Communitygithub.com

laviedezidane/hyperframes-skill

Empacote um vídeo gravado (entrevista, podcast, cabeça falante) com cartões gráficos temporizados e estilizados — títulos cinéticos, barras inferiores, destaques de dados, citações, painéis laterais, picture-in-picture — sincronizados com a transcrição, em uma tela 16:9, 9:16 ou 4:5 de sua escolha; o clipe original é reproduzido intacto por baixo.

O que é hyperframes-skill?

Esta skill automatiza a criação de sobreposições gráficas estilizadas em vídeos de cabeça falante, entrevistas ou podcasts. Ela não substitui legendas simples, mas adiciona uma camada de design sobre o vídeo, mantendo o clipe original intato. A skill suporta os formatos de tela 16:9, 9:16 e 4:5 e pode ser acionada com termos como "graphic overlays" ou "package / dress up my video". Baseada no ecossistema HyperFrames, ela transcreve o áudio localmente com Whisper, gera um storyboard com base no conteúdo da transcrição e escreve o HTML de cada cartão gráfico diretamente na conversa, renderizando o resultado final em MP4. É ideal para produtores de conteúdo que desejam adicionar gráficos profissionais de forma automatizada e sincronizada com a fala.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/laviedezidane/hyperframes-skill/tree/HEAD/.agents/skills/talking-head-recut

Perguntar na sua IA favorita

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

Documentação

Instalação do plugin: Antes de executar comandos de configuração ou atualização, siga as regras de execução do plugin quando esta skill estiver dentro de um plugin HyperFrames. Instalações independentes mantêm as instruções de atualização abaixo.

Primeiro, mantenha esta skill atualizada — confirme com o usuário antes de executar: npx hyperframes skills update talking-head-recut. Uma operação rápida sem alterações quando tudo está atualizado; caso contrário, atualiza esta skill e as skills de domínio principais das quais ela depende, antes de você utilizá-las.

Talking Head Recut

Talking Head Recut pega um vídeo local que é reproduzido na íntegra e sobrepõe uma sequência de cartões gráficos temporizados e estilizados — títulos, barras inferiores, destaques de dados, citações, painéis laterais, picture-in-picture — sincronizados com o que está sendo dito. O agente projeta os cartões (temporização + conteúdo) e escreve o HTML de cada cartão diretamente na conversação, em seguida, monta um único HTML de composição e o renderiza para MP4 via hyperframes. Não há uma lista fixa de arquétipos e nem uma estrutura de cartão pré-determinada — as sobreposições emergem do que a transcrição realmente diz.

A porta de entrada é /hyperframes. Esta skill empacota um clipe de cabeça falante existente com cartões gráficos estilizados (títulos, barras inferiores, destaques de dados, citações, painéis laterais, PiP) — não legendas simples (as palavras faladas como texto). O clipe é reproduzido intacto. Qualquer outra intenção — legendas simples, um gráfico independente, um vídeo do zero — ou qualquer incerteza → leia /hyperframes primeiro: a camada de intenção decide cada rota.

Skill irmã de empacotamento gráfico de embedded-captions. Legendas adicionam as palavras faladas como um texto legível; esta skill adiciona gráficos estilizados sobre o vídeo em reprodução. Legendas simples → embedded-captions. Criar um vídeo do zero → os fluxos de criação (product-launch-video / faceless-explainer / …).

Roteada através de /hyperframes, a camada de intenção confirma apenas a entrada (qual clipe) e anuncia as perguntas da estratégia de renderização como perguntas adiadas — proporção, layout, grupo de estilo e contagem de cartões permanecem na Etapa 7, onde a filmagem analisada e a transcrição fundamentam as recomendações; as perguntas de forma de execução da camada não se aplicam. Um BRIEF.md, quando presente, contém a entrada confirmada e quaisquer anotações do usuário — leia-o primeiro.

Arquivos intermediários inspecionáveis no diretório de trabalho:

  • metadata.json — duração / largura / altura / fps
  • audio.mp3 — áudio extraído
  • transcript.json — um vetor de palavras plano [{ text, start, end }, …] (Whisper; sem segments, sem wrapper words)
  • storyboard.json — esboço leve do cartão (o plano do agente)
  • public/cards/card-XX.html — um fragmento HTML por cartão
  • public/index.html — composição final montada
  • output.mp4 — vídeo renderizado

Resolução da CLI

# hyperframes — transcrição (Whisper local) + renderização do HTML montado para MP4
npx hyperframes --help

Esta skill é executada inteiramente na CLI hyperframes mais ffmpeg / ffprobe do sistema. A transcrição é feita localmente com Whisper via hyperframes transcribe — nenhum serviço de terceiros, chave de API ou proxy com limite de taxa.

Fluxo de Trabalho

1. Verificar Ambiente

npx hyperframes doctor          # ffmpeg, navegador headless, dependências de renderização
# confirmar ativos incluídos:
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"

Requerido:

  • ffmpeg / ffprobe (sistema)
  • <SKILL_DIR>/assets/fonts/*.woff2, <SKILL_DIR>/assets/vendor/gsap.min.js (incluídos nesta skill, copiados para o diretório de trabalho na Etapa 9)

A transcrição não precisa de chave — hyperframes transcribe executa Whisper localmente (Etapa 4).

Fortemente recomendado no macOS para hyperframes render:

export PRODUCER_BROWSER_GPU_MODE=hardware

2. Criar um Diretório de Trabalho

Todos os artefatos ficam em videos/<nome-do-projeto>/ — a mesma convenção dos outros fluxos de trabalho de vídeo (product-launch-video / faceless-explainer / pr-to-video). Mantenha o diretório de trabalho atual na raiz do workspace; tudo abaixo é escrito neste único subdiretório.

VIDEO_PATH="/caminho/absoluto/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"

3. Extrair Áudio e Metadados

# metadados — duração / largura / altura / fps
ffprobe -v error -select_streams v:0 \
  -show_entries stream=width,height,r_frame_rate \
  -show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# áudio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"

Saídas: metadata.json (leia width/height/duration; fps = a fração r_frame_rate avaliada, ex. 30000/1001 → 29.97) + audio.mp3.

4. Transcrever

npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en

Whisper local — sem chave de API, sem proxy, sem limite de taxa. Escreve um transcript.json no nível de palavra no diretório de trabalho (palavra text + timestamps start / end). Leia-o para obter os tempos das palavras/frases que guiam a temporização dos cartões na Etapa 6; agrupe palavras em frases você mesmo com base em pontuação/pausas se precisar de blocos no nível de segmento.

Limitar à duração da mídia. Whisper pode retornar o end da última palavra um pouco além do comprimento real do clipe — limite cada endSec do cartão e composition.durationSeconds à duração do metadata.json, caso contrário a renderização mostrará uma cauda preta além do vídeo.

5. Corrigir Transcrição

transcript.json é um vetor plano de objetos de palavra — [{ "text": "...", "start": s, "end": s }, …] (sem vetor segments, sem wrapper words; a chave por palavra é text). Leia-o e corrija erros óbvios do ASR:

  • Homófonos, nomes de produtos, termos técnicos, pontuação
  • Edite o text de uma palavra no local; preserve seus timestamps start / end
  • Não há vetor segments pré-agrupado — agrupe palavras em frases você mesmo (divida em pontuação terminal / pausas) quando precisar de blocos no nível de segmento para a temporização dos cartões

6. Esboçar um Storyboard Leve (no chat)

Nenhuma CLI envolvida. Leia transcript.json + metadata.json e projete cartões diretamente. storyboard.json é um artefato de planejamento interno do agente — nenhum comando da CLI o consome; ele existe para que você possa pensar claramente sobre temporização e conteúdo antes de escrever o HTML de cada cartão. Mantenha a forma consistente com o exemplo abaixo para que o mesmo esboço possa orientar a composição que você cria na Etapa 9:

{
  "schemaVersion": 3,
  "composition": {
    "fps": 30,
    "width": 1080,
    "height": 1920,
    "durationSeconds": 121.2,
    "layout": "portrait",
    "themeId": "noir",
    "seed": 42
  },
  "videoTrack": {
    "sourcePath": "input-video.mp4",
    "startSec": 0,
    "endSec": 121.2,
    "bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
  },
  "subtitles": { "enabled": false },
  "cards": [
    {
      "id": "card-01",
      "intent": "Prender com a pergunta ansiosa do palestrante à meia-noite",
      "startSec": 0.5,
      "endSec": 13.0,
      "accentIndex": 0,
      "zone": "fullscreen",
      "contentHints": {
        "kicker": "UMA PERGUNTA HONESTA",
        "title": "A pergunta de introspecção às 23h",
        "detail": "Mensagem de voz de 60 segundos do cliente: 'Se o RMB se valorizar, isso significa que minha apólice em USD é uma perda terrível?'"
      }
    }
  ]
}

Campos obrigatórios do cartão:

campotipofinalidade
idstringid estável usado no HTML do cartão e nos seletores GSAP
intentstringdescrição em linguagem natural; alimenta a síntese do cartão
startSec / endSecnumbertempos em segundos (endSec > startSec)
accentIndex0 | 1 | 2 | 3 | 4qual das 5 cores de acento do tema este cartão puxa
zoneenum (veja abaixo)onde na tela o cartão vive
contentHintsobjectsaco de forma livre; o agente coloca kicker/title/detail/data/quote aqui
archetype (opcional)stringrótulo de forma livre que você pode anexar para lembrar o padrão de um cartão; ausente = forma livre, que é o padrão
transition (opcional)enum: cut | fade | slide | wipetransição declarativa entre cartões

Cinco valores de zone:

zonelimites resolvidosquando usar
fullscreencobre toda a telamomentos heroicos, números grandes, mantras
whiteboard-areamargem interna de 40px (ou 45% da altura retrato)conteúdo denso / anotado
lower-thirdfaixa inferior de 30%anotação sobre vídeo visível
side-panel42% à direita (paisagem) ou 40% inferior (retrato)lado dos dados, vídeo do outro lado
video-overlaytela inteira, espera cartão principalmente transparentesobreposições de anotação em vídeo em tela cheia

Ao montar a composição na Etapa 9, resolva a zone de cada cartão em limites de pixel no contêiner host do cartão seguindo a tabela acima. Os limites do vídeo são definidos uma vez no nível da composição (videoTrack.bounds); para fazer o vídeo parecer "se mover entre cartões", crie tweens GSAP contra #video-wrap no <script> da composição (veja Etapa 9).

Nenhum papel de cartão prescrito, nenhum arco narrativo prescrito. Os cartões emergem do que o vídeo realmente diz — podem ser todas citações ou todos dados, podem começar com um número ou com uma história. Deixe a transcrição ditar o ritmo.

Quantos destaques? — inferir automaticamente da duração + densidade. Nenhum limite superior fixo. Escolha um ritmo base da duração do vídeo e ajuste pela densidade de informações. Apenas o mínimo é fixo: mínimo de 5 cartões para que mesmo vídeos curtos tenham ritmo.

Etapa 1 — ritmo base por duração (o s/cartão natural para densidade média):

duração do vídeoritmo base (segundos por cartão)justificativa
< 60s (curta)6–8sespectadores esperam cortes rápidos em formato curto
60s – 3 min8–12sritmo social normal
3 – 10 min12–20sdar espaço para respirar; cada cartão carrega mais
10 – 30 min20–35sritmo de palestra / entrevista de formato longo
> 30 min30–60sepisódico, quase como capítulos

Etapa 2 — multiplicador de densidade (multiplica o ritmo base):

sinal na transcriçãomultiplicadorefeito
Alta densidade — muitos números, afirmações distintas, ritmo staccato, enumeração como lista, a cada 1–2 frases é uma nova ideia× 0.7cortes mais rápidos, mais cartões
Densidade média — fluxo misto com dados e narrativa× 1.0ritmo base
Baixa densidade — uma história estendida, reformulação repetida, ritmo reflexivo lento, argumento único se desenrolando× 1.5cortes mais lentos, menos cartões

Etapa 3 — calcular:

segundosPorCartao = ritmoBase × multiplicadorDensidade
contagemCartoes   = max(5, round(duracaoVideoSeg / segundosPorCartao))

Exemplos (observe — nenhum limite superior; vídeos longos naturalmente produzem mais cartões):

  • Curta de 30s, uma única piada (baixa densidade) → 7 × 1.5 = 10.5s/cartão → round(30/10.5)=3 → mínimo de 5 cartões
  • Monólogo reflexivo de 60s (baixa densidade) → 10 × 1.5 = 15s/cartão → 4 → mínimo de 5 cartões
  • Cabeça falante de 121s com dados ricos (alta densidade) → 10 × 0.7 = 7s/cartão → 17 cartões
  • Entrevista de 5 min, densidade mista → 16 × 1.0 = 16s/cartão → 19 cartões
  • Mergulho profundo de 10 min, alta densidade → 16 × 0.7 = 11s/cartão → 55 cartões
  • Palestra de 30 min, densidade média → 28 × 1.0 = 28s/cartão → 64 cartões
  • Podcast de 1h, baixa densidade → 45 × 1.5 = 67.5s/cartão → 53 cartões

Quando um cartão dura mais que ~15s, planeje um cartão mais rico (bloco de dados, revelação em várias etapas, vários subpontos se desenrolando com animações escalonadas) — uma frase estática fica chata após 8s. Para peças longas onde muitos cartões excedem 30s, considere dividir a linha do tempo em sub-composições (um .html por capítulo, montado com data-composition-src) para que a linha do tempo GSAP por arquivo permaneça gerenciável — veja o aviso de lint timeline_track_too_dense do HyperFrames.

contentHints é um objeto de forma livre; suas chaves e aninhamento podem assumir qualquer forma que capture os dados. O agente decide a forma por cartão.

Outro opcional. Esta skill não inclui um outro de marca fixo. Se o usuário quiser um cartão de encerramento, projete um neutro você mesmo (marca nominal + slogan de uma linha, ~1.5-2s, fade in -> breve retenção -> fade out), anexe-o a cards[] e estenda composition.durationSeconds até o seu fim.

Individual skills in this repo

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

laviedezidane/hyperframes-skill

Add captions or subtitles to an existing single-subject talking-head video without editing the footage. Use for plain verbatim captions, cinematic captions embedded behind the subject, VFX captions, “炸/特效/酷炫字幕,” or a named identity from the 35-style catalog. Route by visual identity, not by backend engine. The quiet `anchor` rail is the default; embed every word only when the user explicitly wants a fully cinematic treatment. The workflow runs locally end to end, including transcription and subject matting; split multi-shot footage before applying it.

laviedezidane/hyperframes-skill

Turn arbitrary text — an article, notes, a topic, a brief — into a faceless explainer video: there is no site or footage to capture, so the visuals are invented per scene (typography, abstract graphics, diagrams, data-viz). Use for topic explainers, concept breakdowns, how-tos, listicles. Not a video built from a website (/product-launch-video — promo or tour). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Import Figma content into a HyperFrames composition — rendered assets, brand tokens, components, storyboard sections → reconstructed motion (frames read as states, not slides) (REST/CLI), connector-assisted motion when available, and shaders from a connector or native export. Use when the user pastes a figma.com link or asks to bring a Figma design, frame, logo, brand, or animation into a video/composition.

laviedezidane/hyperframes-skill

Author or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, static loops, static title cards, footage remixes, and freeform builds. Use motion-graphics instead for a short unnarrated motion-first unit, including an animated title. Route fresh creation through hyperframes before using this skill.

laviedezidane/hyperframes-skill

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

laviedezidane/hyperframes-skill

Use when audio already placed in a HyperFrames composition needs to be mixed: fade-in/fade-out, crossfade, track gain or volume, volume automation, ducking, a music bed that fights a voiceover (voiceover carve), effects on a track (EQ, compressor, limiter, gate, saturation, delay, reverb, chorus, phaser, bitcrush), automation envelopes drawn on a track's volume or any effect parameter, or one submix bus carrying a chain, a fader and an automation clock for several tracks at once (`<hf-audio-group>`). Don't use for sourcing or generating audio — finding BGM, SFX, or making a voiceover is `/media-use`. Don't use for clip timing or track layout, which is `/hyperframes-core`.

laviedezidane/hyperframes-skill

Use the HyperFrames CLI development loop: init, add, catalog, capture, lint, check, snapshot, compare, grade-compare, preview, play, present, beats, keyframes, single or batch render, publish, cloud, cloudrun, feedback, lambda, doctor, browser, info, upgrade, skills, compositions, timeline, history, clean, docs, benchmark, telemetry, transcribe, auth, tts, and remove-background. Also use when diagnosing build or render failures. validate, inspect, and layout are deprecated aliases; use check. Covers local, HeyGen-hosted cloud, AWS Lambda, and Google Cloud Run rendering.

laviedezidane/hyperframes-skill

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

laviedezidane/hyperframes-skill

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

laviedezidane/hyperframes-skill

Use when a HyperFrames composition needs a punch-in, punch-out, zoom, reframe, Ken Burns treatment, camera move, visual match/whip handoff, or other seek-safe 2D/3D keyframes; also for GSAP, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

laviedezidane/hyperframes-skill

Search, install, and wire registry blocks and components into HyperFrames compositions. Use BEFORE hand-building any named visual — whenever a brief, a user, or a storyboard names a look, effect, treatment, or transition such as CRT scanlines, glitch, chromatic aberration, film grain, a shimmer sweep, a chart, a code or terminal window, a map, or a confetti burst — because roughly 400 hosted items already cover many of them and the search ranks all of them with nothing installed, no project, and no account. Also use when running hyperframes add or hyperframes catalog, installing one item or every block matching a tag, wiring an installed item into index.html, or working with hyperframes.json. Covers discovery, install locations, block sub-composition wiring, component snippet merging, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

laviedezidane/hyperframes-skill

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

laviedezidane/hyperframes-skill

Use when working with a person on a HyperFrames project in Studio: first, whether their message asks for a change at all (questions, loose ideas and "don't change anything" get an answer and a plan, not an edit); for a new film, the plan, storyboard and build order that the HyperFrames launch films follow; and how the timeline should be laid out so it reads well (one caption track, one element kind per track, every scene a sub-composition) and where captions and key content may sit (safe zones). Don't use for how to perform an individual edit (split, trim, retime, volume, copy, swap): that is `creator-editing-recipes.md` in `/hyperframes-core`.

laviedezidane/hyperframes-skill

Agent Media OS for a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + ledger record (one verb, `resolve`); generate via TTS / music / image models when the catalog misses; produce voiceover, transcription, captions, and background removal through one shared audio engine; operate on media (cut / reframe / transform); and reuse assets across projects. Also use for vague feedback that real footage looks dark, flat, boring, should feel retro/camcorder/print/ASCII, needs privacy, or needs a media reveal. When the host app provides its own music or sound-effect tools, use those for music and sound effects; `resolve --type bgm|sfx` needs the heygen CLI. When `HEYGEN_API_BASE` is set, HeyGen calls go through that host with no CLI sign-in.

laviedezidane/hyperframes-skill

A short, design-led motion graphic where motion is the message — kinetic typography, stat count-up, chart/data-viz hit, logo sting / brand lockup, lower-third / callout / social overlay, animated map (highlight regions, connect places, zoom to a location), animated tweet / news-article / headline, webpage / UI animation (scroll, cursor, callouts), or fusing a real image's geometry into a chart. Usually under 10s (up to ~30s), no narration or live-action subject; renders to MP4 or transparent overlay. Longer / narrated / multi-scene → /general-video. Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a music track (an audio file, a video to pull audio from, or a track generated from a mood brief) into a beat-synced video — lyric video, slideshow, or kinetic promo. The music drives all pacing; any user-supplied images/videos are cut onto the same beat grid, and a complete video needs zero assets. Narrated pieces → the input-matched workflow (see /hyperframes). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a product or marketing URL, pasted script, or brief into a product launch / promo video — SaaS promos, feature reveals, product demos, app and company launches. Use when the user wants to market, launch, promote, or reveal a product; the default for any commercial URL. Site tours / showcases of a website route here too — the brief carries the show-it-as-is intent. Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Turn a GitHub pull request (a PR URL, owner/repo#N, or 'this PR' in a checked-out repo) into a code-change explainer video — changelog, feature reveal, fix, or refactor walkthrough built from the diff, commits, and files: the input is a code change, not a website. Not a product promo (/product-launch-video) or a no-PR topic explainer (/faceless-explainer). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Port an existing Remotion (React) composition''s source to HyperFrames HTML. Use ONLY on an explicit ask to port/convert/migrate/translate a Remotion source — one-way, Remotion-only. A passing Remotion mention, reference-only code, or "make something like my Remotion video" is a fresh build (/general-video). Unclear → /hyperframes.

laviedezidane/hyperframes-skill

Author a HyperFrames slideshow — a presentation, pitch deck, or interactive deck with discrete slides, fragment reveals, branching, hotspot navigation, and built-in presenter mode with speaker notes; also converts an existing page into a deck. Output is a navigable deck, not a rendered MP4. If the user didn't explicitly ask for a slideshow, confirm before authoring. Unclear → /hyperframes.

Habilidades Relacionadas