Video de curso, paso 1: de las diapositivas a la lección narrada

Video de curso / capacitación a partir de diapositivas

Lee primero video-studio. Probado en un curso de marketing de 22 minutos creado desde un PDF (el resumen era "edición normal, sin gráficos en movimiento pesados", voz masculina Indian-English). Reconstruye con la estructura a continuación: edit/course.py, render.py, mix.py.

Flujo de trabajo

1. Diapositivas → imágenes: pdftoppm -r 200 -png raw/deck.pdf work/slides/p (o exporta PPTX/Keynote a PDF primero). Revisa cada página. Para las construcciones por partes, encuentra los cuadros de cada elemento (título, viñeta 1..n, gráfico, imagen) — visualmente desde la imagen o con proyecciones de filas/columnas PIL de píxeles no de fondo — y guárdalos por diapositiva.
2. Guion (edit/course.py): por diapositiva: párrafos vo + reveals [{box:[x,y,w,h], cue:"palabra hablada"}] + opcional zoom box. Escribe para enseñar, no para leer la diapositiva: engancha la lección (por qué importa), una idea por párrafo, ejemplos, resumen al final de cada módulo, ~140–150 palabras/min. Hinglish si el público lo desea. Muestra el guion y obtén aprobación antes de cualquier VO (cuesta créditos).
3. Verificación de presupuesto: eleven.py credits; un curso de 22 min ≈ 18k caracteres — Starter tiene 40k/mes, por lo que una nueva voz completa en el mismo mes puede no caber. Informa al usuario el costo. Voz gratuita de prueba con macOS say solo para probar tiempos.
4. VO: por párrafo eleven.py tts "<texto>" work/vo/<slide>_<n>.mp3 --voice 05QRrdNgiglhuYOaTQvw --speed 1.05 --words work/vo/<slide>_<n>.json (Prem, aprobada). Almacenada en caché por texto — editar un párrafo solo vuelve a pagar por ese. Corrige pronunciaciones reescribiendo en el texto. Concatena con 0.35 s entre párrafos y 0.8 s entre diapositivas; construye el JSON de la línea de tiempo (inicio/fin de diapositiva, tiempos de palabras clave).
5. Renderizado (edit/render.py): cada diapositiva comienza limpia (solo título), y cada parte aparece/desliza al entrar en su palabra clave; cámara de movimiento lento y suave (1.00 → 1.04) y un zoom en la parte que se está discutiendo para diapositivas densas; transiciones push/deslizamiento entre diapositivas (0.4 s), etiqueta de capítulo en la parte superior izquierda, barra de progreso delgada, número de diapositiva. Nítido: renderiza las diapositivas desde los PNG de 200 ppp a 1920x1080, sin desenfoque. Baja prioridad, en fragmentos por módulo para que un renderizado interrumpido se reanude.
6. Mezcla (edit/mix.py): cadena de voz (pasa altos 80, compresión ligera), música de fondo a −20 dB con compresión lateral (assets/music/*underscore*), efectos de sonido suaves en revelaciones (pop/swish -14 dB) y transiciones (whoosh -12 dB) — más ligeros que reels. Master −14 LUFS, --tp -2.0.
7. Vista previa → aprobar → completo: primer módulo a --scale 0.5, obtener retroalimentación, luego todo. qc.py --platform youtube.
8. Empaquetar: capítulos de YouTube (uno por grupo de diapositivas/módulo), descripción con esquema de la lección, archivos por módulo si es una plataforma de cursos (exports/vN_module_<n>_<slug>.mp4), miniatura (thumbnail-designer), SRT opcional (captions_ass.py --style clean o desde las palabras del VO).

Reglas

• Los visuales siguen al habla: nada aparece antes de ser mencionado; nada importante aparece sin ser mencionado.
• Mantén el diseño original del material (es la marca del cliente); añade solo la cámara, revelaciones, etiqueta de capítulo y barra de progreso.
• Números y afirmaciones solo del material/usuario. Escribe correctamente los nombres de marca en pantalla incluso si se reescriben para la voz.
• Si el usuario se va a dormir y renuncia a las aprobaciones, mantén las vistas previas y notas para que pueda revisarlas por la mañana.