Communitygithub.com

Biznomad/claude-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 claude-skills?

Esta skill fornece três utilitários de linha de comando para pré-processar mídia para composições HyperFrames: `tts` (conversão de texto em fala), `transcribe` (transcrição com timestamps) e `remove-background` (remoção de fundo). O comando `tts` utiliza o modelo Kokoro-82M para gerar narração localmente, sem necessidade de chave de API, suportando mais de 50 vozes e vários idiomas. O `transcribe` usa o Whisper para produzir um JSON com timestamps por palavra, com recomendações importantes sobre o uso de modelos `.en` para evitar tradução indesejada de áudios não-ingleses. O `remove-background` utiliza o modelo u2net_human_seg para criar sobreposições transparentes de vídeo ou imagem, suportando formatos como WebM com canal alfa, ProRes 4444 e PNG, além de oferecer a opção `--background-output` para separar o fundo em uma camada transparente. Todas as ferramentas baixam seus respectivos modelos na primeira execução e os armazenam em cache em `~/.cache/hyperframes/`. A skill também exemplifica um fluxo completo de TTS para transcrição e legendas, que pode ser usado para gerar narração e timestamps automaticamente.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Biznomad/claude-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 faça referência a partir do HTML da composição — veja a skill 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 usar
Demonstração de produtoaf_heart/af_novaCalorosa, profissional
Tutorial / guia práticoam_adam/bf_emmaNeutra, fácil de acompanhar
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 instalado 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 — introduções, transições, conteúdo otimista
  • 1.5+ — raramente adequado; teste com cuidado

Scripts Longos

Para mais de 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)

Produza um transcript.json normalizado com timestamps por 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 (Inegociável)

Nunca use modelos .en a menos que o usuário declare explicitamente que o áudio está em Inglês. Modelos .en (small.en, medium.en) traduzem áudio não-inglês para 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) — whisper detecta automaticamente

O modelo padrão é small, não small.en.

Tamanhos de Modelo

ModeloTamanhoVelocidadeQuando usar
tiny75 MBMais rápidoVisualizações rápidas, testar pipeline
base142 MBRápidoClipes curtos, áudio claro
small466 MBModeradoPadrão — 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; faixas produzidas muitas vezes precisam de importação manual de SRT/VTT. Para verificações de qualidade de legenda (obrigatórias após cada transcrição), o JS de limpeza, regras de repetição e o caminho de importação da API OpenAI/Groq, veja hyperframes/references/transcript-guide.md.

Formato da 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)

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

npx hyperframes remove-background sujeito.mp4 -o transparente.webm  # padrão: VP9 alpha WebM
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 fundo.webm                                   # ambas as camadas em uma passada
npx hyperframes remove-background sujeito.mp4 -o transparente.webm --device cpu
npx hyperframes remove-background --info                           # provedores detectados

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

Separação de camadas (--background-output)

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

ArquivoAlfa é…Use para
-o sujeito.webmA máscara — sujeito opaco, fundo transparenteCamada de primeiro plano, coloque por cima
--background-output fundo.webmInverso — 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 passada de inferência — o custo de codificação aproximadamente dobra, o custo de segmentação permanece o mesmo. Válido apenas para entradas de vídeo e saídas .webm/.mov.

Fundo com buraco, não um fundo limpo com inpaint. A região do sujeito em fundo.webm é totalmente transparente — componha algo opaco por baixo para preencher o buraco. O único teste para saber se --background-output é a ferramenta certa: alguma coisa será visível através da silhueta do sujeito onde ele estava?"

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

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

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

<!-- z=1 o fundo com alfa invertido preenche tudo, exceto a região do sujeito -->
<video
  src="fundo.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; ...">CRIE NO HYPERFRAMES</h1>

<!-- z=3 o recorte flutua o sujeito de volta sobre o título -->
<div class="recorte-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 de texto-atrás-do-sujeito abaixo, mas você não precisa do apresentador.mp4 original no projeto — o fundo o substitui. Útil quando você quer enviar apenas as duas camadas transparentes e deixar o usuário inserir conteúdo arbitrário entre elas.

Formato de Saída

FormatoQuando usar
.webm (VP9 + alfa)Padrão. 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 alfa VP9 nativamente, então o .webm se encaixa em uma composição como qualquer outro vídeo com autoplay silenciado — veja a skill hyperframes para as convenções de trilha <video>.

Predefinições de Qualidade

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

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

Padrões de Composição — escolha o certo

O webm recortado é uma cópia re-codificada do RGB do mp4 fonte. 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 relacionadoParece ótimo. O RGB do recorte é a única fonte do sujeito — sem duplicação, sem halo de borda. É para isso que o remove-background foi feito.
Recorte sobre seu próprio mp4 fonte (texto-atrás-do-sujeito)Mesmo mp4 do qual o recorte foi geradoDuas fontes RGB para a mesma pessoa. Na predefinição --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 outra gravação 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; ...">CRIE NO HYPERFRAMES</h1>
<div class="recorte-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 recortado em uma <div> sem temporização e anime a opacidade do wrapper, não a do elemento de vídeo. O framework força opacity:1 em clipes ativos (qualquer elemento com data-start/data-duration), então animar a opacidade do vídeo diretamente é silenciosamente sobrescrito. 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 desde t=0. Montar o recorte tardiamente (data-start=3.3) introduz uma busca + aquecimento que termina um frame fora do mp4 base — visível como um frame de desalinhamento no corte.

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

TTS → Transcrever → Legendas

Quando não há narração pré-gravada, gere uma e a transcreva de volta para obter timestamps por 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 17 individual skills — each has its own dedicated page.

Biznomad/claude-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/claude-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/claude-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/claude-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/claude-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/claude-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/claude-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/claude-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/claude-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/claude-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/claude-skills

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

Biznomad/claude-skills

Generate cinematic film-style video prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants cinematic, film-like, movie-quality, Hollywood-style, dramatic, or professional film-quality AI video. Triggers on: cinematic, film look, movie scene, dramatic lighting, depth of field, lens flare, anamorphic, letterbox, noir, epic, Steadicam, dolly, crane shot, or any cinematic video generation request. Always use this skill even if the user doesn't explicitly say "cinematic" but describes a film-like aesthetic.

Biznomad/claude-skills

为 Seedance 2.0(Higgsfield)生成电影级胶片风格视频提示词。在用户想要电影级、胶片感、电影质量、好莱坞风格、戏剧性或专业胶片质量的AI视频时使用。触发词:电影级、胶片感、电影场景、戏剧性打光、景深、镜头光晕、变形、信箱式、黑色电影、史诗、稳定摄像机、推车镜头、吊臂镜头或任何电影级视频生成请求。即使用户没有明确说"电影级"但描述了胶片美学,也要使用此技能。

Biznomad/claude-skills

Convert comic book panels, manga pages, webtoons, and illustrated storyboards into animated video using Seedance 2.0 on Higgsfield. Use whenever the user wants to animate comics, bring illustrations to life, convert manga to video, animate storyboards, or create motion from static sequential art. Triggers on: comic to video, manga animation, panel animation, storyboard to video, webtoon animation, comic book motion, sequential art, graphic novel animation, or any illustrate-to-animate request. Use even when user says "make this drawing move" or "animate this page.

Biznomad/claude-skills

Generate music video and beat-synced visual content prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants to create a music video, lyric video, beat-synced visuals, performance video, concert visual, album art animation, or music-driven visual content. Triggers on: music video, lyric video, beat sync, music visualization, performance video, concert visual, album visual, song video, music clip, beat drop visual, rhythm sync, or any music-driven video request. Use even for "make visuals for my song" or "video for this track.

Biznomad/claude-skills

Build, redesign, and deploy websites across any stack — static HTML, Next.js, Astro, or Shopify Liquid themes. Handles design systems, brand-aware layouts, component architecture, and deployment pipelines (Netlify, Vercel, Shopify API). Use when asked to build a website, redesign a site, create a landing page, build a web app, create Shopify sections/templates, or deploy web projects. Triggers on requests like "build me a website", "redesign this page", "create a landing page", "build a Shopify theme", "deploy to Netlify".

Biznomad/claude-skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

Habilidades Relacionadas