Communitygithub.com

Hownameee/videos-cortos

Generar, revisar o solucionar problemas de narración Kokoro, pronunciación y sincronización temporal de palabras en escenas. Reutilizar fragmentos verificados sin cambios; inspeccionar el entorno de Python antes de modificar la configuración. Excluye investigación, imágenes, composición musical y publicación.

¿Qué es videos-cortos?

Esta habilidad permite a agentes de IA (como Claude Code, Cursor o Codex) generar, revisar y solucionar problemas de narración con el motor TTS Kokoro. Está diseñada para proyectos de producción de videos, asegurando que solo se sinteticen las escenas modificadas, reutilizando fragmentos de audio y marcas de tiempo verificados que no hayan cambiado. Soporta voces de inglés americano y británico a 24 kHz, y requiere inspeccionar el entorno Python (pyvenv.cfg) antes de cualquier cambio de configuración. Es útil porque ahorra tiempo y recursos al evitar regenerar clips completos, mantiene la coherencia entre texto fuente y texto hablado, y ofrece validaciones pre-vuelo para detectar problemas de pronunciación, duración y sincronización. Funciona mediante un script de generación de audio que compara hashes, duraciones y cobertura de palabras, y solo regenera clips inválidos. No debe usarse para investigaciones, imágenes, composición musical ni publicación.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Hownameee/short-videos/tree/HEAD/.agent/skills/kokoro-tts

Preguntar en tu IA favorita

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

Documentación

Narración Kokoro

Usa el texto aprobado y el generador compartido; no copies un script TTS específico de proyecto ni reemplaces marcas de tiempo predichas con tiempos estimados de oraciones.

.venv-kokoro/bin/python tools/kokoro/generate_audio.py --project projects/NNN-topic

El asistente admite voces de inglés americano/británico a 24 kHz. Lee configuración y referencia de idioma solo para instalación, fallos de dependencias o cambio de idioma; inspecciona primero interpreter/pyvenv.cfg. Pregunta antes de agregar dependencias. Otros idiomas necesitan un proveedor compatible o una audición; nunca prometas vietnamita nativo desde fonética inglesa.

Revisiones y reutilización

Mantén identificadores de escena estables y únicos. El generador verifica texto/pronunciación, modelo, voz, idioma, velocidad, frecuencia de muestreo, paquete y versión del código del generador/caption, hash/duración del WAV y cobertura de palabras/captions. Solo se sintetizan escenas inválidas; los WAV y marcas de tiempo sin cambios sobreviven bit a bit. Los manifiestos verificados antiguos se pueden adoptar una sola vez. Una ejecución completamente sin cambios deja el manifiesto igual. La generación prepara todos los resultados antes de intercambiar el directorio de voz; un fallo preserva el conjunto anterior. No ejecutes escritores simultáneos para un proyecto.

Usa --force para regenerar deliberadamente todos los clips, incluso después de cambiar pesos de modelo almacenados en caché localmente bajo el mismo identificador de modelo (los bytes de peso no forman parte de la clave de caché). Un nuevo modelo/voz/velocidad invalida cada clip afectado. Una revisión solo de música no llama a TTS.

Normaliza acrónimos/números/URLs con el mapa de pronunciación del script. Conserva sourceText frente a texto hablado; los captions siguen el texto hablado a menos que se alineen por separado. Di cada frase intencionada una sola vez. La puntuación no es una garantía de sincronización.

Mide las duraciones reales de WAV antes de los fotogramas de escena. Acorta, expande o divide escenas densas antes de aumentar la velocidad; nunca recortes el habla para ajustarla a una duración supuesta. Mantén el audio original y crea derivados rellenados/remezclados por separado si es necesario.

Validar

Ejecuta el pre-vuelo del flujo de trabajo después de la generación. Requiere palabras ordenadas completas dentro del rango, límites de frase, frecuencia de muestreo correcta, audio decodificable no vacío y duración medida. Los tiempos incluyen longitudes reales de fragmentos anteriores y adjuntan puntuación. Revisa palabras faltantes/repetidas/recortadas, pronunciación, pausas, picos y espacio al final. Escucha cuando sea posible; la alineación predicha no es una transcripción independiente. Inspecciona tres highlights renderizados sucesivos y una escena/fragmento posterior, siguiendo valores predeterminados. Registra la escucha no realizada.

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

Hownameee/short-videos

Router for all Remotion skills

Hownameee/short-videos

Transcribing, displaying and animating captions

Hownameee/short-videos

Structure Remotion markup for interactivity

Hownameee/short-videos

Remotion Map animation knowledge

Hownameee/short-videos

Content, animation and effects best practices

Hownameee/short-videos

Upgrade Remotion, and related packages

Hownameee/short-videos

>- Run Phase 1 of the shared short-video workflow: turn a raw topic or prompt into a sourced research pack and 2–4 distinct video directions, each with a defensible tension hook, promise, payoff, beats, visual approach, duration range, and risks. Use whenever the user asks for video ideas, angles, research, facts, hooks, topic analysis, or choices before scriptwriting. Stop for the user's direction choice and do not silently continue into script or production.

Hownameee/short-videos

Produce an approved short video or correct an existing video's background sound, emotion, captions, mix or export. Generate only changed narration, render and review a current preview, run technical and editorial QC, then export. Exclude script-only and general audio-advice requests.

Hownameee/short-videos

>- Run Phase 2 of the shared short-video workflow: convert an explicitly selected direction and its research into a reviewable beat sheet, narration, flexible scene timing, on-screen text, visual plan, captions, music and SFX cues, pronunciation notes, payoff, takeaway, and contextual CTA. Use whenever a user asks to write, revise, preview, or approve a short-video script. Stop for script approval and do not generate TTS or render video yet.

Hownameee/short-videos

>- Design and review a coherent visual system for short-form video before and during Remotion implementation. Use for video art direction, scene UI, typography, layout, color, diagrams, captions, motion, transitions, platform safe areas, or visual-quality review. Use Remotion skills separately for API, timeline, media, Studio, and rendering behavior; do not use this skill for narration-only or research-only work.

Hownameee/short-videos

Coordinate prompt-to-short-video discovery, scripting and production. Resume existing projects and route soundtrack or mix corrections directly to production. Preserve direction choice and script approval; exclude general audio advice.

Skills relacionados