akachandan1/studio-de-video

Subtitular un video

El usuario proporciona un video de una persona hablando. Elige del catálogo de estilos de subtítulos, que se previsualizan en su propio metraje, y tú entregas el MP4 subtitulado. Todo se ejecuta localmente con HyperFrames. After Effects nunca es necesario.

Kit: .claude/skills/caption-video/kit/ dentro del repositorio del estudio. Los proyectos se crean en videos/captions/<nombre>/ y los videos terminados van a out/captions/<nombre>.mp4 (ambos relativos a la raíz del estudio).

Desde la raíz del estudio, establece K="$PWD/.claude/skills/caption-video/kit" y ejecuta python3 "$K/caption.py" … (pon las rutas entre comillas; las carpetas pueden contener espacios). Usa el python del venv del estudio (.venv/bin/python) si faltan numpy/scipy en el python del sistema — setup/setup.sh lo crea.

Flujo

1. Obtener el video

Si no se proporcionó una ruta de video, pide una. Verifica que exista y que tenga una persona hablando. Ejecuta:

python3 "$K/caption.py" new "<ruta del video>" <nombre-corto>

Esto copia el video, lo recodifica a H.264 y lo transcribe palabra por palabra con WhisperX. La primera ejecución después de un tiempo puede tomar un minuto. Los videos largos tardan aproximadamente el tiempo real ÷ 4.

2. Mostrar la transcripción

Imprime la transcripción de la salida del comando en un bloque legible. Señala cualquier error probable, especialmente nombres de marca y jerga (nombres de productos, "HyperFrames", siglas), y pide al usuario que confirme o los corrija. Las correcciones van en --fix "mal=bien,…" al momento de la construcción. Si la transcripción parece sinsentido, o el audio no tiene voz, detente y dilo. No subtitules palabras inventadas.

3. Mostrar cada estilo en su metraje

Ejecuta python3 "$K/caption.py" styles para la lista y python3 "$K/caption.py" preview <nombre> para la hoja visual. La hoja está en videos/captions/<nombre>/previews/styles.png. Mírala tú mismo, luego envíala con SendUserFile (muestra render). Junto a ella, da la lista numerada con la línea "mejor para" de cada estilo:

1. Lime Hook: el aspecto de plantilla (Anton mayúsculas, palabra hablada en lima)
2. Karaoke Pop: ráfagas grandes de 2 palabras, palabra hablada en amarillo
3. One Word: una palabra gigante a la vez
4. Clean Box: texto oscuro sobre una tarjeta blanca, resaltador en la palabra hablada
5. Editorial: mayúscula y minúscula calmada, palabras clave en cursiva serif
6. Subtitle: subtítulos pequeños de oraciones completas
7. Neon: resplandor cian en la palabra hablada

Recomienda uno en una sola línea basado en el contenido: hype o social → 1 o 2, explicativo o anuncio → 4, historia de fundador o premium → 5, entrevista o podcast → 6, tecnología o IA → 7. Luego pídeles que elijan un número. Si el catálogo en caption.py ha cambiado, lista lo que imprima styles en lugar de esta copia.

4. Gancho (opcional)

Sugiere 3 ganchos tomados de lo que el hablante realmente dice. Lidera con el número, resultado o contradicción más sorprendente, usa de 4 a 8 palabras y mantén el remate en una palabra grande. Dale formato a cada uno en sintaxis de gancho, luego pregunta con AskUserQuestion: tres opciones de gancho más "Sin gancho" (el usuario también puede escribir el suyo propio).

La sintaxis de gancho usa una línea por |, cada una comenzando con su estilo:

• s: introducción en cursiva serif ("Cómo", "Por qué")
• c: configuración en condensada mayúscula blanca
• b: la palabra o número grande con aro (1–2 palabras)
• l: giro en lima mayúscula
• r: etiqueta pequeña en cursiva

Ejemplo: s:Cómo|c:Llegué|b:300k+|l:sin anuncios|r:vistas. El gancho debe coincidir con lo que el video entrega en sus primeros 10 segundos.

4b. Pulido (ofrécelo; ejecútalo cuando pidan corrección de color, audio más limpio, recorte o música)

python3 "$K/polish.py" <nombre> [--grade clean|cinematic|none] [--music calm|none] [--music-level 1.0] [--denoise 100]

• Recortar: corta el silencio antes de la primera palabra y después de la última (mantiene 0.3 s y 0.9 s), y ajusta la transcripción en consecuencia.
• Corrección de color: clean (predeterminado) da piel cálida y saludable, contraste suave y una viñeta suave. cinematic es más profundo y frío. Antes de elegir, compara un fotograma de cada uno contra el original y míralo.
• Voz: eliminación de ruido DeepFilterNet3 (~/.venvs/dfn, creado por setup.sh; nunca lo instales globalmente, necesita numpy<2), luego un filtro paso alto, realce de presencia, de-esser y compresión suave.
• Música: una base sintetizada de piano y pad calmados. En nivel 1 se sitúa unos 20 dB por debajo de la voz en las pausas y unos 25 dB por debajo mientras hablan. Usa --music-level 0.6 para más silencioso o 1.5 para más presente.
• Los originales se guardan como source_orig.mp4 / transcript_orig.json, por lo que el pulido se puede volver a ejecutar con cualquier configuración. Después de pulir, ejecuta build y render nuevamente.
• Menciona cualquier tropiezo o falso comienzo en la apertura ("en el presente, en el momento…"). Cortarlos hace un pequeño corte abrupto, así que pregunta antes de hacerlo.

5. Construir, verificar, renderizar

python3 "$K/caption.py" build <nombre> --style <clave> [--hook "…"] [--hot "palabra,palabra"] [--fix "a=b"]
cd "videos/captions/<nombre>" && npx --yes [email protected] check
python3 "$K/caption.py" render <nombre>

• --hot lista las palabras que permanecen en el color de acento. Elige 2–5 palabras de remate; los números se marcan como hot automáticamente.
• check las advertencias de contraste en el momento de desvanecimiento del gancho son esperadas. Corrige cualquier error real antes de renderizar.
• Antes de renderizar un gancho, haz una captura instantánea (npx --yes [email protected] snapshot . --at 1.6 --no-end --describe false) y verifica que no cubra la cara. Cuando la cara esté alta en el encuadre (persona sentada o plano medio), mueve el gancho al pecho con --hook-y 0.43; el sombreado lo sigue automáticamente.
• Antes de enviar, extrae 3–4 fotogramas de out/captions/<nombre>.mp4 y míralos. Los subtítulos no deben cubrir la boca ni los ojos. Si lo hacen, reconstruye con --cap-y (número más alto = más abajo en la pantalla).
• El metraje filmado de lado (una cámara girada de lado, sin metadatos de rotación) muestra a la persona acostada de lado en la hoja de contactos. Gíralo primero (ffmpeg -vf transpose=2 = 90° antihorario, o transpose=1 = horario; verifica un fotograma) dentro de videos/_caption-inputs/, luego ejecuta new en ese archivo.
• Envía el MP4 con SendUserFile y da su ruta como enlace.

6. Revisiones

La configuración persiste en videos/captions/<nombre>/caption.json, por lo que una revisión es solo build <nombre> --<opción> … seguido de render <nombre>. Solicitudes comunes:

• Estilo diferente: --style.
• Más grande o más pequeño: --size 1.2.
• Más arriba o más abajo: --cap-y 0.7.
• Menos palabras por subtítulo: --words 2.
• Color diferente: --accent "#FF4D3D".
• Cambiar el gancho: --hook; --hook "" lo elimina.
• Longitud del gancho: --hook-dur 3.5.

También pueden abrirlo en HyperFrames Studio ellos mismos con cd videos/captions/<nombre> && npm run dev.

Datos de configuración (si algo falla)

• La transcripción llama a ~/.claude/skills/embedded-captions/scripts/transcribe.cjs con HYPERFRAMES_ROOT=~/.hyperframes-root, una instalación de HyperFrames CLI 0.8.147 con un enlace simbólico packages/cli/dist/cli.js. Si falta alguno, reinstala: npx hyperframes skills update embedded-captions, luego reconstruye ~/.hyperframes-root (npm install [email protected] y enlaza simbólicamente node_modules/hyperframes/dist/cli.js a packages/cli/dist/cli.js).
• Las fuentes están en kit/fonts/ (todas SIL OFL) y se copian en cada proyecto.
• setup/doctor.sh verifica cada componente debajo; setup/setup.sh los repara.
• Los subtítulos que van detrás de la persona son posibles con el flujo de trabajo /embedded-captions, pero es mucho más lento (aproximadamente 4 minutos por cada 10 segundos) y necesita HYPERFRAMES_ROOT configurado. Ofrécelo solo si te lo piden.