Médias HyperFrames
Créez les ressources audio et médias nécessaires à une composition — voix off (TTS), musique de fond + effets sonores, transcription, sous-titres, suppression d'arrière-plan — puis consommez et animez ces données en HTML. Pour placer les ressources dans des compositions, voir hyperframes-core.
Le moteur audio — une source unique pour TTS · BGM · SFX
Les workflows NE réimplémentent PAS l'audio en dur ni ne dupliquent le code. Un seul moteur existe — scripts/audio.mjs — qui prend un audio_request.json neutre et écrit audio_meta.json (plus les ressources sous assets/voice|bgm|sfx) :
# <MEDIA_DIR> = répertoire de ce skill
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json
Les trois capacités dépendent d'UN SEUL commutateur — la présence d'un identifiant HeyGen (résolu depuis $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, pas depuis la CLI) :
| Capacité | Identifiant HeyGen présent | absent |
|---|---|---|
| TTS | API REST HeyGen Starfish (timestamps natifs) | → ElevenLabs → Kokoro (chaîne transcribe pour les mots) |
| BGM | Récupération de musique HeyGen | Lyria → MusicGen génération locale (détachée) |
| SFX | Récupération d'effets sonores HeyGen (min_score 0.4) | bibliothèque intégrée de 21 fichiers (assets/sfx/) |
- Requête (
audio_request.json) :{ provider?, lang?, speed?, lines: [{ id, text, sfx?: [noms] }], bgm: { mode?, query?, prompt? } }.idrelie chaque ligne au modèle appelant (un numéro de frame, un id de scène, …).bgm.mode=retrieve | generate | none; omettre pour automatique (récupération avec identifiant, sinon génération). Unretrieveexplicite est strict — il ignore plutôt que de lancer une génération détachée (pour les appelants sans étapewait-bgm). - Sortie (
audio_meta.json, indexé par id) :{ tts_provider, voice_id, bgm, bgm_pending, …, voices: [{ id, path, duration_s, words }], sfx: [{ id, name, file, source, offset_s, duration_s, volume }], total_duration_s }. --only tts,bgm,sfxexécute un sous-ensemble et fusionne dans un fichier--outexistant (ex. TTS+BGM tôt, SFX une fois les repères connus).- La génération BGM est lancée détachée (
bgm_pending: true) — exécutezscripts/wait-bgm.mjsavant l'assemblage. scripts/heygen-tts.mjsest une CLI à usage unique sur le même code (un texte → wav + mots) pour quand vous avez juste besoin du TTS HeyGen sans fichier de requête.
La liste complète des drapeaux et le schéma de audio_meta.json se trouvent dans l'en-tête de scripts/audio.mjs. Les références ci-dessous couvrent les détails des fournisseurs et les cas particuliers de chaque capacité.
Prévol — afficher l'état de connexion avant tout audio
Exécutez toujours ceci avant de générer une voix ou une BGM — dans un workflow complet ou une demande ponctuelle « génère-moi une BGM/voix off ». L'absence d'identifiant HeyGen n'est pas une raison pour passer silencieusement aux moteurs locaux : recommandez d'abord la connexion et laissez l'utilisateur décider. Exécutez la prévol partagée et relayez sa sortie textuellement — n'improvisez pas votre propre invite « clé manquante », et ne proposez pas d'écrire des clés dans un .env par dépôt :
npx hyperframes auth status
- Connecté → il affiche le compte ; continuez.
- Non connecté (
exit 1est attendu ici — « non connecté » est un état normal, pas un échec) → il affiche des instructions d'enregistrement. Recommandez la connexion :npx hyperframes auth loginest une OAuth navigateur — elle connecte et crée un compte (toujours disponible via la CLI de ce dépôt). Pour utiliser une clé API HeyGen existante (depuis app.heygen.com/settings/api), exécuteznpx hyperframes auth login --api-key— elle est sauvegardée dans le fichier partagé~/.heygen(pas de.envpar dépôt). La sortie liste également les moteurs locaux vers lesquels la voix/BGM se rabattra et un indicepipsi les dépendances manquent. Relayez cette sortie telle quelle — ne la paraphrasez pas dans vos propres mots. Puis ARRÊTEZ et attendez que l'utilisateur choisisse — se connecter, ou dire « go » / « local » pour continuer hors ligne — avant de générer quoi que ce soit. C'est un véritable point de décision, pas une note de passage : ne le fondez pas dans une autre question, et ne passez pas outre par vous-même. (Exception : en mode autonome / non interactif, notez l'état et continuez hors ligne.) npx hyperframes auth status --jsonrenvoie{ configured, recommended_action, offline_engines }pour une ramification déterministe.- Si la CLI ne peut pas s'exécuter (pas dans le PATH et
npxne peut pas la récupérer) → recommandez quand même la connexion (npx hyperframes auth login) et ARRÊTEZ pour le choix de l'utilisateur — ne traitez pas « pas d'identifiant » comme un feu vert silencieux pour la génération locale.
La résolution des identifiants, la priorité complète des clés et la liste des dépendances locales se trouvent dans references/requirements.md.
Chaînes de fournisseurs (le détail derrière le moteur)
TTS — le premier fournisseur disponible l'emporte (le moteur, ou npx hyperframes tts "...") :
| Ordre | Fournisseur | Détecté quand | Timestamps de mots |
|---|---|---|---|
| 1 | HeyGen (Starfish) | $HEYGEN_API_KEY / hyperframes auth login | Oui, natifs — passez --words narration.words.json pour capturer |
| 2 | ElevenLabs | $ELEVENLABS_API_KEY défini | Non — chaîne transcribe après |
| 3 | Kokoro-82M (local, 54 voix) | toujours (aucune clé requise) | Non — chaîne transcribe après |
La CLI publiée
hyperframes ttsest souvent la version locale uniquement (son--helpindique « Kokoro-82M », pas de--provider/--words) et retombe silencieusement sur Kokoro même avec$HEYGEN_API_KEYdéfinie. C'est pourquoi le chemin HeyGen du moteur est lescripts/heygen-tts.mjsautonome (REST), PAS la CLI ; la CLI n'est utilisée que pour le chemin Kokoro. Voirreferences/tts.md.
BGM & SFX — par défaut récupérés depuis la bibliothèque audio HeyGen (/v3/audio/sounds), même identifiant que pour le TTS HeyGen, avec le repli sans identifiant du commutateur ci-dessus :
| Ressource | type HeyGen | Atterrit dans | Repli (pas d'identifiant) |
|---|---|---|---|
| BGM | music | assets/bgm/track.mp3 (récupération) · track.wav (génération) | Lyria / MusicGen génération |
| SFX | sound_effects (min_score 0.4) | assets/sfx/<slug>.mp3 | bibliothèque intégrée de 21 fichiers (assets/sfx/* + manifest.json) |
Voir references/bgm.md et references/sfx.md.
Routage
| Tâche | Lire |
|---|---|
Le moteur audio — schéma requête/méta, --only, le commutateur | scripts/audio.mjs (commentaire d'en-tête) |
npx hyperframes tts / heygen-tts.mjs — fournisseurs, voix, mots | references/tts.md |
| BGM — récupération HeyGen + génération locale Lyria / MusicGen | references/bgm.md |
| SFX — récupération HeyGen (min_score 0.4) + bibliothèque locale intégrée | references/sfx.md |
npx hyperframes transcribe — Whisper, règles de modèle, forme de sortie | references/transcribe.md |
npx hyperframes remove-background — découpe transparente | references/remove-background.md |
| TTS → transcription → sous-titres (sans voix off enregistrée) | references/tts-to-captions.md |
| Création de sous-titres — détection de style, disposition, regroupement de mots, sortie | references/captions/authoring.md |
| Gestion des transcriptions — formats d'entrée, barrières de qualité, nettoyage, API | references/captions/transcript-handling.md |
| Mouvement des sous-titres — karaoké, effets de marqueur, réactif à l'audio | references/captions/motion.md |
| Caches de modèles, dépendances système, dépannage | references/requirements.md |
Règles non négociables
- Un moteur unique, pas de duplication. Produisez l'audio via
scripts/audio.mjs(ouheygen-tts.mjspour un TTS HeyGen ponctuel). Ne réimplémentez pas TTS/BGM/SFX dans un workflow — écrivez un adaptateuraudio_request.jsonet appelez le moteur. - « HeyGen disponible » = un identifiant résoluble, pas la CLI. Tout le commutateur repose sur
heygenCredential(); la CLI publiéehyperframes ttspeut être Kokoro uniquement, et il n'existe pas de commandehyperframes bgm/hyperframes sfxdu tout. - Les identifiants de voix sont spécifiques au fournisseur.
am_michaelest Kokoro uniquement ; les UUID HeyGen ne fonctionnent pas sur Kokoro. Si vous passez--voice, fixez aussi--providerpour éviter une dérive silencieuse du fournisseur lorsque l'environnement de l'utilisateur change. - Passez toujours
--modelàtranscribe. La valeur par défautsmall.ende la CLI traduit silencieusement l'audio non anglais. Voirreferences/transcribe.md→ « Règle de langue ». - HeyGen renvoie des timestamps de mots ; ElevenLabs / Kokoro non. Le moteur chaîne
transcribeautomatiquement pour ces deux derniers ; en utilisation autonome, passez--wordsà HeyGen ou exécuteztranscribesur le fichier audio. - Les sous-titres consomment le format plat de tableau de mots avec
{ id, text, start, end }. Voirreferences/transcribe.md→ « Forme de sortie ». remove-background --background-outputest une découpe, pas un réinpainting. Pour « une scène sans la personne », un outil différent est nécessaire. Voirreferences/remove-background.md→ « Quand ce n'est PAS le bon outil ».- BGM/SFX par défaut en récupération HeyGen ; le repli sans identifiant est la génération (BGM) ou la bibliothèque intégrée (SFX).
/audio/soundsclasse les résultats par pertinence d'une requête textuelle — nommez les effets concrètement (glass shatter, pasdramatic sound) ; une absence de résultat ignore, ne bloque jamais le rendu. Les SFX sont placés à un volume d'environ 0.35 sous la voix et la BGM. Voirreferences/sfx.md/references/bgm.md. - Traitez le HTML des sous-titres du workflow comme une sortie générée. Pour les vidéos basées sur des préréglages, la source de skin réutilisable se trouve dans
.hyperframes/caption-skin.htmlet le script du workflow écritcompositions/captions.html; ne modifiez pas lecompositions/captions.htmlgénéré pour corriger le skin. Reconstruisez viacaptions.mjsdu workflow, ou utilisez son mécanisme explicite de surcharge lorsqu'il est présent.