¿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_KEYen el entorno, o el usuario listo para ponerla en el.envdel 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 uncta. Usapoints,statybarsen medio. - Cada
sayes 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 cambiar | Editar |
|---|---|
| Colores, nombre del canal, pie de página, subtítulos activados/desactivados, mascota activada/desactivada | script.json, luego python3 narrate.py (gratis, el audio está en caché) |
| Voz | voice.id en script.json o ELEVENLABS_VOICE_ID. Una voz nueva factura cada línea de nuevo. |
| Fuente | Coloca archivos .ttf en public/fonts, listalos en src/fonts.ts, cambia FONT en src/util.ts |
| Diseño de un tipo de escena | Su componente en src/scenes.tsx |
| Encabezado, tarjeta, subtítulos, burbuja, confeti | src/Video.tsx |
| La mascota | src/Mascot.tsx |
Añadir un tipo de escena
- Escribe un componente en
src/scenes.tsxque reciba{s: Scene}y envuelva su contenido en<Layer s={s}>. - Añádelo a
KINDSal final de ese archivo y al tipo uniónkindensrc/util.ts. - Añádelo a
KINDSennarrate.pycon 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, sinsetTimeout, sinMath.random(). Remotion renderiza fotogramas en paralelo y fuera de orden, por lo que cualquier cosa con memoria falla. Usarandom(seed)deremotion. - Todo el tiempo proviene de
spec.json. Nunca codifiques un tiempo en segundos. Lees.start,item.to eltde una palabra, para que una nueva narración re-temporice el video sin cambios de código. - Las fuentes se cargan en
src/fonts.tsdetrás dedelayRender. 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 constaticFile(). - 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 ayudantepop()enutil.tslo envuelve. - La sincronía de labios proviene de las marcas de tiempo de las palabras (
mouthOpenenutil.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).