Communitygithub.com

anuncios-ia-lab

Anúncios IA Lab — transforma um roteiro de anúncio num vídeo de personagens de IA, cena a cena, com aprovação do usuário em cada etapa, em três estilos — Pixar (animação 3D), novelinha (realista, gente de verdade, com cara de vídeo de celular e linguagem de novela de TV) ou office (falso documentário estilo The Office, visual de vídeo antigo dos anos 2000, depoimentos para a câmera e silêncios com efeito sonoro). Cria os personagens com o Grok Imagine (KIE.ai), divide o roteiro em cenas de até 8 s, gera a imagem de cada cena com fidelidade ao texto aprovado, anima a primeira cena com o Grok Imagine Video 1.5 e, aprovada, roda o resto em fila; no fim edita (corte absoluto, legenda, zoom, P&B e trilha). Use quando o usuário mandar um roteiro e pedir "criativo animado", "anúncio animado", "anúncio com IA", "vídeo estilo Pixar", "anima esse roteiro", "esse anúncio com novelinha", "novelinha realista", "estilo The Office", "falso documentário", "mockumentário", "/anuncios-ia-lab", ou qua...

What is anuncios-ia-lab?

anuncios-ia-lab is a Claude Code agent skill that anúncios IA Lab — transforma um roteiro de anúncio num vídeo de personagens de IA, cena a cena, com aprovação do usuário em cada etapa, em três estilos — Pixar (animação 3D), novelinha (realista, gente de verdade, com cara de vídeo de celular e linguagem de novela de TV) ou office (falso documentário estilo The Office, visual de vídeo antigo dos anos 2000, depoimentos para a câmera e silêncios com efeito sonoro). Cria os personagens com o Grok Imagine (KIE.ai), divide o roteiro em cenas de até 8 s, gera a imagem de cada cena com fidelidade ao texto aprovado, anima a primeira cena com o Grok Imagine Video 1.5 e, aprovada, roda o resto em fila; no fim edita (corte absoluto, legenda, zoom, P&B e trilha). Use quando o usuário mandar um roteiro e pedir "criativo animado", "anúncio animado", "anúncio com IA", "vídeo estilo Pixar", "anima esse roteiro", "esse anúncio com novelinha", "novelinha realista", "estilo The Office", "falso documentário", "mockumentário", "/anuncios-ia-lab", ou qua...

Works with✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/dankeeps/anuncios-ia-lab/tree/HEAD

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentation

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

EstiloQuandoReferência (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_KEY na variável de ambiente ou no arquivo .env da 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, depois recordInfo):
    • 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 (apelido grok15). 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 (apelido omni), 9 créditos/s em 720p. Só se usa quando o usuário pedir ou quando o projeto já começou nele ("modelo_video": "omni" no projeto.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

  1. Crie o projeto já no estilo certo, com python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office. O comando cria o projeto.json a partir de referencias/modelo-projeto.json com os campos do estilo (estilo, estilo_personagem, estilo_video e regras_video). Salve o roteiro como veio em roteiro.md.
  2. 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.
  3. 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

  1. Para cada personagem, escreva em projeto.json a ficha em português (descricao), o visual (uma linha em inglês com cabelo, rosto, roupa e cores, a mesma em toda cena), o prompt em inglês e a voz (modelos em referencias/prompts.md). Defina uma roupa só para o anúncio inteiro, com peças e cores exatas.
  2. Gere variacoes: 2 por personagem: lote --tipo personagens. Personagem que é pessoa real: a foto dela vai em refs.
  3. 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_video diz 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 campo na_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:

  1. 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).
  2. 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.
  3. Quem é quem, sempre explícito. Já aconteceu de a fala da especialista sair da boca de outra personagem. Cada personagem tem uma linha visual na ficha (cabelo, rosto, roupa e cores, em inglês). A imagem de cada cena tem de mostrar exatamente os personagens da lista personagens da 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).
  4. 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: do cenas.md e no campo elementos (em inglês) do projeto.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_video dos 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.
  5. 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 o ambiente. O script repete a mesma descrição em toda cena daquele lugar. A cena que abre o lugar é gerada primeiro e vai em refs das 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.

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.md quais cenas são SILÊNCIO e quais são DEPOIMENTO, e liste os silêncios em silencios_proposito no projeto.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 refs da 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

  1. Escreva o prompt_imagem de cada cena (modelo em prompts.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 em refs. Para isso, gere primeiro a cena que abre cada ambiente e use ela nas seguintes. O Framing e o Action do 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 do ambiente e a lista de elementos.
  2. lote --tipo imagens --simular, confira, e depois rode de verdade.
  3. 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.
  4. 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 --refazer com o prompt corrigido.

Etapa 6: primeiro vídeo

  1. Escreva o prompt_video de todas as cenas (modelo em prompts.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: o prompt_video começa direto nos planos. Personagem que aparece dentro de uma tela (vídeo no celular) vai em na_tela: o script avisa que aquele vídeo é mudo e que a fala dela, se houver, é narração fora de quadro.
  2. Gere só a cena 01: lote --tipo videos --cenas 01. Mande com o SendUserFile.
  3. 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.
  4. Aplique o que ele pedir em todos os prompt_video que 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.

  1. 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 em silencios_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.
  2. edicao/preparar.py "<projeto>": acelera (1,10x é o padrão; min_segundos segura a duração mínima) e tira o tempo de cada palavra com o faster-whisper.
  3. 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 bloco edicao.
  4. edicao/render.py "<projeto>" [--previa 20]:
    • legenda palavra a palavra, com a palavra falada em amarelo e destaques grandes;
    • zoom por cena: push (in), solta (out), punch, hold e, 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.

Formato do projeto.json

Veja referencias/modelo-projeto.json. Campos que o script lê:

  • estilo_nome (pixar, novelinha ou office), estilo (vai no começo de todo prompt de imagem), estilo_personagem (o mesmo, só para os personagens) e estilo_video (vai no começo de todo prompt de vídeo). Os quatro vêm de referencias/estilos/<estilo>.json.
  • formato (9:16), resolucao (720p) e regras_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) e aprovado.
  • 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, imagem e video (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) e elementos (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 no lote quando uma cena não tem elementos.
  • 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 de edicao/.

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.json e 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 voz é idêntica em todos. A música de fundo é proibida nas regras_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 foreground e her eyes are turned to the left, away from the lens. No vídeo, diga para onde cada um olha the 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 com vad_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|grok15 no lote ou no video. Com --teste, grava em videos/<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 old e 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 class e call-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.

Related Skills