Vídeo Explicativo Infográfico
Produce un vídeo explicativo MP4 terminado con el espíritu de canales como Kurzgesagt y The Infographics Show: ilustración vectorial plana y audaz, degradados brillantes, luz resplandeciente, movimiento suave constante y un guion narrado que despierta la curiosidad. El arte y la animación se crean como código (SVG + línea de tiempo JS) y se renderizan fotograma a fotograma con Playwright + ffmpeg, por lo que cada fotograma es determinista y editable.
Regla de originalidad: imita el género (vector plano, ritmo explicativo), nunca copies los personajes de un canal (ej. los pájaros de Kurzgesagt), logotipos, intros, música o diseños exactos. Cada personaje y escena se inventa de nuevo.
Habla al usuario en su idioma preferido; mantén el código en inglés.
Archivos incluidos (rutas relativas a esta carpeta de habilidad)
| Archivo | Propósito |
|---|---|
templates/master_template.html | Iniciador 16:9 (1920x1080): degradados, ayudantes, personaje, cerebro, nube, estrellas, motor de escenas con fundido cruzado, subtítulos integrados. Cópialo y reemplaza las escenas. |
templates/vertical_template.html | Mismo motor para Shorts / Reels 9:16 (1080x1920), con diseño vertical y la parte inferior libre para subtítulos. |
scripts/voiceover.py | Narración sin conexión con Kokoro TTS (voces hindi + inglés), un wav por línea + dur.json + lines.json (texto para subtítulos). |
scripts/build.py | Inyecta duraciones de voz (__DUR__) y texto de narración (__LINES__), exporta timeline.json + captions.json; detecta 9:16; reporta errores JS. |
scripts/captions.py | Escribe un archivo .srt desde captions.json para subtítulos de YouTube. |
scripts/peek.py | Un fotograma por escena → hoja de contactos, para comprobar antes del renderizado completo. |
scripts/render.py | Renderizador de rango de fotogramas determinista (JPEG q92 → x264 CRF 18, renombrado seguro de archivos temporales). |
scripts/mix_audio.py | Coloca las líneas de voz en la línea de tiempo, añade un pad ambiente sintetizado (libre de derechos) + whooshes, o tu propia --music. |
scripts/make_video.sh | Tubería completa: build → renderizado paralelo → concatenar → mezclar → mux → hoja QA → .srt. Detecta 9:16 automáticamente. |
Dos ejemplos trabajados viven en el repositorio, dos carpetas por encima de esta carpeta de habilidad: examples/why-we-sleep/ (82 s, 16:9, hindi, 11 escenas) y examples/promo-short/ (38 s, 9:16, inglés, con clips reales insertados en una escena). Léelos para obtener ideas de escenas antes de escribir otras nuevas.
Configuración (una vez)
pip install playwright kokoro-onnx soundfile scipy pillow --break-system-packages
playwright install chromium # saltar si Chromium ya está presente
mkdir -p tts && cd tts
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.int8.onnx
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin
ffmpeg debe estar en PATH. Configura KOKORO_DIR si la carpeta del modelo no es ./tts.
1. Flujo de trabajo (sigue en orden)
- Brief – tema, duración (por defecto 60–90 s; Shorts = 30–58 s), aspecto (16:9 1920x1080 o 9:16 1080x1920), idioma de narración, fuente de voz. Si falta algo y el usuario está presente, pregunta una vez; de lo contrario, usa los valores predeterminados y dilo.
- Investigación + guion – busca en la web datos actuales o numéricos, y anota la fuente de cada número. Estructura: anzuelo → pregunta → explica en 3–5 pasos → momento de giro/escala → conclusión. ~150 palabras por minuto. Frases cortas, una idea cada una, números y comparaciones concretos. Si un hallazgo proviene de animales o un solo estudio, menciónalo en la narración.
- lines.txt – una línea de narración por fila; una línea = una escena (≈ 4–8 s). Para TTS en hindi, escribe los préstamos del inglés en devanagari (स्लीप प्रेशर) para que se pronuncien de forma natural; mantén el texto en pantalla en inglés/latín a menos que haya una fuente devanagari instalada.
- Voz primero –
python3 scripts/voiceover.py lines.txt vo --voice hm_omega --lang hi(inglés:--voice am_michael --lang en-us). Las duraciones marcan la línea de tiempo, nunca al revés. Una voz grabada por el usuario siempre es mejor: divídela en un archivo por línea comovo/NN.wavy escribevo/dur.json. - Construir escenas – copia
templates/master_template.html(16:9) otemplates/vertical_template.html(9:16), escribe unscene(...)por línea (+ opcional outro). Cada escena: movimiento inactivo siempre activo + una acción principal. Usa la biblia de estilo y el kit de animación a continuación. - Vista previa –
python3 scripts/build.py video.html vo/dur.json _work/build.html && python3 scripts/peek.py _work/build.html 0.8; MIRA la hoja (también prueba con 0.3) y corrige superposiciones, recortes, fotogramas vacíos antes de renderizar. - Renderizar + mezclar –
bash scripts/make_video.sh video.html vo final.mp4(ejecuta un fragmento por núcleo de CPU; ~3 s de tiempo real por segundo de vídeo por núcleo a 1080p). - QA – abre
final_sheet.png; comprueba consistencia de paleta, área segura, nada recortado, texto legible en tamaño de miniatura, duración conffprobe≈ duración de línea de tiempo. Arregla solo las escenas rotas y vuelve a renderizar. - Entregar – el MP4, su
.srt(súbelo a YouTube como subtítulos), el texto del guion, y ofrece título/descripción/etiquetas + miniatura.
2. Biblia de estilo
- Formas: primitivas simples (elipse, roundRect, trazados freeform suaves). Sin contornos en la mayoría de las formas; solo un trazo más oscuro del mismo tono en objetos principales.
- Degradados en capas: casi todas las formas obtienen un degradado lineal de 2 paradas de un solo tono (claro arriba a la izquierda → saturado abajo a la derecha) más un brillo blanco al 25–40% de opacidad para el aspecto brillante.
- Brillo: fuentes de luz = degradado radial casi blanco → transparente, radio pulsante ±5%. Destellos = estrellas de 4 puntas que titilan mediante seno de opacidad.
- Profundidad mediante capas: degradado de cielo → colinas lejanas → colinas medias → banda de suelo con motas más claras → sujeto → partículas en primer plano; mueve las capas a diferentes velocidades.
- Paletas (una por vídeo, máximo 5–6 tonos + un oscuro):
- Espacio/Noche:
#211840 #423AA8 #7F79D1 #E565FF #33F5FF #1552FF - Día/Naturaleza:
#00A7E2 #00D2EE #6EED65 #01CB79 #FFE4AF #FFFFFF - Historia cálida:
#290D1C #B15141 #FFE4AF #FFCE85 #FF5F2D #FFFF47 - Neón pop:
#232453 #5759B9 #B6FF55 #FF0066 #A14BFF #00FFFF
- Espacio/Noche:
- Fondo: nunca negro/blanco puro; oscuro teñido profundo (
#12253A,#162B36) o beige cálido (#E6DDC4). Cambia a un rojo oscuro para los momentos de "peligro". - Personajes: cuerpos redondos de blob, ojos grandes y simples (blanco + pupila oscura + reflejo de luz), sin nariz, mejillas sonrojadas. Parpadea cada ~3 s, respira (escala 1 → 1.025). Dormido = arcos de ojos cerrados + "z" flotantes.
- Texto: sans redondeada y pesada (Poppins Bold / Nunito ExtraBold), pocas palabras, números clave grandes, etiquetas como insignias de píldora, dentro del 90% del área segura.
- Sabor infográfico: contadores que cuentan hacia arriba, barras que crecen/encogen, indicadores, comparaciones antes/después, un personaje reaccionando.
3. Kit de animación (efectos de PowerPoint → código)
| Efecto PowerPoint | Equivalente en código (ayudantes en la plantilla) |
|---|---|
| Entrada volando / Elevarse | translate desde fuera de pantalla con ease outBack |
| Fundido / Zoom / Crecer | pop(el,t,start,x,y) → opacidad + escala con sobrepaso |
| Giro de énfasis | rotate(${t*deg}) alrededor del propio centro de la forma |
| Trayectoria de movimiento | along(pathEl,p) / getPointAtLength |
| Transición Morph | mantener objetos compartidos en su lugar entre escenas; el motor funde escenas (FADE) |
| Estelas de partículas / Luciérnagas | partículas con semilla rng(seed) con desfases de fase, retardo y caída de tamaño |
| Barrido / Dibujado | stroke-dasharray + stroke-dashoffset |
| Salida | inversa de la entrada con ease in |
Movimiento inactivo siempre activo: flotar, titilar, pulso de brillo, deriva de paralaje lenta, deriva de nubes, lento zoom de cámara del motor (escala 1 → 1.045). Temblor de anticipación antes de grandes acciones, squash-and-stretch en aterrizajes. Entradas 0.4–0.8 s, escalonar 60–120 ms. Nunca dejes un fotograma completamente quieto.
4. Reglas del motor (plantilla)
- Cada escena:
scene(id, bgGradientId, build() => svgString, seek(localT, sceneDuration)). seekestablece cada atributo puramente desdet— sin animaciones CSS, temporizadores niMath.random(usarng(seed)), para que cualquier fotograma pueda renderizarse solo y los fragmentos se unan sin problemas.- Los ids de elementos deben ser únicos en todo el archivo (prefijo con el id de la escena).
- La duración de la escena
i=LEAD[i] + VO[i] + TAIL; las escenas más allá de las líneas de narración son de 3.2 s (outro).MIN={2:16}mantiene la escena 2 durante al menos 16 s (por ejemplo, para un clip insertado después). El motor exportawindow.DURATION,window.TIMELINE,window.CAPTION_CUES,window.seek. scene(..., {cam:false})desactiva el lento zoom de cámara para una escena (necesario cuando se superpone un clip de vídeo sobre ella).- Subtítulos:
CAPTIONS=truegraba subtítulos por fragmentos de palabras (desdeLINES, temporizados por caracteres dentro de cada línea) en los fotogramas; Chromium da forma al devanagari correctamente. Mantén libres los ~120 px inferiores (16:9) / ~300 px (9:16) de arte importante. ConfiguraCAPTIONS=falsepara desactivarlos; el.srtaún se escribe. - 9:16: comienza desde
vertical_template.html(texto de anzuelo en el tercio superior, visual principal en el medio). Los scripts detectan 9:16 desde el viewBox del SVG; nunca recortes un vídeo 16:9.
5. Audio
- Voz: grabación del usuario → Kokoro (
scripts/voiceover.py) → cualquier otro TTS que ofrezca la sesión. Voces hindi de Kokoro:hm_omega,hm_psi,hf_alpha,hf_beta. - Música: el pad sintetizado predeterminado en
mix_audio.pyes original y libre de derechos; o pasa--musiccon una pista que el usuario posea/tenga licencia. Nunca uses música con derechos de autor. - Los subtítulos están integrados (reglas del motor anteriores).
make_video.shtambién escribefinal.srt; súbelo a YouTube para que los espectadores puedan activar los subtítulos y YouTube pueda traducirlos automáticamente.
6. Extras bajo petición
- Miniatura: renderiza un fotograma principal a 1280x720 con una etiqueta grande de 2–4 palabras.
- Aspecto de serie: mantén la paleta, las fuentes y las funciones de personaje en un archivo compartido y reutilízalas en todos los episodios.
- Tarjeta de outro: nombre del canal/seudónimo en los últimos 2–3 s.