olafBobryk/lyric-video

Video con letras

Convierte la grabación del usuario en un video con letras. Trata la precisión de la transcripción, la sincronización temporal y el estilo visual como decisiones independientes. Preserva el origen original; renderiza las revisiones en carpetas de salida separadas.

Elegir el estilo

Respeta el estilo seleccionado o aprobado previamente por el usuario. Si no hay un estilo establecido, haz una pregunta concisa sobre tipografía, colocación y comportamiento de revelado antes de comprometerte con un aspecto. Ofrece algunas opciones relevantes, como subtítulos simples, un resaltado de karaoke o letras cinéticas sobredimensionadas. No apliques automáticamente inversión, Impact, mayúsculas, letras estiradas o un margen del 10% a cada video.

Para metraje invertido dentro de letras sobredimensionadas con revelado progresivo de palabras y filas dominantes alternas, consulta references/inverted-style.md. Los scripts incluidos implementan ese preset; adapta o usa otro método de renderizado para otros estilos en lugar de afirmar que admiten todos los tratamientos.

Usa un fotograma representativo y un borrador de movimiento corto cuando se solicite. Aplica el estilo aprobado al video completo; no introduzcas compuertas de aprobación repetidas.

Transcribir y revisar letras inciertas

1. Inspecciona la duración del origen, la velocidad de fotogramas, las dimensiones, la rotación, el espacio de color/rango y el audio. Transcribe la grabación y obtén marcas de tiempo acústicas de palabras. No uses palabras espaciadas uniformemente como alineación final.
2. Comprueba el reconocimiento incierto, pasadas de transcripción conflictivas, frases sospechosas, improvisaciones y finales recortados. Un segundo modelo puede ayudar, pero el acuerdo no prueba la corrección. Distingue una letra incierta de una marca de tiempo incierta.
3. Si es útil, pregunta por una canción/artista o una referencia de letra proporcionada. Si la grabación es personal, inédita o no tiene ninguna referencia disponible, deja de buscar una y usa la revisión del usuario. Nunca publiques su material multimedia o letras con la skill.
4. Produce una transcripción editable con marcas de tiempo y una lista numerada compacta de los intervalos inciertos en orden de reproducción. Cada elemento incluye un ID estable, inicio/fin y suficientes palabras circundantes para localizarlo. Marca el texto no resuelto como [UNCLEAR] en lugar de elegir una suposición en silencio. Incluye otros errores sospechosos incluso si no se marcaron originalmente. Mantén esta lista sin cambios mientras esperas correcciones.
5. Pide al usuario que proporcione las palabras faltantes por ID o en ese orden. Continúa con la preparación independiente del estilo/exportación. Si está autorizado, proporciona un corte de revisión con los marcadores y etiquétalo claramente; no lo llames final de letras.
6. Aplica una respuesta ordenada uno a uno a los intervalos numerados. Verifica que el número de correcciones coincida. Si el recuento o el intervalo previsto es ambiguo, pregunta solo sobre ese mapeo antes de cambiar esas palabras. Preserva el texto proporcionado por el usuario, la jerga y las letras explícitas. Menciona la normalización menor de ortografía; nunca reescribas letras en silencio por gramática.
7. Expande las correcciones de varias palabras en palabras con temporización individual y realinéalas con la grabación. Conserva las elecciones de diseño aprobadas a menos que la frase necesite reflujo. Si la temporización solo se puede estimar, divúlgalo y mantén la revisión de temporización separada de la aprobación del texto. No comprimas una frase más larga en un intervalo restante pequeño y afirmes una sincronización precisa. Para un final recortado, explica lo que admite la grabación; pregunta por la continuación o una elección antes de extender, congelar o cambiar la edición.
8. Actualiza tanto la transcripción como los datos de renderizado con temporización, luego renderiza desde el origen original. Comprueba todos los intervalos corregidos y las transiciones. Busca en los datos reales de la tarjeta/subtítulo final [UNCLEAR], marcadores de interrogación, TODOs e IDs no resueltos; verifica que cada corrección del usuario esté presente exactamente una vez en su ubicación prevista. No confundas notas de incertidumbre en un documento de revisión con elementos sobrantes en pantalla.
9. Cuando se pregunte si el video está listo para enviar, informa por separado: número de marcadores, texto sospechoso restante, advertencias de temporización y verificación de exportación. Cero marcadores no es prueba de una transcripción completamente verificada. Da una breve conclusión sin exponer el razonamiento privado; llámalo listo como corte de revisión cuando queden problemas sin resolver.

Temporización y exportaciones

MLX Whisper local con marcas de tiempo de palabras es una ruta de transcripción en Apple Silicon. Whisper.cpp DTW puede requerir deshabilitar flash attention si devuelve t_dtw = -1; rechaza marcas de tiempo faltantes. Las letras de referencia deben alinearse con esta interpretación particular, incluyendo pausas e improvisaciones.

Renderiza desde el origen en lugar de un borrador comprimido. Preserva el encuadre del origen, la resolución real, la velocidad de fotogramas, la interpretación del color y el audio a menos que el usuario solicite cambios. Para máxima calidad, proporciona un máster compuesto RGB sin pérdidas y un MP4 compatible de alta calidad. Solo escalar no recupera detalles. Verifica las restricciones de plataforma/códec antes de elegir la configuración de exportación.

Verifica la duración/el número de fotogramas, la presencia y preservación del audio, la cobertura de inicio/fin, el ajuste del texto, las frases parcial y completamente reveladas, la cobertura de corrección y el efecto visual elegido. Proporciona enlaces directos a los artefactos y una vista previa en línea cuando sea compatible. Mantén el estado de revisión y la calidad de codificación distintos.