Communitygithub.com

AutoDemoRecordingSkill

Graba automáticamente un video demo pulido de una aplicación web, con o sin narración. Conduce la app en Chromium sin cabeza desde un archivo de guión, registra clics/escritura/desplazamientos, renderiza un video 1920×1080 a 60 fps con movimientos de cámara, resaltes, pasos numerados, subtítulos y capítulos. Luego añade narración en el idioma elegido (Qwen3-TTS local en GPU NVIDIA, Kokoro local en cualquier CPU, o API remota). Verifica numéricamente imagen y sonido. Funciona en Linux, Windows y macOS, y bajo Claude Code o Codex.

¿Qué es AutoDemoRecordingSkill?

AutoDemoRecordingSkill es una habilidad experta para agentes de IA (Claude Code, Codex) que transforma una aplicación web en un video demo profesional y pulido, sin intervención manual. El agente escribe un archivo de guión (story file) que describe qué mostrar y qué decir. Luego, `demo_record.py` lanza una instancia desechable de la app en Chromium sin cabeza, simula interacciones (clics, escritura, desplazamientos) y captura la línea de tiempo. Después, `demo_render.py` genera un video silencioso en 1920×1080 a 60 fps con movimientos de cámara, resaltes visuales, pasos numerados y subtítulos. Opcionalmente, `demo_voice.py` añade narración con voz realista usando un modelo local Qwen3-TTS (requiere GPU NVIDIA), Kokoro (cualquier CPU) o una API remota (OpenAI compatible, ElevenLabs, DashScope). La verificación final es numérica, no visual, garantizando calidad. La habilidad está diseñada para ser segura (nunca toca servicios reales ni datos de producción) y altamente configurable (idioma, voz, velocidad de lectura). La habilidad es particularmente útil para equipos de producto, ingenieros y creadores de contenido que necesitan generar demos rápidas, recorridos de funciones, o screencasts narrados de aplicaciones web. Soporta múltiples idiomas (incluyendo chino mandarín, inglés, japonés, coreano, alemán, francés, español, italiano, portugués y ruso). Su estructura paso a paso, con comprobaciones automáticas y posibilidad de reanudar, la hace robusta y fácil de depurar.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/OrrrGE/autoRecording/tree/main

Preguntar en tu IA favorita

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

Documentación

autoRecording

Convierte una aplicación web en un video demo terminado. Tú escribes un archivo guión que indica qué mostrar y qué decir; los scripts se encargan de la grabación, el dibujo, la codificación, la narración y la verificación. El video puede ser silencioso o narrado, en mandarín, inglés, japonés, coreano, alemán, francés, español, italiano, portugués o ruso, interpretado por un modelo local (GPU o CPU) o por un servicio remoto que el usuario proporciona.

story.py ──demo_record.py──► timeline.json + frames/*.jpg
                                  │
                           demo_render.py ──► silent.mp4  (1920×1080, 60 fps)
                                  │
                           demo_voice.py  ──► silent-配音版.mp4 / silent-narrated.mp4   (opcional)

0. Preguntar antes de cualquier otra cosa

No empieces a grabar antes de haber respondido a estas preguntas. En Claude Code usa AskUserQuestion; en Codex o cualquier otro agente, pregunta en palabras simples y espera la respuesta.

  1. ¿Narración? Video silencioso o narración hablada. Si el usuario no necesita narración, omite todos los pasos de narración; el video silencioso es el entregable.
  2. Idioma de la narración (y de los subtítulos, que son el texto que se lee): 普通话 / English / 日本語 / 한국어 / Deutsch / français / español / italiano / português / русский. Por defecto: el idioma de la aplicación y en el que escribe el usuario.
  3. Motor. Ofrece lo que esta máquina puede hacer realmente: ejecuta python3 scripts/demo_env.py primero y solo ofrece los motores que aparezcan como disponibles:
    • local Qwen3-TTS (GPU local): mejor calidad; necesita una GPU NVIDIA con ~6 GB de VRAM libre y los modelos Qwen.
    • local Kokoro (CPU local): no necesita GPU, funciona en Windows y macOS; buen mandarín e inglés; las voces son fijas (sin clonación).
    • API remota: el usuario proporciona el proveedor (endpoint compatible con OpenAI incluyendo auto-alojados, ElevenLabs, o Alibaba DashScope Qwen-TTS), la clave y, opcionalmente, una URL base, modelo e ID de voz. Regla general: un modelo local que está listo → úsalo; el usuario ofrece una clave API → usa la API; ninguno → pregunta si se debe instalar Kokoro (descarga pequeña) o si se quiere un video silencioso.
  4. Voz, si el motor tiene opciones: ofrece 3–5 voces con una línea cada una (ej. Qwen serena / ryan, Kokoro zf_039 / zm_013 / af_maple, un ID de voz de OpenAI), con un valor predeterminado razonable.

Escribe las respuestas en el archivo guión — LANGUAGE y VOICE = {'engine': …, 'speaker': …} — para que el mismo video pueda volver a hacerse. Una clave remota nunca se escribe en el guión: colócala en el entorno o en demo_env.py key.

Innegociables

  1. Nunca grabes el servicio en vivo del usuario ni sus datos reales. Inicia una instancia desechable en otro puerto con su propio directorio de datos (launch() en el archivo guión), o un conjunto de datos demo dedicado. Si la aplicación no se puede aislar, pregunta.
  2. Comprueba con números, no mirando imágenes. demo_render.py --check y demo_voice.py check son la fuente de la verdad. No afirmes que un video está terminado mientras alguno reporte problemas 注意:.
  3. No toques un servicio en ejecución. Si el puerto elegido ya está escuchando, elige otro puerto; nunca detengas el proceso de otra persona.
  4. La narración es opcional y su motor es elección del usuario. Qwen necesita una GPU NVIDIA; Kokoro funciona en cualquier CPU; los servicios remotos necesitan una clave y envían los subtítulos a ese servicio — dilo antes de usar uno.

Estructura

SKILL.md                  este archivo
scripts/demo_env.py       verificar la máquina; preparar el Python de la habilidad; descargar modelos; recordar claves
scripts/demo_record.py    conducir la app y grabar fotogramas + línea de tiempo
scripts/demo_render.py    dibujar y codificar el video silencioso; comprobaciones numéricas
scripts/demo_voice.py     narración: líneas, anclaje, tomas, escuchar, construir, verificar
scripts/demo_tts.py       los motores: Kokoro (CPU) y los servicios remotos
scripts/demo_text.py      cómo se dicen, cuentan y comparan los subtítulos, por idioma
scripts/demo_common.py    rutas, configuraciones, navegadores, secretos compartidos
story_template.py         copia esto para escribir un guión para una aplicación
examples/selftest/        una página y dos guiones (guión en mandarín story.py, guión en inglés story-en.py)
references/               environment.md, director.md, narration.md, engines.md

Todos los comandos siguientes son relativos al directorio de esta habilidad; en Windows escribe py -3 (o python) donde está escrito python3. Instala como habilidad personal clonando en ~/.claude/skills/autoDemoRecordingSkill (Claude Code) o ~/.agents/skills/autoDemoRecordingSkill (Codex).

1. Verificar la máquina

cd ~/.claude/skills/autoDemoRecordingSkill
python3 scripts/demo_env.py            # solo lectura: qué hay, qué falta, cómo obtenerlo, qué motores pueden hablar
python3 scripts/demo_env.py setup      # paquetes para grabar/renderizar/verificar (unos cientos de MB)
python3 scripts/demo_env.py setup --models   # + Whisper large-v3 y checks CAM++ (~3 GB)
python3 scripts/demo_env.py setup --kokoro   # + Kokoro, la voz para CPU (~400 MB)

Para el motor Qwen también prepara un Python con torch CUDA y faster-qwen3-tts, y los dos modelos Qwen3-TTS 1.7B; para un motor remoto, recuerda su clave una vez con python3 scripts/demo_env.py key openai=… (o una variable de entorno). Registra cada ubicación no predeterminada una vez:

python3 scripts/demo_env.py set chromium=/path/to/chromium tts_python=/path/to/python \
    tts_custom=/path/to/Qwen3-TTS-12Hz-1.7B-CustomVoice tts_base=/path/to/Qwen3-TTS-12Hz-1.7B-Base

Los archivos propios de la habilidad residen en ~/.cache/auto-demo-recording (sobresscribe con AUTO_DEMO_HOME). references/environment.md tiene los detalles para Windows, macOS y Linux.

2. Validar la instalación con la autoprueba

PY=~/.cache/auto-demo-recording/venv/bin/python
S=~/.claude/skills/autoDemoRecordingSkill
$PY $S/scripts/demo_record.py --story $S/examples/selftest/story.py --work /tmp/demo-selftest
$PY $S/scripts/demo_render.py --work /tmp/demo-selftest --check
$PY $S/scripts/demo_render.py --work /tmp/demo-selftest --out /tmp/demo-selftest/selftest.mp4
$PY $S/scripts/demo_voice.py --work /tmp/demo-selftest      # solo si se desea narración

story-en.py es la misma prueba con subtítulos en inglés y la ruta de narración en inglés. La grabación imprime un resumen JSON (duración, fotogramas, navegador, errores). selftest.mp4 debería ser 1920×1080, 60 fps, aproximadamente 64 s.

3. Escribir el guión

Copia story_template.py al lado de la aplicación (o en cualquier lugar) y complétalo. El contrato:

NombreQué es
TITLE, SUBTITLE, CHAPTERStexto en la banda superior; los capítulos también se dibujan en la página
LANGUAGEel idioma de los subtítulos y de la narración (zh, en, ja, ko, de, fr, es, it, pt, ru)
VIEW, DENSITYtamaño de página en píxeles CSS y escala de dispositivo; ancho/alto debe ser 64:31
PORTpuerto de la instancia desechable
LOOK{'accent': '#2f6fed', 'note': '#ee5c18', 'fast': '快进'} — fast en el idioma de la banda de subtítulos
VOICEnarración: engine, speaker, y para un servicio remoto model / base_url (nunca la clave); ver references/engines.md
READINGvelocidad de lectura para los subtítulos; por defecto: la del idioma (5.5 caracteres/s para mandarín)
launch(work, port){'command': [...], 'url': ..., 'env': {...}, 'wipe': [...], 'cwd': ..., 'ready': ..., 'timeout': ...}; o define URL en su lugar
guard(d)opcional; falla temprano si la página no está en el estado inicial previsto
story(d)la dirección real: await d.say(...), await d.click(...), etc.

El objeto d es el director. Su API completa, modelo de tiempo, reglas de marcado/colocación y patrones comunes están en references/director.md. Léelo antes de escribir un guión; el resto de este archivo es solo el flujo de trabajo.

Reglas generales para un buen guión:

  • Una idea por subtítulo; indica lo que el espectador debe notar y los resultados que la página muestra realmente.
  • Prefiere d.say() y luego d.read() antes de seguir; los subtítulos son también el guión de la narración.
  • Escribe los subtítulos en LANGUAGE. Para un video silencioso, igual se leen en pantalla, así que mantenlos cortos.
  • Numera los clics (await d.click(locator, '添加')) y marca solo lo que importa.
  • Reproduce las esperas largas rápidas (await d.until(..., speed=4)) en lugar de cortarlas.

4. Grabar

$PY $S/scripts/demo_record.py --story /path/to/story.py --work /tmp/demo-work --quick
$PY $S/scripts/demo_record.py --story /path/to/story.py --work /tmp/demo-work

--quick es un ensayo rápido: omite las pausas para el espectador y solo espera a la aplicación. Úsalo para detectar errores de selectores y de estado. Graba de verdad después; work/timeline.json se sobrescribe y los fotogramas antiguos se eliminan.

Antes de grabar, el script limpia solo frames y las rutas listadas en wipe, verifica que el puerto esté libre, inicia el comando del guión y espera a que la aplicación responda. El registro de la aplicación es work/server.log. En Windows, la aplicación y todo lo que inicia se detiene con taskkill /T; en otros lugares, se detiene todo el grupo de procesos.

5. Verificar y renderizar

$PY $S/scripts/demo_render.py --work /tmp/demo-work --check
$PY $S/scripts/demo_render.py --work /tmp/demo-work --out /tmp/demo-work/demo.mp4

--check verifica, sin mirar imágenes: las regiones marcadas no están vacías y coinciden con los colores expect, las etiquetas no se superponen con el contenido de la página, los recuadros están dentro de la cámara, los pasos/clics son visibles, los subtítulos caben y los glifos existen en la fuente. Corrige el guión o el tiempo y graba de nuevo. El renderizado también compara fotogramas de salida muestreados con los fotogramas que dibujó y escribe work/render.json.

Si el usuario no quiere narración, el video silencioso es el entregable — detente aquí e informa.

6. Narrar (solo si se pidió)

$PY $S/scripts/demo_voice.py --work /tmp/demo-work            # todos los pasos
$PY $S/scripts/demo_voice.py lines --work /tmp/demo-work      # inspeccionar pronunciación/tiempo primero

Escribe el video narrado junto al silencioso: <name>-配音版.mp4 para mandarín, <name>-narrated.mp4 para los demás idiomas. Los pasos se pueden reanudar: clip de referencia → (Qwen: prueba) → tomas → verificación de voz/hablante → elegir/ajustar/mezclar → verificar. Lee references/narration.md para la configuración, correcciones de pronunciación y líneas ajustadas, y references/engines.md para los motores, sus voces, claves y costos. La check final debe decir 没有发现问题; cualquier línea 听写有出入 significa que la voz dijo algo diferente — corrige el subtítulo, añade una anulación say, vuelve a decir esa línea o elige otra voz.

7. Informar

Proporciona al usuario la ruta de salida (silenciosa y, si se pidió, narrada), la duración, la resolución/fps, el número de subtítulos/marcas, el motor de narración y voz, y el resultado de la verificación de la narración. Menciona cualquier advertencia 注意: que quede y nunca ocultes una verificación fallida.

Primeros pasos para solucionar problemas

  • 缺 … → ejecuta python3 scripts/demo_env.py y sigue la línea →.
  • Puerto ya en uso → cambia PORT en el guión; no detengas el servicio existente.
  • 点不到这个元素 → el elemento está cubierto o fuera de pantalla; desplázate/amplía primero, o elige otro objetivo.
  • Desajuste de ancho de página → la página no es responsiva en VIEW; ajusta VIEW o la página, mantén la proporción 64:31.
  • Línea de narración demasiado ajustada → acorta ese subtítulo o dale más tiempo, luego graba de nuevo.
  • Kokoro 的词表里没有这些词 → Kokoro omite esas palabras; agrégalas a VOICE['say'] en la ortografía del subtítulo (ej. `

Skills relacionados