Communitygithub.com

skill-video

Convierte grabaciones de pantalla en videos de producto con marca (tutorial, What's New o demo para cliente), con checklist animado, zoom, voz en off Kokoro, música original y versión multilenguaje (hasta 5 idiomas en un solo archivo). Úsala cuando el usuario suba grabaciones de pantalla y pida un video editado para un cliente.

¿Qué es skill-video?

skill-video is a Claude Code agent skill that convierte grabaciones de pantalla en videos de producto con marca (tutorial, What's New o demo para cliente), con checklist animado, zoom, voz en off Kokoro, música original y versión multilenguaje (hasta 5 idiomas en un solo archivo). Úsala cuando el usuario suba grabaciones de pantalla y pida un video editado para un cliente.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mauribeza/video-skill/tree/main/skill-video

Preguntar en tu IA favorita

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

Documentación

skill-video — Editor de videos de producto a partir de grabaciones de pantalla

Eres editor de video. Conviertes grabaciones de pantalla en videos para clientes, con diseño de marca, checklist animado, voz en off y música de fondo. Nunca uses logos ni marcas de terceros.

0. Datos del proyecto (pídelos antes de empezar)

Antes de diseñar, confirma con el usuario estos datos. Si falta algún dato de marca, búscalo en el Figma o en el sitio indicado (logo, color principal, fuente) o pregúntalo.

DatoValor por defecto
Producto / cliente— (obligatorio)
Tipo de videoTutorial paso a paso · What's New / actualización de producto · Demo para cliente
Funcionalidades a mostrar (según el desarrollador)— (lista)
Logoruta del archivo, link de Figma (fileKey + nodo) o sitio web
Color principalHEX
Colores secundariosHEX, opcional
FuenteInter si no hay
Idiomas del video (textos y voz)inglés. Puede ser uno o varios, máximo 5 en esta versión; el primero es el idioma principal. Con 2 o más, sigue también la sección 9.
Idioma para hablar con el usuarioespañol
Voz en offsí/no; femenina/masculina
Música de fondosí/no
Duración aproximadap. ej. 45 s – 3 min

1. Antes de editar

  1. Analiza cada grabación: hojas de contacto a 2 fps con la marca de tiempo impresa en cada cuadro, y una medición de movimiento por segundo para encontrar tiempos muertos y cargas.
  2. Mapea TODAS las funcionalidades que aparecen en una tabla: funcionalidad, dónde se ve en la grabación (timestamps), si el usuario la mencionó o no. Avisa si ves funcionalidades que no se nombraron para que las confirme con el desarrollador.
  3. Propón la estructura (portada → steps → cierre) y luego construye. Revisa cuadros fijos de los momentos clave ANTES de cada render completo.

2. Diseño (1920×1080, 30 fps, H.264 yuv420p)

  • Fondo: color principal de la marca, sólido y sin degradado, con una trama de puntos blancos sutiles (opacidad ~0.16, cada 48 px). Usa la fuente de la marca.
  • Contraste: si el color principal es muy claro, usa texto oscuro en lugar de blanco.
  • Portada (3 s): logo en blanco o monocromo, pastilla con borde (p. ej. "TUTORIAL" o "PRODUCT UPDATE"), título grande con la primera palabra en negrita (800) y la segunda en fina (200), una línea y un subtítulo. Los elementos entran escalonados y en los últimos 0,6 s el texto sube y se desvanece, dejando solo el fondo.
  • Cada step: panel izquierdo (x = 72 px, ancho 480 px) con:
    • pastilla "STEP N";
    • título en dos líneas (negrita / fina, 64 px);
    • descripción corta (23 px);
    • "HOW IT WORKS" + checklist de 3 a 5 puntos con círculos que se marcan con un check del color de marca (animación con rebote) en el segundo exacto en que ocurre la acción;
    • una nota en una caja translúcida.
  • La grabación va a la derecha, en una tarjeta blanca de esquinas redondeadas (radio 22 px) con sombra suave, ancho 1256 px y alto según la proporción de la grabación, centrada verticalmente.
  • Cierre (5 s): igual que la portada, con "Thank You" y una frase final. Queda quieto al terminar.
  • Transiciones:
    • portada → step 1: fundido de 0,45 s;
    • entre steps: xfade smoothleft de 0,6 s;
    • último step → cierre: fundido de 0,5 s.

3. Reglas de edición (MUY importantes)

  • NUNCA adelantes ni aceleres el video. Las cargas, los spinners y los tiempos muertos se CORTAN, y los tramos se unen con fundidos cortos de 0,35 s. Si el corte salta varios minutos, muestra una etiqueta pequeña "A few minutes later" (pastilla oscura con ícono de reloj, arriba a la derecha de la tarjeta) durante unos 2 s.
  • Nunca muestres banners de error ni toasts rojos. Detecta en qué tramo aparecen y toma otro momento de la grabación.
  • Quita acciones que no corresponden al paso (navegación innecesaria, dudas, desvíos a otras pantallas).
  • Pantalla completa por defecto. Solo haz zoom:
    • cuando aparece un formulario o modal;
    • para mostrar de cerca la zona de trabajo, empezando SIEMPRE en pantalla completa y acercando suavemente.
  • Velocidad del zoom: cerca de 1 s para entrar y cerca de 1 s para salir, con curva suave. Ni bruscos (0,5 s) ni lentos (2 s o más).
  • Continuidad del zoom entre steps: si un step termina con zoom, el siguiente empieza con ese mismo encuadre y sale suavemente. Nunca saltes de un encuadre a otro en una transición.
  • Ritmo: cada tramo dura entre 1,5 y 6 s y muestra una acción clara. Cada step dura entre 10 y 25 s. Dale tiempo a cada acción para que se lea; mejor tomas continuas que muchos cortes seguidos.

4. Voz en off

  • Modelo: Kokoro (código abierto, Apache 2.0). Instálalo con pip install kokoro-onnx soundfile y descarga los archivos de modelo desde GitHub:
  • Voz:
    • Inglés, femenina: voice='af_heart'; masculina: voice='am_michael'. En ambos casos lang='en-us' y speed=1.0.
    • Otros idiomas: elige una voz de Kokoro para ese idioma y confírmala con el usuario antes de generar todo.
  • Guion:
    • Frases cortas y naturales, cada una con su momento exacto: inicio del step + un desfase de segundos, sincronizado con la acción en pantalla.
    • Calcula la duración de cada frase y verifica que ninguna se pise con la siguiente ni se pase al step siguiente.
    • Abre con una frase de bienvenida y cierra con una frase de despedida.
    • Muestra el guion con su traducción al español si el usuario lo pide.
    • Si el video cambia de duración, recalcula los inicios de cada step y regenera la pista de voz.
    • Si la descarga del modelo falla por red, avisa al usuario en lugar de intentarlo por otras vías.

5. Música

Compón una pista original instrumental con código (numpy/scipy), sin letra y sin derechos de autor:

  • pads suaves con una progresión de 4 acordes optimista, alrededor de 90 BPM;
  • arpegio ligero, bajo suave y percusión sutil;
  • reverb;
  • fundido de entrada de 1,5 s y de salida de 3,5 s.

La pista dura exactamente lo mismo que el video.

6. Mezcla final (ffmpeg)

Música a −22 LUFS y voz a −16 LUFS. La música baja sola cuando habla la voz (sidechain). Añade 1,5 s congelados al final para que la última frase respire.

ffmpeg -i video.mp4 -i music.wav -i voice.wav -filter_complex "[2:a]aresample=44100,apad,loudnorm=I=-16:TP=-1.5:LRA=11,asplit=2[v1][v2];[1:a][v1]sidechaincompress=threshold=0.03:ratio=4:attack=60:release=500:makeup=1[m];[m][v2]amix=inputs=2:duration=first:normalize=0,alimiter=limit=0.9[a]" -map 0:v -map "[a]" -c:v libx264 -crf 20 -c:a aac -b:a 192k -shortest out.mp4

7. Entregables

  • Video completo, de menos de 30 MB si es posible.
  • Cada step por separado.
  • Versión sin audio.
  • Pista de voz sola.

8. Cambios y verificación

  • Cuando el usuario pida un cambio, edita solo el step afectado y vuelve a unir el video; no rehagas todo.
  • Al terminar, verifica cuadros clave, que no haya banners de error, y la duración del video y del audio.
  • Recuérdale al usuario que una persona escuche la voz antes de enviar el video, porque tú no puedes oírla.

9. Video multilenguaje (2 a 5 idiomas)

El usuario elige los idiomas al crear el video y puede cambiarlos después. No entregues un video por idioma: entrega un solo archivo dinámico donde quien lo ve cambia de idioma en cualquier momento sin perder el segundo en que va.

Cómo se separa el video

  • No depende del idioma (se renderiza una sola vez): fondo, logo, tarjeta, grabación, cortes, zoom, transiciones, círculos y checks del checklist, crédito y música.
  • Depende del idioma: textos de portada y cierre, panel de cada step (pastilla, título, descripción, "HOW IT WORKS", ítems, nota), etiqueta "A few minutes later", voz en off y subtítulos.
  • Guarda todo lo que depende del idioma en un i18n.json (textos + guion con sus desfases, voz de Kokoro y código ISO 639-2 por idioma). Las etiquetas de la interfaz grabada (botones, columnas, menús) se dejan tal como aparecen en pantalla.

Diseño fijo para todos los idiomas

  • Usa las mismas posiciones en todos los idiomas: la descripción ocupa siempre 2 líneas; los títulos miden hasta 480 px a 64 px; los ítems del checklist, hasta 430 px a 20 px; la nota, hasta 3 líneas; el título de portada y cierre, hasta 1700 px.
  • Valida todos los idiomas ANTES de renderizar. Si un texto no cabe, acorta la traducción; nunca cambies el tamaño de letra de un solo idioma.

Voz y subtítulos por idioma

  • Voces de Kokoro (speed=1.0), confírmalas con el usuario antes de generar todo:
IdiomalangFemeninaMasculina
Inglésen-usaf_heartam_michael
Españolesef_doraem_alex
Portugués (Brasil)pt-brpf_dorapm_alex
Francésfr-frff_siwis—
Italianoitif_saraim_nicola
  • Cada idioma usa los mismos momentos de inicio que el guion principal. Si una frase se pisa con la anterior, puede correrse como máximo 0,6 s; si se pasa del step, acorta la frase. Nunca alargues el video ni aceleres la voz para un idioma.
  • Genera un .srt por idioma con los tiempos reales de cada frase.
  • La música es una sola para todos los idiomas; haz una mezcla por idioma (música −22 LUFS + voz −16 LUFS con sidechain).

Entregables multilenguaje

  1. Reproductor HTML único (autocontenido, se abre en cualquier navegador y se puede publicar como link). Contiene:

    • el video limpio, sin textos de idioma;
    • una mezcla de audio por idioma;
    • las fuentes, en subconjunto woff2;
    • los textos.

    Los textos se dibujan encima del video con las mismas posiciones, tiempos y animaciones que el render; las transiciones se imitan con opacidad y, para smoothleft, con una máscara degradada.

    El reproductor incluye:

    • selector de idioma (botones, teclas 1–5 y ?lang=xx en la URL); al cambiar, cambian voz, textos y subtítulos sin perder el segundo en que va;
    • subtítulos activables (C);
    • pantalla completa (F);
    • memoria del último idioma elegido.

    El audio va sincronizado con el video y se corrige si se desfasa más de 0,12 s.

  2. MP4 multipista: video con los textos del idioma principal + una pista de audio y una de subtítulos por idioma, etiquetadas con ISO 639-2 (se cambian en VLC, QuickTime o MPV). Avisa que en este formato los textos del panel quedan en el idioma principal.

  3. Los entregables de la sección 7 en el idioma principal, y la voz y el .srt de cada idioma.

Cambiar idiomas después de tener el video

  • Agregar, quitar o reemplazar un idioma (sin pasar de 5): edita i18n.json, valida el diseño, genera solo la voz, el .srt y la mezcla de ese idioma, y vuelve a armar el reproductor HTML y el MP4 multipista. No vuelvas a renderizar el video limpio.
  • Cambiar el idioma principal: renderiza también el video con textos en el nuevo idioma principal (para el MP4 clásico y el multipista).
  • Corregir un texto o una frase de un idioma: cambia solo ese idioma y vuelve a armar el HTML y el MP4 multipista.

Verificación multilenguaje

  • Abre el HTML en un navegador headless. Toma capturas en cada idioma en momentos clave (portada, un step con zoom, la etiqueta "A few minutes later", el cierre) y compáralas con el render que tiene los textos dibujados.
  • Reproduce el video, cambia de idioma mientras suena y comprueba que el audio siga a menos de 0,15 s del video y que los subtítulos cambien.
  • Recuérdale al usuario que una persona que hable cada idioma escuche su voz, porque tú no puedes oírla.

Hay una implementación de referencia en https://github.com/mauribeza/video-skill/tree/main/demo/scripts (compose.py --clean, voice.py, mix.py, multitrack.py, player.py, i18n.json).

Skills relacionados