¿Qué hace Diseño de Audio VYBE?
El sonido es la mitad de la calidad percibida. Una imagen mediocre con buen sonido se percibe como costosa; una imagen excelente en silencio se siente inacabada.
La producción (generación, recuperación, cableado) la realiza vybe audio — consulte vybe/references/audio-pipeline.md. Este skill es la dirección: qué pedir y dónde va. Cargue references/sound-design.md para tablas de colocación de SFX.
Decida en este orden
- ¿Se necesita locución? Sí cuando el tema necesita explicación que la imagen no puede transmitir (videos explicativos, documentales, tutoriales) o el usuario lo solicitó. No para stings, texto cinético, piezas de ambiente, la mayoría de anuncios de menos de 20s. Por defecto: desactivado.
- Arco musical. Asigne la música a la historia: introducción (escasa) → construcción (capas que se añaden) → clímax (en la revelación/clímax) → resolución (en el CTA/título). Elija el tempo según la edición: tranquilo 70–95 BPM, seguro 100–115, enérgico 118–128.
- Colocación de SFX. Marque cada evento visible que merezca peso. Luego elimine la mitad. Deje espacio para la música.
- Mezcla. Voz arriba, música debajo, SFX entre medio — y duck la música debajo de la voz.
Voz
| Proveedor | Cuándo | Notas |
|---|---|---|
| HeyGen (Starfish) | mejor calidad + marcas de tiempo nativas de palabras | necesita inicio de sesión OAuth heygen o HEYGEN_API_KEY; subsidio gratuito mediante heygen auth login --oauth |
| ElevenLabs | gran catálogo de voces, voces de marca | ELEVENLABS_API_KEY; temporización de palabras mediante transcripción |
| Gemini TTS | locución dirigida con indicaciones de estilo | solo elección explícita; GEMINI_API_KEY |
| Kokoro-82M | gratuito, sin conexión, privado, determinista | npx hyperframes tts; voces am_michael, bm_george, am_adam, af_sky, af_heart, bf_emma, af_nova; --speed 0.9–1.15 |
Escribir para voz: oraciones cortas, una idea cada una, ~150 ppm (2.5 palabras/s), números escritos como se hablan ("veintinueve horas"), sin texto en pantalla leído textualmente. Deje 0.3s de aire antes de cada línea y al menos 0.5s al final.
Música por estado de ánimo
| Estado de ánimo | Carácter | Adecuado para |
|---|---|---|
| Orquestal cinematográfica | crescendos, cuerdas graves, ascensores, golpes | avances, espacio, revelaciones épicas |
| Tecnología ambiental | pads, pulsos suaves, texturas vítreas | ciencia, IA, explicativos |
| Electrónica futurista | bajo sintético, arpegios, 110–125 BPM | cyberpunk, lanzamientos, tecnología |
| Corporativo edificante | piano + batería ligera, mayor | negocios, SaaS, incorporación |
| Mínima | piano/pulso escaso, mucho espacio | estilo Apple, lujo |
| Enérgica | batería potente, 120–128 BPM | redes sociales, deportes, hype |
| Emocional | lento menor → ascenso mayor | documental, historias, causas |
Redacción de consulta de recuperación: estado de ánimo + instrumentación + energía + tempo, p. ej. "ambiente oscuro orquestal, construcción lenta, sin voces, 70 bpm". Nunca use pistas comerciales protegidas por derechos de autor; la base procedimental de VYBE es la alternativa sin conexión garantizada.
Objetivos de mezcla
| Capa | Nivel |
|---|---|
| Voz | −16 LUFS por línea (normalizado), la capa más fuerte |
| Música bajo la voz | ≈ −28 a −31 LUFS efectivo (duck a ~0.28 de la base) |
| Música sola | ≈ −18 LUFS base al volumen 0.8 |
| SFX | volumen 0.3–0.5; los impactos pueden alcanzar un pico más alto durante un fotograma |
| Entrega final | −14 LUFS integrado, ≤ −1 dBTP (lo realiza vybe finalize) |
Reglas de sincronización
- Los SFX caen en el fotograma del evento visual (impacto al aterrizar, no al despegar; el whoosh comienza ~0.1s antes de que el movimiento alcance su punto máximo; los ascensores terminan exactamente en el golpe).
- Corte en los beats:
npx hyperframes beats→ mueva los límites de la escena a la cuadrícula. - Los subtítulos provienen de la transcripción o de las marcas de tiempo de HeyGen, nunca distribuidos uniformemente.
- Verifique con
npx hyperframes audio --dir composition --at <t>.