Communitygithub.com

Video Motion — Alur Baku Video Bersuara via Chat

SOP induk untuk membuat video motion/explainer bersuara melalui chat dalam format Reels (9:16), YouTube (16:9), dan feed persegi (1:1). 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 yang telah teruji.

Qu'est-ce que Video Motion — Alur Baku Video Bersuara via Chat ?

Skill Video Motion menyediakan alur kerja menyeluruh untuk membuat video motion dan explainer bersuara langsung dari dalam chat. Skill ini mendukung tiga rasio aspek utama (9:16 untuk Reels/TikTok, 16:9 untuk YouTube, 1:1 untuk feed) dan mengintegrasikan tiga sumber aturan utama: Motion Format (mf.py) untuk fase brief, gaya, naskah, dan VO; Bang Motion untuk prinsip desain dan sinematik (video bukan slide, deterministik, gaya berasal dari tema); serta html-motion-pipeline untuk pipeline teknis rendering (faster-whisper untuk transkripsi, efek suara prosedural, rendering berbasis CDP, audit tata letak, dan subtitle yang aman untuk Reels). Skill ini juga menyediakan urutan kerja yang ketat yang dimulai dengan membaca USER.md dan style-reference/STYLE.md, melakukan riset topik sebelum menulis naskah, memproses VO sebelum visual, memastikan positioning berbasis grid, animasi deterministik, dan audit menyeluruh sebelum rendering penuh. Skill ini dirancang untuk digunakan setiap kali pengguna meminta video motion, explainer, animasi, promo, atau "seperti video sebelumnya" — bahkan jika mereka tidak menyebut "motion graphic" secara eksplisit.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait 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... (dilanjutkan dengan konten yang tidak ditampilkan, namun sudah sesuai struktur)

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

Skills associés