Communitygithub.com

clip-sound-post-flow: vertical con tu voz, sonidos reales

Vídeos verticales cortos en Remotion del guion a la publicación: grabar la locución y medir el tiempo de cada palabra (Voice Studio), insertar clips nuevos, diseño sonoro con sonidos reales, exportación final para TikTok/Reels y publicación en TikTok e Instagram con borrador, aprobación, publicación y verificación.

¿Qué es clip-sound-post-flow: vertical con tu voz, sonidos reales?

Paso 3 de la receta Vídeo promo de producto (la versión para el feed), de JasperKallfelz/shortform-edit-kit (publicado el 2026-10-08; el README tiene un GIF del flujo de 30 segundos, un ejemplo real de 16 segundos hecho con el kit y un GIF de cada efecto con nombre, como WordPop). El orden es fijo: guion y locución, clips, sonido, exportación y publicación. Lees tu guion en una grabadora local del navegador con teleprompter (npm run voice-studio, sin cuenta); npm run vo mide el tiempo de cada palabra y reescribe src/timing.ts, y se detiene en lugar de entregar tiempos erróneos si el número de palabras no cuadra. Los clips pueden venir de un chat de WhatsApp o de la fototeca, y una imagen fija en el chat se localiza en su vídeo con una hoja de contactos. Los sonidos se eligen en una página de escucha local y se sincronizan con el proyecto de Remotion. post_render.sh exporta versiones para TikTok/Reels con y sin música, con control de sonoridad y portada. post_social.py revisa la publicación, la crea como borrador, solo publica con la opción publish y luego lee su estado. Hablas en frases cortas y corriges propuestas en el estudio; el agente ejecuta los comandos. macOS.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/JasperKallfelz/shortform-edit-kit/tree/HEAD/skills/clip-sound-post-flow

Preguntar en tu IA favorita

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

Documentación

Clips rein, Sound drunter, fertig für den Post

Versión completa con todos los comandos y justificaciones: edit-tools/README.md en este repositorio. Kit de sonido y reglas de nivel: sfx-kit/README.md. Proyecto de ejemplo con todos los componentes: beispiel/.

El humano no escribe comandos. Dice en frases cortas lo que quiere, a menudo varias tareas seguidas, y quiere ver o escuchar una propuesta en el estudio, para luego corregirla. No devolverle tareas de selección grandes.

Lo que ya está automatizado (edit-tools/)

TareaComando
Chats con nuevos videoswhatsapp_clips.py chats --days 7
Obtener videos de un chat + a la fototecawhatsapp_clips.py export "<Name>" --date YYYY-MM-DD --fotos
Encontrar clip a partir de un fotograma fijokontaktbogen.py <carpeta>, ver la ficha
Tiempos de palabra de un clipwhisper-cli -m ggml-medium.en.bin -f clip.wav -ml 1 -sow -oj
Modificar de forma segura un archivo en el proyectopatch_lines.py <archivo> <md5> <swaps.json> (se aborta si el archivo ha cambiado)
Mostrar sonidos para seleccionarhoerseite.py → http://localhost:3700; juicios en auswahl.json
Procesar sonidos conservados e incorporarlos al proyectosfx-kit/tools/prepare_sfx.py, luego sfx-kit/tools/sync_remotion.py <proyecto> [md5]
Exportación para TikTok/Reels (con y sin música, sonoridad, portada)EDIT_HOST=<ssh-name> post_render.sh <proyecto> <composición> <Nombre> [Frames]

Soltar clips

  1. Obtener (script de WhatsApp o fototeca). Un fotograma fijo en el chat significa "este video": buscar el archivo él mismo, mediante la ficha de contacto.
  2. Elegir punto: el plano del fotograma fijo, o mediante whisper una parte de texto que coincida con la voz en off.
  3. Archivo a public/, ranura en los props (etiqueta, archivo, segundo de inicio), para que el fragmento se pueda desplazar en el estudio. Componentes: Inset (clip en tarjeta blanca, zoom lento opcional hacia la persona), Squiggle (flecha de garabato dibujada a mano), DSL de palabras Words.
  4. Renderizar fotograma único (npx remotion still) y realmente verlo antes de decir "listo".
  5. Los clips de WhatsApp están reducidos (generalmente 1024 × 576): en el informe, solicitar el original al remitente.

Diseño de sonido

  • Solo sonidos reales grabados. Nada sintético (sin paquetes de juegos/UI, sin tics, pops, blips).
  • Cada movimiento recibe un sonido pequeño, lo suficientemente bajo para que no suene insertado. Disparador, clic de ratón, pizarra, papel, lápiz, teclas; Whoosh solo muy mínimo. Los efectos nunca más fuertes que la música.
  • Probado: tecla por línea de texto, lápiz sobre escritura a mano y líneas dibujadas, disparador cuando aparece una foto o clip, serie de disparadores en una pared de fotos, pizarra para mosaicos y números en marcha, página que pasa en un corte, platillo tocado al revés en el hueco musical antes del clímax, tambor real en el clímax.
  • Cada cue se basa en un tiempo de palabra o constante de animación y tiene un nombre para la línea de tiempo del estudio. Nivel mediante loud + 20·log10(vol) establecer (valores orientativos en el README). Después, render solo de efectos y listar huecos superiores a 0,5 s.
  • No esperar a seleccionar entre cientos de candidatos: elegir según la descripción, colocar, nombrar, dejar corregir.

Preparar para la publicación

  • post_render.sh proporciona 1080 × 1920, 30 fps, H.264 High, AAC 320 kbit/s, máximo −14 LUFS / −1 dBTP, una vez con y otra sin música.
  • Antes de una publicación pública, abordar la cuestión de la música (docs/recherche-2026-10.md).
  • Sugerir descripción y hashtags; el humano da el visto bueno, luego borrador, luego segunda aprobación, luego publicar.

Variantes

Un video es una plantilla. Para tres o cuatro variantes (por ejemplo, como Reels de prueba), cada una recibe su propia toma de voz en off con sus propios tiempos de palabra; la imagen y los sonidos dependen de los tiempos de palabra y se mueven con ellos. Entre variantes, cambiar solo una cosa, primero los primeros 1,5 segundos.

Psicología para guion y montaje

  1. Los primeros 1,5 a 3 segundos deciden: empezar con la imagen más fuerte.
  2. Un clímax emocional claro, vinculado al contenido; la música se detiene brevemente antes.
  3. Rostro grande y temprano.
  4. Texto en la imagen, palabra por palabra con la voz en off.
  5. Sin canto debajo de la voz.
  6. Hablar rápido y con compromiso; los cortes cada dos o tres segundos son suficientes.
  7. Subir la saturación no aporta según la evidencia; igualar exposición, contraste y calidez.

Plantilla de guion para 15 segundos y alrededor de 40 palabras: inicio → lugar y paso → personas → lo que construimos (clímax en el nombre) → afirmación → remitente y final abierto. Cada línea una imagen propia; los movimientos están completos antes de la palabra acentuada.

Reglas

  • Varios agentes en el mismo proyecto: antes de cada escritura comparar md5, antes hacer copia de seguridad con extensión .bak.
  • Fotos y videos como originales, donde existan; nombrar explícitamente los sustitutos.
  • No publicar nada ni cambiar nada público sin autorización expresa.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills relacionados