Communitygithub.com

Agents365-ai/creador-de-podcast-en-video

Úsalo cuando el usuario dé un tema y quiera un video narrado explicativo, podcast o resumen de conocimiento automatizado (Bilibili / YouTube / Xiaohongshu / Douyin / WeChat Channels), o pida aprender patrones de diseño visual a partir de un video/imagen de referencia.

¿Qué es creador-de-podcast-en-video?

Este skill permite a un agente de IA (como Claude Code, Cursor o Pi) crear videos narrativos en 4K a partir de un tema, combinando investigación, guion, síntesis de voz (TTS), composición en Remotion y mezcla de audio. Está diseñado para plataformas como Bilibili y YouTube, y soporta tanto modo automático como interactivo. El flujo consta de 11 pasos, desde la definición del tema hasta la publicación, con paradas obligatorias para revisión en Studio y verificación de salida. También permite regenerar videos existentes modificando solo las partes necesarias (guion, visuales, música de fondo), reutilizando el directorio del proyecto original. Incluye reglas estrictas de sincronización de audio, salida 4K obligatoria y verificación automática mediante scripts.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Agents365-ai/video-podcast-maker/tree/HEAD/skills/video-podcast-maker

Preguntar en tu IA favorita

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

Documentación

Recomendado: Cargar las mejores prácticas de Remotion

Este skill se beneficia de remotion-best-practices (no incluido) para la biblioteca completa de patrones de Remotion. Es opcional: las reglas mínimas están a continuación si no está presente.

  • Pi: lee el skill cargado en remotion-best-practices (listado en skills disponibles).
  • Claude Code: invoca el skill/herramienta remotion-best-practices antes de continuar.

¿No está instalado? Consíguelo en remotion-dev/skills (docs: remotion.dev/docs/ai/skills).

Si remotion-best-practices no está instalado, las reglas mínimas son: chromium debe estar disponible, envolver siempre el contenido 4K en <Scale4K>, usar <TransitionSeries> con linearTiming, y tratar el audio como el reloj maestro.

Creador de Podcast en Video

Pipeline automatizado para videos de conocimiento horizontales en 4K para Bilibili a partir de un tema. Agente de codificación + backend TTS + Remotion + FFmpeg.

Contenido


Arranque

Resuelve SKILL_DIR al directorio que contiene este SKILL.md:

  • Pi: el agente conoce la ruta del skill desde la lista de skills cargados; establece SKILL_DIR a ese directorio antes de ejecutar comandos.
  • Claude Code: ${CLAUDE_SKILL_DIR} se completa automáticamente.
SKILL_DIR="${SKILL_DIR:-${CLAUDE_SKILL_DIR}}"

# Prerrequisitos (CLIs + variables de entorno del backend)
python3 "${SKILL_DIR}/scripts/check_prereqs.py"

Las actualizaciones fluyen a través de la CLI de skills (npx skills update video-podcast-maker -g); las instalaciones directas con git clone usan git pull según el README. Este skill no realiza comprobaciones de actualización.

Fallos de prerrequisitos — consulta README.md para la configuración. La comprobación reconoce el backend (resuelve TTS_BACKEND env → user_prefs.json global.tts.backend → edge por defecto), por lo que solo se validan las variables de entorno requeridas por el backend activo.

¿Primer video en un nuevo proyecto? Es preferible reutilizar un proyecto Remotion existente con node_modules/ ya instalado; crear un proyecto nuevo descarga ~2.2 GB de paquetes npm más un shell headless de Chrome de 90 MB (una vez por proyecto). Si el usuario tiene un proyecto de un video anterior, úsalo. Si es necesario un proyecto nuevo, ejecuta npm install en segundo plano mientras realizas los Pasos 1-4 (investigación del tema y escritura del guion).

Todo el renderizado va a videos/{name}/ — cada output.mp4, final_video.mp4 y thumbnail_*.png se coloca directamente en el directorio del video. Nunca renderices a un directorio out/ o dist/; la convención --public-dir videos/{name}/ mantiene todo autocontenido.

Motor TTS — dos backends locales, sin skill externo:

  • edge (por defecto) — gratuito, sin clave, mediante edge-tts.
  • azure — necesita AZURE_SPEECH_KEY + AZURE_SPEECH_REGION (Microsoft Speech SDK).

Cada uno sintetiza internamente (scripts/tts/backends/native.py) — la pronunciación (mostrar → hablar → volver a mostrar para subtítulos) y la aplicación de fonemas están integradas. check_prereqs.py valida las variables de entorno del backend activo.

¿TTS multiplataforma? El antiguo skill componente ttscn que proporcionaba la matriz de 9 backends ya no es una dependencia de este skill. Si deseas esas plataformas, instala Agents365-ai/ttsCN por separado y llámalo directamente; este skill solo incluye edge + azure.

Atajo de aprendizaje de diseño: Si el usuario proporciona un video/imagen de referencia o pide guardar/listar/eliminar perfiles de estilo, consulta references/design-learning.md en lugar de ejecutar el flujo de trabajo a continuación.


Modos de ejecución

Detecta el Modo Automático (por defecto) vs el Modo Interactivo al inicio del flujo de trabajo; la tabla de decisión del modo Automático por defecto y las anulaciones por solicitud están en references/workflow-script.md.


Regenerar un video existente

Si videos/{name}/ ya existe y el usuario está iterando sobre un video terminado o en proceso, reutiliza ese directorio. NO inicies un nuevo proyecto ni un nuevo videos/{newname}/.

Elige la reejecución más pequeña para lo que realmente cambió:

CambióRe-ejecutarReutiliza (no rehagas)
Guion de narración (podcast.txt)Paso 7 (TTS) → vista previa Paso 8 → renderizar + mezclarinvestigación del tema + diseño de secciones
Solo visuales (componentes, diseño, colores)Vista previa Paso 8 → renderizar + mezclaraudio (podcast_audio.wav / timing.json)
Solo música de fondoRe-mezclar BGMoutput.mp4 (sin rerenderizar)
Solo subtítulosPaso 10.1 finalizaroutput.mp4 / video_with_bgm.mp4

Cualquier re-ejecución que cambie lo que el espectador ve u oye vuelve a entrar en la puerta del Paso 8: aplica el cambio, deja que Studio recargue en caliente, y espera una nueva confirmación explícita de "renderizar 4K" — la confirmación anterior no se transfiere. Un cambio de guion desplaza cada sello de tiempo posterior, así que siempre regenera timing.json a través de TTS — nunca lo edites a mano. Después de cualquier re-ejecución, vuelve a verificar:

python3 ${SKILL_DIR}/scripts/verify_output.py videos/{name}/

Flujo de trabajo

¿Iterando sobre un video terminado? Si videos/{name}/ ya existe, consulta Regenerar un video existente arriba para la re-ejecución mínima — NO empieces en el Paso 1.

Al inicio del Paso 1, crea una tarea por paso en el rastreador de tu agente. Marca in_progress al comenzar, completed al finalizar. Los archivos en videos/{name}/ son el registro duradero — si se interrumpe, inspecciona el directorio para determinar dónde reanudar.

#PasoSalidaArchivo de fase
1Definir dirección del tematopic_definition.mdworkflow-script.md
2Investigar el tematopic_research.mdworkflow-script.md
3Diseñar 5-7 secciones(en memoria)workflow-script.md
4Escribir guion de narraciónpodcast.txtworkflow-script.md
4.5Verificación previa de pronunciación (zh-CN)phonemes.jsonworkflow-script.md
5Plan de activos y resoluciónassets/manifest.jsonworkflow-assets.md
6Generar miniaturas (16:9 + 4:3)thumbnail_*.pngworkflow-production.md
7Generar audio TTSpodcast_audio.wav, timing.jsonworkflow-production.md
8Composición Remotion + vista previa Studio—workflow-production.md
9Renderizar 4K + mezclar BGMoutput.mp4, video_with_bgm.mp4workflow-production.md
10Información de publicación + verificar salidapublish_info.md, final_video.mp4workflow-publish.md
11Generar cortos verticales (opcional)shorts/workflow-publish.md

Paradas obligatorias (filas en negrita arriba):

  • Paso 8 — Revisión Studio. DEBE iniciar npx remotion studio y esperar la retroalimentación del usuario antes de renderizar. NUNCA renderices 4K hasta que el usuario confirme explícitamente ("renderizar 4K" / "renderizar final"). Una respuesta que contenga solicitudes de ajuste no es confirmación — aplica los cambios, deja que Studio recargue en caliente y vuelve a preguntar. Cada ronda de ajustes necesita su propia confirmación nueva antes del Paso 9.
  • Paso 10 — verify_output.py. DEBE pasar antes de declarar el video como terminado. Salida 0 = verde; salida 2 = advertencias aún publicables. Corrige automáticamente omisiones comunes (crea final_video.mp4 si falta). Valida la información de publicación (título, descripción, etiquetas, capítulos) contra la matriz de plataformas — genérala en los Pasos 5.5 y 10.2. Para salida legible por máquina añade --format json.

Auditoría previa al renderizado (recomendada) — antes del Paso 8:

python3 ${SKILL_DIR}/scripts/audit_beat_sync.py <Video.tsx> <timing.json>

Señala los beats que se desvían > 1.5s de la narración.

Modo Automático: auto-revisión visual. Cuando se ejecuta en Modo Automático (sin usuario viendo Studio), renderiza 3-5 fotogramas clave antes de pedir confirmación de renderizado:

npx remotion still src/remotion/index.ts <CompositionId> videos/{name}/_review_001.png --public-dir videos/{name}/ --frame=<midpoint_frame>

Elige fotogramas en: título principal (~10% de avance), un punto medio de una sección densa y el final. Lee las imágenes fijas como imágenes y ejecuta las listas de verificación de design-guide.md y visual-taste.md contra la salida renderizada real. Detecta desbordamiento, contraste y regresiones de diseño antes del renderizado 4K. Elimina _review_*.png después de la revisión.

Puntos de control de validación

Después del PasoVerificación
7 (TTS)podcast_audio.wav se reproduce · timing.json cubre todas las secciones · SRT es UTF-8
9 (Renderizado)output.mp4 es 3840×2160 · sincronización audio-video · sin fotogramas negros
10 (Verificar)verify_output.py sale 0 (o 2 con advertencias revisadas)

Reglas estrictas

ReglaRequisito
Proyecto únicoTodos los videos bajo videos/{name}/ en el proyecto Remotion del usuario. NUNCA crees un nuevo proyecto por video.
Salida 4K3840×2160 (o 2160×3840 vertical), usa el envoltorio scale(2) sobre el espacio de diseño de 1920×1080
Sincronización de audioEl audio (podcast_audio.wav + podcast_audio.srt) es el reloj maestro. timing.json DEBE generarse a partir de la salida TTS real, nunca estimada manualmente. Antes de renderizar, la duración del video final debe coincidir con el audio dentro de ±0.5s. Consulta Reloj maestro de audio y sincronización.
MiniaturaDEBE generar tanto 16:9 (1920×1080) como 4:3 (1200×900) — consulta design-guide.md
Studio antes de renderizarDEBE iniciar remotion studio para revisión. NUNCA renderices 4K hasta que el usuario confirme explícitamente. La retroalimentación de ajuste ≠ confirmación — aplica, recarga en caliente, vuelve a preguntar.
--public-dirCada comando de Remotion usa --public-dir videos/{name}/. Todos los archivos de salida (output.mp4, final_video.mp4, miniaturas) van directamente a videos/{name}/ — nunca a un directorio out/ o dist/.

Los mínimos visuales (tamaños de texto, ancho de contenido, zonas seguras, seguridad de animación) están en references/design-guide.md. DEBE cargarse antes del Paso 8.

Reloj maestro de audio y sincronización

Reglas de oro

  1. El audio es el reloj maestro. Cada inicio de diapositiva, subtítulo, capítulo y beat de animación se deriva de podcast_audio.wav y podcast_audio.srt.
  2. Genera la sincronización desde TTS, no desde estimaciones de texto. Pipeline: podcast.txt → generate_tts.py → podcast_audio.wav + podcast_audio.srt + timing.json → composición → renderizado.
  3. Nunca escribas timing.json a mano antes de que exista el audio. Si ya tienes diapositivas seleccionadas, ejecuta align_timing_from_srt.py para anclarlas al SRT real.
  4. Compensar la superposición de TransitionSeries. TransitionSeries renderiza sum(section.duration_frames) - (N-1) * transitionFrames fotogramas. Escala cada sección proporcionalmente para mantener la longitud renderizada igual a timing.total_frames. No metas todos los fotogramas de superposición en la primera sección. El patrón corregido está en templates/Video.tsx.

Puntos de control de sincronización obligatorios

CuándoVerificación
Después del Paso 7 (TTS)timing.json.total_duration coincide con podcast_audio.wav dentro de ±0.5s
Antes del renderizadoVideo.tsx escala todas las secciones para la superposición de transición
Después del renderizadoLa duración de final_video.mp4 coincide con podcast_audio.wav dentro de ±0.5s
Paso 10 (verificar)verify_output.py sale 0 e informa verde en audio/sincronización

Si algún punto de control falla, detente. No publiques.

Especificaciones de salida

ParámetroHorizontal (16:9)Vertical (9:16)
Resolución3840×2160 (4K)2160×3840 (4K)
Fotogramas por segundo30 fps30 fps
CodificaciónH.264, 16MbpsH.264, 16Mbps
AudioAAC, 192kbpsAAC, 192kbps
Duración1-15 min60-90s (destacado)

Estructura por video

raíz-del-proyecto/                    # Raíz del proyecto Remotion
├── src/remotion/                     # Código fuente de Remotion (Root.tsx, composiciones, index.ts)
├── videos/{nombre-del-video}/        # Directorio por video
│   ├── topic_definition.md           # Paso 1
│   ├── topic_research.md             # Paso 2
│   ├── podcast.txt                   # Paso 4: guion de narración
│   ├── phonemes.json                 # Paso 4.5: anulaciones de pronunciación zh-CN
│   ├── assets/manifest.json          # Paso 5: registro de activos por sección
│   ├── publish_info.md               # Paso 10: título/descripción/etiquetas
│   ├── podcast_audio.wav             # Paso 7: audio TTS
│   ├── podcast_audio.srt             # Paso 7: subtítulos
│   ├── timing.json                   # Paso 7: línea de tiempo (controla animaciones)
│   ├── thumbnail_*.png               # Paso 6
│   ├── output.mp4                    # Paso 9: renderizado 4K
│   ├── video_with_bgm.mp4            # Paso 9: con BGM
│   ├── final_video.mp4               # Paso 10: salida final
│   └── bgm.mp3                       # Música de fondo
└── remotion.config.ts

--public-dir por video

Cada comando de Remotion usa --public-dir videos/{name}/ — los activos de cada video permanecen en su propio directorio, permitiendo renderizados paralelos:

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/
npx remotion render ... videos/{name}/output.mp4 --public-dir videos/{name}/ --video-bitrate 16000000

Recursos adicionales

ArchivoCuándo cargar
references/workflow-script.mdPasos 1-4: definición del tema → guion (guía de modo + directrices de estilo de escritura)
references/workflow-assets.mdPaso 5: plan de activos visuales y manifiesto
references/workflow-production.mdPasos 6-9: miniaturas, TTS, composición, renderizado
references/workflow-publish.mdPasos 10-11: información de publicación, verificación, cortos
references/design-guide.mdAntes de la composición Remotion (Paso 8): diseño visual, tipografía, animaciones, zonas seguras
references/design-learning.mdCuando el usuario proporciona un video/imagen de referencia o pide guardar/listar/eliminar perfiles de estilo — anula todo el flujo de trabajo de 11 pasos
references/visual-taste.mdPaso 8 (revisión): lista de verificación de auto-revisión visual de Modo Automático
references/style-guide-examples.mdOpcional: ejemplos de estética visual en los que inspirarse

Preferencias del usuario

Leer en user_prefs.json:

{
  "global": {
    "tts": {
      "backend": "edge",
      "voice": "zh-CN-XiaoxiaoNeural",
      "rate": 0.0
    },
    "layout": {
      "style": "modern-minimal",
      "font_family": "Noto Sans SC",
      "primary_accent": "#1a73e8",
      "bg_pattern": "gradient-mesh"
    },
    "bgm": {
      "track_id": "tech-calm",
      "volume": -14.0
    },
    "platforms": ["bilibili", "youtube"]
  }
}

Los valores se pueden pasar por video como --pref key=value. Los cambios en user_prefs.json se aplican al siguiente video, no retroactivamente.


Solución de problemas

SíntomaCausa probableSolución
El renderizado 4K falla o tiene fotogramas negrosDependencia de Chromium faltante o --public-dir incorrectoVerifica que chromium esté disponible (npx remotion puppeteer check) y que --public-dir videos/{name}/ esté presente en todos los comandos de Remotion
timing.json.total_duration no coincide con el audioEdición manual de sincronización sin regeración de TTSElimina timing.json, ejecuta generate_tts.py de nuevo para regenerar desde el audio real. Nunca edites timing.json a mano después de que exista el audio.
La duración del video final no coincide con el audio después del renderizadoDesajuste de superposición de TransitionSeries no corregidoVerifica que Video.tsx escale proporcionalmente todas las secciones para (N-1) * transitionFrames. Ejecuta audit_beat_sync.py para diagnosticar.
verify_output.py sale con 2 (advertencia)final_video.mp4 faltante o campos de metadatosEjecuta de nuevo el script: corrige automáticamente final_video.mp4 si output.mp4 existe. Completa cualquier campo de publish_info.md que falte.
El TTS falla con "no backend activo"Faltan las variables de entorno AZURE_SPEECH_KEY + AZURE_SPEECH_REGION para azure, o edge-tts no está instaladopython3 scripts/check_prereqs.py diagnostica la configuración. Para edge, pip install edge-tts. Para azure, configura las variables de entorno.
"Permiso denegado" en scriptsEl script no es ejecutablechmod +x scripts/*.py o ejecuta con python3 scripts/...
Los subtítulos SRT no se muestran correctamenteCodificación de caracteresVerifica UTF-8: file -I podcast_audio.srt debería mostrar charset=utf-8. Reconvierte con iconv -f UTF-8 -t UTF-8 podcast_audio.srt si es necesario.
El audio se desincroniza con el videoVelocidad de fotogramas incorrecta en la composición de RemotionVerifica que el compositor use 30 fps o que las duraciones de timing.json estén en segundos, no en fotogramas. Reconcilia con el SRT.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados