Communitygithub.com

Biznomad/agent-skills

Prétraitement d'actifs pour les compositions HyperFrames — synthèse vocale (Kokoro), transcription audio/vidéo (Whisper) et suppression d'arrière-plan pour les incrustations transparentes (u2net). Utilisez-le pour générer des voix off à partir de texte, transcrire de la parole pour les sous-titres, supprimer l'arrière-plan d'une vidéo ou d'une image pour une incrustation transparente, choisir une voix TTS ou un modèle Whisper, ou enchaîner ces opérations (TTS → transcrire → sous-titres). Chaque commande télécharge son propre modèle lors de la première exécution.

Qu'est-ce que agent-skills ?

Cette compétence regroupe trois outils CLI pour HyperFrames qui produisent des actifs prêts à l'emploi pour des compositions multimédias : la synthèse vocale avec Kokoro-82M (sans clé API), la transcription audio/vidéo avec Whisper (générant un fichier transcript.json contenant les horodatages au niveau des mots), et la suppression d'arrière-plan vidéo/image via u2net_human_seg (créant des incrustations transparentes au format WebM alpha ou PNG). Chaque commande télécharge automatiquement son modèle (~168 Mo à ~311 Mo) lors de la première exécution et le met en cache dans `~/.cache/hyperframes/`. La compétence est conçue pour les développeurs travaillant avec HyperFrames, permettant de générer des voix off, des sous-titres synchronisés et des calques vidéo transparents sans services cloud, directement en local. Elle prend en charge une cinquantaine de voix multilingues, plusieurs tailles de modèles Whisper, et des options avancées comme la séparation des calques d'arrière-plan pour insérer du texte entre le sujet et le fond. La compétence est utilisable via `npx hyperframes <commande>` et nécessite Python 3.8+ avec certaines dépendances optionnelles (kokoro-onnx, soundfile) pour la synthèse vocale. Les instructions détaillées couvrent le choix des voix selon le type de contenu, les règles strictes de sélection des modèles Whisper pour éviter une traduction involontaire, et des schémas de composition HTML précis pour les incrustations transparentes.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Biznomad/agent-skills/tree/HEAD/hyperframes-media

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Aperçu

Depuis le README du skill

Documentation

Prétraitement Média HyperFrames

Trois commandes CLI qui produisent des actifs pour les compositions : tts (parole), transcribe (horodatages) et remove-background (vidéo transparente). Chacune télécharge un modèle lors de la première exécution et le met en cache dans ~/.cache/hyperframes/. Placez la sortie dans le projet, puis référencez-la dans le HTML de la composition — voir la compétence hyperframes pour les conventions des éléments audio/vidéo.

Synthèse Vocale (tts)

Générez de la parole localement avec Kokoro-82M. Aucune clé API n'est nécessaire.

npx hyperframes tts "Texte ici" --voice af_nova --output narration.wav
npx hyperframes tts script.txt --voice bf_emma --output narration.wav
npx hyperframes tts --list                       # les 54 voix

Sélection de la Voix

Faites correspondre la voix au contenu. La voix par défaut est af_heart.

Type de contenuVoixPourquoi
Démo produitaf_heart/af_novaChaleureux, professionnel
Tutoriel / mode d'emploiam_adam/bf_emmaNeutre, facile à suivre
Marketing / promotionaf_sky/am_michaelÉnergique ou autoritaire
Documentationbf_emma/bm_georgeAnglais britannique clair, formel
Décontracté / socialaf_heart/af_skyAccessible, naturel

Multilingue

Les identifiants de voix encodent la langue dans la première lettre : a=anglais américain, b=anglais britannique, e=espagnol, f=français, h=hindi, i=italien, j=japonais, p=portugais brésilien, z=mandarin. La CLI détecte automatiquement la locale du phonémiseur à partir du préfixe — pas besoin de --lang lorsque la voix correspond au texte.

npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav

Utilisez --lang uniquement pour remplacer la détection automatique (accents stylisés). Codes valides : en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. La phonémisation non anglaise nécessite espeak-ng à l'échelle du système (brew install espeak-ng / apt-get install espeak-ng).

Vitesse

  • 0.7-0.8 — tutoriel, contenu complexe, accessibilité
  • 1.0 — rythme naturel (par défaut)
  • 1.1-1.2 — introductions, transitions, contenu dynamique
  • 1.5+ — rarement approprié ; testez avec soin

Scripts Longs

Pour plus de quelques paragraphes, écrivez le contenu dans un fichier .txt et passez le chemin. Les entrées de plus de ~5 minutes de parole peuvent bénéficier d'un découpage en segments.

Prérequis

Python 3.8+ avec kokoro-onnx et soundfile (pip install kokoro-onnx soundfile). Le modèle est téléchargé lors de la première utilisation (~311 Mo + ~27 Mo de voix, mis en cache dans ~/.cache/hyperframes/tts/).

Transcription (transcribe)

Produit un fichier transcript.json normalisé avec des horodatages au niveau des mots.

npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt          # importation existante
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Règle de Langue (Non Négociable)

N'utilisez jamais les modèles .en sauf si l'utilisateur déclare explicitement que l'audio est en anglais. Les modèles .en (small.en, medium.en) traduisent l'audio non anglais en anglais au lieu de le transcrire. Cela détruit silencieusement la langue d'origine.

  1. Langue connue et non anglaise → --model small --language <code> (pas de suffixe .en)
  2. Langue connue et anglaise → --model small.en
  3. Langue inconnue → --model small (pas de .en, pas de --language) — whisper détecte automatiquement

Le modèle par défaut est small, pas small.en.

Tailles de Modèle

ModèleTailleVitesseQuand l'utiliser
tiny75 MoLe plus rapideAperçus rapides, test du pipeline
base142 MoRapideCourts extraits, audio clair
small466 MoModéréePar défaut — la plupart des contenus
medium1,5 GoLenteContenu important, audio bruité, musique
large-v33,1 GoLa plus lenteQualité production

Musique avec voix : commencez au minimum par medium ; les pistes produites nécessitent souvent une importation manuelle SRT/VTT. Pour les vérifications de qualité des sous-titres (obligatoires après chaque transcription), le JS de nettoyage, les règles de nouvelle tentative, et le chemin d'importation API OpenAI/Groq, voir hyperframes/references/transcript-guide.md.

Structure de Sortie

Les compositions consomment un tableau plat d'objets word. Le champ id (w0, w1, ...) est ajouté lors de la normalisation pour des références stables dans les surcharges de sous-titres ; il est optionnel pour la rétrocompatibilité.

[
  { "id": "w0", "text": "Bonjour", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "le monde.", "start": 0.6, "end": 1.2 }
]

Suppression d'Arrière-Plan (remove-background)

Supprimez l'arrière-plan d'une vidéo ou d'une image pour que le sujet (généralement une personne — avatar, présentateur, tête parlante) soit placé comme une incrustation transparente dans une composition.

npx hyperframes remove-background sujet.mp4 -o transparent.webm  # par défaut : VP9 alpha WebM
npx hyperframes remove-background sujet.mp4 -o transparent.mov   # ProRes 4444 (montage)
npx hyperframes remove-background portrait.jpg -o decoupe.png    # découpage d'image unique
npx hyperframes remove-background sujet.mp4 -o sujet.webm \
  --background-output fond.webm                                   # les deux calques en une seule passe
npx hyperframes remove-background sujet.mp4 -o transparent.webm --device cpu
npx hyperframes remove-background --info                           # fournisseurs détectés

Utilise u2net_human_seg (MIT). La première exécution télécharge ~168 Mo de poids vers ~/.cache/hyperframes/background-removal/models/.

Séparation des Calques (--background-output)

Passez --background-output (ou -b) pour émettre une seconde vidéo transparente en plus du découpage : même RVB source, alpha est 255 − masque au lieu de masque. Le découpage est le sujet avec un arrière-plan transparent ; le fond est l'environnement d'origine avec un trou transparent à l'emplacement du sujet.

FichierL'alpha est…À utiliser pour
-o sujet.webmLe masque — sujet opaque, arrière-plan transparentCalque de premier plan, placé au-dessus
--background-output fond.webmInverse — environnement opaque, région du sujet transparentCalque de fond ; placez du texte ou des graphiques entre ceci et le sujet

Les deux sorties partagent le même préréglage --quality et sont issues d'une seule passe d'inférence — le coût de codage double environ, le coût de segmentation reste le même. Valide uniquement pour les entrées vidéo et les sorties .webm/.mov.

Fond troué, pas un fond nettoyé par inpainting. La région du sujet dans fond.webm est entièrement transparente — composez quelque chose d'opaque en dessous pour remplir le trou. Le seul test pour savoir si --background-output est le bon outil : y aura-t-il quelque chose de visible à travers la silhouette du sujet, là où se trouvait le sujet ?

Cas d'utilisationBon outil
Texte/graphiques entre le découpage et le fond (raison d'être de cette commande)Fond troué (--background-output)
Sujet sur une scène sans rapportJuste sujet.webm ; ignorez le fond
Montrer la pièce sans la personne, seule, sans autre contenuFond nettoyé — nécessite un inpaint (LaMa, ProPainter, E2FGVI). Pas cette commande.
Remplacer le sujet par un sujet différentFond nettoyé — idem ci-dessus

Si un utilisateur demande « la pièce avec la personne supprimée » et a l'intention de l'afficher seule, n'utilisez pas --background-output. Dites-lui qu'il a besoin d'un inpaint.

Composition typique en calques (le cas d'utilisation canonique du trou) :

<!-- z=1 le fond à alpha inversé remplit tout sauf la région du sujet -->
<video
  src="fond.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 graphiques / texte entre les deux calques -->
<h1 id="titre" style="z-index:2; ...">FAITES-LE DANS HYPERFRAMES</h1>

<!-- z=3 le découpage replace le sujet au-dessus du titre -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
  <video
    src="sujet.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

C'est fonctionnellement équivalent au motif texte-derrière-sujet ci-dessous, mais vous n'avez pas besoin du presentateur.mp4 d'origine dans le projet — le fond le remplace. Utile lorsque vous souhaitez ne livrer que les deux calques transparents et laisser l'utilisateur placer du contenu arbitraire entre eux.

Format de Sortie

FormatQuand
.webm (VP9 + alpha)Par défaut. Les compositions lisent ceci directement via <video>.
.mov (ProRes 4444)Montage dans DaVinci/Premiere/FCP. Fichiers volumineux.
.pngDécoupage d'image unique (sujet fixe, superposé sur un fond).

Chrome décode nativement le VP9 alpha, donc le .webm s'intègre dans une composition comme n'importe quelle autre vidéo en lecture automatique muette — voir la compétence hyperframes pour les conventions de pistes <video>.

Préréglages de Qualité

--quality fast|balanced|best contrôle uniquement le CRF de l'encodeur VP9 — la qualité de segmentation est fixe.

PréréglageCRFQuand
fast30Itérations, fichier plus petit, correspondance de couleur lâche
balanced18Par défaut. Visuellement identique pour la plupart des usages
best12Version maître / livraison finale. Fichier le plus volumineux, correspondance la plus serrée

Schémas de Composition — Choisissez le Bon

Le webm de découpage est une copie ré-encodée du RVB de la source mp4. Ce choix a des conséquences selon ce que vous placez derrière :

SchémaCe qui est derrière le découpageRésultat
Découpage sur une scène différente (le plus courant)Image statique, dégradé, ou vidéo sans rapportSuperbe. Le RVB du découpage est la seule source du sujet — pas de doublement, pas de halo de bord. C'est ce pour quoi remove-background est conçu.
Découpage sur son propre mp4 source (texte-derrière-sujet)Même mp4 dont le découpage a été généréDeux sources RVB pour la même personne. Au préréglage --quality balanced par défaut (crf 18), le doublement est à peine visible ; avec --quality fast (crf 30), vous verrez un léger décalage de couleur / halo de bord. Utilisez --quality best (crf 12) pour les versions maîtres.
Découpage sur une autre prise de la même personneImages de la même personneRessemblera à deux personnes distinctes se chevauchant. Ne faites pas cela.

Texte-derrière-sujet (titre derrière un présentateur) :

<video
  src="presentateur.mp4"
  id="fond"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="titre" style="z-index:2; ...">FAITES-LE DANS HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="presentateur.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Deux règles clés :

  1. Enveloppez la vidéo de découpage dans un <div> non temporisé et animez l'opacité de l'enveloppe, pas l'élément vidéo. Le framework force l'opacité à 1 sur les clips actifs (tout élément avec data-start/data-duration), donc animer directement l'opacité de la vidéo est silencieusement ignoré. L'enveloppe n'a pas d'attributs data-*, donc elle est gérée par votre CSS/GSAP.
  2. Les deux vidéos utilisent data-start="0" et data-media-start="0" pour que le framework les décode en synchronisation à partir de t=0. Monter tardivement le découpage (data-start=3.3) introduit une recherche + préchauffage qui décale d'une image par rapport au mp4 de base — visible comme une image de désalignement au moment de l'incrustation.

Ensuite, basculez l'opacité de l'enveloppe avec GSAP au moment de l'incrustation : tl.set(cutoutWrap, { opacity: 1 }, 3.3).

TTS → Transcrive → Sous-titres

Lorsqu'il n'y a pas de voix off préenregistrée, générez-en une et retranscrivez-la pour obtenir des horodatages au niveau des mots pour les sous-titres :

npx hyperframes tts script.txt --voice af_heart --output narration.wav
npx hyperframes transcribe narration.wav   # → transcript.json

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Biznomad/agent-skills

Landing page quality assessment for paid advertising campaigns. Evaluates message match, page speed, mobile experience, trust signals, form optimization, and conversion rate potential. Use when user says "landing page", "post-click experience", "landing page audit", "conversion rate", or "landing page optimization".

Biznomad/agent-skills

TikTok Ads deep analysis covering creative quality, tracking, bidding, campaign structure, and TikTok Shop. Evaluates 25 checks with emphasis on creative-first strategy, safe zone compliance, and Smart+ campaigns. Use when user says "TikTok Ads", "TikTok marketing", "TikTok Shop", "Spark Ads", "Smart+", or "TikTok campaign".

Biznomad/agent-skills

YouTube Ads specific analysis covering campaign types, creative quality, audience targeting, and measurement. Evaluates video ad performance across skippable, non-skippable, bumper, Shorts, and Demand Gen formats. Use when user says "YouTube Ads", "video ads", "pre-roll", "bumper ads", "YouTube campaign", or "Shorts ads".

Biznomad/agent-skills

Help users get promoted at work. Use when someone is preparing for a promotion conversation, building their case for advancement, trying to understand what's blocking their promotion, or figuring out how to get to the next level in their career.

Biznomad/agent-skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

Biznomad/agent-skills

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. Shows which VERSION slots are currently claimed by open PRs, which sibling Conductor workspaces have WIP work likely to ship soon, and what slot /ship would pick next. No mutations — just a snapshot. Use when asked to "landing report", "what's in the queue", "show me open PRs", or "which version do I claim next". (gstack)

Biznomad/agent-skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

Biznomad/agent-skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

Biznomad/agent-skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

Biznomad/agent-skills

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Biznomad/agent-skills

>- The Landing Page Audit skill performs comprehensive evaluations of post-click experiences, combining technical performance analysis with conversion rate optimization (CRO) assessment.

Biznomad/agent-skills

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

Biznomad/agent-skills

Optimize landing pages for higher conversion rates using proven frameworks and design patterns. Use when designing, reviewing, or improving landing pages, hero sections, pricing pages, CTAs, or when the user asks about conversion optimization.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. (gstack)

Biznomad/agent-skills

Building promotion cases, brag documents, tracking wins, and self-advocacy for career advancement. Use when preparing for promotions, documenting accomplishments, or building your case for advancement.

Biznomad/agent-skills

Best practices for Remotion - Video creation in React

Biznomad/agent-skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

Biznomad/agent-skills

Produce programmable videos with Remotion using scene planning, asset orchestration, and validation gates for automated, brand-consistent video content.

Biznomad/agent-skills

Reviews animation and motion code against a high craft bar derived from Emil Kowalski's design engineering philosophy. Default to flagging; approval is earned.

Skills associés