sound-engineer

name	sound-engineer
description	Genera el diseno sonoro de un video Remotion — musica de fondo, SFX por escena y ducking dinamico. Lee el config.json existente, propone una carta de sonido al usuario y genera los archivos de audio via ElevenLabs. Invoca con /sound-engineer path/to/config.json

Sound Engineer

Skill de diseno sonoro para videos Remotion. Lee un config.json que ya tiene escenas, voiceover y direccion editorial, y anade la capa de audio ambiental: musica de fondo con ducking y efectos de sonido por escena.

Cuando usarla

• Despues del director pass (necesita timing y beats)
• Antes de renderizar la version final
• Para anadir personalidad sonora a un video que ya suena "seco"

Cadena de agentes

tutorial-generator → director → sound-engineer → render

Prerequisitos

• config.json con escenas, voiceover y beats/timing
• Variable de entorno ELEVENLABS_API_KEY
• Directorio public/audio/library/ con loops base (opcional, el skill funciona con custom prompts)

Workflow (5 pasos)

Paso 1 — Analisis

Lee el config y extrae:

• brief.tone, brief.platform, brief.audience
• Escenas por tipo (terminal, intro, custom/block-diagram, etc.)
• Beats con emphasis: "high" (puntos de impacto)
• Duracion total del video
• Si ya existe soundDesign (re-run vs primera vez)

Paso 2 — Propuesta de music bed

1. Escanea public/audio/library/ buscando loops existentes
2. Mapea el tono del brief a tags:
   • "personal-didactic" → lofi-tech, minimal-ambient
   • "corporate" → corporate-warm
   • "energetic" → upbeat-tech
3. Propone 2-3 opciones al usuario con recomendacion
4. Si ninguna encaja, propone un prompt custom para la Music API
5. Presenta via AskUserQuestion — el usuario elige

Paso 3 — Carta de sonido

Aplica el mapeo automatico por defecto:

Tipo de escena	SFX por defecto
intro	Swoosh sutil en linea de acento (trigger: "accent-line")
terminal	Teclado mecanico durante typing (trigger: "typewriter", loop: true)
custom/block-diagram	Chime al revelar cada bloque (trigger: "reveal")
custom/flow-diagram	Whoosh del orb entre nodos (trigger: "reveal")
custom/file-explorer	Click de carpeta al expandir (trigger: "reveal")
callout	Tono de atencion sutil (trigger: "scene-start")
outro	Stinger musical de cierre (trigger: "scene-start")

Ajusta densidad segun tono:

• Tono corporate/formal → menos SFX, solo music bed + transiciones
• Tono personal/didactico → mas SFX, ASMR en teclado, chimes en reveals
• Tono energetico → mas stingers, hits en beats de emphasis alta

Presenta tabla escena-por-escena al usuario:

CARTA DE SONIDO — "[titulo del video]"

Music bed: [seleccion] (loop, -18dB, duck a -26dB durante voz)

Escena 0 (intro, Xs):      [SFX asignados]
Escena 1 (terminal, Xs):   [SFX asignados]
...

Ducking: -26dB durante voz, fade 400ms
Transiciones: [resumen de gaps]

Presenta via AskUserQuestion — itera sin limite hasta aprobacion.

Paso 4 — Escritura del config

Escribe la seccion soundDesign en el config.json:

{
  "soundDesign": {
    "enabled": true,
    "musicBed": {
      "libraryId": "lofi-tech",
      "volume": -18,
      "duckingVolume": -26,
      "fadeInMs": 2000,
      "fadeOutMs": 3000,
      "duckingFadeMs": 400
    },
    "sfx": [
      {
        "id": "keyboard",
        "prompt": "soft mechanical cherry mx keyboard typing in quiet room, ASMR, gentle clicks",
        "trigger": "typewriter",
        "sceneTypes": ["terminal"],
        "loop": true,
        "volume": -14
      }
    ]
  }
}

Paso 5 — Generacion de audio

Ejecuta el script:

npx tsx scripts/generate-sound-design.ts path/to/config.json

Reporta:

• Archivos generados y tamanos
• Coste estimado de API (SFX + Music)
• Warnings si algun archivo no se genero

No renderiza — eso lo hace render.ts en el siguiente paso de la cadena.

Prompts de SFX recomendados

Mejores practicas para prompts de ElevenLabs SFX V2:

• Ser especifico: material, entorno acustico, distancia
• Describir el arco temporal: "building from... culminating in..."
• Usar terminologia de audio: braam, drone, impact, riser, whoosh
• Anadir exclusiones: "no music, no voice" para evitar elementos no deseados
• Mencionar espacio acustico: "large hall", "small room", "outdoor"

Prompts que producen buenos resultados:

• Teclado: "soft mechanical keyboard typing in quiet room, cherry mx switches, gentle ASMR clicks, no background noise"
• Epic intro: "Deep cinematic braam building from a low sub-bass drone, layered rising whooshes with metallic resonance, culminating in a powerful reverberant impact boom. Dramatic, epic, large hall acoustics, no music, no voice"
• Swoosh: "subtle digital UI swoosh, soft, clean, short, modern interface sound"
• Chime: "gentle digital notification chime, minimal, single note, warm tone, UI sound"
• Whoosh: "soft particle whoosh traveling left to right, digital, ethereal, short"
• Click carpeta: "soft mouse click on folder, minimal UI interaction sound, clean"
• Tono atencion: "subtle attention tone, two soft notes ascending, warm, non-intrusive"
• Stinger cierre: "short musical stinger, lofi ending tag, warm, 2 seconds, fade out"
• Tension riser: "Dark atmospheric tension riser with eerie metallic drones, building to a deep cinematic braam impact with long reverb tail, suspenseful, no music, no voice"

Volumenes recomendados

Capa	Volumen	Notas
Music bed (normal)	-18 dB	Audible pero no distrae
Music bed (ducking)	-26 dB	Apenas perceptible bajo voz
Teclado ASMR	-14 dB	Presente, textura
Epic intro	-8 dB	Impacto fuerte al inicio
Chimes/clicks	-15 dB	Puntual, no agresivo
Swoosh/whoosh	-16 dB	Ambiental
Stinger	-10 dB	Cierre con presencia

Reglas

• El humano siempre valida la carta de sonido antes de generar
• No anadir SFX a escenas que ya estan cargadas de informacion visual
• Si el video dura menos de 15s, solo music bed (sin SFX)
• Respetar el transitionMs del director para el timing de ducking
• Cache agresivo: no regenerar archivos cuyo fingerprint no ha cambiado