Communitygithub.com

canción-personalizada-video-karaoke

Crea una canción personalizada (letra más estilo Suno) y un video vertical de karaoke a partir de fotos del cliente, con la letra sincronizada palabra por palabra con el ritmo. Ideal para cumpleaños, aniversarios o un regalo cantado con video karaoke subtitulado.

¿Qué es canción-personalizada-video-karaoke?

Esta skill está diseñada para agentes de IA como Claude Code o Cursor, y permite generar un regalo multimedia completo: una canción original y su correspondiente video karaoke vertical (1080×1920). El proceso se divide en dos fases principales. En la fase A, el agente redacta una letra personalizada en español LATAM, incorporando todas las ideas del cliente, con estructura musical típica (intro, versos, coros, puente, outro) y rima consonante o asonante. Además, genera dos prompts de estilo musical (por ejemplo, merengue, cumbia, bachata) en inglés para la plataforma Suno. En la fase B, el agente coordina la producción del video: analiza el audio con faster-whisper para obtener la transcripción y los beats, clasifica y anota las fotos, genera un timeline sincronizado y produce el video final con karaoke palabra por palabra, efectos visuales (confeti, corazones, zoom con pulso suave) y títulos animados. Todo el flujo se apoya en scripts Python almacenados en el directorio de la skill y requiere ffmpeg con libass, así como las librerías faster-whisper, librosa, numpy y Pillow. La skill incluye reglas para evitar errores comunes (como mareo por zoom excesivo, partículas opacas, o problemas con rutas en PowerShell) y ofrece temas visuales como 'infantil' o 'nostalgia'.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dialejo0720-maker/skills-edicion-video/tree/HEAD/skills/cancion-video-karaoke

Preguntar en tu IA favorita

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

Documentación

Canción personalizada + video karaoke

Proceso probado con pedidos reales (cumpleaños, merengue — el cliente dijo que quedó "espectacular"). Dos fases: (A) letra para Suno y (B) video vertical 1080×1920 con fotos + karaoke. Todo en español LATAM, cálido y cercano. Responder al usuario en español.

Estructura de carpetas (una por pedido)

<carpeta de pedidos>/cancion-<nombre>/
  letra-suno.md          ← fase A
  fotos/                 ← el usuario sube las fotos
  <cancion>.mp3          ← el usuario sube el MP3 de Suno (cualquier nombre)
  video/                 ← todo lo técnico (proyecto.json, lineas.txt, json, chunks…)
  Feliz-Cumpleanos-<Nombre>.mp4 / -WhatsApp.mp4   ← entregables

Scripts en ${CLAUDE_SKILL_DIR}/scripts/ (referirse como $S). Ejecutarlos con python normal (NO python -I: no ve faster_whisper/librosa instalados en site-packages del usuario).

Requisitos: ffmpeg con libass, Python con faster-whisper, librosa, numpy, Pillow (pip install faster-whisper librosa numpy pillow). La primera vez compruébalos (ffmpeg -version, python -c "import faster_whisper, librosa") e instala lo que falte con permiso de la persona. Fuentes: Segoe UI Black (letra), Segoe Script (títulos) en Windows; en Mac/Linux usa equivalentes instaladas.


FASE A — Letra para Suno

  1. Leer lo que mandó el cliente: para quién, relación, ocasión, mensaje, género deseado.
  2. Meter TODAS las ideas del mensaje del cliente en la letra (si dice "compañero, amigo y pareja", que aparezca tal cual de forma natural). Esto es lo que le toca fibras a quien la recibe.
  3. Estructura: [Intro] con grito/dedicatoria con el nombre → [Verse 1] 8 líneas → [Pre-Chorus] 2 → [Chorus] 8 (el nombre repetido al inicio: "¡Valentina, Valentina!") → [Verse 2] → [Pre-Chorus] → [Chorus] → [Instrumental Break] → [Bridge] festivo ("¡que suene la güira!", "¡Felicidades!") → [Final Chorus] → [Outro] ("¡Te amo, X!") → [End].
  4. Rima consonante/asonante limpia, versos de 9–12 sílabas, coro pegajoso.
  5. Dar 2 prompts de estilo (en inglés, para "Style of Music"). Ejemplos:
    • Merengue: festive dominican merengue, accordion, güira, tambora, bright saxophone section, warm joyful male vocal, party backing choir, romantic birthday celebration, danceable, 140 bpm, spanish
    • Cumbia: colombian cumbia, accordion lead, guacharaca, caja vallenata, bass, warm romantic male vocal, festive choir shouts, birthday celebration, danceable, 95 bpm, spanish
    • Adaptar: balada, vallenato, bachata, ranchera, salsa según pedido; voz masculina/femenina según quién regala.
  6. Guardar en cancion-<nombre>/letra-suno.md (título, style A/B, letra en bloque de código, tips: generar 2–4 versiones, si pronuncia mal el nombre escribirlo fonético). Crear fotos/ vacía y pedir fotos + MP3.

FASE B — Video karaoke

B1. Analizar (≈4–6 min, correr en background)

python $S/analizar.py <video_dir> <ruta_mp3> <fotos_dir> "<primeras líneas de la letra como prompt>"

Genera words.json, beats.json, fotos.json, hoja-fotos.jpg e imprime la transcripción con tiempos (= mapa de secciones).

B2. Revisar fotos (mirar hoja-fotos.jpg con Read)

  • Clasificar: solo festejada, pareja/familia, grupo/fiesta. Detectar capturas con barras negras (render.py las recorta solo).

  • Para cada foto anotar focus = posición horizontal (0..1) de la cara/persona principal. Clave para que el paneo no corte a nadie.

  • Fotos horizontales (ancho/alto > 0.75) → se muestran como "tarjeta" con borde blanco y paneo; verticales → pantalla completa con Ken Burns.

  • Capturas de estados de WhatsApp/Facebook (barra "Responder", barra de estado, botones): render.py solo recorta negro puro, NO la interfaz. Recortar a mano a fotos-limpias/NN.jpg (fracciones arriba/abajo por foto), reescribir fotos.json con esos nombres y fotos_dir: "../fotos-limpias". Descartar duplicados (misma foto en captura y original).

B2b. Video del cliente (opcional)

Mover a clip/video.mp4. En proyecto.json: "clip": "../clip/video.mp4" (opcional clip_inicio), y una sección con fotos ["clip"] y beats_por_foto 99, de duración ≈ la del clip (se reproduce a velocidad real, sin su audio; vertical = pantalla completa). Ideal en un instrumental + inicio de verso. focus acepta "clip".

B3. Escribir video/lineas.txt

Letra oficial en el orden exacto en que Suno la cantó (ver transcripción: Suno a veces omite o cambia versos — p.ej. omitió el 2º "¡Valentina, Valentina!" del coro). Una línea por renglón, coros repetidos completos, # para comentarios de sección.

B4. Escribir video/proyecto.json (ver ejemplo-proyecto.json)

  • audio, fotos_dir, salida (relativos a video/), nombre, titulo, cierre, lineas.
  • focus: {"n": x}.
  • pulso: "suave" por defecto en pedidos nuevos = solo en coros, un respiro lento cada compás (el zoom en cada beat marea; caso María Paula). false = sin pulso; true = cada beat (no usar salvo que lo pidan).
  • letra: false para el plan Cancionarte "Canción + video con fotos" (14.90): solo títulos, sin karaoke. Plan karaoke (19.90): omitir o true.
  • tema: "infantil" (niños/bebés): globos por los costados, estrellas que titilan, burbujas, confeti suave; corazones en coros. Con "fuente_titulo": "Segoe Print" (más juguetona que Segoe Script). Usar 8 beats por foto también en versos → dinámico.
  • tema: "nostalgia" (ausencia, distancia, reconciliación, duelo; caso Mariana CNA-8YHTM2): nieve suave + luces cálidas tenues en coros, sin confeti ni corazones; títulos blanco/crema con contorno oscuro. Usar con "pulso": false, "crossfade": 1.0, sin flash, 12–16 beats por foto. Leer la letra antes de elegir tema: fotos de niña ≠ canción infantil.
  • gaps: títulos en instrumentales [inicio, fin, "texto"] (ej. "Una canción hecha con amor", "¡A bailar, mi reina!", "¡Que viva la cumpleañera!").
  • sections: [inicio, fin, beats_por_foto, [fotos], flash, corazones] cubriendo 0→duración sin huecos:
    • Versos / intro / instrumentales: 16 beats por foto (~6–7 s a 140 BPM).
    • Coros y puente: 8 beats (~3.3 s) → dinámico.
    • Coros: corazones: true. flash: true al entrar cada sección (excepto intro).
    • Narrativa: intro → la mejor foto de la festejada; versos de admiración → fotos de ella sola; coros de amor → fotos de pareja; puente/fiesta → fotos de grupo; cierre → la mejor foto de pareja (queda debajo del título final).
    • Repetir fotos está bien (17 fotos en 4 min → cada una sale ~2–3 veces); no repetir la misma foto seguida.

B5. Generar timeline + karaoke

python $S/timeline.py <video_dir>
python $S/karaoke.py <video_dir>     # debe decir "sin match: 0" o casi; si no, corregir lineas.txt

B6. Vista previa (~1 min) — SIEMPRE antes del render completo

python $S/build.py <video_dir> --preview 62 70     # entrada de un coro

Mirar prev/preview.jpg (Read). Revisar: caras no cortadas, texto legible, nada tapando caras.

B7. Render final (en background)

python $S/build.py <video_dir>

8 bloques en paralelo → une → quema karaoke + audio → versión WhatsApp (crf 27, ~50 MB). Tiempo real medido (8 núcleos, canción 4:00): ~15 min render + ~3 min final + ~2 min WhatsApp ≈ 20 min. Esperar con until grep -q "FINAL\|rror" <output>; do sleep 5; done (Bash background), no con sleep.

B8. Verificar y entregar

  • ffprobe (1080x1920, duración = canción, h264+aac).
  • Hoja de 8 cuadros (2, 20, 45, …, final) → revisar con Read. Si un título tapa caras o algo falla en el texto: python $S/build.py <video_dir> --solo-karaoke (~5 min, reusa las fotos ya renderizadas).
  • Entregar con links a los dos MP4 (completo para TV/IG, WhatsApp para enviar), tiempo que tomó, y resumen de qué tiene.

Estilo visual (ya implementado en los scripts)

  • Fondo: la misma foto difuminada y oscurecida (nunca barras negras).
  • Pulso de zoom en cada beat (más fuerte en beats pares), crossfade 0.35 s entre fotos, flash blanco al iniciar secciones.
  • Confeti de colores todo el video; corazones rosados en coros.
  • Karaoke abajo: línea actual 74 px, relleno dorado palabra por palabra (\kf) con pop de escala; siguiente línea en gris debajo.
  • Títulos: "" en Segoe Script rosa + "" grande dorado, abajo (y 1400–1780) para no tapar caras; cierre con " ♥" + frase.

Movimiento con vida (al agregar títulos, temas o efectos nuevos)

Sigue las reglas de ${CLAUDE_SKILL_DIR}/../video-con-vida/references/principios.md:

  • Títulos y stickers nuevos entran con ease-out + rebote 5–10 % (íconos/corazones hasta 20 %) y salen con ease-in; nada lineal salvo el relleno del karaoke.
  • Varios elementos a la vez → escalonados 80–120 ms; las palabras de un título, letra por letra 40–70 ms.
  • Ken Burns siempre con ease-in-out, nunca lineal; ninguna foto completamente quieta (zoom 1–3 % mínimo).
  • Sutil gana: el "pulso en cada beat" ya demostró que marea (caso María Paula). Si un movimiento se nota conscientemente, bájalo.
  • Si el cliente manda un video suyo hablando a cámara (dedicatoria), se le pueden aplicar efectos de video-con-vida (p. ej. 16 portada con el nombre detrás de la cabeza, 14 garabato vivo con corazón) antes de meterlo como clip.

Errores ya resueltos (no repetir)

  • Partículas semitransparentes: ImageDraw sobre una imagen RGBA reemplaza píxeles (sale opaco). Dibujar en una capa aparte y alpha_composite (así lo hace Snow).
  • Mosaicos/collages del cliente: detectar las franjas blancas, recortar cada foto, escalar ×3 Lanczos + UnsharpMask; separar fotos dobles y quitar marcas de agua.
  • Whisper a veces amontona un verso entero en el mismo instante (todas las palabras con el mismo s): repartirlas a mano en words.json (guardar words-original.json) antes de karaoke.py.
  • Globos al centro tapaban caras → van en los costados (x <190 o >890).
  • python -I → ModuleNotFoundError faster_whisper. Usar python normal.
  • Pasar JSON por argumento en PowerShell rompe las comillas → todo va en proyecto.json.
  • Paneo/zoom fuerte en fotos horizontales cortaba a la persona → tarjeta de 940 px de alto + focus.
  • Títulos centrados tapaban caras → van en la zona baja (sin karaoke en intro y cierre).
  • Segmento final de sección muy corto (<60% del normal) se une al anterior (timeline.py lo hace).

Individual skills in this repo

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

Skills relacionados