Producir Video
Toma una grabación proporcionada por el usuario y conviértela en un video terminado. La grabación es la columna vertebral y marca la línea de tiempo; esta habilidad edita (silencio + errores/ritmo elegidos) y aumenta (superposiciones), luego renderiza y genera contenido de lanzamiento. NO crea un video sintético (para promos sintéticas impulsadas por PR, usa hyperframes-video en su lugar).
Principio de calidad (no negociable): cada paso de edición preserva la calidad original. Nunca permitas que una herramienta recodifique el metraje con baja calidad. La desilenciación y los cortes se ejecutan con CRF 12 casi sin pérdida a partir del original (auto-editor se usa solo para DETECTAR silencio, nunca para codificar; su valor por defecto aplasta el metraje a ~0.6 Mbps), y el renderizado se ejecuta con CRF 12. CRF produce archivos pequeños para screencasts estáticos; eso es calidad completa, no pérdida.
Relación con otras habilidades (delegar, no re-derivar)
/transcribe-video— toda la transcripción (devuelvetranscript.words.jsona nivel de palabra. Invócala; no transcribas manualmente.hyperframes— reglas de autoría de composiciones (Puerta de Identidad Visual, Diseño Antes de Animación, contrato de línea de tiempo, capas de video/superposición). Invócala antes de escribir/montar cualquier HTML de composición.hyperframes-cli— todos los comandosnpx hyperframes(init, lint, inspect, preview, render).gsap— patrones de línea de tiempo/easing de GSAP para superposiciones.youtube-copy— título/descripción/etiquetas/capítulos de YouTube (P6).blog-post— la entrada de blog (P6).social-copy— copia para X/Bluesky/LinkedIn/Reddit (P6).
Activos incluidos
scripts/desilence.mjs— eliminación de silencios con auto-editor + duración antes/después.scripts/extract-frame.mjs— captura de un solo fotograma (detección de encuadre + resaltado en pantalla).scripts/bake-cuts.mjs— cortador de recorte/concatenación con ffmpeg (keyframes densos) usado en P2.templates/overlays/*.html— 9 plantillas de sub-composición de superposiciones (rellenadas por instancia; las sub-comps son documentos HTML independientes en la CLI instalada — lee el comentario de cabecera de cada archivo).templates/project/{DESIGN.md,styles.css}— Puerta de Identidad Visual + tokens de marcavar(--brand-*)que consumen las superposiciones.references/—mistake-detection.md,overlay-triggers.md,framing-safe-zones.md,frame-analysis.md.- La generación de contenido P6 se delega a las habilidades
youtube-copy,blog-postysocial-copy(sin script LLM propio).
Puertas (no negociables)
- La revisión de errores P2 es VISUAL, nunca terminal — siempre que exista ≥1 bandera, el agente SIEMPRE construye la vista previa de marcadores de hyperframes (marcadores en el video en cada tramo marcado) y la abre, para que el usuario decida viendo. NO presentes las banderas como una tabla terminal/pregunta para que el usuario decida, y NO hagas la vista previa opcional ni preguntes "¿quieres que te lo muestre?" — simplemente constrúyela y ábrela. Un breve resumen terminal de las banderas está bien, pero la superficie de decisión es la vista previa. Nunca apliques automáticamente un corte/aceleración.
- Aprobación del plan de superposiciones P4 — presenta la tabla de superposiciones con marcas de tiempo; no se construye hasta que esté aprobada.
- La vista previa siempre es lanzada por el agente — tanto para la revisión P2 como para la revisión P5, el agente inicia
npx hyperframes previewy abre la pestaña del navegador. NUNCA pidas al usuario que ejecute la vista previa o abra una URL, y NUNCA sustituyas un resumen solo de terminal por la vista previa en vivo. - BLOQUEO EXPLÍCITO de renderizado — el renderizado se ejecuta SOLO con una orden explícita del usuario ("render", "adelante"). Después de un renderizado, las solicitudes de edición vuelven al bucle de vista previa y NO se vuelven a renderizar hasta que el usuario lo diga explícitamente de nuevo. Cada renderizado necesita su propia orden nueva. Esto anula cualquier frase tipo "usa valores sensatos por defecto / no interactivo / simplemente hazlo".
"Usa valores sensatos por defecto" / "no hagas preguntas" omite las preguntas de configuración (P0) y la indicación de iteración — NUNCA omite las puertas de aprobación, la vista previa lanzada por el agente o la puerta de renderizado explícito.
Proceso
Pre-vuelo — verificar dependencias y habilidades (ejecutar PRIMERO, antes de P0)
Verifica el entorno antes de hacer cualquier trabajo; advierte al usuario sobre cualquier cosa que falte y cómo solucionarlo.
- auto-editor (requerido para desilenciación P1): ejecuta
auto-editor --version. Si no está instalado, DETENTE y dile al usuario: "auto-editor no está instalado - instálalo conpipx install auto-editor(opip install auto-editor), luego vuelve a ejecutar." No intentes P1 sin él. - ffmpeg / ffprobe (REQUERIDO — cortes P2, análisis de fotogramas P4, renderizado P5, audio): ejecuta
ffmpeg -version. Si falta, DETENTE y dile al usuario que instale ffmpeg y lo añada al PATH. El pipeline no puede funcionar sin él. - Docker (para
/transcribe-video):docker info. Advierte si el demonio está caído (inicia Docker Desktop). - Node >= 22:
node --version. Advierte si es más antiguo. - Habilidades requeridas — confirma que están disponibles (intenta invocar / verifica la lista de habilidades); advierte sobre cualquier falta y qué fase bloquea:
transcribe-video(transcripción P2/P3),hyperframes+hyperframes-cli+gsap(composición y renderizado P2/P4/P5),youtube-copy+social-copy(P6).blog-postsolo si el usuario opta por un blog (P6, opcional).
- Resume el resultado del pre-vuelo en un bloque corto (qué está presente, qué falta). Solo continúa si falta una dependencia/habilidad requerida si el usuario dice explícitamente que continúe sin ella (y anota el resultado degradado).
P0 — Entrada y configuración
- Entrada: ruta a la grabación en bruto (requerida).
- Opcional: un repositorio/archivos para fundamento de código real; estilo visual/marca (si no, ejecuta la Puerta de Identidad Visual de
hyperframes— detecta desde el repositorio, si no, haz 3 preguntas de estilo; escribetemplates/project/DESIGN.md+ valores de marca enstyles.css); densidad de superposición (escasa / equilibrada / rica). - Carpeta de salida única (
<OUT>): todo lo que produce esta habilidad vive bajo UNA carpeta, por defecto<directorio-grabación>/<slug-video>-produced/(se puede sobrescribir con una ruta proporcionada por el usuario). Créala ahora. Estructura final:
Todas las fases posteriores escriben dentro de<OUT>/ final.mp4 # video renderizado (P5) hyperframes/ # el proyecto HyperFrames: index.html, styles.css, DESIGN.md, compositions/, renders/ (P4–P5) transcript.txt # transcripción final editada (P3 / P6) transcript.srt transcript.words.json youtube.md # P6 socials.md # P6 blog.md # P6 .work/ # intermedios: 01_desilenced.mp4, 02_edit_N.mp4, frames/ (eliminables en P7)<OUT>— nunca disperses salidas en otro lugar.<work>abajo =<OUT>/.work.
P1 — Desilenciación (sin pérdida)
node scripts/desilence.mjs <input> --out <work>/01_desilenced.mp4 --margin 0.3s
desilence.mjs usa auto-editor SOLO para detectar los rangos de silencio (--export v3), luego corta el ORIGINAL con ffmpeg a CRF 12 casi sin pérdida, manteniendo el audio original. NO permitas que auto-editor codifique la salida — su recodificación por defecto aplasta el metraje a ~0.6 Mbps y lo desenfoca permanentemente (los rostros especialmente); ningún bitrate posterior puede recuperarlo. Informa la duración antes/después y los segundos eliminados. Esta se convierte en la copia de trabajo.
P2 — Bucle de revisión de errores y ritmo (puerta de aprobación)
- Transcribe la copia de trabajo: invoca
/transcribe-videoen<work>/01_desilenced.mp4con--out <work>→ transcripción de trabajo (intermedia; reemplazada por la transcripción final P3). - Detecta banderas según
references/mistake-detection.md(cortes + aceleraciones), ajustadas a los límites de palabras. - Siempre (cuando exista ≥1 bandera) construye la revisión visual. Crea un proyecto hyperframes ligero con el video desilenciado como pista base; coloca marcadores temporales visualmente distintos EN EL VIDEO en cada tramo marcado (corte = raya roja, aceleración = avance rápido ámbar, cada uno etiquetado con el extracto + su índice). El agente inicia
npx hyperframes previewy abre el navegador él mismo (segúnreferences/framing-safe-zones.md). Esta es la superficie de decisión — nunca la reemplaces con una tabla terminal. Una nota terminal de una línea ("3 banderas marcadas en la vista previa — revísalas y dime cuáles cortar/acelerar/mantener") es lo máximo que la terminal debe llevar. - El usuario ve la vista previa marcada y elige por tramo: cortar / acelerar (factor, por defecto ~1.5–2×) / dejar / añadir sus propios rangos.
- Aplica las selecciones →
<work>/02_edit_N.mp4, luego vuelve a previsualizar:- Cortes: usa
node scripts/bake-cuts.mjs <input> --out <work>/02_edit_N.mp4 --cut s,e --cut s,e …(recorte/concatenación con ffmpeg a CRF 12 casi sin pérdida por defecto — recorta video+audio de forma idéntica en una sola pasada). NO uses auto-editor--cut-outpara los cortes de errores — su argumento variádico asigna incorrectamente el último rango como entrada posicional, recodifica con pérdida y un enfoque de filtro select desincroniza el audio. - Aceleraciones: auto-editor
--set-speed-for-range velocidad,s,e(tono preservado); pasa UN rango por invocación, o coloca--set-speed-for-rangeal final de la línea de comandos, para evitar el mismo problema de argumento variádico. - Todas las marcas de tiempo de corte/aceleración están en la línea de tiempo desilenciada (la transcripción de la que provinieron las banderas). Aplica cortes y aceleraciones en la misma ronda contra esa línea de tiempo.
- Cortes: usa
- Itera hasta que el usuario diga "listo". Protección contra deriva: después de ~10 rondas, ofrece restablecer a un intermedio anterior. Artefacto final:
<work>/final_cut.mp4.
Los cortes y aceleraciones se integran en el metraje AQUÍ (antes de P3), para que las marcas de tiempo de las palabras de la transcripción final coincidan con la línea de tiempo editada.
P3 — Transcripción final
Invoca /transcribe-video en <work>/final_cut.mp4 con --out <OUT> para que transcript.txt / transcript.srt / transcript.words.json aterricen en la parte superior de la carpeta de salida. Esta transcripción con marcas de tiempo de palabras es la fuente de sincronización para todas las superposiciones (P4) y la entrada para la generación de contenido (P6).
P4 — Diseño y construcción de superposiciones (puerta de aprobación)
- Detección de encuadre (
references/framing-safe-zones.md): muestrea fotogramas conextract-frame.mjs, clasifica fases, confirma fases + zonas seguras con el usuario. - Detección de activadores de superposición (
references/overlay-triggers.md): escanea la transcripción con marcas de tiempo de palabras → filas del plan de superposiciones{inicio, duración_est, tipo, contenido, zona_segura, porqué}. Para código en pantalla, usareferences/frame-analysis.md(extraer fotograma → localizar → caja normalizada → guardia de estabilidad). Para tarjetas de código, repo-si-disponible-sino-sintetizar (marca sintetizado). - Paso de auto-mejora (≥2 iteraciones): respeta la densidad, aplica mínimos de separación y permanencia, valida cada superposición contra la zona segura de la fase activa.
- Puerta de aprobación: presenta la tabla con marcas de tiempo; el usuario edita/elimina/retemporiza/añade. El código sintetizado se muestra para verificación. No se construye hasta que esté aprobado.
- Construcción (invoca
hyperframes+gsapprimero):npx hyperframes init <OUT>/hyperframes --video <OUT>/.work/final_cut.mp4(el proyecto vive en<OUT>/hyperframes; base: pista de video 0muted playsinline; audio en una pista separada con volumen 1 para que se escuche la voz). Lee elindex.htmlgenerado para aprender la sintaxis de inclusión de sub-composición de esta versión de la CLI.- Copia
templates/project/styles.css(con los valores de marca confirmados) en<OUT>/hyperframes. - Para cada fila aprobada: crea una instancia de la
templates/overlays/*.htmlcorrespondiente, asígnale un id de composición único +data-composition-id, rellena sus{{tokens}}, establecedata-start= la marca de tiempo de la transcripción ydata-duration= la duración de permanencia, móntala sobre el video. Los zooms de enfoque escalan el div ENVOLTORIO del video (nunca el<video>). - Las dimensiones de salida heredan la grabación original.
- Legibilidad (no negociable): todo el texto de las superposiciones debe ser claramente legible sobre CUALQUIER fondo de video. Cada grupo de texto descansa sobre un panel oscuro casi opaco (
rgba(8,10,14,0.92), redondeado, borde/sombra sutil); los títulos/cuerpo son blancos (var(--brand-text)), el texto secundario/kicker/meta es pizarra clara (#CBD5E1). NUNCA usesvar(--brand-accent)/var(--brand-primary)para texto de cuerpo/subtítulo/kicker — el acento es para barras, bordes, barridos de marcador, iconos y solo palabras grandes de visualización (y solo cuando superan ~4.5:1 en el panel). En caso de duda, haz el texto blanco.npx hyperframes validate(contraste WCAG) debe pasar sin advertencias de contraste.
P5 — Vista previa y renderizado (vista previa obligatoria lanzada por el agente + puerta de renderizado explícito)
npx hyperframes lint+npx hyperframes inspect(desbordamiento + zonas seguras) +npx hyperframes validate(contraste). Corrige hasta que esté limpio.- El agente inicia
npx hyperframes previewy abre el navegador. Bucle de iteración libre sobre superposiciones. - Auditorías previas al renderizado: cada superposición en su zona segura de fase; mínimos de permanencia; no dos superposiciones luchando por la misma región simultáneamente; lint/inspect/validate limpios.
- Solo con la orden explícita de renderizado del usuario: renderiza a CRF 12 casi sin pérdida. La calidad
standardpor defecto codifica a ~1.4 Mbps y aplasta visiblemente el metraje; pasa siempre un CRF bajo:
(ejecutar desdenpx hyperframes render --output <OUT>/final.mp4 --crf 12<OUT>/hyperframes. CRF 12 es casi sin pérdida; NO uses--video-bitrateesperando un archivo grande — para screencasts estáticos CRF produce un archivo pequeño con calidad completa, y eso es correcto, no baja calidad). El mp4 final mantiene el audio original. Después del renderizado, las ediciones posteriores vuelven al bucle y requieren una nueva orden explícita de renderizado. - Nota de calidad: la captura de Chrome es una captura de pantalla 1:1 sin pérdida (verificado: entrada del renderizado == salida tanto para texto como para rostros), por lo que un renderizado con CRF bajo preserva el metraje que se le da. Lo ÚNICO que destruye la calidad es un paso ascendente con pérdida — por eso la desilenciación P1 y los cortes P2 se ejecutan a CRF 12 casi sin pérdida desde el original. No añadas pasadas de recodificación extra. Para metraje de cero generaciones absoluto, una ruta avanzada es renderizar solo superposiciones a un
--format webm/movtransparente y componerlas con ffmpeg sobre el metraje cortado (el zoom de enfoque se aplica entonces mediante ffmpeg) — raramente necesario.
P6 — Generación de contenido (delegada a habilidades especializadas)
Genera el contenido de lanzamiento invocando habilidades dedicadas, cada una sobre la transcripción final editada (P3 — pasa el transcript.srt con marcas de tiempo para que los capítulos de YouTube tengan tiempos precisos), escribiendo cada salida en <OUT>:
youtube-copy→<OUT>/youtube.md(título, descripción, etiquetas, capítulos de YouTube).social-copy→<OUT>/socials.md(copias para X, Bluesky, LinkedIn, Reddit).blog-post→<OUT>/blog.md(solo si el usuario optó por un blog).
Después de P6, el usuario puede pedir refinamientos (regresar al bucle correspondiente).
P7 — Limpieza (opcional)
Si el usuario lo solicita o el espacio es escaso, elimina <OUT>/.work/ (todos los intermedios pueden regenerarse). No elimines nada más.
Variables de entorno
Ninguna requerida. El agente usa la configuración de PATH/CLI del sistema.
Registro & depuración
Sin requisitos especiales. Usa las herramientas estándar del agente.
Nota de implementación
Sigue esta especificación exactamente.