Anúncios IA Lab
Roteiro → personagens → cenas → imagens → vídeo da cena 01 → fila do resto → edição. Nenhuma etapa começa sem o usuário aprovar a anterior. Cada etapa gasta crédito do KIE, e o que ele reprova não deve virar vídeo.
Três estilos
| Estilo | Quando | Referência (leia antes da etapa 4) |
|---|---|---|
pixar (padrão) | "criativo animado", "estilo Pixar", "animação" | referencias/pixar-referencia.md |
novelinha | "com novelinha", "modelo novelinha", "realista", "avatar real" | referencias/novelinha-referencia.md |
office | "estilo The Office", "falso documentário", "mockumentário", "visual antigo", "depoimento para a câmera" | referencias/office-referencia.md |
O fluxo das 7 etapas é o mesmo nos três. Muda o visual (os campos de referencias/estilos/<estilo>.json, aplicados por kie.py estilo) e, no novelinha e no office, a gramática das cenas (etapa 4). Na dúvida sobre o estilo, pergunte junto com a etapa 3, sem travar a etapa 2. Os personagens de um estilo não servem no outro: o personagem Pixar não entra numa novelinha.
Modelos de prompt: referencias/prompts.md. Leia antes das etapas 2, 5 e 6.
Onde fica cada coisa
- Chave:
KIE_API_KEYna variável de ambiente ou no arquivo.envda pasta desta skill (KIE_API_KEY=...). O script lê sozinho. Nunca mostre a chave no chat. Sem chave, peça ao usuário que crie uma em kie.ai e salve no.env. - Script:
python3 ~/.claude/skills/anuncios-ia-lab/scripts/kie.py. Usa só a biblioteca padrão e o ffmpeg; qualquer python3 a partir do 3.9 serve. - Projeto:
~/Criativos animados/<AAAA-MM-DD nome-curto>/, assim:roteiro.md o roteiro como ele mandou projeto.json personagens, cenas, prompts e o que já foi gerado (formato abaixo) cenas.md o texto das cenas que ele aprovou personagens/ <id>_v1.png, <id>_v2.png… (versões refeitas vão para antigas/) imagens/cenaNN.png primeiro quadro de cada cena videos/cenaNN.mp4 cena animada tarefas.jsonl log de cada geração: task do KIE, crédito, link edicao/ montagem, legenda e vídeo final (scripts de edicao/) - Modelos no KIE (todos por
POST /api/v1/jobs/createTask, depoisrecordInfo):grok-imagine-image-2-0/text-to-image: personagem sem referência.grok-imagine-image-2-0/image-edit: cena com até 5 imagens de referência (os personagens e o ambiente).- Vídeo, padrão:
grok-imagine-video-1-5-preview(apelidogrok15). Parte do primeiro quadro (first_frame_url), de 1 a 15 s, em 9:16, a 720p, com áudio e fala gerados juntos. Custa 4,5 créditos/s. - Alternativa:
google/gemini-omni-flash-1-2(apelidoomni), 9 créditos/s em 720p. Só se usa quando o usuário pedir ou quando o projeto já começou nele ("modelo_video": "omni"noprojeto.json), para a voz não mudar no meio do anúncio.
Comandos do script
K="$HOME/.claude/skills/anuncios-ia-lab/scripts/kie.py" # sempre chamar como python3 "$K" (o zsh não separa $K)
python3 "$K" saldo
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office # cria o projeto no estilo
python3 "$K" lote --projeto "$P" --tipo personagens # variações de cada personagem sem aprovação
python3 "$K" lote --projeto "$P" --tipo imagens # primeiro quadro de toda cena sem imagem
python3 "$K" lote --projeto "$P" --tipo imagens --cenas 03,07 --refazer
python3 "$K" lote --projeto "$P" --tipo videos --cenas 01 # etapa 6
python3 "$K" lote --projeto "$P" --tipo videos --cenas 02- --paralelo 3 # etapa 7, a fila
python3 "$K" folha --projeto "$P" --tipo personagens # ou --tipo imagens: folha de contato
python3 "$K" juntar --projeto "$P" --aparar # final.mp4 simples, sem edição
python3 "$K" status <taskId>
Cenas que usam como referência a imagem de outra cena do mesmo lote vão numa leva seguinte, já esperando aquela ficar pronta.
--simular mostra o que seria enviado, sem gastar nada. Rode com ele uma vez antes de cada lote novo para conferir prompts e referências. O lote mostra o saldo antes e depois e informa quanto gastou. Repita esse número ao usuário. Quando uma tarefa falha, rodar o mesmo comando de novo refaz só a que faltou. Lote de vídeo demora: rode em segundo plano (run_in_background) e espere o aviso, sem ficar consultando.
Etapa 1: receber o roteiro
- Crie o projeto já no estilo certo, com
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office. O comando cria oprojeto.jsona partir dereferencias/modelo-projeto.jsoncom os campos do estilo (estilo,estilo_personagem,estilo_videoeregras_video). Salve o roteiro como veio emroteiro.md. - Leia o roteiro e marque quem fala cada linha. Se o roteiro não disser, deduza: diálogo vira dois personagens, monólogo vira o expert falando para a câmera. Não reescreva a fala. O texto do roteiro vai palavra por palavra para o vídeo.
- Se algo for ambíguo (quem diz a linha, se a pessoa é o expert real), pergunte junto com a etapa 3, sem travar a etapa 2.
Etapa 2: criar os personagens
- Para cada personagem, escreva em
projeto.jsona ficha em português (descricao), ovisual(uma linha em inglês com cabelo, rosto, roupa e cores, a mesma em toda cena), opromptem inglês e avoz(modelos emreferencias/prompts.md). Defina uma roupa só para o anúncio inteiro, com peças e cores exatas. - Gere
variacoes: 2por personagem:lote --tipo personagens. Personagem que é pessoa real: a foto dela vai emrefs. - Olhe cada imagem com o Read antes de mandar. Uma imagem com defeito óbvio (texto, mãos deformadas, mais de uma pessoa, roupa diferente da ficha) é refeita uma vez antes de ir para o usuário, e você conta a ele que refez.
No novelinha, o personagem é uma pessoa fotorrealista: rosto, pele e roupa de verdade, sem traço de desenho (estilo_personagem do novelinha.json e o modelo de personagem realista em prompts.md). Se o expert real aparece, a foto dele vai em refs, só quando o anúncio é dele e ele autorizou o uso da imagem. A roupa é fixa dentro de cada "dia" da história. Se o roteiro tem salto de tempo ou de lugar ("30 dias depois", "no casamento"), gere uma segunda imagem do mesmo personagem com a roupa nova (refs = a imagem aprovada), mande para aprovação e use essa nas cenas daquele trecho. Em emagrecimento, o "depois" também muda o corpo (receita em prompts.md).
No office, o personagem também é fotorrealista, mas a foto de elenco já sai no visual antigo: a pessoa de corpo inteiro, em pé, dentro do escritório dos anos 2000 (divisória cinza, monitor de tubo, luz fluorescente), no estilo_personagem do office.json. Assim o usuário aprova a pessoa e a "pegada" juntas. Roupa de escritório da época (blusa de botão, cardigã, calça social, crachá sem texto). O contraste de corpo (quem emagreceu x quem não) segue a receita de prompts.md.
Etapa 3: aprovação dos personagens
Mande as imagens com o SendUserFile (todas numa chamada, com legenda "Ana v1, Ana v2, Rafa v1…") e escreva a ficha de cada um em 2 linhas. Pergunte qual versão fica, ou o que mudar. Quando ele aprovar, grave imagem (o arquivo escolhido) e aprovado: true no personagem. Um ajuste vira um prompt novo e um --refazer só daquele personagem (--cenas <id> também filtra personagens).
Etapa 4: dividir em cenas
Uma cena é um trecho de fala com no máximo 8 s estimados, que vira uma imagem e um vídeo. Com o Grok 1.5, estime 3,9 palavras/s + 0,5 s + 0,3 s por troca de quem fala, arredondado para cima, com mínimo de 3 s. Com o Omni, 3 palavras/s + 0,5 s + 0,7 s por troca. Depois que a cena 01 sair na etapa 6, recalibre essa conta pela fala real.
O que já se viu do Grok 1.5:
- Fala emendada, sem pausa na troca de quem fala, a ~3,8 a 4 palavras/s.
- Quando sobra tempo no clipe, ele inventa fala ("É, continua mesmo", "Calma, eu vou te ajudar"). Por isso a duração é justa, não se pede corte seco para depois do fim da fala, e a
regras_videodiz que ninguém fala depois da última fala entre aspas. Na conferência, toda frase transcrita que não está no roteiro é motivo para refazer a cena. Fala inventada só no fim do clipe sai na edição, que mantém só as palavras do roteiro, mas os segundos já foram pagos. - Personagem numa tela (vídeo no celular, TV) fala junto se o prompt não disser
the video on the phone is muted. Use o campona_tela. - Close sem rosto com câmera solta inventa gente. Em close de corpo, escreva
Static locked camera, no camera movement, the head never enters the frame, nobody else appears. - Palavra repetida entre duas falas seguidas some. Em "Posso começar hoje?" / "Hoje.", o Grok corta uma das duas. Fala que ecoa a anterior vai em clipe separado, ou a cena é dividida em duas.
Regras que valem para toda cena, nos três estilos:
- Sempre interação. Os personagens olham um para o outro e reagem ao que o outro diz. Ninguém olha para a câmera, a não ser o expert na chamada final ("clica em saiba mais") e, no office, os depoimentos e as encaradas. Vale na imagem e no vídeo: escreva no prompt para onde cada um olha (
Rafa looks at Ana). - Quem fala aparece falando. Em cada plano, quem está falando está em quadro, grande o bastante para ver a boca, de frente ou 3/4 para quem escuta, com a boca livre (nada de mão na boca, rosto escondido em abraço ou de costas). A primeira fala do anúncio é o gancho: plano médio ou mais perto em quem fala, nunca a pessoa pequena lá no fundo, e fala articulada, sem atropelar.
- O erro que gerou esta regra: um gancho pedido como "frozen in shock with one hand over her mouth", num plano aberto. A personagem falou pequena, na porta, com a mão tapando a boca, e quem assistiu não entendeu quem estava falando.
- Quem é quem, sempre explícito. Já aconteceu de a fala da especialista sair da boca de outra personagem. Cada personagem tem uma linha
visualna ficha (cabelo, rosto, roupa e cores, em inglês). A imagem de cada cena tem de mostrar exatamente os personagens da listapersonagensda cena, reconhecíveis por essa ficha. O prompt de vídeo diz, em cada fala, quem fala, com o visual (Carla (short curly black hair, white lab coat), warm: "..."). O script acrescenta sozinho o bloco "Who is who" (nome, visual e voz de cada um em quadro; quem fala fora de quadro; quem não fala no clipe; e que cada linha sai só da boca de quem está nomeado). - Tudo o que a cena usa já está na imagem. O vídeo só anima o que existe no primeiro quadro. Se a pessoa vai desligar a esteira, o painel da esteira está na imagem. Se vai abrir a geladeira, a geladeira está lá. Se vai espiar por cima da divisória e se abaixar atrás dela, a divisória está inteira na frente dela, na altura certa. Quando falta, o Grok improvisa: a pessoa segura o ar e o objeto surge no meio do clipe.
- O erro que gerou esta regra: num esquete office, duas colegas "espiavam por cima da divisória da baia", mas a imagem não mostrava a divisória na frente delas. No vídeo, as duas seguraram uma divisória invisível, e ela só apareceu quando elas se abaixaram.
- Como aplicar: ao escrever a cena, leia a ação inteira, do primeiro ao último segundo do clipe, e liste tudo em que alguém toca, segura, abre, usa, se apoia, se esconde atrás ou põe alguma coisa em cima. A lista vai na linha
Elementos:docenas.mde no campoelementos(em inglês) doprojeto.json. - O script escreve a lista no prompt da imagem ("já está inteiro no primeiro quadro, no lugar e no tamanho certos") e no do vídeo ("só mexe no que está visível; nada aparece nem some; ninguém finge segurar algo invisível"). As
regras_videodos três estilos também trazem essa trava. - Na conferência da imagem, cada elemento é um item da lista: se faltou, cortado pela borda ou no lugar errado, refaça antes de animar.
- Congruência de cenário. Cada lugar tem um cenário fixo, e ele não muda quando a câmera troca de um personagem para o outro. No plano e contraplano, o fundo de cada um é o outro lado da mesma sala: a janela continua do mesmo lado, os armários no mesmo lugar, a mesma luz e a mesma hora do dia. O que alguém pegou continua na mão dela na cena seguinte, o prato não troca de lugar e a caneca não some.
- Como aplicar: descreva cada lugar uma vez em
ambientes(em inglês, com a disposição: o que fica à esquerda, à direita e ao fundo) e marque em cada cena oambiente. O script repete a mesma descrição em toda cena daquele lugar. A cena que abre o lugar é gerada primeiro e vai emrefsdas outras. - Quem está em pé ou sentado continua assim até a cena mostrar a pessoa mudando.
- Na conferência, compare cada imagem com a anterior do mesmo lugar: parede, móveis, lado da janela, luz, objetos e postura.
- Como aplicar: descreva cada lugar uma vez em
Regras de dinamismo do Pixar (a referência troca de plano a cada ~2 s):
- Não repita o enquadramento da cena anterior. Alterne dois em quadro, por cima do ombro, close de reação, expert sozinho falando para a câmera e ilustração.
- Uma cena de 6 a 8 s leva 2 ou 3 planos dentro dela (por exemplo, dois em quadro e depois um corte seco para o close da reação de quem escuta). Cena de 3 a 4 s leva um plano só.
- O que se fala vira imagem. Parte do corpo, número, comparação, "vídeo no TikTok", "aula gravada": ilustre de forma literal e exagerada (metabolismo com um cadeado, barriga queimando como brasa, alma saindo do corpo, mão segurando o celular com a cena na tela). Uma cena assim pode durar 3 s.
- Reações exageradas de Pixar em quem escuta: choque, raiva, dúvida, risada.
- Troque o ambiente na virada do argumento (do problema para o mecanismo, do mecanismo para a oferta).
- Chamada final: o expert sozinho, olhando para a câmera, apontando para baixo. Feche com os dois juntos reagindo.
No novelinha, a gramática é outra (detalhes em novelinha-referencia.md):
- Uma pessoa falando por cena. A cena é o plano de quem fala: close ou plano médio, a 3/4, olhando para quem escuta, com o ombro dele desfocado na frente ou fora de quadro. Diálogo de duas falas vira duas cenas, plano e contraplano. Só junte duas falas na mesma cena quando forem curtas e as duas pessoas estiverem de frente uma para a outra, em perfil.
- Abra cada ambiente com um plano dos dois juntos (de 3 a 4 s, pode ter uma fala curta ou só reação).
- Close de reação de quem escuta nos momentos fortes (choque, choro, raiva), de 2 a 3 s, sem fala ou com a última palavra de quem fala ao fundo.
- Nada de efeito de desenho. O que se fala vira imagem só com objeto e ação reais: a balança, a fita métrica, o prato, o celular mostrando a aula, a pessoa se olhando no espelho. Cadeado brilhando e alma saindo do corpo são só do Pixar.
- Ritmo: um plano a cada ~3 s no gancho, até ~4 s no resto.
No office, a gramática é de falso documentário (detalhes em office-referencia.md):
- O gancho é falado. A cena 01 é diálogo (fofoca, pergunta, briga). Nunca abra com silêncio, mesmo sendo a cara da série.
- Três tipos de cena. Os personagens se olham na cena de escritório (por cima do ombro, plano e contraplano, câmera na mão). No depoimento, a pessoa sentada fala olhando para a câmera, sempre na mesma sala, com persiana atrás. No silêncio de propósito, de 3 a 4 s sem fala, a pessoa faz uma ação com som (grampeador, gole de café, gaveta) e pode encarar a câmera no fim.
- A encarada para a câmera é liberada onde o texto da cena disser. Nas cenas de conversa, a regra 1 continua valendo: ninguém olha para a lente.
- Marque no
cenas.mdquais cenas sãoSILÊNCIOe quais sãoDEPOIMENTO, e liste os silêncios emsilencios_propositonoprojeto.json: eles não podem ser cortados na edição. - A fala do depoimento pode cobrir outra imagem (o que ela descreve acontecendo no escritório), com quem fala em
vozes_extras. - A piada do espelho (duas confissões iguais em sequência) vai no mesmo enquadramento, com a imagem da primeira em
refsda segunda.
Mande todas as cenas de uma vez, neste formato, e salve o texto em cenas.md:
CENA 01 (~4 s) · Academia de madeira, luz dourada da tarde
Ana corre na esteira, exausta; Rafa aperta o botão vermelho e a esteira para. Ela, chocada, com as mãos no ar. Corte seco: ele cruza os braços, sorrindo.
Elementos: a esteira em que a Ana corre, com o painel na altura do peito; o botão vermelho de parar, que o Rafa aperta.
ANA: "Ei, tá fazendo o que, maluco?"
RAFA: "Salvando a sua barriga."
Ao fim da lista, informe o total de cenas e a duração estimada. Ajuste o que ele pedir e mande de novo só as cenas que mudaram. Quando ele aprovar, crie em projeto.json os ambientes (um por lugar, regra 5) e uma entrada por cena: id, duracao, texto, falas, personagens, ambiente, elementos (regra 4) e, se for o caso, refs. Toda cena tem a linha Elementos:; cena em que ninguém toca em nada diz Elementos: nenhum.
Etapa 5: imagens das cenas
- Escreva o
prompt_imagemde cada cena (modelo emprompts.md; no novelinha e no office, o modelo de cena realista). A missão é ser fiel ao texto aprovado: todo personagem, objeto, expressão e enquadramento citado tem de estar no prompt, e nada que não foi citado entra. Cenas que se passam no mesmo ambiente levam a imagem de uma cena anterior daquele lugar emrefs. Para isso, gere primeiro a cena que abre cada ambiente e use ela nas seguintes. OFraminge oActiondo prompt põem cada elemento da cena onde a ação precisa (a divisória na frente delas, na altura do peito; o painel da esteira na frente dela). O script acrescenta o cenário fixo doambientee a lista deelementos. lote --tipo imagens --simular, confira, e depois rode de verdade.- Confira cada imagem contra o texto da cena (Read), item por item:
- cada elemento da cena está na imagem, inteiro e no lugar em que a ação vai usar (regra 4);
- o cenário bate com a imagem anterior do mesmo lugar: móveis, lado da janela, luz, objetos na mão e postura (regra 5);
- para onde cada um olha (ninguém para a câmera, fora a chamada final) e se quem fala está com a boca à vista;
- quem é quem: conte as pessoas e confira, uma por uma, que cada uma é o personagem da lista daquela cena, com o cabelo e a roupa da ficha
visual. Pessoa a mais, pessoa trocada, roupa ou cabelo de outro personagem, alguém sem ficha, ou texto na imagem: refaça uma vez antes de mandar, e diga qual refez e por quê. É essa imagem que o vídeo anima; se ela errar, o vídeo erra junto.
- Mande todas com o SendUserFile, na ordem, com a legenda "cena 01 … cena NN". A folha (
folha --tipo imagens) serve como visão geral extra, nunca no lugar das imagens. Ajustes viram--cenas X --refazercom o prompt corrigido.
Etapa 6: primeiro vídeo
- Escreva o
prompt_videode todas as cenas (modelo emprompts.md), com as falas exatas em português, os planos com tempo e a reação de quem escuta. Cada fala leva o nome e o visual de quem fala. A abertura do estilo (estilo_video), o bloco "Who is who", a voz e as regras o script coloca sozinho: oprompt_videocomeça direto nos planos. Personagem que aparece dentro de uma tela (vídeo no celular) vai emna_tela: o script avisa que aquele vídeo é mudo e que a fala dela, se houver, é narração fora de quadro. - Gere só a cena 01:
lote --tipo videos --cenas 01. Mande com o SendUserFile. - Assista antes de mandar: tire quadros a cada 0,5 s com o ffmpeg e olhe, e transcreva com o Whisper.
- Quem mexe a boca em cada fala (6 quadros por segundo no trecho) e se alguém olhou para a câmera fora da chamada final: os dois casos são para refazer.
- Algum objeto surgiu ou sumiu no meio do clipe, alguém segurou ou se apoiou no ar, o cenário mudou (regras 4 e 5): também é para refazer, depois de corrigir a imagem se o elemento faltava nela.
- A fala é a do roteiro, a voz é a da ficha, os cortes internos aconteceram, não apareceu texto nem música.
- Palavra que não está no roteiro e som grave ou trilha de fundo.
- Meça quanto tempo a fala levou e diga ao usuário se a estimativa de palavras por segundo estava certa.
- Aplique o que ele pedir em todos os
prompt_videoque forem afetados, e não só no da cena 01 (voz, ritmo, câmera). Refaça a 01 se ele quiser ver de novo.
Etapa 7: a fila
Com a 01 aprovada: lote --tipo videos --cenas 02- --paralelo 3, em segundo plano. Quando terminar, confira cada cena como na etapa 6, mande os vídeos (SendUserFile) e o total de créditos gasto. Cena que falhou ou que ele reprovar volta só ela, com --cenas NN --refazer.
Edição
Os scripts ficam em edicao/, nesta skill, e rodam com um Python que tenha faster-whisper, Pillow e numpy (o README sugere um ambiente em ~/.venvs/anuncios-ia). As escolhas de cada vídeo vão no bloco edicao do projeto.json; a lista completa de campos está no topo de cada script, e há um exemplo em referencias/modelo-projeto.json.
edicao/montar.py "<projeto>": corte absoluto.- Corta cada cena da primeira à última palavra esperada, porque o Grok às vezes inventa fala no fim.
- Tira as pausas internas de mais de 0,3 s.
- Deixa as cenas sem fala e os silêncios de propósito inteiros, por janela fixa (
janela, ou a cena listada emsilencios_proposito). Silêncio de propósito nunca é cortado. - Iguala o volume de cada cena e a duração do áudio ao vídeo de cada parte (sem isso, o som adianta ~1 s no fim de um vídeo longo).
- Cena em que alguém em quadro mexe a boca na narração pode entrar como imagem parada com zoom lento (
parada). - Não use um cortador de silêncio genérico aqui: ele apaga cena muda e silêncio proposital.
edicao/preparar.py "<projeto>": acelera (1,10x é o padrão;min_segundossegura a duração mínima) e tira o tempo de cada palavra com o faster-whisper.edicao/trilha.py "<projeto>" "<prompt>"(opcional, Pixar ou novelinha; o office não leva música): trilha original do ElevenLabs Music, com os momentos marcados em segundos pelos inícios de cena. Depois,"musica": "edicao/trilha.mp3"no blocoedicao.edicao/render.py "<projeto>" [--previa 20]:- legenda palavra a palavra, com a palavra falada em amarelo e
destaquesgrandes; zoompor cena:push(in),solta(out),punch,holde, no office,snap, o soco de documentário num segundo marcado;pb, o P&B nas falas de dor;granulado, ligado sozinho no office;- trilha ~14 dB abaixo da voz e volume final em -14,5 LUFS.
- Sai o vídeo e a versão
_leve. Rode a prévia primeiro e mande para o usuário antes do render inteiro.
- legenda palavra a palavra, com a palavra falada em amarelo e
Formato do projeto.json
Veja referencias/modelo-projeto.json. Campos que o script lê:
estilo_nome(pixar,novelinhaouoffice),estilo(vai no começo de todo prompt de imagem),estilo_personagem(o mesmo, só para os personagens) eestilo_video(vai no começo de todo prompt de vídeo). Os quatro vêm dereferencias/estilos/<estilo>.json.formato(9:16),resolucao(720p) eregras_video: esta última vai no fim de todo prompt de vídeo.personagens.<id>:nome,descricao(em português),visual(uma linha em inglês, usada no bloco "Who is who"),prompt,voz,variacoes,refs,imagem(a aprovada) eaprovado.cenas[]:id("01"…),duracao,texto,falas,personagens(os ids, na ordem em que o prompt cita image 1, image 2),refs,vozes_extras(quem fala sem aparecer em quadro),na_tela(quem aparece dentro de uma tela, sem falar),narra(quem está em quadro, mas a fala dela naquela cena é narração, sem mexer a boca),prompt_imagem,prompt_video,imagemevideo(o script preenche os dois últimos).ambientes(regra 5):{"<id>": "<descrição fixa do lugar, em inglês, com o que fica à esquerda, à direita e ao fundo>"}.- Em cada cena,
ambiente(o id do lugar) eelementos(regra 4): lista, em inglês, de tudo em que os personagens tocam, seguram, usam, abrem, se apoiam, se escondem atrás ou põem algo, com a posição (the gray cubicle divider right in front of them, at chest height). O script avisa nolotequando uma cena não temelementos. silencios_proposito(office e esquetes):{"07": "grampeador e encarada", ...}, as cenas que a edição monta inteiras.edicao: as escolhas da edição (janelas, velocidade, P&B, zoom, destaques, trilha), lidas pelos scripts deedicao/.
Armadilhas
- Os resultados do KIE ficam só 14 dias no servidor. O script baixa tudo para a pasta do projeto, e é dela que se trabalha.
- Imagem local enviada como referência vira um link que expira em 24 h. O script guarda o link por 20 h em
~/.cache/anuncios-ia-lab/uploads.jsone reenvia sozinho depois disso. - O vídeo parte só do primeiro quadro: a fidelidade do personagem vem toda da imagem da cena. Se a imagem estiver errada, o vídeo sai errado: não gere vídeo de imagem que o usuário não aprovou.
- O modelo de vídeo gera o áudio junto, com as falas escritas no prompt. A voz pode variar entre clipes, e é por isso que a
vozé idêntica em todos. A música de fundo é proibida nasregras_video, senão cada cena vem com uma diferente. - A duração é um número inteiro (Grok 1.5: 1 a 15; Omni: 3 a 15). Use no máximo 8 s por cena, a não ser que o usuário peça. A cobrança é por segundo gerado, então duração folgada vira silêncio pago (ou fala inventada).
- Não gere nada além do que a etapa pede, nem variações a mais "para garantir". Cada chamada custa crédito.
- Olhar para a lente em plano de uma pessoa só (novelinha). O modelo puxa o olhar para a câmera. O que resolve é mandar virar a cabeça para o lado do ombro em primeiro plano:
three-quarter profile, head turned to the left; <Nome>'s shoulder out of focus at the left edge of the foregroundeher eyes are turned to the left, away from the lens. No vídeo, diga para onde cada um olhathe whole time. Quem fica de costas no primeiro plano:stays with her back to the camera the whole time. - Enquadramento justo em quem fala (
Tight framing from the waist up: the face is large…), senão o modelo copia o plano aberto da imagem de referência do ambiente. - Em cena com gente na frente e no fundo, o Grok Image pode montar duas fotos empilhadas. Escreva
One single continuous camera shot (not a collage, not a split screen, no panels). - O Whisper inventa texto em clipe mudo (repete o
initial_prompt, "Obrigado"). Antes de refazer uma cena muda, transcreva comvad_filter=True. - Com
initial_prompt, o Whisper pode pular a palavra dita no 0 s e parecer que "faltou fala". Confira sem o prompt antes de refazer. - Novelinha com gente realista esbarra mais em filtro do que o desenho. Corpo sempre vestido e sem enquadramento sexual. No emagrecimento, mostre o antes e o depois com a pessoa inteira vestida, de perfil ou se olhando no espelho, sem close de barriga nua. Todo personagem é adulto e dito adulto no prompt.
- Trocar de modelo:
--modelo omni|grok15noloteou novideo. Com--teste, grava emvideos/<modelo>/sem mexer no projeto, para comparar. - O Omni tem filtro de segurança (erro 400 "might violate our policies" ou "flagged ... minors"). Tarefa barrada não cobra. O que já foi barrado e como passou:
- influenciadora com cara jovem e close do corpo: passou ao dizer
adult ... about 30 years olde trocar o close por um plano aberto; - especialista apontando para baixo dizendo "Só clicar aqui que eu te mostro agora mesmo": passou ao contextualizar como
adult health coach ... free online classecall-to-action gesture for a link below the video; - "é só apertar aqui no botão abaixo": continuou barrada mesmo recortando a imagem no peito. A suspeita é o "apertar aqui".
- Depois de 2 tentativas sem sucesso, pare e leve ao usuário. Se a saída for mudar a fala, quem decide é ele.
- influenciadora com cara jovem e close do corpo: passou ao dizer