Communitygithub.com

yt-video

Crea videos de YouTube como código, tanto Shorts (9:16, 1080x1920) como formato largo (16:9, 1080p o 4K): páginas HTML animadas por seek(t), narradas con OmniVoice (TTS local con clonación de voz e instrucciones de diseño de voz, accesible vía MCP), música generada por código (opcional) y renderizadas a MP4 con ffmpeg y verificadas por script. Incluye ajustes preestablecidos de estilo (matemáticas estilo 3Blue1Brown, DevOps estilo KodeKloud, noticias de desarrollo estilo Fireship, ciencia plana estilo Kurzgesagt, documental estilo Vox, diagramas estilo ByteByteGo, subtítulos llamativos, editorial), capítulos, subtítulos SRT y miniaturas para videos largos.

¿Qué es yt-video?

Esta habilidad convierte guiones y temas en videos completos de YouTube generados como código. Utiliza HTML y JavaScript para dibujar cada fotograma en función del tiempo (`seek(t)`), y un pipeline de scripts para orquestar la narración, la música, los efectos de sonido, el renderizado y la verificación. Está diseñado para agentes de IA como Claude Code, Cursor o Codex, y admite formatos Short (vertical, 9:16) y largo (horizontal, 16:9) hasta 4K. El proceso comienza con una breve sesión de preguntas para definir formato, tema, estilo, voz y música (solo si se solicita). Luego, se escribe un guion (`script.json`) estructurado por escenas con referencias visuales a palabras habladas, se genera narración usando OmniVoice (TTS local con clonación de voz) a través de MCP, y se construyen páginas HTML animadas. El pipeline incluye temporización automática, mezcla de audio (con compresión de rango dinámico), renderizado con Playwright y ffmpeg, y una verificación rigurosa de corrección (tamaño, relación de aspecto, codec, sincronía A/V, volumen, fotogramas congelados, etc.). La habilidad proporciona múltiples ajustes de estilo preestablecidos inspirados en creadores populares, y el agente debe mostrar los fotogramas generados al usuario para su revisión antes de la entrega final. Es especialmente útil para crear videos explicativos animados, documentales, tutoriales, resúmenes de noticias o cualquier contenido de video con gráficos en movimiento.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Shyamnath-Sankar/video-generation-skill/tree/HEAD/yt-video

Preguntar en tu IA favorita

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

Documentación

Videos de YouTube desde código: Shorts y formato largo

Construyes un video como lo haría un diseñador de motion graphics, pero en código: las páginas HTML dibujan cualquier fotograma a partir de un valor de tiempo, la narración establece la sincronización y los scripts renderizan, mezclan y prueban que el resultado sea válido antes de que alguien lo suba.

script.json ──► OmniVoice (MCP) ──► voice/*.wav ──► timeline.py ──► timeline.js ─────────┐
   │ formato: short | long | long-4k                                                        ▼
   └─ ajuste preestablecido ─► style.css / style.js ────────────────► page(s).html (seek(t), K.layout por formato)
                                                                      │ check_page ► stills ► render (caché por fragmentos)
música (solo si se solicita) ─► make_music.py ─┐                            ▼
efectos de sonido (CC0) ────────────────────────┴─► mix_audio.py ─► mix.wav ─► mux ─► final.mp4 ─► verify_video.py
                                          (formato largo también: chapters.txt, captions.srt, thumbnail.jpg)

$SKILL a continuación significa la carpeta de esta habilidad. Todo se ejecuta a través de un solo CLI: python3 $SKILL/scripts/short.py <comando>.

Formatos

shortlonglong-4k
Fotograma1080×1920 (9:16)1920×1080 (16:9)página 1920×1080, salida 3840×2160
Duración≤ 180 s (mejor < 60 s)cualquier (típ. 5–15 min)cualquier
Zona segurax 60–940, y 288–1440 (UI de Shorts)x 96–1824, y 54–1026 (título seguro)igual que largo
Subtítulosincrustados (estilo visual)captions.srt para YouTube; incrustación opcionaligual que largo
Extras—capítulos, una página por capítulo, miniatura 1280×720igual que largo

Los perfiles viven en engine/formats.json. Las páginas usan K.W/K.H y una tabla K.layout({short, long}), por lo que un proyecto se puede construir en cualquier formato. Lee reference/long-form.md para cualquier video 16:9.

Qué hay en la carpeta

RutaQué es
scripts/short.pyEl CLI del pipeline: doctor, styles, init, style, kit, timeline, check, stills, thumb, music, mix, render, mux, verify, build
scripts/timeline.pyDuraciones de voz → temporizaciones de escenas, señales de palabras, subtítulos, señales de efectos de sonido, ajuste al ritmo, segmentos de página, capítulos, SRT
scripts/import_voice.pyImportar un clip de OmniVoice: convertir, recortar silencio, rechazar tomas TTS rotas
scripts/make_music.pyMúsica de fondo sintetizada (7 estados de ánimo), sobre la cuadrícula del ritmo, cualquier duración. Solo cuando el usuario solicita música
scripts/mix_audio.pyVoz + música (con ducker) + efectos de sonido → −14 LUFS, pico verdadero ≤ −1.5 dBTP
scripts/verify_video.pyLa puerta de verificación de corrección: tamaño, relación de aspecto, códec, fps, número de fotogramas, sincronía A/V, sonoridad, fotogramas negros/congelados, capítulos, hoja de zona segura
engine/formats.jsonPerfiles de formato (tamaños, zonas seguras, valores predeterminados de subtítulos, límites)
engine/render.cjsCaptura de Playwright → ffmpeg H.264 (desenfoque de movimiento, rangos de fotogramas, captura 2× para 4K), hojas de contacto
engine/check_page.cjsVerificaciones previas al renderizado: contrato de página, fuentes, determinismo, zona segura, subtítulos, tamaño de texto, fotogramas vacíos
engine/kit.jsEl kit de herramientas de animación (resortes, señales, subtítulos, transiciones, diseños por formato, dibujo/escritura estilo Manim)
template/Un video de trabajo completo (estilo editorial) que se construye en ambos formatos
styles/8 ajustes preestablecidos de estilo: style.json + STYLE.md; 3b1b-math y kodekloud-devops tienen demostraciones completas en ambos formatos
assets/Fuentes (OFL/MIT) y efectos de sonido CC0
reference/Lee estos cuando llegues al paso correspondiente (tabla al final)

Flujo de trabajo

0. Configuración (primera vez en una máquina)

bash $SKILL/scripts/setup.sh          # playwright + chromium en ~/.cache/yt-video, numpy/scipy
python3 $SKILL/scripts/short.py doctor

1. Briefing (una ronda de preguntas, luego trabajar)

Pregunta en un mensaje (AskUserQuestion cuando esté disponible); omite lo que el usuario ya haya dicho:

  1. Formato: Short (9:16) o formato largo (16:9, 1080p o 4K). Infiérelo cuando sea obvio ("un Short", "un video de 10 minutos").
  2. Tema y la única cosa que el espectador debe recordar. Un guion, artículo o URL si lo tienen.
  3. Estilo: short.py styles. Por defecto editorial. Lee styles/<nombre>/STYLE.md una vez elegido.
  4. Voz: clonar (clip de referencia + su transcripción), diseñar ("femenina, adulta joven, tono bajo, acento británico"), o la predeterminada. Consulta reference/voice-omnivoice.md.
  5. Música: desactivada a menos que la soliciten. Si es así: estado de ánimo (make_music.py --list). Nunca agregues música que no hayan solicitado.
  6. Duración: Shorts 20–45 s (máx. 180). Formato largo: su objetivo; planifica los capítulos.

2. Escribe el guion, luego obtén aprobación

Lee reference/shorts-design.md (Shorts) o reference/long-form.md (16:9). Escribe script.json (esquema en reference/page-contract.md): una idea por escena; el visual de cada escena nombra qué palabra hablada recibe cada cambio visual; las escenas de formato largo obtienen títulos de chapter y, para videos más largos, una page por capítulo. Muestra al usuario la tabla de escenas (id, línea, visual, palabras de señal; capítulos para formato largo) y espera la aprobación o las ediciones antes de generar el audio. Nunca inventes hechos, números, citas o resultados; los valores de ejemplo dentro de las maquetas de interfaz están bien y se enumeran como ilustrativos.

3. Crea el proyecto

python3 $SKILL/scripts/short.py init videos/<slug> --style <style> --format short|long|long-4k

Copia la plantilla (o el demo/ del estilo), kit.js, las fuentes y los tokens de estilo. Coloca tu script.json aprobado en su lugar (mantén su format).

4. Narración con OmniVoice (MCP) → voice/<scene-id>.wav

Sigue reference/voice-omnivoice.md: encuentra las herramientas MCP de OmniVoice, genera un clip por escena con la misma configuración de voz, luego importa cada uno:

python3 $SKILL/scripts/import_voice.py <clip> videos/<slug> <scene-id> --text "<la línea>"

Falla en tomas silenciosas, recortadas o implausiblemente rápidas/lentas — regenera esas. Si OmniVoice no es accesible, dímelo; aún puedes construir elementos visuales con temporizaciones estimadas y agregar la voz más tarde.

5. Línea de tiempo

python3 $SKILL/scripts/short.py timeline videos/<slug>

Escribe timeline.js (tiempos de escena y palabra, segmentos, capítulos) más out/captions.srt y, con capítulos, out/chapters.txt. Los elementos visuales impactan en las palabras a través de K.cue('scene', 'word').

6. Construye la(s) página(s)

Lee reference/page-contract.md, reference/kit-api.md, reference/scene-patterns.md y el STYLE.md del estilo. Proporciona a cada diseño una entrada K.layout({short, long}) cuando el video pueda existir en ambos formatos. Cada cambio visual se basa en una palabra de señal.

7. Verifica antes de renderizar (barato, detecta la mayoría de errores)

python3 $SKILL/scripts/short.py check  videos/<slug>      # cada página debe PASAR
python3 $SKILL/scripts/short.py stills videos/<slug>      # out/stills*.png, zona segura en rojo

Mira los fotogramas tú mismo. Arregla cualquier cosa vacía, recortada, superpuesta, ilegible, fuera de estilo o que no coincida con su palabra. El fotograma 0 ya debe mostrar el gancho.

8. Música (solo si se solicita) y mezcla

python3 $SKILL/scripts/short.py music videos/<slug>       # no-op cuando la música está desactivada
python3 $SKILL/scripts/short.py mix   videos/<slug>

Consulta reference/music-and-sound.md.

9. Borrador → revisión → final

python3 $SKILL/scripts/short.py build videos/<slug> --draft   # 30 fps, sin desenfoque de movimiento, 1080p: copia de revisión rápida
python3 $SKILL/scripts/short.py build videos/<slug> --final   # desenfoque de movimiento, crf 16, 4K cuando long-4k

build ejecuta timeline → check → music → mix → render → mux → verify y se detiene en el primer fallo. Los renderizados se fragmentan y almacenan en caché, por lo que una reconstrucción después de una edición solo rehace lo que cambió. Envía primero el borrador; di cuánto tiempo tomará el final antes de comenzarlo (los finales de formato largo pueden tardar un poco; ejecútalos en segundo plano).

10. Verifica y entrega

verify_video.py se ejecuta dentro de build; el MP4 solo está listo cuando imprime VERIFICACIÓN SUPERADA. Abre out/verify_sheet_<mode>.png (fotograma 0 + un fotograma por escena, interfaces/zonas seguras en rojo) y míralo. reference/verification.md explica cada verificación.

Para formato largo, ejecuta también short.py thumb videos/<slug> (o renderiza un thumbnail.html dedicado).

Entrega: el MP4, la carpeta del proyecto (index.html se previsualiza en un navegador con la banda sonora real) y una nota breve: escenas o capítulos, qué es ilustrativo, configuración de voz, estado de ánimo de la música (o "sin música"), el resumen de verificación (LUFS, pico verdadero, duración); para formato largo, también chapters.txt, captions.srt y la miniatura. No puedes oír: proporciona al usuario marcas de tiempo para verificar con el oído (el gancho, el momento de efectos de sonido más concurrido, el momento de música más fuerte, el inicio de cada capítulo).

Reglas que más importan

  • seek(t) es una función pura del tiempo. No uses Math.random, Date.now, animaciones/transiciones CSS o temporizadores en la ruta de renderizado. El verificador lo aplica.
  • El texto permanece dentro de la zona segura del formato. Nunca codifiques 1080/1920: usa K.W, K.H, K.SAFE, K.layout.
  • Algo significativo está en pantalla en el fotograma 0; algo se mueve cada 1–2 s (Shorts) o cada pocos segundos (formato largo).
  • Los impactos visuales aterrizan en palabras habladas (K.cue), no en tiempos adivinados.
  • Música solo por solicitud. Los efectos de sonido siguen el valor predeterminado del estilo (el usuario puede desactivarlos).
  • Los estilos están inspirados en los creadores nombrados; nunca uses sus logotipos, mascotas, personajes, intros o nombres en pantalla.
  • Nunca digas que el audio "suena bien" — informa los números medidos y las marcas de tiempo para verificar.

Archivos de referencia

Lee cuandoArchivo
Escribiendo un Shortreference/shorts-design.md
Cualquier cosa 16:9 / formato largoreference/long-form.md
Construyendo páginas, esquema de script.jsonreference/page-contract.md
Usando el kit de herramientasreference/kit-api.md
Diseñando escenasreference/scene-patterns.md
Seleccionando / haciendo un estilostyles/README.md, styles/<nombre>/STYLE.md
Generando narraciónreference/voice-omnivoice.md
Música y efectos de sonidoreference/music-and-sound.md
Una verificación fallóreference/verification.md, reference/troubleshooting.md

Skills relacionados