
audiomap: PROJECT_DIR/audiomap.json
frame.md: PROJECT_DIR/frame.md
Materiales: para cada grupo, <SKILL_DIR>/references/templates/<id>/index.html (plantillas) y
           <SKILL_DIR>/references/motion-primitives/<id>/ (libre); activos escenificados/ (grupos de activos)
Contratos: ../hyperframes-core/references/sub-compositions.md + determinism-rules.md
Lienzo: <an>×<al>   Pacing: <beat_cut|phrase_flow>
Escribe en: PROJECT_DIR/compositions/frames/<id_fotograma>.html

El trabajador bifurca los materiales citados, convierte cada ancla a segundos locales del fotograma (local_t = track_t − span_sec[0]), compuerta sus grupos con cortes de 0ms y escribe un archivo de fotograma seguro para búsqueda. El trabajador nunca ejecuta el CLI de hyperframes — esos comandos operan sobre el proyecto ensamblado, que aún no existe, por lo que reportarían sobre los archivos incorrectos. El trabajador solo escribe según el contrato y se detiene; tú verificas después del ensamblaje (Paso 6). A medida que cada trabajador regresa, puedes confirmar que su archivo ha aterrizado en el disco.

Puerta: cada fotograma tiene su compositions/frames/NN-*.html en el disco.


Paso 5: Ensamblar

Objetivo: Conectar los fotogramas construidos + BGM en el index.html reproducible.

assemble-index.mjs es determinista — sin subagente, sin juicio. Hace referencia a cada archivo de fotograma en su data-start acumulativo, monta assets/bgm.mp3 en la pista 11, y corta en seco fotograma → fotograma (los fotogramas cubren la pista sin espacios, por lo que no hay inyector de transiciones).

node <SKILL_DIR>/scripts/assemble-index.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
  --hyperframes "$PROJECT_DIR" --audiomap "$PROJECT_DIR/audiomap.json"

Corrige cualquier ✗ que reporte — un archivo de fotograma faltante o vacío significa que ese trabajador escribió un archivo parcial; re-despáchalo (Paso 4) y re-ensambla.

Puerta: index.html existe; la duración total == audiomap.audio.duration_sec.


Paso 6: Verificar y renderizar

Objetivo: Verificar el video ensamblado, obtener la aprobación del usuario y renderizar el MP4 final.

Ejecuta el CLI en el proyecto ensamblado — esa es la unidad correcta (los trabajadores por fotograma no pudieron ejecutarlo). lint verifica la estructura, validate ejecuta Chrome sin cabeza (detectando errores JS y activos faltantes), inspect captura fotogramas.

( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )

Inspecciona en t=0, cada inicio de fotograma, el DROP / SURGE más fuerte, cada hard_stops[].t, y el fotograma final. En caso de fallo, haz la corrección segura más barata tú mismo: edita el archivo compositions/frames/NN-*.html ofensivo. Nunca cambies la duración o el tiempo de audio para ocultar un problema de sincronía. Una vez que las puertas pasen, pausa para la revisión del usuario, luego renderiza solo con aprobación:

( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )

Puerta: lint / validate / inspect pasaron; el usuario aprobó; renders/video.mp4 existe con audio, duración == audiomap.audio.duration_sec. La respuesta final indica la ruta del MP4 y la duración.


Tabla de reanudación

TienesContinuar desde
Solo assets/bgm.mp3Paso 1
audiomap.jsonPaso 2
STORYBOARD.md (esqueleto)Paso 3
STORYBOARD.md (completo)Paso 4
todos los archivos de fotogramaPaso 5
index.htmlPaso 6

Referencia rápida

Formatos: apaisado 1920x1080 por defecto; retrato 1080x1920; cuadrado 1080x1080. Establece el lienzo una vez en el frontmatter del storyboard (canvas: { w, h, fps }).

Scripts en scripts/: analyze-beatgrid.py (el único analizador), validate-plan.mjs (verificación del plan), assemble-index.mjs (ensamblaje del índice), stage-assets.mjs (escenificación de medios del usuario), lib/storyboard.mjs (analizador sintáctico proveído). Todo lo demás es el CLI de hyperframes.

LeeCuándo
references/frame-skeleton.mdPaso 2: lee la música, diseña los fotogramas, establece el pacing
references/planning.md · storyboard-format.mdPaso 3: elige la marca, completa cada fotograma, escribe el plan
references/template-catalog.mdPaso 3: elige una plantilla por grupo
references/motion-primitive-catalog.mdPaso 3: elige primitivas de movimiento por grupo
references/montage.mdPaso 3: solo si el usuario proporcionó imágenes/videos

Individual skills in this repo

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

9018/mychat

Generate AI videos from text prompts using multiple provider gateways. Use when: (1) Generating videos from text descriptions, (2) Creating AI-generated video clips for content production, (3) Image-to-video generation with a reference image, (4) Choosing between video generation providers (VEO, Kling, Sora, Runway, Seedance, MiniMax, Gemini Omni). Supports gateways: HeyGen API, fal.ai API, Kling official direct API, and the Gemini API (Gemini Omni Flash).

9018/mychat

Create AI avatar videos with precise control over avatars, voices, scripts, scenes, and backgrounds using HeyGen's v2 API. Use when: (1) Choosing a specific avatar and voice for a video, (2) Writing exact scripts for an avatar to speak, (3) Building multi-scene videos with different backgrounds per scene, (4) Creating transparent WebM videos for compositing, (5) Using talking photos as video presenters, (6) Integrating HeyGen avatars with Remotion, (7) Batch video generation with exact specs, (8) Brand-consistent production videos with precise control.

9018/mychat

Use p5.js/canvas for local procedural character effects: particles, weather, squash/stretch, walk cycles, and environmental motion.

9018/mychat

Review local character animation with schema checks, Playwright browser previews, frame sampling, and FFmpeg/ffprobe final output checks.

9018/mychat

Create videos from a text prompt using HeyGen's Video Agent. Use when: (1) Creating a video from a description or idea, (2) Generating explainer, demo, or marketing videos from a prompt, (3) Making a video without specifying exact avatars, voices, or scenes, (4) Quick video prototyping or drafts, (5) One-shot prompt-to-video generation, (6) User says "make me a video" or "create a video about X".

9018/mychat

Generate Mandarin and multilingual narration with Volcengine Doubao Speech 2.0. Use when creating Chinese voiceovers, when the user prefers Doubao/Volcengine/火山引擎/豆包 TTS, or when narration needs character-level timestamp metadata for subtitles.

9018/mychat

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

9018/mychat

Use when implementing Disney's 12 animation principles with Framer Motion in React applications

9018/mychat

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). HyperFrames-native: single paused timeline, seek-safe, deterministic.

9018/mychat

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

9018/mychat

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.

9018/mychat

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`.

9018/mychat

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

9018/mychat

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

9018/mychat

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

9018/mychat

Toolkit-specific Remotion patterns — custom transitions, shared components, and project conventions. For core Remotion framework knowledge (hooks, animations, rendering, etc.), see the `remotion-official` skill.

9018/mychat

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

9018/mychat

Animate SVG character rigs with GSAP, CSS transforms, Remotion frame control, and HyperFrames-compatible browser previews.

9018/mychat

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

9018/mychat

Download video and audio from YouTube and 1000+ sites using yt-dlp. No API keys needed. Use when: (1) Downloading a video from YouTube or other sites, (2) Extracting audio from a video URL, (3) Downloading subtitles/captions from a video, (4) Getting video metadata without downloading.

Skills relacionados