Communitygithub.com

video-motion

SOP induk untuk bikin video motion/explainer bersuara via chat (9:16 Reels/TikTok, 16:9 YouTube, 1:1 feed) — menggabungkan alur kerja Motion Format (brief→gaya→naskah→ suara→adegan→render), hukum sinematik Bang Motion (video bukan slide, deterministik, gaya dari tema), dan pipeline HTML→MP4 teruji (html-motion-pipeline: faster-whisper, SFX prosedural, CDP render, audit layout, subtitle aman Reels). Gunakan bila user minta video motion/explainer/animasi/promo, atau "kayak video sebelumnya" — walau tidak menyebut "motion graphic".

What is video-motion?

video-motion is a Claude Code agent skill that sOP induk untuk bikin video motion/explainer bersuara via chat (9:16 Reels/TikTok, 16:9 YouTube, 1:1 feed) — menggabungkan alur kerja Motion Format (brief→gaya→naskah→ suara→adegan→render), hukum sinematik Bang Motion (video bukan slide, deterministik, gaya dari tema), dan pipeline HTML→MP4 teruji (html-motion-pipeline: faster-whisper, SFX prosedural, CDP render, audit layout, subtitle aman Reels). Gunakan bila user minta video motion/explainer/animasi/promo, atau "kayak video sebelumnya" — walau tidak menyebut "motion graphic".

Works with✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/hasbiridwan57-creator/hermes-video-motion-skills/tree/main/video-motion

Ask in your favorite AI

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

Documentation

Video Motion — alur baku video bersuara via chat

Alur induk. Tiga sumber punya peran masing-masing — jangan dibaca semua setiap proyek, panggil sesuai fase:

FaseSumber aturanSkill
Brief, gaya, naskah, VO, urutan kerja via chatmotion-formatskill_view('motion-format')
Hukum desain & sinematik (video≠slide, deterministik, gaya dari tema, jebakan)bang-motionskill_view('bang-motion')
Pipeline teknis render (whisper, SFX, CDP frame, audit, subtitle aman)html-motion-pipelineskill_view('html-motion-pipeline')

Kapan pakai yang mana

  • Gaya spesifik ada resepnya (isometrik, kartun cel, sejarah-3D, promo produk, dll.) → pakai mesin motion-format (mf.py) + resep gayanya.
  • Explainer flat-motion 2D / diagram estafet / tech-explainer (kayak video Function Calling) → pakai html-motion-pipeline (arsitektur GSAP + render CDP), patuhi hukum desain bang-motion.
  • Promo/opener/bumper/kinetic type → bang-motion sebagai sumber hukum + arsitektur.

MULAI DI SINI — gerbang urutan (jangan lewati)

Sebelum menulis SATU baris pun (HTML, naskah, VO) untuk tugas video: 0. BACA USER.md DAN style-reference/STYLE.md (folder skill ini) DULU — USER.md = preferensi & standar Hasbi (jangan tanya ulang yang sudah tertulis); STYLE.md = gaya emas visual + frame acuan. vision_analyze frame di style-reference/ sebelum menulis HTML supaya MELIHAT target visualnya, bukan cuma membayangkan dari deskripsi. File ini sengaja dipisah dari SOP agar mudah di-update tanpa menyentuh alur kerja.

  1. skill_view('video-motion') dulu — lalu sub-skill sesuai fase (tabel di atas).
  2. RISET DULU kalau topiknya butuh fakta/jurus nyata (topik edukasi, "cara X", perbandingan, berita): kumpulkan poin kunci + hook kuat dari sumber beneran (web_search/web_extract) SEBELUM menyusun naskah — jangan mengarang isi dari ingatan. Lihat references/topik-riset.md untuk cara memilih & memvariasikan angle.
  3. URUTAN KERJA mengikuti user, bukan tabel fase di atas. Urutan default dokumen adalah brief→gaya→naskah, TAPI user Hasbi sering sengaja membaliknya: riset topik → pilih topik → naskah → BARU brief gaya. Kalo user bilang "mulai dari topik/naskah dulu, baru brief", patuhi itu — jangan tawarkan gaya atau tunjuk draft naskah sebelum topik disepakati. Kunci setiap fase lewat ACC user (pilih 1 dari opsi) sebelum lanjut.
  4. Adegan 1 uji visual + ACC dulu, baru VO & adegan lainnya. Jangan pernah bangun seluruh video (semua adegan + render MP4) sebelum adegan 1 disetujui user.
  5. Jangan bawa beban project lama. Tiap video = folder baru & mulai dari brief bersih; user sering minta "lupakan project sebelumnya, riset dari awal".

PITFALL (mahal): Membangun dari ingatan/insting alih-alih membaca sub-skill menghasilkan deck slide — tiap adegan jadi <section> yang di-fade in-out. Ini melanggar Hukum #1 dan butuh render penuh (~9 menit) sebelum kelihatan "ancur". Baca bang-motion DULU; mulai dari index.fc-reference.html, jangan tulis dari nol.

SOP POSITIONING & URUTAN KERJA (standar kekompakan antar-sesi)

Sumber: proyek #11 "Perusahaan Tanpa Karyawan" (7 adegan, 55.8 dtk) yang selesai tanpa satu pun revisi layout. Inilah metode tepat yang menghasilkan rapi di percobaan pertama. Ikuti urutannya persis — melompat satu langkah = ulang seluruh render.

Fase A — PERSIAPAN (sebelum sentuh HTML)

  1. VO dulu, bukan visual. Begitu user kirim file VO → langsung proses:
    ffmpeg -i vo_raw.mp3 -af loudnorm=I=-16:TP=-1.5:LRA=11 -ar 16000 -ac 1 vo_norm.wav
    
    (loudnorm WAJIB — mencegah halusinasi Whisper).
  2. Transkripsi per-kata (model small, language="id", word_timestamps=True, vad_filter=True, temperature=0, beam_size=5, int8). Decode manual via soundfile→numpy (hindari bug av). Hasil: vo_words.json = sumber kebenaran SEMUA timing.
  3. Petakan batas adegan dari timestamp, bukan dari naskah. Contoh nyata: VO #11 jatuh di 8 adegan → 0/7.7/16.3/22.4/29.1/36.4/41.6. Setiap adegan mulai = start kata pertama kalimat pembukanya. Visual muncul PERSIS saat frasa diucapkan.

Fase B — POSITIONING (kunci kerapian)

Kerapian = grid disiplin + tiap adegan satu fokus. Aturan konkret (bukti dari #11):

  • Satu zona vertikal per peran. Di 1080×1920: kicker/judul band atas (y≈300), visual utama band tengah (y 560–1250), caption penutup band bawah scene (y≈1330), subtitle TETAP di y≈1460. Jangan campur peran lintas band.
  • Node/kolom simetris pakai kiri–tengah–kanan: left:250/540/830px (pusat 540). Tengah boleh top sedikit lebih tinggi dari pinggir biar komposisi hidup, TAPI jarak horizontal ketiganya sama.
  • Kartu seimbang (perbandingan A-vs-B): width & top & padding SAMA untuk kedua kartu; yang membedakan cuma isinya. Jangan satu gemuk satu kurus.
  • Subtitle di luar #world (anak #stage, bukan #world) supaya tak ikut kamera.
  • Ukur jangan kira. Setiap teks wajib lolos audit_overlap (0 tabrakan) & audit_center (deviasi center <250px). Bounding-box, bukan mata.

Fase C — ANIMASI (kunci "hidup tapi tenang")

  • Deterministik total. Semua = fungsi murni t. Nol Math.random(). Ambient (matrix rain, partikel) pakai seeded RNG (mulberry32(seed)) biar tiap render identik.
  • rAF = musuh render. Matikan window.requestAnimationFrame lewat page.evaluateOnNewDocument(()=>{window.requestAnimationFrame=()=>0;}) SEBELUM goto — kalau tidak, autoplay loop menimpa __seek dan frame jadi acak. (Pola: rAF HANYA untuk preview browser, bukan render headless.)
  • Sinkron frasa. Setiap beat visual pakai timestamp kata dari vo_words.json sebagai anchor tween (contoh: node RISET muncul di start kata "riset").
  • Gerak berkelanjutan: drift kamera vertikal halus per adegan (y:-55→0), denyut ring (scale 1↔1.06 yoyo), counter angka naik, hujan koin. Semua lolos ambang mean-diff gerak (Gotcha #12).
  • Hook = set, bukan fade-in. Frame 0 = thumbnail TikTok → teks hook SUDAH penuh di t=0 (tl.set, bukan fromTo opacity 0). Jangan biarkan frame pertama kosong.

Fase D — VERIFIKASI SEBELUM RENDER PENUH

  1. node snap.mjs → potret 15+ titik kunci → lihat via vision (bukan cuma audit DOM). Nama file snapshot = DETIK, bukan indeks adegan (snap_00003 = t≈0.3 dtk, BUKAN adegan 3). Sebelum menilai lewat vision, petakan dulu titik audit ke nomor adegan yang benar — cek frame untuk "adegan heksagon" di frame hook akan lolos kosong dan membuatmu salah yakin bahwa adegan itu sudah benar.
  2. Matikan rAF di snap (sama seperti render) → snapshot baru deterministik.
  3. Cek per adegan: teks kepotong? overlap? ruang kosong berlebih? ikon terbaca?
  4. Baru render penuh (--sampai 3 dulu uji, lalu penuh + resume anti-OOM).
  5. Jebakan re-tema (gelap↔terang): latar bisa masih gelap walau warna utama sudah diganti. Bila mengubah tema video jadi terang/ gelap setelah dirender, penggantian warna GLOBAL (background body, teks) TIDAK mengubah gradien latar PER-ADEGAN yang ditulis sendiri (mis. #sc7 .bg{background:linear-gradient(180deg,#0a2a3a…)}) dan shadow gelap di elemen CTA — adegan itu tetap gelap di MP4 walau "sudah kubalik semua". Fix: setelah re-tema, grep html untuk pola gradien & warna latar per-adegan (grep -nE "gradient|#0[0-9a-f]{5}" index.html) dan pastikan tiap adegan ikut berubah. Verifikasi objektif via piksel, bukan mata: ekstrak frame tiap adegan dari MP4 lalu ukur kecerahan area latar (np.array(Image.open(f).convert('RGB'))[:80,:80].mean(); >180 = terang, <100 = masih gelap). Nilai per adegan, bukan satu frame. Ini lebih andal daripada vision_analyze yang sering timeout/menolak memuat gambar di sesi desktop.

Antisipasi kekompakan lintas-sesi: metode ini bekerja karena (a) VO diproses SEBELUM visual, (b) positioning dari grid, bukan perasaan, (c) deterministik + rAF mati. Sesi mana pun yang mengikuti Fase A→D persis akan menghasilkan kerapian setara proyek #11.

Alur baku (adaptif — pakai bagian yang relevan)

  1. Brief 5 hal (motion-format): apa, topik+bahan, untuk siapa, durasi, rasio+subtitle. Tanya maksimal 1×, sisanya default.
  2. Gaya — user sebut → langsung pakai; belum → tawarkan 3 + 1 rekomendasi. Tulis gaya.md (palet hex + sumber, font, latar, tanda tangan gerak, 1 hal pembeda). Latar tidak default gelap. Gaya dari tema/brand, bukan dari starter/referensi.
  3. Gambar uji adegan 1 (±8 dtk, mutu final) → potret → tampilkan → user setuju.
  4. Naskah per adegan → naskah.md. Atau bila user rekam sendiri: minta file VO. Format naskah saat ditunjukkan di chat = PARAGRAF, bukan tabel. User Hasbi ingin membaca naskah sebagai alur cerita mengalir (prosa per paragraf), bukan tabel # | visual | VO | detik. Tulis tabel dulu di naskah.md sebagai blueprint internal (untuk memetakan beat→visual, lihat Gotcha #18), tapi yang DITAMPILKAN ke user untuk ACC = versi paragraf. Setiap naskah video Hasbi WAJIB ditutup promosi grup Telegram (grup diskusitentangai, CTA di teks VO + logo grup di end screen) — taruh CTA-nya di dalam naskah itu sendiri sebagai kalimat penutup VO, bukan cuma visual akhir.
  5. VO + timing
    • User rekam sendiri (ElevenLabs dsb.): proses filenya. Transkripsi + timestamp per kata via faster-whisper (pipeline). Terlalu cepat → tawarkan varian tempo (0.75/0.90/0.97) pilih satu.
    • Via ElevenLabs API: klip per adegan, tes adegan 1 dulu. Jangan buang kredit tanpa izin.
    • Sinkron kalimat pakai jeda napas (silencedetect).
  6. Bangun semua adegan — waktu adegan mengikuti waktu VO. Bangun 2–3 → potret → perbaiki → ulangi. Beri "detail lagi" di adegan terlemah. Nol error JS.
  7. AUDIT LAYOUT SEBELUM RENDER (wajib, lihat pipeline): 0 overflow, tak menabrak elemen, subtitle aman dari zona UI bawah (Reels/TikTok ≈360px). Plus 0 frame kosong — cek tiap adegan pada frame awalnya (t0..t0+0.5): elemen konten (non-subtitle) WAJIB sudah opacity>0. Audit DOM yang hanya cek tabrakan/overflow TIDAK menangkap ini (lihat Gotcha #6). 7b. AUDIT GERAK SEBELUM SERAHKAN (wajib, terpisah dari audit layout). Audit layout & "frame kosong" hanya membuktikan KONTEN ADA, bukan VIDEO BERGERAK — video stasis (deck slide mati) lolos keduanya lalu gagal total di mata user. Ukur gerak nyata: ekstrak dua frame dari MP4 final di tengah SATU adegan (bukan lintas adegan, mis t dan t+0.4) → hitung rata-rata selisih piksel absolut mean(|A-B|). mean diff < 1.0 = adegan itu STASIS, tolak. Tiap adegan wajib lolos — ada konten + ada gerak antar-frame adalah dua gate berbeda; lolos yang satu bukan lolos yang lain. (Lihat Gotcha #12.)
  8. Render: cek ±8 dtk → user dengar/lihat → render penuh → MP4.

Hukum wajib (ringkas dari bang-motion + motion-format)

  1. Video, bukan slide. Kamera/dunia bergerak; adegan berganti karena dunia bergerak, bukan <section> di-fade. Satu subjek/benang merah visual bertahan.
  2. Deterministik. Semua visual = fungsi murni t/tl.time(). Nol Math.random() tanpa benar-benar, Date, performance.now.
  3. Gaya dari tema, bukan starter/referensi. Referensi = ritme, bukan kulit. Dua video berbeda beda di ≥3 dari: palet, font, latar, tanda tangan gerak. Kecuali seri (Part 1,2,…): wajib konsisten.
    • Jangan mengkloning layout video sebelumnya. Mengganti palet/font saja, lalu memakai struktur <judul di atas> + <gambar kecil> + <kartu bawah> yang sama, tetap terlihat "sama banget" bagi user — beda warna bukan beda desain. Saat mulai video baru (bukan seri), rombak KOMPOSISI tiap adegan, jangan hanya recolor template.
    • Beri tiap adegan SATU fokus besar (satu hero) di band tengah, tanpa elemen yang bertindih. User menolak layout ramai/bertumpuk. Susun hero di area tengah, sisanya pendukung di bawah/tepi — jangan dua-tiga blok sama besarnya berdempetan.
  4. Teks hidup, latar tunduk. Sentence case; tanda baca hanya bila mengubah arti/irama; kontras kuat; latar tidak flat satu warna.
    • Teks jangan mepet frame. Teks lebar (width:100% + text-align:center) dgn font besar (≥56px) bisa menyentuh/menempel tepi kiri-kanan. User menolak ini ("mepet mepet frame banget"). Beri padding samping minimal 50px ATAU ganti width:100% jadi left:50px; right:50px untuk tiap teks satu-baris besar. Verifikasi via DOM: bounding-box teks wajib punya jarak ≥40px dari kiri & kanan kanvas.
  5. Hook bergerak sejak frame 0. Momen penting diberi waktu ±2,5 dtk.
  6. Subtitle per kata untuk 9:16; kata kunci berwarna aksen; di zona aman.
  7. Fakta di layar = fakta di naskah. Tidak mengarang angka.
  8. Garis penghubung (diagram node): SVG di lapisan paling bawah scene, anchor tepi-ke-tepi (bukan pusat logo), kurva halus — tak pernah menembus ikon/teks.
  9. Logo identitas = aset asli user/brand (ambil dari web bila perlu), bukan emoji generik.

Verifikasi (kamu tak bisa menonton — hanya melihat FRAME)

  • Potret detik kunci via snap.mjs (pipeline) / mf.py potret (motion-format).
  • Susun contact sheet → nilai: teks kepotong? tumpang tindih? garis menembus? masih slide?
  • Audit layout via DOM (getBoundingClientRect) sebelum render penuh.
  • MP4 hanya saat export final — bukan alat pengecekan.
  • Audit "frame kosong" via analisis piksel (andal bila vision backend mati): ekstrak frame dari MP4 tiap 0.25 dtk, hitung % piksel gelap (lum<100) di zona scene (y 200–1300). Frame dgn <0.5% = adegan hampir kosong. Kalau frame "paling minim" jatuh tepat di t0 tiap adegan → ada jeda kosong di awal adegan (Gotcha #6). Bisa juga via DOM: hitung elemen non-subtitle dgn opacity>0 di t0 & t0+0.1 tiap adegan.

Penyerahan

  • index.html/scene.html terbuka via file:// (klik dua kali), autoplay + loop, tanpa player di layar, ?debug=1 untuk scrub.
  • MP4: lapor path, durasi, 1–2 hal yang mungkin mau direvisi.
  • Hapus frame/PNG mentah & shots setelah kirim (storage terbatas).

Resep flat-motion 2D (proyek edu-tech)

Pola teruji untuk explainer flat-motion 2D edu-tech. Gunakan bila user minta "video kayak yang kemarin" atau meminta format yang sama.

Struktur project tunggal (alternatif ringkas)

Bila tak pakai toolchain mf.py motion-format, satu folder project cukup:

PROJECT/
  index.html       # SEMUA scene + subtitle + script GSAP (SCENES[]/CHUNKS[])
  render.mjs       # playwright-core seek per frame → PNG → ffmpeg mux VO → MP4
  snap.mjs         # snapshot statis utk debug layout
  transcribe.py    # faster-whisper word-timestamp
  gaya.md  vo_words.json  package.json
  assets/audio/vo.mp3     assets/logos/*.png|svg

Subtitle per-kata sinkron Whisper (WAJIB)

  • Jangan hitung timing proporsional dari durasi VO — meleset 1–3 detik dan subtitle ga sinkron. Timing HANYA dari vo_words.json (output faster-whisper).
  • Setup: python3 -m venv .venv && .venv/bin/pip install faster-whisper, lalu .venv/bin/python transcribe.py assets/audio/vo.mp3 vo_words.json.
  • Config Whisper: model small, language="id", word_timestamps=True, vad_filter=True, int8 (CPU).
  • Decode audio manual via ffmpeg ke numpy float32 — hindari bug av version mismatch di faster-whisper.
  • Whisper kadang miss kata di akhir: cek energi audio 3 detik terakhir (ffmpeg astats), bila ada suara tambahkan word manual di vo_words.json.
  • Koreksi teks salah dengar (ChatGPT/Gemini/nama brand) TAPI jangan ubah timing.
  • Pecah jadi chunk pendek: max 3 kata / ≤34 karakter biar muat 1 baris.
  • Mode tampil subtitle = tanya / default dari preferensi user. Dua pola berbeda: (a) per-baris + highlight kata aktif (klasik, semua kata di baris terlihat, kata yang dibaca menyala) — cocok untuk penonton yang mau baca kalimat utuh; (b) satu kata besar muncul sendiri tiap dibaca, sisanya hidden — lebih dramatis, tiap kata pop masuk. User Hasbi di proyek 9:16 terakhir minta eksplisit pola (b) padahal sudah dibangun (a) — pastikan mode ini disepakati di fase gaya/brief, bukan setelah render. Implementasi (b): satu elemen .w per kata, position:absolute bertumpuk di tengah zona subtitle, hanya kata yang t∈[start-0.04, end+0.08] diberi .on (opacity 1 + scale pop), lainnya opacity 0. Jangan pakai array-literal untuk lookup warna kunci (KEYMAP[WORDS.indexOf([a,b,c])] TIDAK pernah match — array baru tiap kali) — pakai index numerik langsung KEYMAP[i].

Pemetaan batas adegan dari timing Whisper

Setelah transkripsi, jangan tebak di mana adegan berganti — turunkan dari timestamp:

  1. Baca vo_words.json, temukan index kata yang MEMULAI tiap segmen naskah (mis. adegan "Peran" mulai di kata Pertama,; adegan "Konteks" mulai di kata Kedua,).
  2. t0 tiap adegan = start kata pertamanya; dur = t0 adegan berikutnya dikurangi t0 adegan ini; adegan terakhir berjalan sampai akhir VO.
  3. Kalau naskah memakai penanda urutan ("Pertama/Kedua/Ketiga/Keempat"), itu batas adegan paling andal — sinkron secara alami dengan penekanan suara.
  4. Koreksi salah-dengar di teks chunk (mis. "point-point"→"poin-poin") TANPA mengubah angka start/end.

Cara ini membuat pergantian adegan jatuh tepat pada jeda napas pembicara.

Zona subtitle aman TikTok/Reels

  • Zona aman: 1340–1560px dari atas (= bottom ~360px) pada kanvas 1080×1920. UI TikTok/Reels menutup ~360px bawah.
  • Sebelum render, audit DOM: pastikan TIDAK ADA elemen scene lain masuk zona itu. Kalau nabrak, naikkan/geser elemen scene — jangan turunkan zona subtitle.
  • Verifikasi lintas-titik: ekstrak frame dari MP4 final di detik kunci lalu analisis via vision, pastikan subtitle 1 baris & sinkron.

Gotchas render & bridge

  1. Selalu render via background=true + notify_on_complete, bukan foreground. Render video penuh (2000+ frame) SELALU melebihi batas foreground → perintah foreground mati kena timeout dan MENYISAKAN proses Chromium yatim yang terus makan memori. Jangan pernah panggil node render_frames.mjs di foreground untuk render penuh; jalankan background lalu pantau jumlah frame di frames/ hingga DONE.

  2. Hapus frames/ sebelum render baru — resume mencampur frame basi.

  3. Logo asli inline lokal, bukan CDN — render headless tak boleh tergantung jaringan. Unduh PNG/SVG resmi ke assets/logos/ lalu pakai path relatif.

  4. Logo RGB (bukan transparan) → CSS object-fit:cover + border-radius biar tidak tampak kotak/aneh.

  5. Bridge claude-code-telegram kadang error unrecognized_model → kalau begitu, jalankan render langsung via terminal, jangan lewat bridge.

  6. Frame kosong di awal tiap adegan (JEBAKAN GSAP fade). Audit DOM tabrakan/ overflow TIDAK menangkap ini. Bila elemen pembuka tiap adegan di-tween dari autoAlpha:0 mulai di t0 (atau t0+delay), frame pertama adegan (t0..t0+0.3) jadi kosong — hanya subtitle. Terparah t=0 (thumbnail preview TikTok/Reels) kosong karena subtitle pun belum keluar. Fix: (a) fade-in kontainer adegan mulai t0-0.15 (overlap crossfade); (b) delay elemen PEMBUKA tiap adegan = t0-0.15 (bukan t0/t0+0.15); (c) frame 0 = hook WAJIB sudah opacity penuh tanpa fade. Verifikasi: hitung elemen non-subtitle dgn opacity>0 di t0 & t0+0.1 tiap adegan (analisis piksel %gelap di zona scene juga bisa, via ffmpeg per frame).

  7. Jangan pakai kamera pan-y besar antar panel (konten terdorong keluar layar). Bila tiap adegan sudah inset:0 penuh dan tampil bergantian, TIDAK perlu menggeser #world dengan y:-360 … -1180 tiap adegan untuk "bergerak". Offet kumulatif besar mendorong konten adegan berikutnya ke ATAS hingga keluar viewport → adegan tampak kosong / elemen "hilang", dan subtitle ikut kena kalau #sub masih di dalam #world. Fix: tiap adegan pakai push-zoom halus saja (scale 1.0→1.04, tanpa y), dan #sub taruh sebagai anak #stage (di LUAR #world) supaya tak ikut kamera. Perbaikan layout harus lewat penempatan elemen per-adegan, bukan offset kamera. Verifikasi via analisis piksel: tiap titik audit wajib hero(y250–1250)>0.3% dan bawah(y1660+)<1.5%.

  8. position:absolute pada anak .hero MENGHANCURKAN centering vertikal — biang "ga rapih / ada yang tertimpa". Memberi .hero{display:flex;justify-content:center} TIDAK memusatkan anak yang position:absolute (mereka keluar dari alur flex) — konten menggantung di atas (top: kecil) dan dua-pertiga bawah kosong, sering diikuti elemen absolut yang menimpa satu sama lain. Fix: jadikan anak utama tiap adegan ALUR NORMAL (flex kolom, gap, text-align:center) supaya ikut terpusat; simpan position:absolute HANYA untuk elemen yang memang harus overlap (coretan strike, badge V2, tanda ?). Ukur buktinya: ekstrak frame tiap titik audit dari MP4 → cari rentang baris ber-konten (piksel ink lum<135, abaikan ~6% tepi atas demi vignette) → center=(y0+y1)/2 wajib dekat 960 (deviasi <~230) di kanvas 1080×1920. Deviasi besar = konten gantung, BUKAN kesalahan pengukuran.

  9. Nilai layout dari bounding-box nyata, bukan statistik piksel — dan vision_analyze bisa gagal memuat screenshot. vision_analyze di sesi desktop kadang menolak gambar yang justru ada di disk (file valid, PNG terbaca, tetap "tidak bisa dianalisis") — jangan berputar-putar menunggunya. Bangun detektor overlap mekanis (node audit_overlap.mjs): kumpulkan getBoundingClientRect() semua elemen ber-teks yang terlihat di tiap titik waktu, tandai pasangan dengan irisan >6px. Buang false-positive dengan aturan: lewati pasangan teks×svg-container (teks memang di dalam papan/ gelembung), anak-dalam-orangtua (contains), dan coretan by-design (strike). Hasil akhir yang dituntut: 0 overlap teks×teks di seluruh titik audit — angka ini, bukan "% piksel terisi", yang membuktikan tak ada yang bertimpa. Piksel hanya untuk cek frame kosong / center vertikal.

  10. Dua tween GSAP pada properti sama = yang belakangan menang diam-diam. Bila fade-in dan fade-out adegan dipasang lewat satu fungsi show(i) yang juga memicu show(i+1), dua .to({autoAlpha}) bertabrakan dan fade-out salah sasaran (mematikan adegan BARU, bukan yang keluar). Gejala: adegan tak pernah hilang, banyak adegan tumpuk opacity 1 bersamaan. Fix: pisahkan jadi dua loop terpisah — satu loop fade-in semua adegan, satu loop fade-out adegan sebelum pengganti — lalu verifikasi per titik: di setiap t hanya BOLEH 1 adegan opacity>0.05.

  11. Adegan bisa punya KONTEN tapi NOL GERAK — dan audit layout bilang "aman". Audit tabrakan/overflow + cek "0 frame kosong" keduanya membandingkan STATE TUNGGAL (ada elemen / pixel non-blank), jadi video deck-slide yang mati (tiap <section> di-fade lalu DIAM 5–9 dtk) lolos keduanya. User melihatnya "gaada animasi, kosong". Penyebab umum: objek di-tween sekali lalu ditinggal diam (tween masuk bukan gerak berkelanjutan), atau FX latar (blob/dot/breathing) amplitudonya kecil sekali sampai tak kelihatan di render. Ukur gerak, jangan asumsikan. Ekstrak dua frame di tengah adegan dan hitung mean selisih piksel absolut:

for t in 4.0 4.4; do ffmpeg -y -ss $t -i final.mp4 -frames:v 1 m_$t.png; done
python3 -c "from PIL import Image;import numpy as np;\
a=np.asarray(Image.open('m_4.0.png').convert('L'),float);\
b=np.asarray(Image.open('m_4.4.png').convert('L'),float);\
print(round(np.abs(a-b).mean(),2))"

mean diff < 1.0 = STASIS, tolak (harusnya puluhan kalau ada gerak nyata). Tiap adegan wajib dicek. Fix: beri gerak berkelanjutan yang terlihat — objek melayang/ berputar pelan, ikon berdenyut, angka berjalan, kamera push-zoom, partikel naik — dan kencangkan amplitudo FX sampai lolos ambang ini, bukan sekadar "ada di kode". Gerak = fungsi murni t (Hukum #2), bukan tween sekali-jalan. PILIHAN TEKNIK GERAK — push-zoom per-elemen BERBAHAYA untuk elemen full-width. Memberi scale pada elemen yang lebar width:100%/center (angka besar 240px, caption selebar 840px, kartu full) MELEBARKANNYA melewati tepi kanvas → audit tepi langsung melaporkan puluhan pelanggaran (left < 0 / right > 1080). Kalau butuh "kamera" untuk melawan stasis, pakai salah satu yang aman: (a) drift vertikal pada scene-container (fromTo(scene,{y:-50},{y:0,duration:adegan},a)) — translateY tidak pernah melebarkan, tapi tetap gerak kontinu yang kelihatan; (b) bila memang mau zoom, zoom SATU hero berukuran kecil yang punya ruang tepi, bukan elemen selebar kanvas; (c) FX latar (partikel/grid) — tapi amplitudonya HARUS cukup besar untuk lolos ambang mean diff ≥1.0 (partikel halus r1px alpha 0.12 sering tak terukur). Selalu audit tepi SETELAH menambah teknik gerak — teknik gerak adalah penyebab tabrakan-tepi paling umum. Amplitudo drift harus DIBESAR sampai terukur — drift lembut tetap gagal ambang. Drift vertikal yang kelihatan "cukup" di preview sering lolos audit mean-diff karena terlalu kecil: y dari -12 sampai 0 selama ~20 detik menghasilkan mean diff < 1.0 (hampir tak terdeteksi antar-frame). Besarkan amplitudo sampai benar-benar terlihat — drift vertikal -45..-60px per adegan + perbanyak & perbesar partikel latar (jangan cuma dari 70 jadi 110, tapi naikkan radius & alpha-nya juga). Prinsipnya: amplitudo dipilih supaya lolos pengukuran gerak, bukan supaya "terlihat gerak di kode". Selalu re-ukur mean-diff setelah menaikkan amplitudo — jangan anggap aman dari nilai kode.

  1. Satu error JS membunuh SEMUA adegan — gejalanya "semua scene visibility:hidden", bukan error di layar. Fungsi anchor(a,b) di-build-time menerima STRING selector ('#hub5') lalu langsung memanggil a.getBoundingClientRect() → TypeError: getBoundingClientRect is not a function → seluruh script mati → timeline tak pernah dibuat, SEMUA .scene tetap hidden (default CSS), dan render.mjs diam-diam menghasilkan 1278 frame KOSONG (kertas polos) karena tl.time(t) no-op tanpa error. Cek selalu error console SEBELUM render: page.on('pageerror', e => console.log('PAGEERROR', e.message)) + cek window.__tl ada (tl.time(t) mengembalikan angka, bukan no tl). Bila __tl tak terbentuk, hentikan render — jangan buang 9 menit utk frame kosong. Perbaikan di kasus ini: bungkus selector dgn $() sebelum akses DOM method. Pola umum: fungsi util yang menerima selector string JANGAN dipaksa panggil DOM method langsung.

  2. CSS @keyframes TIDAK ikut seek timeline GSAP — render frame-per-frame jadi non-deterministik. Gerak berkelanjutan yang enak dipakai untuk "tambah animasi" (float, pulse, ring) paling gampang ditulis sebagai CSS animation: — TAPI ia jalan di jam dinding browser, bukan fungsi tl.time(t). render.mjs yang seek tl.time(t) lalu screenshot TIDAK mengendalikan posisi keyframe CSS → frame hasil render bisa tidak sinkron dengan preview, dan melanggar Hukum #2 (deterministik) untuk render batch. Fix: untuk gerak yang HARUS akurat di render, pakai tween GSAP pada timeline (bisa di-seek). CSS @keyframes aman HANYA untuk gerak ambient yang tak perlu presisi (glow, partikel latar) DAN bila render meng capture pada waktu nyata (bukan seek). Bila ragu, gerak konten = GSAP; gerak latar = CSS boleh.

  3. Cek tabrakan pada posisi AKHIR meleset untuk animasi ease back.out. Tween scale:0.4 → 1 dengan back.out(1.6) MELAMPAUI target (overshoot ~1.05–1.1) di tengah animasi sebelum menetap ke 1. Audit yang hanya mengukur posisi SETELAH timeline settle ("scale=1, aman") TIDAK melihat puncak overshoot — elemen beranimasi bisa menimpa elemen tetangga persis di momen entry-nya (mis. angka besar melebar saat pop lalu menutupi note di bawahnya). Fix: ukur bounding-box pada PUNCAK overshoot, bukan hanya akhir — seek ke titik ketika tween melewati target (sekitar 60–75% durasi untuk back.out) dan cek tabrakan di sana. Amplitudo back.out ~1.6–1.8 di elemen BESAR (angka hero) adalah kasus paling rawan; kalau ada elemen tetangga dekat tepi bawahnya, kecilkan easing (back.out(1.2)) atau turunkan/dorong tetangga.

  4. Container subtitle flex-column MELAYANG naik-turun mengikuti panjang kalimat — biang puluhan tabrakan subtitle di video panjang. Bila tiap baris subtitle ditumpuk pakai display:flex; flex-direction:column di dalam container bottom-anchored, penambahan/barunya kalimat menambah tinggi container sehingga SEMUA baris naik-turun dari posisi anchor (bukan bertumpuk di tempat tetap). Baris yang "naik" bisa menginvasi konten adegan di atas zona subtitle → audit melaporkan tabrakan di banyak titik waktu. Fix: tiap baris subtitle position:absolute, bertumpuk pada ANCHOR BAWAH tetap (mis. semua .line di bottom:0/top tetap di dalam container yang bottom-nya terkunci) — jangan biarkan container berubah tinggi. Zona subtitle HARUS statis sepanjang video.

16b. Mode subtitle satu-kata: SEMUA .w sebagai anak flex di-render sekali = SATU BARIS RAKSASA terpusat → kata ujung melayang jauh keluar kanvas. Bila tiap kata .w dibuat sebagai anak dari #sub{display:flex;justify-content:center}, semua kata disejajarkan berdampingan lalu DIPUSATKAN bersama, sehingga kata pertama melayang ke kiri jauh dan terakhir ke kanan jauh (bounding-box left negatif ratusan–ribuan piksel). Ini BUKAN soal transform/translate/scale — menambahkan !important, memisahkan translate/scale sebagai properti CSS, atau overflow:hidden TIDAK menyelesaikannya. Fix: hanya kata aktif yang boleh ikut layout — default .w{display:none}, dan .w.on{display:block}. Dengan hanya SATU kata dalam alur, flex justify-content:center memusatkan tepat satu kata; animasi pop aman pakai transform:scale() karena tak ada lagi koordinat absolut yang harus dipertahankan. Tambahan: kata panjang bisa lebih lebar dari kanvas — pakai auto-fit font: kecilkan font-size sampai muat. Ukur lebar teks pakai canvas measureText(), BUKAN getBoundingClientRect(). Di dalam container flex dgn visibility:hidden/display:none (default kata non-aktif), getBoundingClientRect().width sering kembali 0 — pengukuran gagal diam-diam, pengecilan font tak pernah terpicu, overflow:hidden memotong kata terpanjang, padahal audit layout tetap lulus (hanya melihat bounding-box). Auto-fit berbasis measureText (ctx.font='800 ${fs}px ${fam}') tak tergantung reflow; jalankan ulang setelah document.fonts.ready (metrik final lebih lebar dari fallback) dan buat render menunggu tanda __subfit selesai sebelum merekam frame.

  1. Audit harus PHASE-AWARE — elemen pada fase waktu berbeda akan dilaporkan "bertabrakan" padahal tak pernah tampil bersamaan. Bila satu adegan punya dua fase (mis. data/chart tampil dulu, lalu fade-out dan diganti panel twist), audit yang membandingkan bounding-box SEMUA elemen scene akan melaporkan chart×twist sebagai overlap — padahal mereka crossfade (tak pernah opacity tinggi bersama). Fix di audit: (a) hitung opasitas EFEKTIF = hasil kali opasitas semua leluhur (anak panel punya opacity:1 tapi parent-nya opacity:0 saat fade-out → tak boleh dihitung terlihat), buang elemen dengan efektif < 0.5; (b) skip pasangan yang KEDUANYA elemen text-flow inline (position: static/relative/inline) — itu <span> dalam kalimat yang sama, bukan tabrakan. JANGAN skip berdasarkan "punya parent sama" — semua anak .scene berbagi parent, itu akan membuang tabrakan sah. Hasil yang benar: tabrakan nyata tetap terdeteksi, false-positive crossfade & inline-span hilang.

  2. Setiap kalimat naskah wajib punya gambar khusus — jangan "tambah visual di mana-mana" lalu merasa selesai. Saat user minta "perkaya scene/gambar/diagram biar hidup", jangan hanya menabur elemen dekoratif. Petakan tiap kalimat/beat VO ke visual yang menyertainya (tabel: timestamp → kalimat → visual), lalu identifikasi kalimat yang CUMA lewat sebagai subtitle tanpa gambar khusus. Itulah gap yang bikin video terasa "naskah panjang tapi gambar sedikit". Biasanya gap muncul di beat beat naratif penting (twist, kontras, penjelas "kapan A vs kapan B") — beat yang justru paling menentukan argumen. Fix: beri tiap beat gap itu diagram/kartu/perbandingan khusus (panel twist, skala A-vs-B, chip contoh). Ini beda dari audit gerak (#12) — itu soal adegan BERGERAK, ini soal adegan MEMBAWA ISI naskah.

  3. PRINSIP INDUK — visual melayani naskah & VO, dan makin kaya makin baik. Kata user Hasbi (proyek "AI Bikin Bodoh?"): "gapapa scene banyak, yang penting mengikuti Voice Over dan naskah. Gambar dan animation mengikuti naskah dan voice over. Lebih hidupkan lagi, perbanyak gambar gapapa." Turunan praktisnya:

  • Semua yang tampil di layar wajib ada di naskah & diucapkan VO. Elemen menarik yang tak dinarasikan → BUANG sebagus apapun (kasus nyata: grafik korelasi r=−0.68 & grafik usia tampil padahal VO tak pernah menyebutnya).
  • Sebaliknya tiap kalimat penting wajib punya gambar sendiri yang muncul SAAT frasa itu diucapkan. Kalimat yang cuma jadi teks diam = adegan "sepi" → tambah visual.
  • Banyak adegan TIDAK masalah; yang penting tiap adegan mengikuti VO & naskah.
  • Lebih banyak gambar & animasi = lebih baik (lebih hidup). Jangan pelit menambah visual.
  • Urutan & timing visual = urutan & timestamp penyebutan di VO (dari words.json), bukan logika sendiri. Kasus nyata: istilah "Cognitive Offloading" sempat muncul SETELAH contoh ponsel karena kususun dari logika, padahal VO menyebutnya lebih dulu.
  • Kualitas detail ikut dijaga: ikon jelas terbaca (otak harus terlihat otak, bukan bunga/ awan — pakai 2 belahan + alur tengah + guratan), elemen seimbang & tak melayang.
  1. Render OOM di Mac 8GB — crash berulang di tengah render panjang. Chromium menumpuk memori saat mencetak ratusan screenshot → crash "Target page, context or browser has been closed" (window.__seek is not a function pada log adalah GEJALA yang sama — tab sudah mati). Makin berat FX latar (blur besar, mix-blend-mode:screen, puluhan partikel di 1080×1920), makin cepat memori penuh — interval restart 400 frame TIDAK cukup untuk efek laut berat (crash di 851 lalu 2347); turunkan ke ±80 frame. Fix wajib: loop batch + restart browser tiap N frame (mulai 80 untuk FX berat, naikkan hanya bila terbukti stabil) + resume otomatis (lewati frame yang sudah ada) supaya tiap crash tak membuang frame sebelumnya. Tambah flag hemat memori saat launch: --disable-gpu --disable-software-rasterizer --disable-dev-shm-usage --js-flags=--max-old-space-size=3072. Jangan render 2500+ frame dalam satu sesi browser tanpa restart. Uji dulu sebelum render penuh: DUR=5 RESTART=50 node render_frames.mjs — bila 150 frame lolos tanpa crash, baru jalankan penuh. Resume membuat crash bukan bencana: jalankan ulang perintah yang sama sampai DONE, tiap frame valid >20KB dilewati. Jangan salah baca jumlah file: resume bisa menyisakan file ekstra > TOTAL — encoder hanya pakai f00000..f{TOTAL-1}, sisanya diabaikan. Bila crash tetap berulang walau batch & heap sudah diturunkan, jangan menaikkan interval terus — bungkus render dalam loop shell yang otomatis restart & resume tiap crash: for i in 1 2 3 4 5 6; do node render_frames.mjs >> render.log 2>&1; N=$(ls frames/|wc -l); [ "$N" -ge $TOTAL ] && break; sleep 2; done (jalankan via background=true). Tiap crash cuma membuang satu batch, sisanya lanjut dari frame terakhir — lebih andal daripada mengandalkan satu proses panjang. Revisi sebagian adegan = hapus HANYA frame rentang itu lalu resume (hemat waktu, tak perlu render ulang seluruh video): hitung frame awal adegan = t0*30, hapus frames/f*.png dengan nomor ≥ itu, jalankan ulang render — resume melewati semua frame valid sebelumnya dan hanya merender adegan yang diubah.

  2. Frame lama tercampur setelah revisi sebagian. Hanya menghapus frame rentang yang direvisi (dan lupa sisanya) membuat frames/ campur — kasus nyata: 2770 file padahal TOTAL 2574, plus file duplikat " 2.png" (sisa copy macOS). Fix: paling aman hapus SELURUH frames/ sebelum render penuh. Kalau resume sebagian, verifikasi jumlah file valid = TOTAL frame SEBELUM encode — ffmpeg framerate bisa salah baca bila ada file aneh (meski f%05d.png biasanya aman dari file non-konform).

  3. Emoji lolos dari audit DOM. User minta tanpa emoji; audit bounding-box TIDAK melihat jenis karakter sehingga emoji bisa lolos diam-diam. Fix: sebelum render, jalankan regex Python cari karakter emoji (re.findall(r'[\U0001F300-\U0001FAFF\u2600-\u27BF\u2B00-\u2BFF\uFE0F]', html)) — hasil wajib 0. Ikon selalu SVG inline (proyek terakhir: 0 emoji, 18 SVG).

  4. Render yang hanya memanggil SUBTITLE melempar SEMUA animasi kontinu — adegan mati padahal kodenya punya gerak. Kalau render.mjs hanya memanggil window.__updateSub(t) per frame dan TIDAK memanggil fungsi update-alive (yang menggerakkan partikel/marquee/breathing/push-zoom), seluruh gerak berkelanjutan TIDAK ikut terekam — output final jadi diam walaupun preview browser hidup. Ini beda dari Gotcha #12 (di sana gerak memang kecil/absen di kode) dan #13 (error JS mematikan semua adegan); di sini gerak ADA di kode tapi renderer tak pernah memicunya. Fix: pastikan loop render memanggil SEMUA updater per frame, bukan hanya subtitle: window.__tl.time(t); window.__updateSub(t); window.__updateAlive && window.__updateAlive(t). Cegah di awal: sesudah menulis fungsi __updateAlive, grep render.mjs untuk __updateAlive — kalau tak terpanggil di loop snapshot, tambahkan sebelum render penuh. Karena mean-diff audit dijalankan pada MP4 final, bug ini tetap tertangkap oleh audit gerak — jadi setiap kali audit melaporkan adegan stasis, cek DULU apakah renderer memanggil updater animasi, sebelum mengira amplitudonya kecil.

Cleanup post-delivery (aman)

rm -rf frames shots frames_dbg out
rm -f slow.wav "index 2.html" _chunks_new.txt preview_*.png

Cadangkan MP4 final ke LUAR folder proyek SEBELUM membersihkan apa pun (mis. ~/Videos/): folder proyek sering diminta dihapus seluruhnya begitu video terkirim, dan MP4 yang terhapus bersamanya tak bisa dipulihkan tanpa me-render ulang seluruh frame (belasan menit + rawan crash di Mac 8GB). Ini penting banget bila video itu justru akan jadi acuan gaya — potret frame dari MP4 yang masih ada, jangan dari memori. JANGAN dihapus (dipakai video berikutnya, hemat install ulang): index.html (template), render.mjs/snap.mjs/transcribe.py (pipeline), gaya.md/vo_words.json, assets/ (termasuk logo grup), node_modules/, .venv/.

Referensi proyek teruji

Video "Apa itu Function Calling" (9:16, 44.6 dtk) = contoh pipeline flat-motion 2D. index.fc-reference.html ada di skill html-motion-pipeline. Video "9router + Hermes + Claude Code" (9:16, 50.52 dtk) = contoh terbaru; template project: ~/Documents/remotion-videos/VIDEO 4/.

Distribusi lintas mesin

Skill ini dan 3 dependensinya (bang-motion, motion-format, html-motion-pipeline) tersedia sebagai salinan di: https://github.com/hasbiridwan57-creator/hermes-video-motion-skills

Untuk menyinkronkan ke mesin lain (mis. VPS), clone repo itu ke folder skills Hermes di mesin tujuan, lalu restart Hermes. Catatan: salinan GitHub adalah snapshot — perubahan skill di MacBook tidak otomatis masuk ke repo; harus di-commit dan di-push manual setelah mengedit.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

html-motion-pipeline

Pipeline HTML→MP4 untuk video explainer 9:16 bersuara (gaya flat-motion 2D ala akun edu-tech di Reels/TikTok) — sudah teruji memproduksi video "Apa itu Function Calling?" (44.6s, 1080×1920, VO + 31 SFX tersinkron). Pakai skill ini saat user minta video explainer motion-graphic 9:16 dengan voiceover sendiri, subtitle per kata, diagram node↔tool yang beranimasi, dan output MP4 final. Sumber suara = file VO user (bukan TTS), diperlambat via ffmpeg atempo bila perlu.

motion-format

Bikin video motion graphic lewat chat dengan alur kerja Motion Format — Reels/TikTok/Shorts 9:16, YouTube 16:9, atau feed 1:1 — dari brief sampai MP4 bersuara (voiceover + efek suara ElevenLabs, subtitle per kata). Punya resep gaya siap pakai dari seri konten Motion Format: Isometrik Dibongkar (cara kerja mesin, 3D), Sejarah 3D Sinematik (bangunan & peristiwa bersejarah), Tubuh Manusia Anime (organ tubuh), Dunia 2D Bertekstur (noir, cat air, ukiran, lanskap anime), Kartun Cel Cerah (tokoh menjelaskan), Peta Relief Sinematik (geografi, jalur, wilayah), dan Promo Produk & Iklan (UMKM, aplikasi, flash sale) — plus cara meracik gaya sendiri. Gunakan setiap kali user meminta "video", "konten Reels/TikTok/Shorts", "explainer", "video edukasi", "video penjelasan", "promo", "iklan", "intro", "animasi", "motion graphic", menyebut salah satu gaya di atas atau "Resep Gaya", ingin menambah voiceover/efek suara/subtitle, ingin merevisi video yang sudah ada, atau ingin merender jadi MP4 — walau tida

Related Skills