Communitygithub.com

huangserva/servasyy_skills

Comprime y reescribe documentos de forma inteligente para convertirlos en guiones optimizados para TTS. Usa la IA de Claude para analizar contenido, comprimir a una duración objetivo, convertir a estilo oral con lenguaje emocional y segmentar automáticamente. Perfecto para narraciones de video.

¿Qué es servasyy_skills?

Este skill, llamado 'TTS Script Generator', permite comprimir y reescribir documentos largos en guiones listos para síntesis de voz (TTS). Es ideal para creadores de contenido que necesitan narrativas de video, podcasts o cualquier producción que requiera una locución natural y bien estructurada. El skill aprovecha la inteligencia artificial de Claude para analizar el contenido, determinar la duración óptima del video (entre 3 y 8 minutos), seleccionar el estilo visual más adecuado (como ukiyo-e, New Yorker o plano) y reescribir el texto en un lenguaje coloquial y emotivo. Además, segmenta automáticamente el guión en partes de 10 a 20 segundos, cada una con un estilo de animación y un énfasis específicos. El resultado son dos archivos JSON: 'tts_script.json' (con el texto y marcas de animación) y 'visual_config.json' (con descripciones para generar ilustraciones). Está diseñado para integrarse con otros skills como 'image-to-video' y 'podcast-generator', y puede ejecutarse tanto de forma automática como manual en una conversación con Claude.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huangserva/servasyy_skills/tree/HEAD/tts-script-generator

Preguntar en tu IA favorita

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

Documentación

Generador de Guiones TTS

Comprime y reescribe documentos de forma inteligente para convertirlos en guiones optimizados para TTS.

Capacidades principales

  • 🤖 Análisis inteligente con IA: Claude analiza el contenido del artículo, determina la duración óptima del video y el estilo de ilustración más adecuado.
  • ⏱️ Decisión inteligente de duración: Decide automáticamente la duración ideal (3-8 minutos) según el contenido.
  • 🎨 Decisión inteligente de estilo: Selecciona automáticamente el estilo de ilustración más apropiado (New Yorker, ukiyo-e, plano, realista, etc.) según el tema.
  • 📉 Compresión inteligente: Comprime el contenido a la duración óptima (por ejemplo, 19 minutos → 5 minutos).
  • 💬 Conversión a lenguaje coloquial: Transforma texto escrito en lenguaje oral natural.
  • 😊 Optimización emocional: Agrega palabras y expresiones emocionales para que el TTS sea más vívido.
  • 🎯 Segmentación automática: Divide el contenido en segmentos óptimos (10-20 segundos cada uno).
  • 📊 Estimación de duración: Calcula con precisión el tiempo de lectura de cada segmento.

Cómo funciona

Ejecución en la conversación con Claude:

  1. Claude lee el documento original.
  2. Claude analiza el contenido:
    • Tema y estructura del artículo.
    • Número de ideas principales.
    • Densidad del contenido.
    • Determina la duración óptima del video (3-8 minutos).
    • Selecciona el estilo de ilustración más adecuado (por ejemplo, historia → ukiyo-e, tecnología → plano, humanidades → New Yorker).
  3. Claude reescribe de forma inteligente:
    • Extrae las ideas principales.
    • Comprime según la duración óptima.
    • Convierte a lenguaje coloquial.
    • Agrega palabras emocionales y pausas.
  4. Claude segmenta automáticamente (cada segmento es adecuado para una ilustración).
  5. Según el tema del artículo, determina el estilo de ilustración más apropiado.
  6. Genera una descripción de ilustración para cada segmento (usando el estilo determinado).
  7. Genera dos archivos:
    • tts_script.json (guión de TTS con marcas de animación).
    • visual_config.json (descripciones de ilustraciones para usar con el generador de ilustraciones).

Formato de tts_script.json (con marcas de animación):

[
  {
    "segment": 1,
    "text": "Hoy hablamos de la vida real en la dinastía Tang. ¿Quieres viajar en el tiempo? ¡Espera un poco!",
    "duration": 15,
    "animation_style": "fade_in",
    "emphasis": true
  },
  {
    "segment": 2,
    "text": "En la dinastía Tang no había papel higiénico. ¿Qué usaban para ir al baño?",
    "duration": 12,
    "animation_style": "none",
    "emphasis": false
  }
]

Reglas de marcas de animación (decisión inteligente de Claude):

  • animation_style:
    • "fade_in" — Títulos, aperturas, énfasis.
    • "write" — Ideas principales, conclusiones clave.
    • "typewriter" — Datos, declaraciones de hechos.
    • "none" — Contenido normal (usar subtítulos ASS).
  • emphasis: Indica si es un fragmento importante (true/false).

Principios de decisión:

  1. Primer segmento (apertura) → fade_in.
  2. Ideas principales (primer segmento de cada capítulo) → write.
  3. Datos/hechos → typewriter.
  4. Otro contenido → none (subtítulos ASS).
  5. Recomendación: de 24 segmentos, solo 3-5 deben usar animación.

Script de ejecución

generate.py — Generar guión TTS

python ~/.claude/skills/tts-script-generator/scripts/generate.py <archivo_markdown>
  • Lee el archivo Markdown.
  • Extrae las secciones H2.
  • Convierte a lenguaje coloquial.
  • Divide según la duración.
  • Genera tts_script.json.

Casos de uso

  1. Doblaje de video: En conjunto con image-to-video (uso principal).
  2. Generación de podcasts: En conjunto con podcast-generator.

Descripción de la salida

Lo que genera este skill:

  • ✅ tts_script.json — Guión de texto TTS.
  • ✅ visual_config.json — Descripciones de ilustraciones.

No incluye:

  • ❌ Generación de audio TTS (lo gestiona el skill image-to-video).
  • ❌ Generación de ilustraciones (requiere llamar al skill illustration-generator).
  • ❌ Síntesis de video (requiere llamar al skill image-to-video).

Modo de invocación

Invocación automática por el skill image-to-video:

image-to-video detecta un documento largo
  → llama a tts-script-generator
  → Claude reescribe en la conversación
  → genera el guión TTS comprimido
  → image-to-video continúa el procesamiento

Invocación manual (en la conversación con Claude):

Usuario: "Por favor, usa tts-script-generator para reescribir este artículo."

Claude:
1. Lee el documento (5947 caracteres, 19 minutos).
2. Analiza el contenido:
   - Tema: Vida en la dinastía Tang (historia y humanidades).
   - Ideas principales: 4 (higiene, alimentación, regulaciones, clases sociales).
   - Duración óptima: 5 minutos (densidad de contenido moderada).
   - Estilo de ilustración: ukiyo-e (tema histórico, estética clásica oriental).
3. Reescribe en 1350 caracteres.
4. Divide en 20 segmentos (15 segundos cada uno).
5. Genera descripciones de ilustraciones en estilo ukiyo-e para cada segmento.
6. Guarda tts_script.json + visual_config.json.

Formato de salida

tts_script.json

[
  {
    "segment": 1,
    "text": "Hoy hablamos de la vida real en la dinastía Tang. ¿Quieres viajar en el tiempo? ¡En la dinastía Tang no había papel higiénico...",
    "duration": 15
  }
]

visual_config.json

{
  "article_title": "La verdad sobre viajar a la dinastía Tang",
  "style": "ukiyo-e",
  "sections": [
    {
      "section": 1,
      "visual_description": "Una persona parada en una encrucijada entre la ciudad moderna y el antiguo palacio de la dinastía Tang, luciendo confundida, estilo ukiyo-e con estética tradicional de grabado en madera japonés"
    }
  ]
}

Reglas de decisión del estilo de ilustración

Claude selecciona automáticamente el estilo más adecuado según el tema del artículo:

  • Historia/clásico → ukiyo-e (ukiyo-e): Dinastía Tang, dinastía Song, historia japonesa, etc.
  • Humanidades/social → new-yorker (New Yorker): Observaciones sociales, historias de personajes, etc.
  • Tecnología/negocios → flat (plano): Productos tecnológicos, análisis de negocios, etc.
  • Naturaleza/viajes → realistic (realista): Paisajes, animales, viajes, etc.
  • Arte/creatividad → abstract (abstracto): Crítica de arte, pensamiento creativo, etc.

Principios de reescritura

  1. Conservar lo esencial: Mantener las ideas y la historia más importantes.
  2. Lenguaje coloquial:
    • "Pero" → "Pero bueno"
    • "Porque... entonces..." → "¿Por qué? Porque..."
    • Agregar muletillas: "pues", "entonces", "bueno".
  3. Palabras emocionales:
    • Énfasis: "realmente", "muy", "especialmente".
    • Exclamaciones: "¡Vaya!", "¡Dios mío!", "Imagínate".
  4. Control del ritmo:
    • Usar frases cortas predominantemente.
    • Hacer pausas adecuadas.
    • Una idea principal por segmento.

Skills que pueden invocarlo

  • skill image-to-video (principal).
  • skill podcast-generator.
  • Otros skills que necesiten TTS.

Skills relacionados