PrunaAI/pruna-skills

Úsalo cuando se necesiten marcas de tiempo a nivel de palabra a partir de audio: alineación de letras, límites de corte seguros o sincronización de fuente de subtítulos antes de incrustarlos en la edición de video.

¿Qué es pruna-skills?

Este skill, PrunaAI/pruna-skills, está diseñado para extraer marcas de tiempo a nivel de palabra a partir de archivos de audio mediante el modelo WhisperX. Su utilidad principal radica en tareas de alineación lírica, detección de límites de corte seguros para edición y generación de sincronización precisa para subtítulos antes de la posproducción de video. Se integra con la plataforma Replicate y requiere un token de API (`REPLICATE_API_TOKEN`). El skill proporciona asistentes de repositorio que facilitan la subida de archivos locales y la obtención de resultados en formato JSON y SRT. Además, incluye una guía detallada sobre cuándo usar otras habilidades alternativas (como `music-2.5` o `gemini-3.1-flash-tts`) y pasos típicos posteriores (como `music-video` o `video-editing`). Está pensado para ser utilizado dentro de un flujo de trabajo de creación de video musical, específicamente en la fase de alineación.

Compatible con✓Claude Code~Codex CLI~Cursor✓Gemini CLI

npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/whisperx

Documentación

Requisitos previos

Instala y carga estas habilidades antes de generar (omite si ya están en contexto mediante @pruna):

Habilidad	Descripción	Instalación
`generation-diversity`	Úsalo al escribir cualquier prompt generativo: semilla ritual, estructura explícita, ejes de escenario y compuertas de calidad antes de llamadas API de pago.	`npx skills add PrunaAI/pruna-skills@generation-diversity -y`
`pruna-api`	Úsalo antes de cualquier llamada HTTP a Pruna o Replicate: credenciales, subida/consulta/descarga, lotes paralelos y seguridad del agente.	`npx skills add PrunaAI/pruna-skills@pruna-api -y`

O instala el paquete completo una vez: npx skills add PrunaAI/pruna-skills@pruna -y

Sigue las secciones Antes de generar / artesanía de cada habilidad — no repitas el contenido de la guía aquí.

Hábito del agente

En la primera respuesta, nombra `whisperx` entre comillas invertidas, confirma REPLICATE_API_TOKEN (o detente con enlaces de registro de pruna-api), luego pregunta por las entradas requeridas. Apertura de ingesta → generation-diversity aclara la ingesta antes del primer POST. Redirige cuando sea más apropiado Cuándo NO usar.

Cuándo NO usar

Usa una habilidad diferente en su lugar:

Habilidad	Descripción	Instalación
`music-2.5`	Úsalo cuando alguien quiera una canción original de IA con voces: letras cantadas, un prompt de estilo o audio fuente para un video musical.	`npx skills add PrunaAI/[email protected] -y`
`gemini-3.1-flash-tts`	Úsalo cuando se necesite narración hablada o voz en off: pistas explicativas, líneas de documental o voz para acompañar un video generado.	`npx skills add PrunaAI/[email protected] -y`
`video-editing`	Úsalo al montar o pulir clips ya renderizados con ffmpeg: concatenación, fundidos cruzados, subtítulos y leyendas incrustados, superposiciones de texto/logotipos, deslizadores de antes/después, fondos musicales, exportación para plataformas; o al componer un video combinado multicapa en HTML con Hyperframes. No para generación de video con IA, artesanía de prompts o ediciones basadas en modelos.	`npx skills add PrunaAI/pruna-skills@video-editing -y`

Entorno

export REPLICATE_API_TOKEN=r8_...

HTTP / pipeline

Prefiere los asistentes del repositorio (suben audio local y escriben JSON + SRT):

# Agente: sigue la tabla de fases en este SKILL.md \
  --song output/my-mv/song.mp3 \
  --out output/my-mv/whisperx_transcript.json \
  --initial-prompt "Primeras líneas de la letra ayudan al reconocimiento"

# Agente: sigue la tabla de fases en este SKILL.md \
  --cuts output/my-mv/cut_manifest.json \
  --transcript output/my-mv/whisperx_transcript.json \
  --song output/my-mv/song.mp3

En un flujo de trabajo de video musical, ejecuta esta habilidad durante la fase de alineación — consulta music-video.

Antes de generar

Completa el orden de lectura de la guía de requisitos previos.
Confirma audio_file (URL HTTPS — los asistentes suben archivos locales), language y align_output: true para la alineación de cortes a nivel de palabra. Al listar entradas, nombra REPLICATE_API_TOKEN (Replicate — no PRUNA_API_KEY).
Notas del modelo: establece initial_prompt con las primeras líneas de la letra para una mejor identificación de rap/canciones. Opcional diarization para batallas de múltiples voces.

Entrada requerida

audio_file (URL HTTPS)

Campos opcionales comunes

language — código ISO, ej. en
align_output — true para marcas de tiempo a nivel de palabra (requerido para la alineación de cortes)
initial_prompt — primeras líneas de la letra
diarization — etiquetas de hablante

Pasos típicos siguientes

Continuaciones comunes después de esta habilidad:

Habilidad	Descripción	Instalación
`music-video`	Úsalo cuando alguien quiera un video musical completo: canción original o voces, clips de interpretación, material de archivo y ediciones sincronizadas con la letra.	`npx skills add PrunaAI/pruna-skills@music-video -y`
`music-2.5`	Úsalo cuando alguien quiera una canción original de IA con voces: letras cantadas, un prompt de estilo o audio fuente para un video musical.	`npx skills add PrunaAI/[email protected] -y`
`video-editing`	Úsalo al montar o pulir clips ya renderizados con ffmpeg: concatenación, fundidos cruzados, subtítulos y leyendas incrustados, superposiciones de texto/logotipos, deslizadores de antes/después, fondos musicales, exportación para plataformas; o al componer un video combinado multicapa en HTML con Hyperframes. No para generación de video con IA, artesanía de prompts o ediciones basadas en modelos.	`npx skills add PrunaAI/pruna-skills@video-editing -y`