🦞 Corriendo en OpenClaw

Esta versión corre en un agente OpenClaw (servidor + Telegram), no en Claude Code. Antes de seguir, lee la skill f100k-puente: traduce herramientas y rutas. Lo específico de esta skill:

• Onboarding (brew, HyperFrames, mlx-whisper) NO aplica: sáltalo.
• La voz llega por Telegram como nota de voz o audio. Guárdala en la carpeta del reel como voz.ogg/voz.mp3. Nunca generes ni clones la voz.
• Tiempos (Paso 3): si hay GROQ_API_KEY u OPENAI_API_KEY, transcribe con la API de Whisper pidiendo marcas de tiempo por palabra. Si no, reparte los tramos por el teleprompter a ≈2,5 palabras por segundo y marca el plan como «tiempos estimados».
• Clip Director en este servidor: cada tramo lleva un clip broll de Higgsfield que forma la base continua. Usa tramos de segundos enteros entre 4 y 15 (el mínimo de Seedance 2.0 es 4 s) para que ningún clip haya que recortarlo. Las card se escriben como HTML de 1080×1920 y se renderizan a PNG con Chromium; los pixel salen con generate_image. Cards y pixel se entregan como PNG para poner encima en su tramo. La regla de mezcla se cuenta sumando cards y pixel.
• Todos los clips con el MISMO modelo, resolución (720p por defecto), aspect_ratio: "9:16" y generate_audio: false, para que el concat funcione sin re-codificar. Costo total estimado (tramos × precio) → ✅ antes del primer lote; lotes de máximo 8.
• Paso 5 recortado: solo junta los clips en orden con ffmpeg -f concat -safe 0 -i lista.txt -c copy base.mp4. Nada de escalar, overlays, colorkey ni mezclar audio. Entrega base.mp4 (mudo) + la voz + los PNG + plan.json con los tiempos, y explícale cómo poner la voz y los PNG encima en CapCut o Edits.
• Sin créditos de Higgsfield: entrega guion, teleprompter, plan.json con el prompt de cada tramo y las cards en PNG. Dilo en la primera línea.
• Si base.mp4 pesa más de 50 MB (límite de Telegram), avisa y manda los clips por link o a 720p.

Reel Faceless F100K — Explainer 9:16 con voz del usuario, sin cámara

Convierte un tema en un Reel vertical faceless: El usuario graba la voz pero nunca sale en cámara. El video se construye 100% con visuales generados por IA — B-roll cinemático, cards kinéticas y pixel-memes — que el Clip Director elige por gancho y sincroniza sobre su voz.

El principio (igual que el "Higgsfield Explainer" pero con ADN F100K): escala el contenido de El usuario sin depender de su cara. El diferencial no es generar (eso ya se domina) sino dirigir.

Cuándo activar

• El usuario dice "hazme un reel faceless de X", "video sin mi cara", "explainer faceless", "convierte este tema en video sin grabarme", "reel solo con mi voz".
• Tiene un tema (o un guion ya escrito) y quiere el video terminado sin ponerse frente a cámara.

NO activar para

• Talking-head con su cara → motion-reels-f100k (9:16) / editor-video-formula100k
• VSL o video largo con avatar → broll-vsl-formula100k
• Carruseles → carrusel-render-formula100k
• Stories fullscreen → historias-a-imagenes-nanobanana
• Clips de apoyo sobre un video de YouTube ya grabado → editor-video-formula100k (modo clips de apoyo, que usa este mismo Clip Director)

Onboarding — Auto-install (NO aplica en este servidor: sáltalo y lee el bloque 🦞)

# 1. Node.js v22+
node --version 2>/dev/null | grep -qE "v2[2-9]|v[3-9][0-9]" || {
  echo "⚠ Node.js v22+ requerido. Instalando..."
  brew install node@22 && brew link node@22 --force
}

# 2. HyperFrames CLI + ecosistema
command -v hyperframes &>/dev/null || npm install -g hyperframes
node -e "require('@hyperframes/core')" 2>/dev/null || npm install @hyperframes/core
node -e "require('@hyperframes/engine')" 2>/dev/null || npm install @hyperframes/engine
node -e "require('@hyperframes/producer')" 2>/dev/null || npm install @hyperframes/producer
hyperframes doctor      # Chrome y FFmpeg deben aparecer con ✓

# 3. Sistema
command -v ffmpeg &>/dev/null || brew install ffmpeg
command -v uv &>/dev/null || brew install uv    # para mlx-whisper

Verificar créditos Higgsfield antes de generar:

mcp__higgsfield__balance()

Si el balance es 0 o insuficiente → activar degradación (ver reference/clip-director.md §6): todos los broll/pixel caen a card (HyperFrames, local, gratis). Avisar al usuario.

Pipeline (6 pasos)

Paso 1 — Tema → guion + teleprompter

Definir $DEST:

SLUG="tema-en-kebab"        # derivar del tema
DEST="entregables/$(date +%F)_${SLUG}"
mkdir -p "$DEST/assets"

Escribir el guion siguiendo el ADN de guionizacion-formula100k:

• Estructura de las 33 (elegir según el tema), gancho verbal en los primeros 3 s.
• Retención: intriga, cliffhangers, ritmo.
• Español neutro (tú/tienes/aquí — nunca vos/tenés/acá).
• Cierre que vende FÓRMULA 100K (CTA suave a la comunidad).
• Longitud según --duracion (30–90 s ≈ 75–225 palabras a ritmo de reel).

Guardar:

• $DEST/guion.md — guion completo con marcas de estructura.
• $DEST/teleprompter.txt — SOLO lo que el usuario dirá, limpio, para leer de corrido.

Mostrar el guion y confirmar el gancho con el usuario antes de que grabe (el gancho carga el 80% de la retención).

Paso 2 — El usuario graba la voz

Pedirle que grabe leyendo teleprompter.txt y guarde el audio como $DEST/voz.mp3 (o pasar la ruta si ya lo grabó). Verificar:

ffprobe -v error -show_entries format=duration -of default=nokey=1:noprint_wrappers=1 "$DEST/voz.mp3"

Nunca generar la voz con IA ni clon. El usuario graba — esa es la regla de esta skill.

Paso 3 — Transcripción word-level (en este servidor: API o tiempos estimados, lee el bloque 🦞)

ffmpeg -i "$DEST/voz.mp3" -vn -acodec mp3 -ar 16000 -ac 1 -y /tmp/faceless_audio.mp3

uvx --from mlx-whisper mlx_whisper /tmp/faceless_audio.mp3 \
  --model mlx-community/whisper-large-v3-mlx \
  --language es --word-timestamps True \
  --output-format json --output-dir /tmp

python3 - << 'EOF'
import json
data = json.load(open('/tmp/faceless_audio.json'))
words = [{'text': w['word'].strip(), 'start': w['start'], 'end': w['end']}
         for seg in data['segments'] for w in seg.get('words', [])]
json.dump(words, open('DEST_PLACEHOLDER/transcript.json','w'), ensure_ascii=False, indent=2)
print(f"Transcripción: {len(words)} palabras")
EOF

(Sustituir DEST_PLACEHOLDER por $DEST.) Alternativa si uvx falla: npx hyperframes transcribe /tmp/faceless_audio.mp3 --model small --language es.

Paso 4 — Clip Director (modo full, formato 9:16)

Seguir reference/clip-director.md al pie:

1. Segmentar transcript.json en bloques de 3-6 s.
2. Clasificar cada bloque por gancho → visual_type (broll/card/pixel), respetando la regla de mezcla (≥2 tipos distintos, ninguno >60%).
3. Mostrar el plan como tabla y confirmar con el usuario (o ajustar):

t=00:00–00:04  broll   "concepto: el error que todas cometen"   [cinemático]
t=00:04–00:08  card    "3 razones" (Chapter)
t=00:08–00:12  broll   "yo pasé de X a Y"                        [avatar]
t=00:12–00:15  pixel   remate cultura pop
...

4. Generar los assets:
   • broll → Higgsfield generate_video aspect_ratio="9:16", lotes de ≤8, poll job_status(sync:true), declinar presets, anti-NSFW. Descargar: curl -L "<url>" -o "$DEST/assets/segNN.mp4".
   • card → HyperFrames full-frame 1080×1920 fondo #FF00FF, hyperframes render --format mp4 -o "$DEST/assets/segNN.mp4".
   • pixel → recursos-pixel-formula100k o generate_image pixel-art; si no hay, degradar a card.
5. Escribir $DEST/plan.json con el contrato del Clip Director, llenando asset_path de cada segmento (ruta relativa a $DEST/, ej. assets/seg0.mp4).

Texto kinético de énfasis (opcional pero recomendado): generar overlays de palabras clave con HyperFrames (chroma #FF00FF, reglas motion-reels-f100k) → renderizar a $DEST/overlays.mp4. compose_faceless.sh los compone automáticamente si el archivo existe. NO son subtítulos completos — solo palabras-fuerza.

Paso 5 — Composición (recortada en este servidor: solo concat, lee el bloque 🦞)

bash "$(dirname "$0")/scripts/compose_faceless.sh" "$DEST"

Ensambla los assets por segmento a la línea de tiempo de la voz (escala/crop a 1080×1920, loop+trim a la duración del segmento), superpone overlays.mp4 con colorkey=0xFF00FF si existe, y mezcla voz.mp3 (+ musica.mp3 a volumen bajo si existe). Salida: $DEST/REEL_FACELESS.mp4.

Paso 6 — Verificar y entregar

# manda el resultado por Telegram

Checklist:

• Duración del video ≈ duración de la voz (sin colas mudas).
• Mezcla de visual_type respeta la regla (≥2 tipos, ninguno >60%).
• Gancho visual fuerte en los primeros 3 s.
• Texto kinético son palabras-fuerza, NO subtítulos.
• La voz del usuario se oye clara sobre la música.
• Cierre vende F100K.

Mostrar ruta final + tabla del plan.

Errores y fallbacks

Estructura de archivos generados

$DEST/                                  (FORMULA100K/RECURSOS VIDEOS/YYYY-MM-DD_slug/)
├── guion.md               ← guion completo con estructura
├── teleprompter.txt       ← solo lo que el usuario dice
├── voz.mp3                ← voz grabada por el usuario (input)
├── musica.mp3            ← (opcional) música de fondo
├── transcript.json        ← word-level normalizado
├── plan.json              ← Clip Director: segmentos + visual_type + asset_path
├── overlays.mp4          ← (opcional) texto kinético, chroma #FF00FF
├── assets/
│   ├── seg0.mp4           ← B-roll / card / pixel por segmento
│   ├── seg1.mp4
│   └── ...
└── REEL_FACELESS.mp4      ← OUTPUT FINAL (1080×1920, voz del usuario)

Relación con otras skills