Communitygithub.com

automatic-storyteller-animate

Muestra a un agente cómo planificar, construir o editar 'automatic storyteller animate' para que el resultado concreto sea un video terminado. El procedimiento pasa por Automatic storyteller animate, Antes de empezar — la verificación de requisitos (automática), Qué produce (el aspecto). Úsalo cuando una nueva tarea requiera esta artesanía.

¿Qué es automatic-storyteller-animate?

Esta habilidad (skill) convierte automáticamente un archivo de voz y un guion en una película cinematográfica narrada y finalizada. No requiere storyboard manual: transcribe la voz, temporiza cada línea de subtítulos, selecciona un diseño por línea (bocetos en pizarra azul con tiza, iconos neón y trazos temblorosos que se alternan con un muro oscuro de evidencias hecho de fotos reales de Wikimedia Commons, documentos y tarjetas), renderiza cada bloque de estilo como su propio clip, los corta con precisión de fotogramas, añade subtítulos neón alineados al borde inferior, mezcla efectos de sonido sincronizados con la palabra a -19 dB con una banda sonora con reducción (ducking) a -18 dB, normaliza a -15 LUFS y realiza control de calidad de fotogramas, sonoridad y colocación de subtítulos. Está diseñada para plataformas como Claude Code, Cursor o Codex, y se ejecuta con un solo comando que abarca todo el pipeline: verificación de requisitos, planificación, renderizado, mezcla y control de calidad. La salida incluye el video final, subtítulos (SRT), créditos y metadatos de planificación, todo orquestado por el agente sin intervención manual.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/omnieditxstudio-IT/Automatic-Storytailer-Animate/tree/HEAD

Preguntar en tu IA favorita

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

Documentación

Automatic storyteller animate

Proporciónale un archivo de voz y un guion. Termina toda la película: temporización, diseño, renderizado, cortes, subtítulos, sonido, mezcla y control de calidad. Sin storyboard manual, sin código de escenas, sin línea de edición.

python scripts/run.py --project my-film --voice voice.mp3 --script script.md

Ese único comando ejecuta todo el pipeline y deja my-film/out/FILM.mp4, my-film/out/FILM.srt (junto a captioned.mp4), credits.md, beats.json, plan.json, beats.md, imágenes de revisión en out/qa/ y todos los archivos intermedios.

Antes de empezar — la verificación de requisitos (automática)

Cada ejecución comienza con check_requirements.py, antes que nada. Si todas las herramientas disponibles están instaladas, la producción continúa inmediatamente — no se necesita configuración. Si falta algo, se descarga/instala automáticamente, y luego la producción continúa.

Verifica, en orden:

  1. Python 3.8+
  2. Paquetes de Python — numpy, skia-python, Pillow, faster-whisper — instalados automáticamente con pip si faltan
  3. ffmpeg + ffprobe en el PATH — instalados automáticamente mediante winget (Windows), brew (macOS) o apt-get (Linux) si faltan
  4. cinematic-film junto a esta habilidad (o CINEMATIC_SCRIPTS=<ruta a sus scripts>)

Si todo está presente: una línea — requirements: ok — y la compilación comienza. Si no se puede instalar un paquete de Python, el script imprime el comando exacto para solucionarlo y sale en lugar de iniciar una compilación fallida. Si no se encuentra cinematic-film, igual — obtienes exactamente lo que falta y qué configurar.

Qué produce (el aspecto)

Dos lenguajes visuales que alternan fijamente cada 3-10 segundos, decididos por bloque según el director:

  • Board (Pizarra): una hoja de plano a sangre completa. Las palabras aparecen como tipografía de tiza dibujada a mano sobre una cuadrícula azul oscuro, con cuadros de llamada de boceto, trazos temblorosos, ventanas de código garabateado, marcas de verificación, divisores e iconos neón (dos pases de brillo + núcleo caliente) dibujados en código.
  • Photo (Foto): el muro de evidencias nocturno de cinematic-film: fotos reales de Wikimedia Commons con licencia, fijadas con sombra y chincheta, documentos de papel mecanografiados, reglas de resaltado temblorosas, iconos neón brillantes, todo acreditado en credits.md.

Los subtítulos están centrados en la parte inferior y alineados al borde inferior (6 px en 720p, escalando con la resolución), en mayúsculas, uno de nueve tintas de caramelo seleccionadas, con entrada suavizada (elevar/pop/deslizar/inclinar/desvanecer/barajar/entretejer) y salida (desvanecer/caer/elevar/encoger), halo de floración de tres pases, un barrido de gradiente arcoíris en la palabra hablada (trazo blanco de tubo neón). Un gradiente detrás de la banda mantiene la legibilidad sobre cualquier fondo. El texto refleja la voz exactamente.

Empezar de nuevo vs. reanudar

  • Nuevo proyecto: dale la voz y el guion; la habilidad construye todo.
    python scripts/run.py --project my-film --voice voice.mp3 --script script.md
    
  • Reanudar: volver a ejecutar sobre un proyecto que ya tiene out/FILM.mp4 (y el plan/fotos) solo vuelve a verificar con control de calidad — nada se descarga ni renderiza de nuevo. Añade --force para reconstruir desde cero.

Entradas

  • --voice: cualquier archivo de audio que ffmpeg pueda leer (mp3/wav/m4a...). Los mejores resultados provienen de una narración limpia en una sola toma. Se usa tal cual, solo se convierte a AAC estéreo de 48 kHz.
  • --script: .md / .txt / .srt / .json. Los encabezados de Markdown se convierten en titulares de sección en pantalla; las líneas en blanco y los párrafos se dividen en oraciones, luego en fragmentos de subtítulos (<= 9 palabras / <= 64 caracteres). El texto en pantalla es el texto del archivo, palabra por palabra. script.json con {"title": ..., "takes": [...]} se respeta cuando está presente.

Opciones

BanderínEfecto
--size 1920x1080tamaño de renderizado (predeterminado 1920x1080)
--crf 16calidad (menor = mejor; 16 película, 26 previsualización)
`--photos autoexisting
`--music autonone
--model tiny.entamaño de faster-whisper para alineación (base.en/small.en son más precisos)
--previewrenderizar solo los bloques 0-1 a 640x360 para una vista rápida
--skip-rendersolo replanificar (sin renderizar)
--workers WORKERStrabajadores de renderizado + subtítulos (0 = todos los núcleos menos uno)
--forcereconstruir incluso si ya existe un out/FILM.mp4 terminado

Rendimiento y seguridad

  • Caché de producción en E:\Storyteller catche files (sobrescríbelo con STORYTELLER_CACHE). Cada artefacto pesado se almacena en caché bajo un hash de contenido, por lo que volver a ejecutar o ajustar etapas posteriores solo rehace lo que cambió:
CarpetaQué se almacena en cachéClave
whisper/tiempos de palabra de faster-whisperarchivo de voz + modelo + dispositivo
commons_search/conjuntos de resultados de búsqueda de Commonsconsulta + límite
commons_files/originales descargados de Commons + archivos laterales de créditotítulo de Commons
blocks/bloques de estilo renderizadosescena + compases + geometría del bloque + tamaño + CRF
silent/película silenciosa cosidaarchivos de bloque + CRF + fps
captioned/película subtitulada + SRTvideo + temporización + código de subtítulos + CRF
sfx/bus de efectos de sonido sintetizadoshoja de señales + build_sfx.py
music/pista de banda sonora en buclearchivo de partitura + duración de la película
mix/mezcla de audio terminadavoz + señales + música + niveles + LUFS

Los archivos se nombran <etiqueta>-<hash12>.<ext> y se ordenan por tipo (una lista sort se lee de forma natural), con un manifiesto index.jsonl de solo adición y un README.txt en la raíz. Las faltas de caché se reconstruyen automáticamente; eliminar la caché siempre es seguro. Una re-ejecución completa de etapas sin cambios es cuestión de segundos (whisper/bloques/cosido/subtítulos/sfx/mezcla todos aciertan).

  • Cada bloque se renderiza por separado, luego los bloques se cosen con un filtro concat de precisión de fotogramas. Volver a ejecutar después de una edición del guion solo re-renderiza los bloques cuyo plan cambió (render_blocks.py reutiliza archivos de bloque frescos, además de la caché de producción como segunda capa).
  • 12 núcleos / mucha RAM: usa --workers 6. Una película de 3 minutos en 1080p tarda aproximadamente 15-30 minutos.
  • Nunca renderices la película final sin que el usuario lo pida: usa primero --preview o un --size pequeño, muéstralo, y solo entonces produce FILM.mp4 a tamaño completo.
  • Whisper tiny.en es aproximadamente 1x tiempo real en CPU; usa --model base.en si los tiempos se desvían en líneas largas.

Lo que hace el director

Cada línea de subtítulo se convierte en un compás. Un compás recibe exactamente un diseño elegido según sus palabras:

DiseñoDisparadorDibujo
title / endprimeras 2 / últimas 2 líneasicono neón + título grande en tiza (título = mayúscula inicial de las palabras de contenido de la línea)
chainprimero/segundo/luego/proceso/pipeline3 cajas de boceto con flechas
splitantes/después/versus/comparado/en lugardos marcos etiquetados a cada lado de un divisor rasgado
windowcódigo/script/terminal/agente/modelo/servidorventana de terminal dibujada a mano con filas de garabatos + línea resaltada
checkproteger/parchear/asegurar/prevenir/nuncamarcas de verificación en tiza en una lista
statcualquier númeroenorme numeral brillante
quotetodo lo demás / preguntascita destacada en tiza
variantes de fotocada dos bloquesstation (foto + tarjeta), doc (documento de papel + sello), stat

Líneas consecutivas (1-4, máximo ~9 s, corte al final de oraciones) se agrupan en bloques; los bloques alternan pizarra/foto a lo largo de la película. El primer y último bloque son siempre pizarra.

Archivos escritos

audio/narration.m4a   voz normalizada
audio/timing.json     inicio/fin por línea (esquema del motor)
script.json           tomas en orden de habla, id se conserva
beats.json            por línea: inicio/fin/diseño/titular/encabezado/puntos/número/icono/tinta/foto/x
plan.json             bloques (estilo, rango de fotogramas, mundo x), fps, duración
beats.md              tabla humana de todo el plan
sfx_cues.json         efectos sintetizados para `build_sfx.py`
photos.json           selecciones de Commons con licencia/crédito/fuente
out/blocks/bNNN.mp4   un clip por bloque de estilo
out/silent.mp4        imagen cosida
out/captioned.mp4     + subtítulos neón quemados (+ .srt)
out/FILM.mp4          final, con audio mezclado
out/qa/*.png          imágenes de revisión
credits.md            créditos de imagen + música

Puertas de control de calidad (scripts/qa.py, ejecutado automáticamente por run.py)

Falla la compilación en: desajuste de recuento de fotogramas vs timing.total_duration * fps, flujo de audio faltante/!stream, sonoridad fuera de -15 +/- 1.5 LUFS, pico verdadero > -0.8 dBTP, un fragmento de subtítulo no visible, o una línea base de subtítulo más del 8.5% de la altura del fotograma sobre el borde inferior.

Habilidades complementarias (cómo se completa realmente una producción)

Esta habilidad es el orquestador dedicado para el flujo de trabajo de películas educativas/explicativas ("video como la película del agente de explotación de IA"). Impulsa dos habilidades complementarias para terminar una producción, exactamente como se hicieron las películas anteriores — nunca las llamas directamente; run.py y qa.py lo hacen. La regla es absoluta: nunca edites una habilidad complementaria — ni ningún otro proyecto (ej. C:\remotion-build\dark-reality-explainer) — para hacer funcionar esta; manéjalas tal como se entregan. Toda la lógica de orquestación, caché, control de calidad y decisiones de estilo residen aquí en esta habilidad.

1. cinematic-film — el mundo, las fotos, el sonido (requerido, dependencia estricta)

Ubicado junto a esta habilidad (sobrescríbelo con CINEMATIC_SCRIPTS=<ruta a su directorio de scripts>). Llamado por:

ScriptUsado porQué hace para esta película
prep_assets.pyetapa prepgradúa las fotos de Commons al aspecto blanco y negro (`--grade bw
fetch_commons.pyfetch_photos.pydescarga los originales con licencia (get), llena el archivo/crédito/licencia, y escribe credits.md (credits)
render.pyrender_blocks.pyrenderiza cada bloque de estilo con --t0/--t1; dibuja el mundo de pizarra/foto, la cámara y cada elemento por fotograma
engine.pystoryboard.py, cada renderel modelo del mundo: Film, claves de cámara, Board, PaperDoc, StylePanel, la cámara spline
captions.pycaptions_burn.pyel reloj de palabras (words_with_times) usado para temporizar la palabra activa
build_sfx.pyaudio_finish.pysintetiza el bus de efectos desde sfx_cues.json (sin librería de muestras que licenciar)
mix_soundtrack.pyaudio_finish.pyvoz + SFX + partitura: -19 dB SFX, -18 dB música, reducción 4:1, master -15 LUFS / -1.5 dBTP

Reglas de compromiso: no edites sus scripts para esta habilidad — los cambios de comportamiento pertenecen a storyboard.py / render_blocks.py / aquí. Sus contratos CLI (--t0/--t1, fetch_commons get|credits, mix_soundtrack --lufs) son lo que la caché de producción hashea; si cinematic-film cambia uno, actualiza la etapa aquí y elimina E:\Storyteller catche files para que no sobrevivan aciertos obsoletos.

2. remotion-studio — previsualización en navegador / dirección (opcional, solo revisión)

npx remotion studio (abre la URL impresa; o --no-open y abre la URL tú mismo).

Alcance honesto, para que nadie pierda tiempo: Studio solo previsualiza composiciones de Remotion — componentes de React registrados en un proyecto de Remotion. No puede reproducir el master terminado de esta habilidad (out/FILM.mp4 es un render de skia/ffmpeg, no un proyecto de Remotion; tampoco lo fue la película del ataque de IA). Úsalo cuando el entregable también exista como proyecto de Remotion y quieras la experiencia de previsualización mientras editas (o para dirigir una variante basada en Remotion). Para revisar la salida propia de esta habilidad, usa out/FILM.mp4 / out/preview_captioned.mp4 más las imágenes en out/qa/ — Studio no tiene nada a qué adjuntarse.

La receta de producción (cómo las tres habilidades completan una película, como la última vez)

  1. Voz + guion -> run.py --preview (2 bloques, 640x360, ~2 min). Revisa el aspecto, el ritmo pizarra/foto, el tamaño de subtítulos y alineación inferior, y que qa.py diga PASS.
  2. Plan completo — ingesta (alineación whisper) -> director (compases, diseños, alternancia de estilo) -> fotos de Commons (licencia libre, créditos en credits.md) -> preparación (graduación blanco y negro) -> escena -> señales.
  3. Renderizar — cada bloque por separado a 1080p; reutiliza mediante la caché de producción en E:\Storyteller catche files.
  4. Terminar — coser (filtro concat) -> subtítulos neón alineados al borde inferior -> SFX -19 dB / partitura -18 dB, con reducción, master -15 LUFS.
  5. Revisar — out/FILM.mp4 se reproduce; out/qa/ contiene las imágenes. Si se desea un paso de empaquetado/revisión de Remotion, abre ese proyecto de Remotion con remotion studio y verifica que se cargue allí.
  6. Entregar — FILM.mp4 + FILM.srt + credits.md. La subida/exportación ocurre fuera de esta habilidad.

SRT / lado de distribución de la producción

Después de qa PASS: out/captioned.srt está junto a out/captioned.mp4 (el paso de finalización puede copiarlo junto a FILM.mp4). Para variantes sociales (re-cortes 9:16, exportaciones para plataformas, preparación de miniaturas), usa una habilidad de distribución en lugar de re-renderizar en esta — esta habilidad produce solo el master 16:9.

Requisitos

Ver Antes de empezar — la verificación de requisitos arriba: Python 3.8+, numpy, skia-python, Pillow, faster-whisper, ffmpeg/ffprobe en el PATH, y la habilidad cinematic-film junto a esta (sobrescríbelo con CINEMATIC_SCRIPTS). La verificación se ejecuta automáticamente al inicio de cada ejecución.

Limitaciones conocidas

  • La alineación usa whisper tiny.en por defecto; una toma mal articulada puede desviarse dentro de...

... [truncado para traducción]

Skills relacionados