Communitygithub.com

remotion-video

Convierte una idea en un video corto vertical narrado (1080x1920 MP4) con Remotion. Escribe el guion, genera la voz y la sincronización de palabras con ElevenLabs, y renderiza un proyecto listo con cinco tipos de escenas, subtítulos palabra por palabra y una mascota con sincronía de labios.

¿Qué es remotion-video?

Esta habilidad convierte una idea del usuario en un video corto vertical (1080x1920 MP4) narrado, utilizando Remotion para el renderizado. Escribe automáticamente un guion de 4 a 7 escenas con un gancho inicial y un llamado a la acción final, genera la voz y las marcas de tiempo palabra por palabra mediante la API de ElevenLabs, y produce un proyecto completo de Remotion con cinco tipos de escenas, subtítulos sincronizados y una mascota con movimiento de labios. Es ideal para crear videos tipo Short, Reel o TikTok explicativos. Requiere Node 24, Python 3, ffmpeg 8 y una clave API de ElevenLabs (no hay modo gratuito ni silencioso). El kit de herramientas se encuentra en el repositorio `https://github.com/anujkapoor-arch/video-skills`. El flujo de trabajo incluye pasos para verificar el script, validar el recuento de caracteres antes de facturar, revisar fotogramas individuales (stills) y renderizar el video final. También cubre personalizaciones como colores, voz, fuente y tipo de escena.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/anujkapoor-arch/video-skills/tree/HEAD/skills/remotion-video

Preguntar en tu IA favorita

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

Documentación

¿Qué hace remotion-video?

Tomas la idea del usuario y entregas un MP4. El kit junto a este archivo hace el trabajo pesado: kit/new-video.sh crea un proyecto, narrate.py convierte un guion en audio con marcas de tiempo, y el proyecto de Remotion lo renderiza.

Si no hay una carpeta kit al lado de este archivo, la habilidad se copió sin ella. Clona https://github.com/anujkapoor-arch/video-skills y usa su carpeta kit.

Antes de empezar

Verifica lo siguiente y detente con un mensaje claro si falta algo:

  • node --version, python3 --version, ffmpeg -version. El kit se probó con Node 24, Python 3 y ffmpeg 8.
  • ELEVENLABS_API_KEY en el entorno, o el usuario listo para ponerla en el .env del proyecto. No hay modo silencioso ni gratuito. Nunca imprimas la clave ni la confirmes en el repositorio.
  • La licencia de Remotion. Es gratuita para individuos y empresas de hasta 3 empleados. Una empresa más grande necesita una Licencia Corporativa de pago (remotion.dev/docs/license). Informa al usuario una vez. Si eso descarta a Remotion, usa la habilidad revideo-video, que tiene licencia MIT.

Pasos

1. Reducir la idea a un guion

Pregunta solo lo que no puedas inferir: el tema, para quién es, el nombre del canal. Luego escribe el guion tú mismo.

  • De 4 a 7 escenas, de 20 a 45 segundos en total. Las personas hablan unas 2.5 palabras por segundo.
  • Abre con un hook, cierra con un cta. Usa points, stat y bars en medio.
  • Cada say es una o dos frases cortas, escritas para el oído. Escribe los números como palabras.
  • Cada número en pantalla necesita una fuente que el usuario te haya dado o que puedas nombrar. Si no tienes una, pregunta. Nunca inventes una estadística.
  • Elige una palabra clave (at) para cada elemento para que lo visual coincida con la palabra hablada.

La lista completa de campos está en kit/common/SCRIPT.md. Léela antes de escribir el guion.

2. Crear el proyecto

<carpeta de esta habilidad>/kit/new-video.sh remotion <nueva-carpeta>
cd <nueva-carpeta>
npm install

npm install tarda unos 20 segundos. El primer render también descarga Chrome Headless Shell (unos 470 MB) en node_modules.

3. Escribir script.json, verificarlo y luego pagar por la voz

Reemplaza el script.json de ejemplo con el guion del usuario, luego:

python3 narrate.py --check    # valida e imprime el recuento de caracteres, sin llamada a la API

Muestra al usuario las líneas habladas y el recuento de caracteres, y obtén un sí antes del siguiente comando. ElevenLabs factura por carácter.

python3 narrate.py            # escribe public/narration.wav y src/spec.json

Imprime el inicio y la duración de cada escena. Las líneas se guardan en caché en .tts-cache/, por lo que volver a ejecutar tras una edición solo paga por las líneas que cambiaron.

4. Verificar fotogramas antes de un render completo

Un fotograma tarda unos 4 segundos; un render completo tarda aproximadamente lo mismo que el video.

npx remotion still src/index.ts Video out/check.png --frame=150

Frame = segundos x 30. Renderiza un fotograma dentro de cada escena, aproximadamente un segundo después de su última palabra clave, y revísalos. Verifica que el texto quepa en la tarjeta, que nada se superponga a los subtítulos o a la mascota, y que nada importante esté por debajo de y = 1620 (la interfaz de Shorts/Reels lo cubre).

5. Renderizar

npm run render                # -> out/video.mp4
npm run studio                # opcional: vista previa con línea de tiempo y recarga en caliente

6. Informar

Ejecuta ffprobe sobre el archivo e informa al usuario la duración, el tamaño y la ubicación. Di lo que verificaste (fotogramas) y lo que no (no puedes escuchar el audio ni ver el movimiento). Pídele que lo vea una vez con sonido.

Cambios

Para cambiarEditar
Colores, nombre del canal, pie de página, subtítulos activados/desactivados, mascota activada/desactivadascript.json, luego python3 narrate.py (gratis, el audio está en caché)
Vozvoice.id en script.json o ELEVENLABS_VOICE_ID. Una voz nueva factura cada línea de nuevo.
FuenteColoca archivos .ttf en public/fonts, listalos en src/fonts.ts, cambia FONT en src/util.ts
Diseño de un tipo de escenaSu componente en src/scenes.tsx
Encabezado, tarjeta, subtítulos, burbuja, confetisrc/Video.tsx
La mascotasrc/Mascot.tsx

Añadir un tipo de escena

  1. Escribe un componente en src/scenes.tsx que reciba {s: Scene} y envuelva su contenido en <Layer s={s}>.
  2. Añádelo a KINDS al final de ese archivo y al tipo unión kind en src/util.ts.
  3. Añádelo a KINDS en narrate.py con sus campos requeridos.

Cambiar la mascota

Convierte el SVG del personaje en src/Mascot.tsx como JSX. No cargues el archivo .svg. Mantén cinco cosas controladas por fotograma: altura de la boca desde open, scaleY del ojo desde blink, desplazamiento de la pupila, desplazamiento de la ceja, y un grupo de cabeza que se incline. Si el SVG cambia más tarde, la conversión debe rehacerse.

Reglas que mantienen correctos los renders de Remotion

  • Todo en pantalla es función del fotograma actual. Sin useState, sin transiciones CSS, sin setTimeout, sin Math.random(). Remotion renderiza fotogramas en paralelo y fuera de orden, por lo que cualquier cosa con memoria falla. Usa random(seed) de remotion.
  • Todo el tiempo proviene de spec.json. Nunca codifiques un tiempo en segundos. Lee s.start, item.t o el t de una palabra, para que una nueva narración re-temporice el video sin cambios de código.
  • Las fuentes se cargan en src/fonts.ts detrás de delayRender. Sin esto, un fotograma puede capturarse antes de que la fuente esté lista.
  • Los archivos que el navegador carga en tiempo de render (audio, fuentes, imágenes) viven en public/ y se referencian con staticFile().
  • HTML envuelve texto largo pero nada lo encoge. El proyecto inicial elige tamaños de fuente según el recuento de caracteres. Si agregas texto, haz lo mismo o se desbordará de la tarjeta.
  • Un resorte es spring({frame: frame - at * fps, fps, config}). El ayudante pop() en util.ts lo envuelve.
  • La sincronía de labios proviene de las marcas de tiempo de las palabras (mouthOpen en util.ts), sin análisis de audio.
  • La duración del video se redondea al fotograma completo más cercano, por lo que el MP4 puede ser hasta 1/30 s más largo que spec.total.

Números de nuestra máquina de prueba (Apple M2, 8 GB RAM)

  • Video de 25 s: 26.5 s para renderizar, 4.9 MB.
  • node_modules: 240 MB después de la instalación, aproximadamente 950 MB después del primer render (Chrome Headless Shell más el caché de webpack).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills relacionados