Communitygithub.com

Biznomad/agent-skills

Pré-processamento de ativos para composições HyperFrames — narração texto-para-fala (Kokoro), transcrição de áudio/vídeo (Whisper) e remoção de fundo para sobreposições transparentes (u2net).

O que é agent-skills?

Este pacote de habilidades fornece três comandos de interface de linha de comando projetados para preparar ativos de mídia para composições HyperFrames. O comando `tts` gera narração de fala localmente usando o modelo Kokoro-82M, suportando múltiplas vozes e idiomas sem a necessidade de uma chave de API. O comando `transcribe` usa o Whisper para produzir transcrições com timestamps em nível de palavra, com regras importantes para evitar erros de tradução ao lidar com áudio não inglês. O comando `remove-background` utiliza o modelo u2net_human_seg para separar o assunto do fundo em vídeos e imagens, criando ativos transparentes para sobreposições. Juntas, essas ferramentas formam um pipeline essencial para criar narrações, legendas e composições em camadas para o ecossistema HyperFrames, com cada comando baixando seu modelo automaticamente na primeira execução.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Prévia

Do README da skill

Documentação

Pré-processamento de Mídia HyperFrames

Três comandos CLI que produzem ativos para composições: tts (fala), transcribe (timestamps) e remove-background (vídeo transparente). Cada um baixa um modelo na primeira execução e o armazena em cache em ~/.cache/hyperframes/. Coloque a saída no projeto e, em seguida, referencie-a a partir do HTML da composição — veja a habilidade hyperframes para as convenções de elementos de áudio/vídeo.

Texto-para-Fala (tts)

Gere áudio de fala localmente com Kokoro-82M. Sem chave de API.

npx hyperframes tts "Texto aqui" --voice af_nova --output narracao.wav
npx hyperframes tts script.txt --voice bf_emma --output narracao.wav
npx hyperframes tts --list                       # todas as 54 vozes

Seleção de Voz

Combine a voz ao conteúdo. O padrão é af_heart.

Tipo de conteúdoVozPor que
Demonstração de produtoaf_heart/af_novaCalorosa, profissional
Tutorial / como fazeram_adam/bf_emmaNeutra, fácil de seguir
Marketing / promoçãoaf_sky/am_michaelEnergética ou autoritária
Documentaçãobf_emma/bm_georgeInglês britânico claro, formal
Casual / redes sociaisaf_heart/af_skyAcessível, natural

Multilíngue

Os IDs de voz codificam o idioma na primeira letra: a=Inglês Americano, b=Inglês Britânico, e=Espanhol, f=Francês, h=Hindi, i=Italiano, j=Japonês, p=Português Brasileiro, z=Mandarim. A CLI detecta automaticamente a localidade do fonemizador a partir do prefixo — não é necessário --lang quando a voz corresponde ao texto.

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

Use --lang apenas para substituir a detecção automática (sotaques estilizados). Códigos válidos: en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. A fonemização em idiomas não ingleses requer o espeak-ng no sistema (brew install espeak-ng / apt-get install espeak-ng).

Velocidade

  • 0.7-0.8 — tutorial, conteúdo complexo, acessibilidade
  • 1.0 — ritmo natural (padrão)
  • 1.1-1.2 — intros, transições, conteúdo animado
  • 1.5+ — raramente apropriado; teste com cuidado

Scripts Longos

Para mais do que alguns parágrafos, escreva em um arquivo .txt e passe o caminho. Entradas com mais de ~5 minutos de fala podem se beneficiar da divisão em segmentos.

Requisitos

Python 3.8+ com kokoro-onnx e soundfile (pip install kokoro-onnx soundfile). O modelo é baixado no primeiro uso (~311 MB + ~27 MB de vozes, armazenado em cache em ~/.cache/hyperframes/tts/).

Transcrição (transcribe)

Produz um transcript.json normalizado com timestamps em nível de palavra.

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

Regra de Idioma (Innegociável)

Nunca use modelos .en a menos que o usuário afirme explicitamente que o áudio é em inglês. Os modelos .en (small.en, medium.en) traduzem áudio não inglês para o inglês, em vez de transcrevê-lo. Isso destrói silenciosamente o idioma original.

  1. Idioma conhecido e não inglês → --model small --language <código> (sem sufixo .en)
  2. Idioma conhecido e inglês → --model small.en
  3. Idioma desconhecido → --model small (sem .en, sem --language) — o whisper detecta automaticamente

O modelo padrão é small, não small.en.

Tamanhos de Modelo

ModeloTamanhoVelocidadeQuando usar
tiny75 MBMais rápidoPré-visualizações rápidas, teste de pipeline
base142 MBRápidoClipes curtos, áudio claro
small466 MBModeradoPadrão — a maioria do conteúdo
medium1.5 GBLentoConteúdo importante, áudio ruidoso, música
large-v33.1 GBMais lentoQualidade de produção

Música com vocais: comece com medium no mínimo; as faixas produzidas geralmente precisam de importação manual de SRT/VTT. Para verificações de qualidade de legenda (obrigatórias após cada transcrição), o JS de limpeza, regras de nova tentativa e o caminho de importação da API OpenAI/Groq, veja hyperframes/references/transcript-guide.md.

Formato de Saída

As composições consomem um array plano de objetos de palavra. O campo id (w0, w1, ...) é adicionado durante a normalização para referências estáveis em substituições de legenda; é opcional para compatibilidade reversa.

[
  { "id": "w0", "text": "Olá", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "mundo.", "start": 0.6, "end": 1.2 }
]

Remoção de Fundo (remove-background)

Remove o fundo de um vídeo ou imagem para que o sujeito (normalmente uma pessoa — avatar, apresentador, cabeça falante) fique como uma sobreposição transparente em uma composição.

npx hyperframes remove-background sujeito.mp4 -o transparente.webm  # padrão: WebM VP9 com alfa
npx hyperframes remove-background sujeito.mp4 -o transparente.mov   # ProRes 4444 (edição)
npx hyperframes remove-background retrato.jpg -o recorte.png       # recorte de imagem única
npx hyperframes remove-background sujeito.mp4 -o sujeito.webm \
  --background-output placa.webm                                   # ambas as camadas em uma única passagem
npx hyperframes remove-background sujeito.mp4 -o transparente.webm --device cpu
npx hyperframes remove-background --info                           # provedores detectados

Usa u2net_human_seg (MIT). Na primeira execução, baixa ~168 MB de pesos para ~/.cache/hyperframes/background-removal/models/.

Separação de camadas (--background-output)

Passe --background-output (ou -b) para emitir um segundo vídeo transparente junto com o recorte: mesmo RGB de origem, o alfa é 255 − máscara em vez de máscara. O recorte é o sujeito com um fundo transparente; a placa é o ambiente original com um buraco transparente onde estava o sujeito.

ArquivoAlfa é…Use para
-o sujeito.webmA máscara — sujeito opaco, fundo transparenteCamada de primeiro plano, coloque por cima
--background-output placa.webmInversa — ambiente opaco, região do sujeito transparenteCamada de fundo; coloque texto ou gráficos entre esta e o sujeito

Ambas as saídas compartilham a mesma predefinição --quality e são executadas a partir de uma única inferência — o custo de codificação aproximadamente dobra, o custo de segmentação permanece o mesmo. Válido apenas para entradas de vídeo e saídas .webm/.mov.

Placa com buraco, não uma placa limpa com inpaint. A região do sujeito em placa.webm é totalmente transparente — componha algo opaco abaixo dela para preencher o buraco. O teste único para saber se --background-output é a ferramenta certa: alguma coisa será visível através da silhueta do sujeito onde o sujeito costumava estar?

Caso de usoFerramenta certa
Texto/gráficos entre o recorte e a placa (razão de existir deste comando)Buraco (--background-output)
Sujeito sobre uma cena não relacionadaApenas sujeito.webm; ignore a placa
Mostrar a sala sem a pessoa, sozinha sobre nenhum outro conteúdoPlaca limpa — precisa de um inpaint (LaMa, ProPainter, E2FGVI). Não este comando.
Substituir o sujeito por um sujeito diferentePlaca limpa — o mesmo que acima

Se um usuário pedir "a sala com a pessoa removida" e pretender exibi-la sozinha, não use --background-output. Diga a ele que precisa de um inpaint.

Composição em camadas típica (o caso de uso canônico de buraco):

<!-- z=1 a placa de alfa inverso preenche tudo exceto a região do sujeito -->
<video
  src="placa.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 gráficos / texto vivem entre as duas camadas -->
<h1 id="titulo" style="z-index:2; ...">FAÇA EM HYPERFRAMES</h1>

<!-- z=3 o recorte flutua o sujeito de volta sobre o título -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
  <video
    src="sujeito.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Isso é funcionalmente equivalente ao padrão texto-atrás-do-sujeito abaixo, mas você não precisa do apresentador.mp4 original no projeto — a placa o substitui. Útil quando você deseja enviar apenas as duas camadas transparentes e permitir que o usuário coloque conteúdo arbitrário entre elas.

Formato de Saída

FormatoQuando
.webm (VP9 + alfa)Padrão. As composições reproduzem isso diretamente via <video>.
.mov (ProRes 4444)Edição no DaVinci/Premiere/FCP. Arquivos grandes.
.pngRecorte de imagem única (sujeito parado, sobreposto a um fundo).

O Chrome decodifica VP9 alfa nativamente, então o .webm se encaixa em uma composição como qualquer outro vídeo com reprodução automática silenciada — veja a habilidade hyperframes para as convenções de faixa <video>.

Predefinições de qualidade

--quality fast|balanced|best controla apenas o CRF do codificador VP9 — a qualidade da segmentação é fixa.

PredefiniçãoCRFQuando
fast30Iterando, arquivo menor, correspondência de cor mais frouxa
balanced18Padrão. Visualmente idêntico para a maioria dos usos
best12Master / entrega final. Arquivo maior, correspondência mais precisa

Padrões de composição — escolha o certo

O webm do recorte é uma cópia recodificada do RGB do mp4 de origem. Essa escolha tem consequências dependendo do que você coloca atrás dele:

PadrãoO que está atrás do recorteResultado
Recorte sobre uma cena diferente (mais comum)Imagem estática, gradiente ou vídeo não relacionadoFica ótimo. O RGB do recorte é a única fonte do sujeito — sem duplicação, sem halo de borda. É para isso que remove-background foi criado.
Recorte sobre seu próprio mp4 de origem (texto-atrás-do-sujeito)Mesmo mp4 do qual o recorte foi geradoDuas fontes RGB para a mesma pessoa. Na predefinição padrão --quality balanced (crf 18) a duplicação é quase invisível; em --quality fast (crf 30) você verá uma leve mudança de cor / halo de borda. Use --quality best (crf 12) para masters.
Recorte sobre uma tomada diferente da mesma pessoaFilmagem do mesmo sujeitoParecerá duas pessoas separadas se sobrepondo. Não faça isso.

Texto-atrás-do-sujeito (título atrás de um apresentador):

<video
  src="apresentador.mp4"
  id="bg"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="titulo" style="z-index:2; ...">FAÇA EM HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="apresentador.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Duas regras principais:

  1. Envolva o vídeo do recorte em um <div> sem temporização e anime a opacidade do wrapper, não a do elemento de vídeo. O framework força opacidade:1 em clipes ativos (qualquer elemento com data-start/data-duration), então animar a opacidade do vídeo diretamente é silenciosamente substituído. O wrapper não tem atributos data-*, então é controlado pelo seu CSS/GSAP.
  2. Ambos os vídeos usam data-start="0" e data-media-start="0" para que o framework os decodifique em sincronia a partir de t=0. Montar o recorte tardiamente (data-start=3.3) introduz uma busca + aquecimento que termina um quadro atrasado em relação ao mp4 base — visível como um quadro de desalinhamento no corte.

Em seguida, inverta a opacidade do wrapper com GSAP no momento do corte: tl.set(cutoutWrap, { opacity: 1 }, 3.3).

TTS → Transcrever → Legendas

Quando não houver narração pré-gravada, gere uma e transcreva-a de volta para obter timestamps em nível de palavra para legendas:

npx hyperframes tts script.txt --voice af_heart --output narracao.wav
npx hyperframes transcribe narracao.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.

Habilidades Relacionadas