Communitygithub.com

paper-explainer

Crea vídeos explicativos cortos animados en formato vertical (9:16) con estilo "paper-cutout", narración, subtítulos en inglés y elementos visuales planos, usando un pipeline multi-agente.

¿Qué es paper-explainer?

Este skill permite generar vídeos explicativos animados estilo "paper-cutout" en formato vertical (1080×1920, 24 fps, 60–95 segundos) mediante un pipeline multi-agente. El proceso comienza con un agente de investigación y guion que verifica hechos y produce un guion narrado (14–17 líneas, ~950–1.150 caracteres) junto con una tabla de etiquetas visuales y elementos gráficos. Luego se genera la locución (preferentemente con ElevenLabs o como alternativa gratuita con edge-tts) y se obtienen los tiempos precisos de cada línea. Tres agentes de escena trabajan en paralelo, cada uno generando un tercio del vídeo (~25–30 segundos) usando SVG/HTML renderizados frame a frame con Playwright, siguiendo reglas estrictas de estilo (fondos de puntos, etiquetas en mayúsculas sobre papel rasgado, sombras, separación de color y grano). El usuario integra las escenas, revisa y corrige posibles errores (números inventados, mapas inexactos, logotipos, etc.) y finalmente renderiza, mezcla audio (voz + música + efectos sincronizados) y publica el vídeo. Incluye reglas de contenido para evitar caricaturas, logotipos de marcas, mapas con fronteras disputadas y contenido político partidista.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/sknitd/paper-explainer-skill/tree/HEAD/skills/paper-explainer

Preguntar en tu IA favorita

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

Documentación

Paper-cutout explainer Shorts (multi-agente)

Salida: 1080×1920, 24 fps, 60–95 s MP4 con narración, música atenuada y efectos de sonido sincronizados. Aspecto: props SVG planos con contorno blanco "sticker" + sombra, fondos de puntos de semitono o ráfagas solares, etiquetas en inglés MAYÚSCULAS sobre papel rasgado (Bebas Neue), ligera separación RGB + grano + viñeta.

Todo se renderiza desde HTML/SVG mediante Chrome sin cabeza frame a frame (determinista), por lo que las escenas son archivos JS simples escritos por agentes contra un motor pequeño (template/engine.js, documentado en template/ENGINE.md).

Requisitos

  • Entorno virtual Python 3 con: playwright (usa Chrome del sistema mediante CHROME_PATH, o playwright install chromium), numpy, opencv-python-headless (opcional), faster-whisper (temporización/QA), edge-tts (voz alternativa gratuita).
  • ffmpeg, curl, bc. Opcional: conector MCP de ElevenLabs para el narrador + música.

Pipeline (seguir en orden)

1. Agente de investigación + guion (segundo plano)

Genera UN agente de propósito general con el prompt en references/agent_prompts.md#research. Debe verificar en web cada hecho, atribuir afirmaciones, marcar rumores y devolver: SCRIPT (14–17 líneas habladas cortas, ~950–1.150 caracteres, números escritos como palabras, nombres en el guion narrado), TABLA (etiquetas / idea visual / fondo por línea), HECHOS con URLs, INCIERTO/NO USADO. Para temas muy recientes, indícale la fecha actual y pídele que primero confirme a qué se refiere realmente el tema. Mientras se ejecuta: scripts/new_project.sh <dir> y dibuja cualquier prop compartido que la historia necesite (un diseño consistente por objeto/persona recurrente) al final de <dir>/engine.js; renderiza un frame de prueba para verificarlos.

2. Locución

  • Preferida: ElevenLabs eleven_v4, un narrador documental (p. ej., Hindi "Natraj – Informative Documentary Host"), 2 tomas, guion con etiquetas [curious]/[dramatic]/[thoughtful] con moderación. Verificar créditos primero.
  • Alternativa (gratuita, da tiempos exactos por línea): coloca las líneas simples en <dir>/script.txt, ejecuta scripts/edge_tts_lines.sh <dir> hi-IN-MadhurNeural +20% → vo.wav + lines.txt.
  • QA en cada toma: Los modelos TTS pueden distorsionar números/fechas. Transcribe con scripts/words.py; el propio Whisper formatea mal los números en hindi, así que verifica años sospechosos suprimiendo dígitos (ver references/qa.md). Elige la toma que dice cada número correctamente.
  • Temporización de líneas para un archivo de una sola toma: detección de silencios (ffmpeg -af silencedetect=n=-38dB:d=0.15) + temporización de palabras; scripts/align_lines.py da una primera aproximación. Escribe lines.txt (lNN start= end= | texto) con el desplazamiento de video que usarás (p. ej., +0.25 s) y un words.txt ajustado.

3. Tres agentes de escena en paralelo (segundo plano)

Divide la línea de tiempo en saltos de líneas en partes de ~25–30 s. Genera tres agentes de propósito general en UN MENSAJE usando references/agent_prompts.md#scene — cada uno posee solo scenes_N.js, recibe su rango de tiempo exacto, sus líneas de narración con horas de inicio/fin, pulsos de palabras clave, un storyboard (de la TABLA), los activos compartidos y las reglas: IIFE + prefijos pN_, las escenas cubren exactamente el rango, la etiqueta superior ~0.1 s después de un corte, algo nuevo cada ~1 s, renderiza frames de prueba y MÍRALOS, elimina los PNG.

4. Integración + revisión (tú)

  • Renderiza ~30 frames espaciados uniformemente en una hoja de contactos (render_html.py ... 999 t1,t2,... luego ffmpeg -pattern_type glob -i 'test_*.png' -vf scale=170:-1,tile=11x3) y LÉELA.
  • Corrige: números/afirmaciones inventados en pantalla (los agentes a veces los añaden — elimínalos), mapas/fronteras inexactas, logotipos, caricaturas de personas reales, superposiciones, texto fuera de pantalla, frames vacíos.

5. Renderizar, mezclar, publicar

scripts/render_video.sh <dir> <duración> <narración> <música> <vo_delay_ms> <out.mp4> renderiza todos los frames, construye la pista de SFX a partir de eventos del motor, atenúa la música bajo la voz (~-14 LUFS) y multiplexa. Para volver a poner voz a un video existente sin reconstruir escenas, renderiza con WARP=anchors.json (mapea nuevos inicios de línea → viejos inicios de línea; ver references/qa.md). Entrega por el canal preferido del usuario.

Reglas de contenido (siempre)

  • Solo hechos de la lista fuente del agente de investigación; dinero/taquilla/encuestas etiquetados como "REPORTADO"/con fuente; cantidades inciertas mostradas como mínimos ("250+").
  • Personas reales: busto A.fig genérico + etiqueta de nombre en inglés, nunca caricatura; no dibujar deidades religiosas — usar motivos abstractos; sin logotipos de marcas/partidos (dibujar insignias/pájaros/letras genéricos).
  • Mapas: evitar mapas de países con fronteras disputadas/sensibles; usar pizarras sin bordes o cuadrículas de fichas, y etiquetar las imágenes ilustrativas como tales.
  • Política: neutral, atribuida, sin burlas ni predicciones.

Archivos

  • template/ — index.html, engine.js (motor + paquetes de activos), ENGINE.md (API para agentes), scenes_1..3.js
  • examples/ — código de escena de cuatro videos terminados (Efecto Streisand, Estatua de la Libertad, check azul de Twitter, elecciones de mitad de mandato de EE. UU. 2026): el estándar de calidad/ritmo para agentes
  • scripts/ — renderizado, SFX, alineación, transcripción, TTS gratuito, bootstrap de proyectos, mezcla final
  • references/agent_prompts.md, references/qa.md

Skills relacionados