¿Qué hace Generador de Guiones TTS?
Comprime y reescribe documentos de forma inteligente para crear guiones adecuados para TTS (texto a voz).
Capacidades Principales
- 🤖 Análisis Inteligente con IA: Claude analiza el contenido del artículo y determina la duración óptima del video y el estilo de ilustración.
- ⏱️ Decisión Inteligente de Duración: Decide automáticamente la duración adecuada (3-8 minutos) según el contenido.
- 🎨 Decisión Inteligente de Estilo: Selecciona automáticamente el estilo de ilustración según el tema (New Yorker, ukiyo-e, plano, realista, etc.).
- 📉 Compresión Inteligente: Comprime el contenido a la duración óptima (ej. 19 minutos → 5 minutos).
- 💬 Conversión a Lenguaje Oral: Transforma lenguaje escrito en lenguaje natural y hablado.
- 😊 Optimización Emocional: Agrega palabras y expresiones emocionales para que el TTS suene más vívido.
- 🎯 Segmentación Automática: Divide el contenido en segmentos óptimos (10-20 segundos cada uno).
- 📊 Estimación de Duración: Calcula con precisión el tiempo de lectura de cada segmento.
Cómo Funciona
Ejecutado en una conversación con Claude:
- Claude lee el documento original.
- Claude analiza el contenido:
- Tema y estructura del artículo.
- Número de ideas principales.
- Densidad del contenido.
- Determina la duración ideal del video (3-8 minutos).
- Selecciona el estilo de ilustración más adecuado (ej. historia → ukiyo-e, tecnología → plano, humanidades → New Yorker).
- Claude reescribe de forma inteligente:
- Extrae las ideas principales.
- Comprime según la duración óptima.
- Convierte a expresiones orales.
- Agrega palabras emocionales y pausas.
- Claude segmenta automáticamente el texto (cada segmento adecuado para una imagen).
- Según el tema del artículo, determina el estilo de ilustración más adecuado.
- Genera una descripción visual para cada segmento (usando el estilo determinado).
- Genera dos archivos:
tts_script.json(guion de texto TTS + marcas de animación).visual_config.json(descripciones de ilustraciones para usar con el generador de ilustraciones).
Formato de tts_script.json (con marcas de animación):
[
{
"segment": 1,
"text": "Hoy hablamos de la vida real en la dinastía Tang. ¿Quieres viajar en el tiempo? ¡Espera un momento!",
"duration": 15,
"animation_style": "fade_in",
"emphasis": true
},
{
"segment": 2,
"text": "En la dinastía Tang no había papel higiénico, ¿qué usaban para ir al baño?",
"duration": 12,
"animation_style": "none",
"emphasis": false
}
]
Reglas para las marcas de animación (decisión inteligente de Claude):
animation_style:"fade_in"— Títulos, aperturas, puntos destacados."write"— Ideas principales, conclusiones clave."typewriter"— Datos, declaraciones de hechos."none"— Contenido normal (se usan subtítulos ASS).
emphasis: Indica si el segmento es importante (true/false).
Principios de decisión:
- Primer segmento (apertura) →
fade_in. - Ideas principales (primer segmento de cada capítulo) →
write. - Datos / hechos →
typewriter. - Otro contenido →
none(subtítulos ASS). - Recomendación: de 24 segmentos, solo 3-5 deberían usar animación.
Script de Ejecución
generate.py — Generar el guion TTS
python ~/.claude/skills/tts-script-generator/scripts/generate.py <archivo_markdown>
- Lee el archivo Markdown.
- Extrae las secciones H2.
- Convierte a lenguaje oral.
- Segmenta según duración.
- Genera
tts_script.json.
Casos de Uso
- Doblaje de Videos: Uso principal junto con
image-to-video. - Generación de Podcasts: Junto con
podcast-generator.
Descripción de la Salida
Este skill genera:
- ✅
tts_script.json— Guion de texto TTS. - ✅
visual_config.json— Descripciones de ilustraciones.
No incluye:
- ❌ Generación de audio TTS (responsabilidad del skill
image-to-video). - ❌ Generación de ilustraciones (requiere llamar al skill
illustration-generator). - ❌ Composición de video (requiere llamar al skill
image-to-video).
Modo de Invocación
Invocado automáticamente por el skill image-to-video:
image-to-video detecta un documento largo
→ llama a tts-script-generator
→ Claude reescribe en la conversación
→ genera el guion TTS comprimido
→ image-to-video continúa el proceso
Invocación manual (en una conversación con Claude):
Usuario: "Por favor, reescribe este artículo usando tts-script-generator"
Claude:
1. Lee el documento (5947 caracteres, 19 minutos)
2. Analiza el contenido:
- Tema: Vida en la dinastía Tang (historia/humanidades)
- Ideas principales: 4 (higiene, alimentación, regulaciones, clases sociales)
- Duración óptima: 5 minutos (densidad media)
- Estilo de ilustración: ukiyo-e (tema histórico, estética clásica oriental)
3. Reescribe a 1350 caracteres
4. Divide en 20 segmentos (15 segundos cada uno)
5. Genera descripciones de ilustraciones en estilo ukiyo-e para cada segmento
6. Guarda tts_script.json + visual_config.json
Formato de Salida
tts_script.json
[
{
"segment": 1,
"text": "Hoy hablamos de la vida real en la dinastía Tang. ¿Quieres viajar en el tiempo? ¡Espera un momento! En la dinastía Tang no había papel higiénico...",
"duration": 15
}
]
visual_config.json
{
"article_title": "La Verdad de Viajar a la Dinastía Tang",
"style": "ukiyo-e",
"sections": [
{
"section": 1,
"visual_description": "Una persona parada en una encrucijada entre la ciudad moderna y el antiguo palacio de la dinastía Tang, luciendo confundida, estilo ukiyo-e con estética tradicional de grabado japonés en madera"
}
]
}
Reglas de Decisión de Estilo de Ilustración
Claude selecciona automáticamente el estilo más adecuado según el tema del artículo:
- Historia / Clásicos →
ukiyo-e(grabado japonés): Dinastía Tang, Song, historia japonesa, etc. - Humanidades / Sociedad →
new-yorker(estilo New Yorker): Observaciones sociales, historias de personas, etc. - Tecnología / Negocios →
flat(estilo plano): Productos tecnológicos, análisis de negocios, etc. - Naturaleza / Viajes →
realistic(estilo realista): Paisajes, animales, viajes, etc. - Arte / Creatividad →
abstract(estilo abstracto): Crítica de arte, pensamiento creativo, etc.
Principios de Reesritura
- Conservar lo esencial: Mantener las ideas y las historias más importantes.
- Lenguaje oral:
- "Sin embargo" → "Pero bueno"
- "Por... tanto..." → "¿Por qué? Porque..."
- Agregar muletillas: "eh", "pues", "¿sabes?", "mira"
- Palabras emocionales:
- Énfasis: "realmente", "muy", "súper"
- Exclamaciones: "¡Vaya!", "¡Dios mío!", "Imagínate"
- Control del ritmo:
- Frases cortas como base.
- Pausas adecuadas.
- Un punto clave por segmento.
Skills que Pueden Invocarlo
image-to-video(principal)podcast-generator- Otros skills que necesiten TTS.