Communitygithub.com

1345AbhishekKumar/starter-supabase

Áudio e mídia para composições HyperFrames, produzidos por um mecanismo de áudio compartilhado (scripts/audio.mjs) — TTS multi-provedor (HeyGen / ElevenLabs / Kokoro local), música de fundo + efeitos sonoros (recuperação da biblioteca de áudio HeyGen por padrão, com geração local Lyria / MusicGen e uma biblioteca SFX embutida como fallback sem credenciais), transcrição Whisper, remoção de fundo e criação de legendas.

O que é starter-supabase?

Este skill gerencia a criação de todos os ativos de áudio e mídia necessários para composições HyperFrames: narração (TTS), música de fundo, efeitos sonoros, transcrição, legendas e remoção de fundo. Ele centraliza toda a lógica de áudio em um único mecanismo (`scripts/audio.mjs`), que aceita um `audio_request.json` neutro e produz `audio_meta.json` com os ativos resultantes. O mecanismo suporta múltiplos provedores de TTS (HeyGen, ElevenLabs, Kokoro local) e degrada graciosamente quando nenhuma credencial HeyGen está disponível: TTS cai para ElevenLabs → Kokoro, BGM muda de recuperação para geração local (Lyria / MusicGen), e SFX usa uma biblioteca embutida de 21 arquivos. O skill também inclui ferramentas para transcrição (Whisper), remoção de fundo e criação de legendas com suporte a karaokê e agrupamento de palavras. Uma etapa de pré-voo obrigatória (`npx hyperframes auth status`) verifica o status de login antes de qualquer geração, garantindo que o usuário decida conscientemente entre usar serviços HeyGen ou prosseguir offline. Regras importantes incluem: sempre passar `--model` para transcrição para evitar tradução automática de idioma, IDs de voz específicos por provedor, e que as legendas consomem um formato plano de array de palavras com tempos de início e fim.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/1345AbhishekKumar/starter-supabase/tree/HEAD/.agents/skills/hyperframes-media

Perguntar na sua IA favorita

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

Documentação

HyperFrames Media

Crie os ativos de áudio e mídia que uma composição precisa — narração (TTS), música de fundo + efeitos sonoros, transcrição, legendas, remoção de fundo — e então consuma e anime esses dados em HTML. Para colocar ativos em composições, veja hyperframes-core.

O mecanismo de áudio — uma fonte para TTS · BGM · SFX

Os workflows NÃO criam áudio manualmente nem copiam fornecedores. Existe um mecanismo — scripts/audio.mjs — que recebe um audio_request.json neutro e escreve audio_meta.json (mais ativos em assets/voice|bgm|sfx):

# <MEDIA_DIR> = diretório deste skill
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json

Todas as três capacidades degradam em UMA chave — se uma credencial HeyGen está presente (resolvida de $HEYGEN_API_KEY / $HYPERFRAMES_API_KEY / ~/.heygen, não da CLI):

CapacidadeCredencial HeyGen presenteausente
TTSREST HeyGen Starfish (timestamps nativos)→ ElevenLabs → Kokoro (encadeia transcribe)
BGMRecuperação de música HeyGenGeração local Lyria → MusicGen (desanexado)
SFXRecuperação de efeitos sonoros HeyGen (min_score 0.4)Biblioteca embutida de 21 arquivos (assets/sfx/)
  • Requisição (audio_request.json): { provider?, lang?, speed?, lines: [{ id, text, sfx?: [names] }], bgm: { mode?, query?, prompt? } }. id conecta cada linha ao modelo do chamador (um número de quadro, um id de cena, …). bgm.mode = retrieve | generate | none; omita para automático (recupera quando credenciado, senão gera). Um retrieve explícito é estrito — ele pula em vez de iniciar uma geração desanexada (para chamadores sem etapa wait-bgm).
  • Saída (audio_meta.json, indexado por 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,sfx executa um subconjunto e mescla em um --out existente (ex.: TTS+BGM antecipadamente, SFX depois que as pistas existirem).
  • A geração de BGM é iniciada desanexada (bgm_pending: true) — execute scripts/wait-bgm.mjs antes de montar.
  • scripts/heygen-tts.mjs é uma CLI única sobre o mesmo código (um texto → wav + palavras) para quando você só precisa de TTS HeyGen sem um arquivo de requisição.

A lista completa de flags + o esquema de audio_meta.json estão no cabeçalho de scripts/audio.mjs. As referências abaixo cobrem os detalhes do provedor e os casos extremos por trás de cada capacidade.

Pré-voo — mostre o status de login antes de qualquer áudio

Sempre execute isso antes de gerar voz ou BGM — dentro de um workflow completo ou uma requisição avulsa de "gere um BGM/narração para mim". A ausência de credencial HeyGen não é motivo para cair silenciosamente em mecanismos locais: primeiro recomende fazer login e deixe o usuário decidir. Execute o pré-voo compartilhado e repasse sua saída literalmente — não improvise seu próprio prompt de "chave ausente", e não se ofereça para escrever chaves em um .env por repositório:

npx hyperframes auth status
  • Logado → imprime a conta; prossiga.
  • Não logado (exit 1 é esperado aqui — "não logado" é um estado normal, não uma falha) → imprime orientações de registro primeiro. Recomende fazer login: npx hyperframes auth login é OAuth no navegador — ele faz login e cria uma conta (sempre disponível através da CLI deste repositório). Para usar uma chave de API HeyGen existente (de app.heygen.com/settings/api), execute npx hyperframes auth login --api-key — ele salva no ~/.heygen compartilhado (sem .env por repositório). A saída também lista os mecanismos locais para os quais voz/BGM cairão e uma dica pip quando as dependências estiverem faltando. Repasse esta saída como está — não a parafraseie com suas próprias palavras. Então PARE e espere o usuário escolher — fazer login, ou dizer "vai" / "local" para continuar offline — antes de gerar qualquer coisa. Este é um ponto de decisão real, não uma nota passageira: não o incorpore a outra pergunta, e não prossiga além dele por conta própria. (Exceção: em modo autônomo / não interativo, anote o status e continue offline.)
  • npx hyperframes auth status --json retorna { configured, recommended_action, offline_engines } para ramificação determinística.
  • Se a CLI não puder ser executada (não no PATH e npx não pode obtê-la) → ainda recomende fazer login (npx hyperframes auth login) e PARE para a escolha do usuário — não trate "sem credencial" como um sinal verde silencioso para geração local.

A resolução de credenciais, a prioridade completa de chaves e a lista de dependências locais estão em references/requirements.md.

Cadeias de provedores (o detalhe por trás do mecanismo)

TTS — o primeiro provedor disponível vence (o mecanismo, ou npx hyperframes tts "..."):

OrdemProvedorDetectado quandoTimestamps de palavras
1HeyGen (Starfish)$HEYGEN_API_KEY / hyperframes auth loginSim, nativos — passe --words narration.words.json para capturar
2ElevenLabs$ELEVENLABS_API_KEY definidoNão — encadeie transcribe depois
3Kokoro-82M (local, 54 vozes)sempre (nenhuma chave necessária)Não — encadeie transcribe depois

A CLI publicada hyperframes tts é frequentemente a compilação apenas local (seu --help diz "Kokoro-82M", sem --provider/--words) e cai silenciosamente para Kokoro mesmo com $HEYGEN_API_KEY definida. É por isso que o caminho HeyGen do mecanismo é o scripts/heygen-tts.mjs autocontido (REST), NÃO a CLI; a CLI é usada apenas para o caminho Kokoro. Veja references/tts.md.

BGM & SFX — por padrão recuperados da biblioteca de áudio HeyGen (/v3/audio/sounds), mesma credencial do TTS HeyGen, com o fallback sem credencial da chave acima:

AtivoTipo no HeyGenLocalizaçãoFallback (sem credencial)
BGMmusicassets/bgm/track.mp3 (recuperação) · track.wav (geração)Geração Lyria / MusicGen
SFXsound_effects (min_score 0.4)assets/sfx/<slug>.mp3Biblioteca embutida de 21 arquivos (assets/sfx/* + manifest.json)

Veja references/bgm.md e references/sfx.md.

Roteamento

TarefaLeia
O mecanismo de áudio — esquema requisição/meta, --only, a chavescripts/audio.mjs (comentário do cabeçalho)
npx hyperframes tts / heygen-tts.mjs — provedores, vozes, palavrasreferences/tts.md
BGM — recuperação HeyGen + geração local Lyria / MusicGenreferences/bgm.md
SFX — recuperação HeyGen (min_score 0.4) + biblioteca local embutidareferences/sfx.md
npx hyperframes transcribe — Whisper, regras de modelo, formato de saídareferences/transcribe.md
npx hyperframes remove-background — recortes transparentesreferences/remove-background.md
TTS → transcrição → legendas (sem narração gravada)references/tts-to-captions.md
Criação de legendas — detecção de estilo, layout, agrupamento de palavras, saídareferences/captions/authoring.md
Manipulação de transcrições — formatos de entrada, portões de qualidade, limpeza, APIsreferences/captions/transcript-handling.md
Movimento de legendas — karaokê, efeitos de marcador, áudio-reativoreferences/captions/motion.md
Caches de modelo, dependências de sistema, solução de problemasreferences/requirements.md

Regras inegociáveis

  • Um mecanismo, sem cópias de fornecedor. Produza áudio via scripts/audio.mjs (ou heygen-tts.mjs para TTS HeyGen avulso). Não reimplemente TTS/BGM/SFX dentro de um workflow — escreva um adaptador audio_request.json e chame o mecanismo.
  • "HeyGen disponível" = uma credencial resolvível, não a CLI. A chave inteira depende de heygenCredential(); a CLI publicada hyperframes tts pode ser apenas Kokoro, e não existe nenhum comando hyperframes bgm / hyperframes sfx.
  • IDs de voz são específicos do provedor. am_michael é apenas Kokoro; UUIDs do HeyGen não funcionam no Kokoro. Se você passar --voice, também fixe --provider para evitar desvio silencioso de provedor quando o ambiente do usuário mudar.
  • Sempre passe --model para transcribe. O padrão da CLI small.en traduz silenciosamente áudio não-inglês. Veja references/transcribe.md → "Regra de Idioma".
  • HeyGen retorna timestamps de palavras; ElevenLabs / Kokoro não. O mecanismo encadeia transcribe automaticamente para os dois últimos; standalone, passe --words para HeyGen ou execute transcribe contra o arquivo de áudio.
  • Legendas consomem o formato plano de array de palavras com { id, text, start, end }. Veja references/transcribe.md → "Formato de Saída".
  • remove-background --background-output é corte de buraco, não inpaint. Para "cena sem a pessoa", uma ferramenta diferente é necessária. Veja references/remove-background.md → "Quando NÃO é a ferramenta certa".
  • BGM/SFX padrão é recuperação HeyGen; o fallback sem credencial é geração (BGM) ou a biblioteca embutida (SFX). /audio/sounds classifica por uma consulta de texto — nomeie os efeitos concretamente (vidro quebrando, não som dramático); uma não-correspondência pula, nunca bloqueia a renderização. SFX ficam em volume ~0.35 sob a voz + BGM. Veja references/sfx.md / references/bgm.md.
  • Trate o HTML de legendas do workflow como saída gerada. Para vídeos baseados em predefinições, a fonte da pele reutilizável está em .hyperframes/caption-skin.html e o script do workflow escreve compositions/captions.html; não edite compositions/captions.html gerado para corrigir a pele. Reconstrua via captions.mjs do workflow, ou use o mecanismo de substituições explícitas desse workflow quando presente.

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

1345AbhishekKumar/starter-supabase

Add captions to a talking-head video. ONE catalog (CATALOG.md) of 32 visual identities behind two engines: column-flow (captions composited INTO the scene — matte occlusion + mix-blend; cream/ink/editorial/keynote/documentary/loud/neon/glitch/chrome/velocity) and themed constitutions (anchor/ordnance/terminal/neonsign/stardust/stomp/scoreboard/transit/vhs/arcade/dossier/laser/thunder/hologram/biolume/aurora/spectrum/papercut/popup/chalkboard/graffiti/brush/inkwater/ransom/lastpage/nightcity — e.g. a glyph-decode climax, a neon sign WRITTEN stroke by stroke, or the quiet `anchor` rail default). Route by identity, never by mode. Trigger on "captions/subtitles", "embed/cinematic captions", "VFX captions", "炸/特效/酷炫字幕", a named identity, or top-tier motion-graphics asks. Embedding every word is wrong for most talking-head content — `anchor` is the verbatim default. Pipeline: transcription → hyperframes remove-background matting → HTML render → ffmpeg overlay. Requires hyperframes and a single-subject clip.

1345AbhishekKumar/starter-supabase

The fallback workflow for authoring custom HyperFrames video compositions at any length or format — longer or multi-scene pieces, brand / sizzle reels, montages, title cards, static loops, and freeform compositions. Input- and length-agnostic. If a specialized workflow clearly fits the input — a marketed product, a website, a topic explainer, a GitHub PR, existing footage, a short motion graphic, or a Remotion port — prefer it (see /hyperframes); use this only as the general fallback when none fit.

1345AbhishekKumar/starter-supabase

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). HyperFrames-native: single paused timeline, seek-safe, deterministic.

1345AbhishekKumar/starter-supabase

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

1345AbhishekKumar/starter-supabase

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.

1345AbhishekKumar/starter-supabase

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`.

1345AbhishekKumar/starter-supabase

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, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

1345AbhishekKumar/starter-supabase

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

1345AbhishekKumar/starter-supabase

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

1345AbhishekKumar/starter-supabase

turn a product or marketing URL, pasted script, or brief into a product launch video, including SaaS promos, feature reveals, app launches, company promos, and product marketing videos. Use this skill when the user wants to market, launch, promote, or reveal a product. Do not use it for general non-launch website tours, non-product topic explainers, GitHub pull requests, captioning existing footage, or short unnarrated motion graphics. If the intent is unclear, route through /hyperframes first. This is the new shot-sequence architecture: every visual frame is authored as a time-coded shot sequence picked from a menu of golden blueprints, so frames develop over their full duration instead of freezing after entrance.

1345AbhishekKumar/starter-supabase

turn a GitHub pull request (a PR URL like github.com/<owner>/<repo>/pull/<N>, an <owner>/<repo>#<N> ref, or 'this PR' in a checked-out repo) into a code-change explainer video, up to ~3 min (sweet spot 30-90s) — changelog, feature reveal, fix, or refactor walkthrough, rendered from the diff / commits / files. The input is a CODE CHANGE read via the gh CLI; there is no website capture. Use this skill for a GitHub PR. Do not use it for a product launch/promo (use /product-launch-video), a tour of a real website (use /website-to-video), a topic explainer with no PR (use /faceless-explainer), captions on existing footage (use /embedded-captions), or a short unnarrated motion graphic (use /motion-graphics). If the intent is unclear, route through /hyperframes first.

1345AbhishekKumar/starter-supabase

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

1345AbhishekKumar/starter-supabase

Capture a general website/URL and turn it into a HyperFrames video (site tour, showcase, or social clip from the site's own visuals). Uses headless Chrome screenshots + brand assets. Use when intent is general — portfolio/blog/landing-page showcase or social clip from the site. NOT for: product/SaaS launch or promo (→ /product-launch-video, even from a URL); topic explainer with no site (→ /faceless-explainer); GitHub PR (→ /pr-to-video); adding captions to existing video (→ /embedded-captions); short unnarrated page-highlight motion graphic (→ /motion-graphics). Unclear launch-vs-general-site? Ask one question or start at /hyperframes.

Habilidades Relacionadas