Habilidad de Video Explicativo de Remotion (60-90s)
Esta habilidad te guía en la creación de videos explicativos cortos de alta calidad, de 60 a 90 segundos (formato TikTok / YouTube Shorts / Reels: 1080x1920 a 30fps) sobre cualquier tema.
Combina:
- Mejores prácticas visuales de
remotion-dev/skills(resortes frame-precisos, interpolaciones con clamp, composición de secuencias, jerarquía tipográfica). - Síntesis de Voz en off IA mediante
TTS_PROVIDERen.env:edge(edge-tts-universal, en línea, gratuito) ocit(CIT Voice Studio, voces de estudio vietnamitas fuera de línea - descarga en github.com/Cuongyd196/cit-voice-studio, documentos de API:docs/cit-voice-studio.md). - Sincronización de Tiempo Exacta que mapea las duraciones de la voz en off directamente en secuencias de fotogramas de Remotion.
1. Estructura y Temporización del Video (60-90s / 1800-2700 fotogramas a 30fps)
Un video corto cautivador sigue el marco Hook-Problema-Solución-Valor-Outro:
| Escena | Nombre | Tiempo | Rango de Fotogramas (@ 30fps) | Propósito y Visuales |
|---|---|---|---|---|
| 1 | Hook | 0s – 6s | ~180 fotogramas | Una promesa o pregunta que despierta curiosidad, con un número, dicha en los primeros 2 segundos. Título grande, efecto hook de video-style. |
| 2 | Contexto / Punto de Dolor | 6s – 17s | ~330 fotogramas | Plantea el problema o contexto de por qué este tema es importante. Dos tarjetas opuestas se deslizan desde ambos lados. |
| 3 | Concepto Clave Parte 1 | 17s – 32s | ~450 fotogramas | Principio central 1: tarjeta de vidrio esmerilado, palabras clave destacadas. |
| 4 | Concepto Clave Parte 2 | 32s – 48s | ~480 fotogramas | Mecanismo de funcionamiento: proceso de 3 pasos, líneas de conexión que se dibujan progresivamente. |
| 5 | Impacto en el Mundo Real | 48s – 64s | ~480 fotogramas | Aplicación práctica, consejos o datos que aumentan. |
| 6 | Outro y CTA | 64s – 75s | ~330 fotogramas | Una frase contundente de cierre, botón de seguir el canal. |
Para llegar a 90s, añade 1-2 escenas adicionales (ejemplo concreto, nota importante) antes del Outro. Si una escena supera los 13s, divídela en dos.
Duración Total: 1800 – 2700 fotogramas (aproximadamente 60 – 90 segundos).
2. Generación de Voz en off TTS (edge | cit)
2.1 Configuración de Voz mediante .env
Asegúrate de que el archivo .env esté configurado (consulta .env.example para más detalles):
TTS_PROVIDER=edge # edge | cit
TTS_OUTPUT_DIR=public/audio
# Edge TTS (TTS_PROVIDER=edge)
EDGE_TTS_VOICE=vi-VN-HoaiMyNeural # o vi-VN-NamMinhNeural, en-US-ChristopherNeural
EDGE_TTS_RATE=+10% # +10% a +15% ayuda a que los videos cortos tengan un ritmo rápido y atractivo
# CIT Voice Studio (TTS_PROVIDER=cit)
CIT_TTS_BASE_URL=http://127.0.0.1:8001
CIT_TTS_VOICE=Hải Đăng # lista de voces: docs/cit-voice-studio.md o GET /voices
CIT_TTS_SPEED=1.1 # 0.5 - 2.0
Cuando TTS_PROVIDER=cit:
- La app CIT Voice Studio debe estar abierta. El script llama a
GET /healthautomáticamente antes de generar audio; si no se puede conectar, pide al usuario que abra la app (o la descargue de github.com/Cuongyd196/cit-voice-studio). - El diálogo puede incluir etiquetas de emoción
[risa],[suspiro],[carraspeo]y etiquetas de pausa[pausa 0.5s](no se leen en voz alta). No abuses: máximo 1 etiqueta por escena. - Error
400 Voice not found= nombre de voz incorrecto (distingue tildes). VerificaCIT_TTS_VOICE.
2.2 Proceso de Generación de Archivos de Audio
Al recibir un tema, crea primero la carpeta src/<NombreTema>/, ya que src/<NombreTema>/audioData.ts solo se genera una vez que esta carpeta existe. Luego crea scripts/generate-<tema>-audio.ts y ejecútalo para generar el audio:
import { generateTopicVoices } from "./generate-tts";
const scenes = [
{
id: "scene1_hook",
text: "¿Sabías qué es realmente Docker y por qué todo programador lo necesita?",
},
{
id: "scene2_problem",
text: "Antes, la frase 'en mi máquina funciona' siempre era una pesadilla al entregar el producto.",
},
{
id: "scene3_concept1",
text: "Docker resuelve esto con Contenedores: empaqueta todo el código y el entorno en un solo bloque.",
},
{
id: "scene4_concept2",
text: "A diferencia de las pesadas máquinas virtuales, Docker comparte el núcleo del sistema operativo, arrancando en un instante.",
},
{
id: "scene5_impact",
text: "Gracias a esto, despliegas aplicaciones sin problemas en cualquier servidor, desde AWS, GCP hasta VPS económicos.",
},
{
id: "scene6_outro",
text: "¡Sigue el canal para dominar todos los conocimientos tecnológicos en corto cada día!",
},
];
generateTopicVoices("DockerShort", scenes).catch((error) => {
console.error(error);
process.exitCode = 1;
});
Los archivos de audio se guardarán automáticamente en public/audio/<NombreTema>/<sceneId>.<ext> (.mp3 con edge, .wav con cit) junto con un archivo manifest.json que registra el número exacto de fotogramas (durationInFrames) y la audioPath para cada escena.
- Opcional por escena:
voice(voz del proveedor seleccionado),rate/pitch/volume(solo edge),speed0.5-2.0 (solo cit). - Los archivos existentes se reutilizan (caché). Para regenerar después de modificar el diálogo o cambiar la voz, elimina el archivo de audio correspondiente primero.
3. Reglas de Codificación en Remotion (de remotion-dev/skills)
Al escribir código fuente de Remotion, es OBLIGATORIO cumplir las siguientes reglas:
3.1 Uso de Animaciones con Resortes
No uses keyframes/transitions CSS ni easing lineales sin vida. Usa spring():
import { spring, useCurrentFrame, useVideoConfig } from "remotion";
const frame = useCurrentFrame();
const { fps } = useVideoConfig();
// Resorte suave para Tarjeta/Icono
const scale = spring({
frame,
fps,
config: {
damping: 12, // Menos de 15 crea un rebote elástico natural
stiffness: 100, // Tensión
mass: 0.8,
},
});
const entrance = spring({
frame: frame - 10, // Retraso de 10 fotogramas
fps,
from: 50,
to: 0,
});
3.2 Interpolación Segura (Siempre con Clamp)
Proporciona siempre extrapolateLeft: "clamp" y extrapolateRight: "clamp" para evitar desbordamientos de valor cuando la línea de tiempo se ejecuta fuera del rango:
import { interpolate } from "remotion";
const opacity = interpolate(frame, [0, 15], [0, 1], {
extrapolateLeft: "clamp",
extrapolateRight: "clamp",
});
3.3 Inserción de Audio y Sincronización de Secuencias
Cada escena en la Composición usa <Sequence> o <Series> para gestionar la temporización con precisión:
import { Audio, staticFile, Sequence } from "remotion";
// En el componente de la Escena - toma la ruta del manifest, NO codifiques la extensión .mp3 (el proveedor cit exporta .wav):
<Sequence from={0} durationInFrames={sceneDuration}>
<Audio src={staticFile(audioManifest.scenes[0].audioPath)} />
<SceneContent />
</Sequence>
- Buffer de Transición Ágil (Snappy Transition Buffer):
- El espacio entre escenas debe ser de solo +3 a +4 fotogramas (aproximadamente 0.1s) después de que termine la voz.
- Evita buffers demasiado largos (+15 a +20 fotogramas) que crean silencios/muertos rítmicos entre escenas. La siguiente escena debe aparecer justo cuando termina la frase anterior para mantener un ritmo rápido y atractivo para videos cortos.
// Ejemplo de cálculo de duración de escenas en Series
// Los valores en el manifest ya incluyen 10 fotogramas de buffer, así que resta antes de agregar el buffer.
const d1 = audioManifest.scenes[0].durationInFrames - 10 + 3;
const d2 = audioManifest.scenes[1].durationInFrames - 10 + 3;
// ...
3.4 Estándares de Diseño Visual (Vertical 1080x1920)
Todo el estilo (fondo, tarjetas de vidrio esmerilado, marca, tamaños de fuente, diseño, subtítulos, movimiento, hook) sigue la habilidad video-style. Copia theme.ts y components/ de src/ClaudeBugHunterRepo/. No uses emojis ni iconos decorativos dentro del texto.
4. Proceso de Creación de Video Paso a Paso para Antigravity / Codex
Al recibir la solicitud: "Crear un video explicativo sobre [Tema X]":
Paso 1: Redacción del Guion (Scripting)
- Define las 6 escenas (Hook, Problema, Concepto 1, Concepto 2, Impacto, Outro).
- Escribe el diálogo en español natural, conciso, con frases cortas (total 260-330 palabras, cada escena 35-50 palabras). La Escena 1 comienza con una promesa o un resultado concreto; consulta la sección Hook y Diálogo de
video-style.
Paso 2: Generación de Voz (TTS Generation)
- Lee
TTS_PROVIDERen.envpara saber si se usa edge o cit. - Crea la carpeta
src/<NombreTema>/, luego crea el scriptscripts/generate-<tema>-audio.tsque llama agenerateTopicVoices, ejecutanpx tsx scripts/generate-<tema>-audio.ts. - Obtén la lista de duraciones reales en fotogramas desde
manifest.json/src/<NombreTema>/audioData.ts.
Paso 3: Creación de la Carpeta de Código src/<NombreTema>/
Estructura de carpeta estándar:
src/<NombreTema>/
├── <NombreTema>.tsx # Composición principal que agrupa las Series.Sequence
├── types.ts # Esquema y Props
├── audioData.ts # Metadatos de duración de audio
└── scenes/
├── Scene1Hook.tsx
├── Scene2Problem.tsx
├── Scene3Concept1.tsx
├── Scene4Concept2.tsx
├── Scene5Impact.tsx
└── Scene6Outro.tsx
Efectos de sonido: usa <SfxTrack cues={...} /> de src/sfx/SfxTrack.tsx, colocado en el componente principal. Los archivos de sonido están en public/sfx/, se crean de nuevo con npx tsx scripts/generate-sfx.ts.
| Cuándo | Sonido |
|---|---|
| Al inicio de cada escena, 3 fotogramas antes para caer en el silencio antes de la nueva frase (escena 1 en el fotograma 0) | mallet |
| Cuando aparece una tarjeta o elemento | pop o tick |
| Punto culminante, conclusión | ding |
| Llamada a la acción de seguimiento | chime |
- El
framede cada cue es el número de fotograma desde el inicio del video, coincidiendo con el momento en que aparece ese elemento. - No es necesario evitar superposiciones manualmente:
SfxTrackdescarta automáticamente los cues que están a menos de 0.4s del cue anterior y reduce el volumen cuando un sonido se repite inmediatamente después de sí mismo. - No descargues sonidos de myinstants o sitios con licencias dudosas. Si necesitas un sonido nuevo, agrégalo a
scripts/generate-sfx.ts.
Paso 4: Registro de la Composición en src/Root.tsx
Añade la nueva Composición en src/Root.tsx:
<Composition
id="<NombreTema>"
component={<NombreTema>}
durationInFrames={totalFrames}
fps={30}
width={1080}
height={1920}
defaultProps={{}}
/>
Paso 5: Verificación y Reporte
- Ejecuta
npm run lintpara verificar errores de TypeScript/ESLint. - Reporta al usuario el enlace para abrir la Composición en Remotion Studio (
http://localhost:3000) o el comando para renderizar MP4:npx remotion render <NombreTema> out/<NombreTema>.mp4