Vídeos demo: grabar, cortar, narrar, subtitular, GIF
Convierte un flujo de trabajo real en pantalla (terminal, navegador, app) en:
- un corte de YouTube: MP4 con voz en off TTS, sin subtítulos quemados, más un
.en.srt; - un GIF de aspectos destacados: solo los pasos clave, sin sonido, sin subtítulos, lo suficientemente pequeño para un README;
- opcionalmente un MP4 con subtítulos incrustados para lugares sin soporte de subtítulos.
Los scripts en scripts/ son plantillas: cópielos en una carpeta para el video (fuera de cualquier repositorio: las grabaciones ocupan cientos de MB) y edite sus bloques de configuración. Necesita ffmpeg (en el PATH, o las variables de entorno FFMPEG/FFPROBE), Python 3, pip install edge-tts para la voz.
1. Planificar con la persona
- Acuerde la historia en pasos, y qué pasos son suyos (clics, escritura) vs. espera. Escríbales la lista de pasos con lo que deben presionar, para que puedan guiar mientras graban.
- Elija el tema (un issue, una tarea pendiente) que muestre algo visible.
- Prepare el escenario: elimine duplicados de lo que crea la demo, cierre pestañas personales (abra una ventana del navegador nueva con solo el sitio), oculte notificaciones. Mencione cualquier cosa ruidosa (banners de actualización).
- Dígales que cualquier cosa que escriban a Claude mientras graban está en pantalla: que se limiten a "siguiente" / "hecho".
2. Encuadrar ambas ventanas en un mismo cuadro de captura
Coloque cada ventana que use la demo exactamente en el mismo rectángulo (1920×1080 es un buen valor por defecto) y grabe ese cuadro: la ventana que esté al frente es la toma, por lo que cambiar de ventana es la edición.
scripts/rec.ps1 place -X <px> -Y <px> lo hace en Windows. Cosas que afectan:
- Escalado DPI: las coordenadas de un proceso sin conocimiento de DPI se escalan (125 % → una ventana "1920" es 1536 físicos).
placeestablece la conciencia de DPI por monitor (SetThreadDpiAwarenessContext(-4)) para que todo sean píxeles físicos. Liste los monitores conrec.ps1 monitors. - Bordes invisibles: las ventanas de Windows 10/11 tienen bordes invisibles de ~7 píxeles. Mida por los límites visibles de DWM (
DWMWA_EXTENDED_FRAME_BOUNDS), noGetWindowRect;placemide y corrige. - Capture un fotograma y mírelo antes de grabar (lea el PNG).
3. Grabar
scripts/rec.ps1 start <nombre> / stop / mark <texto>. Notas:
- gdigrab no tiene conciencia de DPI y captura un escritorio reducido en un monitor escalado (y
__COMPAT_LAYER=HighDpiAwareno lo soluciona). Use Desktop Duplication (ddagrab), que son píxeles nativos por monitor. Suoffset_x/yson relativos a ese monitor. - Un monitor en una segunda GPU (portátil + pantalla externa) no está en el adaptador 0:
-init_hw_device d3d11va=dx:<adaptador> -filter_hw_device dxconddagrab=output_idx=<n>en-filter_complex.rec.ps1 starttoma-Adaptery-Output; pruebe 0/1 si aparece "Error al enumerar la salida DXGI". - Escriba MPEG-TS (
-f mpegts): el proceso se mata para detenerlo, y MP4/MKV pierden su cabecera de esa manera. - Divida en clips en pausas naturales (configuración / la entrada de la persona / una toma larga de espera). Una toma larga de un proceso lento está bien; la edición acelera las esperas.
- Mientras la persona guía, relate brevemente lo que informa cada paso en segundo plano y qué presionar a continuación.
4. Encontrar los momentos
No rebobine el video. Cree hojas de contacto con marca de tiempo y léalas:
python scripts/sheets.py <clip.ts> --every 10 (clip completo), luego --from 170 --to 236 --every 2 --crop 900:560:1020:0 alrededor de cada clic para encontrar los segundos exactos en que aparece una propuesta, se presiona un botón, se carga una página.
Anote: (clip, inicio, fin) para cada paso, y qué intervalos son esperas.
5. Narración
lines.txt: una línea por escena (un paso de la historia), escrita como texto de subtítulo. Inglés hablado, oraciones cortas, dice por qué no solo qué. voice.py tiene un mapa SAY de cómo se pronuncian los símbolos (#92 → "noventa y dos", /goal-new → "goal new", CI → "C I"); los subtítulos mantienen el original. Voz predeterminada en-US-AndrewNeural a +4 %; liste las voces con python -m edge_tts --list-voices. Cambie la voz de una línea con --only N.
6. Construir
scripts/build.py: SCENES es una lista de escenas, cada una una lista de segmentos (clip, inicio, fin, velocidad):
- los clics de la persona a 1–2×; páginas del navegador a 2–4×; trabajo de máquina a 6–40× con una insignia
▶▶ N×(dibujada cuando velocidad ≥ 3); - una escena más corta que
LEAD + su línea + TAILmantiene su último fotograma (tpad), para que la voz nunca se exceda; - produce
youtube/<nombre>-youtube.mp4(video + voz,-c copy),youtube/<nombre>-youtube.en.srt(cada línea dividida en señales de ~70 caracteres sincronizadas por participación de caracteres) y una miniatura. --burntambién escribe<nombre>-captioned.mp4con subtítulos incrustados.
Apunte a 1.5–3.5 min. Si la narración deja silencios largos, acelere la escena en lugar de agregar palabras.
7. GIF
Un GIF no es el video a velocidad: son solo los pasos clave. scripts/gif.py: HIGHLIGHTS = (clip, inicio, fin, velocidad, recorte), cada uno de 3–7 s, recortado (ventana de 1280×720 del fotograma: el panel, la página web, un menú) y escalado a 960×540 a 8 fps, una paleta (palettegen stats_mode=diff, paletteuse dither=none diff_mode=rectangle). Sin subtítulos, sin insignias. Manténgalo por debajo de 10 MB (el límite de imagen de GitHub) y por debajo de ~60 s. Verifíquelo colocando en mosaico el último fotograma de cada aspecto destacado y leyendo la imagen.
8. Entrega
Un README.md en la carpeta del video: qué muestra el video, tabla de resultados, qué es cada fuente/script, el fotograma del grabador y cualquier peculiaridad de captura, y cómo reconstruir (cambiar voz → construir → gif). Ofrezca recordar la ubicación de la carpeta en la memoria.