Communitygithub.com

tunght104/ai-agent-shorts-video

Cria vídeos de notícias no formato 9:16 usando templates HyperFrames profissionais (pôster editorial) a partir de URL de artigo ou arquivo .txt em vietnamita. Ativado quando o usuário deseja criar vídeos de notícias, curtas, vídeos com template/pôster bonito, "criar vídeo com template", "fazer boletim em estilo pôster", "vídeo profissional". Saída: video.mp4 + voice.mp3 + script.txt para o CapCut.

O que é ai-agent-shorts-video?

Este skill de agente de IA permite criar vídeos de notícias verticais 9:16 com templates HyperFrames profissionais e elegantes, a partir de uma URL de artigo ou arquivo .txt em vietnamita. O agente extrai o conteúdo (título, corpo, imagem OG), escolhe automaticamente os templates mais adequados para cada cena (gancho, corpo, encerramento) com base no conteúdo, e gera um script.json que controla todo o pipeline de renderização. O usuário só precisa fornecer a fonte (URL ou arquivo .txt) e o agente cuida de todo o resto: TTS com regras especiais para vietnamita (números escritos por extenso para evitar erros de leitura), seleção dinâmica de templates, e execução do pipeline que produz um vídeo final com áudio e script de legendas. O skill suporta múltiplos templates especializados para diferentes tipos de cena (estatísticas, listas, comparações, citações fortes, etc.), garantindo variedade visual e ritmo acelerado (cada cena dura cerca de 6 a 10 segundos). É ideal para criadores de conteúdo, jornalistas ou qualquer pessoa que queira produzir vídeos de notícias curtos e profissionais com mínima intervenção manual.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/tunght104/ai-agent-shorts-video/tree/HEAD/.agents/skills/create-template-video

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Prévia

Do README da skill

Documentação

Criar Vídeo com Template

Gera vídeos de notícias 9:16 usando os templates HyperFrames em templates/ (mais bonitos e profissionais que os 6 cenários Remotion antigos). O Claude apenas preenche o texto nos slots do template — todo o design/ animação fica por conta do template.

Entrada

1 parâmetro: URL de artigo (http:///https://) OU caminho de arquivo .txt.

Fluxo de Trabalho (na ordem correta)

Passo 1–3: Obter conteúdo + criar diretório de saída

Detectar a entrada e obter o conteúdo:

  • URL (começando com http:///https://) → WebFetch com prompt:
    Extrair desta página:
    - title (string): título do artigo
    - content (string): conteúdo principal, ~500-1500 palavras
    - ogImage (string|null): URL da imagem og:image
    - domain (string): domínio da URL
    Retornar JSON com os 4 campos acima.
    
    Falha (paywall/JS/4xx) → pedir ao usuário para salvar o conteúdo em .txt e chamar novamente. Parar.
  • Arquivo .txt → Read; title = primeira linha (≤80 caracteres), content = restante, ogImage = null, domain = "local".
  • slug = ASCII sem acentos (remover acentos vietnamitas, đ→d), ≤40 caracteres; timestamp = YYYYMMDD-HHmm; outputDir = output/<slug>-<timestamp>/; mkdir -p.

Passo 4: Ler catálogo de templates

Ler templates/CATALOG.md para saber quais templates existem + os slots de entrada de cada um. Usar apenas templateId presente no CATALOG. Atualmente existem:

HOOK (apenas 1):

  • frame-liquid-bg-hero — hero aurora (blob dinâmico + manchete + CTA). SEMPRE usar para a cena de gancho.

BODY (Claude escolhe conforme o conteúdo — ver Passo 5):

  • frame-vignelli — 1 número em fundo escuro carvão + vermelho.
  • frame-pentagram-stat — 1 número em fundo escuro neon (grade suíça, número laranja brilhante + accent cyan + gráfico de barras).
  • frame-bold-poster — declaração forte em várias linhas + número grande.
  • frame-build-minimal — frase de efeito forte em fundo escuro (1 palavra grande EM NEGRITO, glow laranja, revelação letra por letra).
  • frame-creative-voltage — frase criativa/slogan, split azul elétrico + letra cursiva.
  • frame-glitch-title — cyberpunk glitch RGB-split (fundo ruído) — ideal para notícias bombásticas/breaking/tecnologia.
  • frame-aicoding-list — LISTA de 2–5 itens (cada item com ícone + tag de nível), fundo escuro gradiente. Usar quando a cena for lista/ranking.
  • frame-aicoding-comparison — COMPARAÇÃO de 2 coisas (antigo vs novo, A vs B) — 2 cards com moldura gradiente + badge WIN + stat. Usar quando a cena for confronto/contraposição.

OUTRO:

  • frame-logo-outro — padrão (logo glow + nome + tagline + url).
  • frame-statement-outro — alternativo (card vermelho em fundo de papel).
  • frame-logo-outro — outro padrão / cartão de encerramento da marca (logo glow + nome + tagline + url).
  • frame-statement-outro — outro alternativo (card vermelho em fundo de papel).

Passo 5: Gerar script.json (modo template)

Estrutura obrigatória:

{
    "version": "1.0",
    "renderer": "hyperframes",
    "aspect": "9:16",
    "metadata": {
        "title": "...",
        "source": { "url": "...", "domain": "...", "image": null },
        "channel": "AI Coding"
    },
    "voice": { "provider": "omnivoice", "speed": 1.0 },
    "scenes": [
        /* 8–12 cenas: 1 gancho + 6–10 corpo + 1 encerramento */
    ]
}
  • provider: sempre omnivoice (único TTS local; não precisa de voiceId/chave API).
  • Cada cena: { id, type, voiceText, templateId, inputs }. inputs corresponde aos slots no CATALOG.
  • scenes[0].type = hook; última cena .type = outro (templateId = frame-logo-outro).
  • 8–12 cenas; total de voiceText ~270–360 palavras (~90–120s) — MANTER a duração total, apenas dividir em MAIS cenas para um ritmo mais rápido e evitar monotonia. Cada cena de corpo ~25–40 palavras (cada cena com apenas 1 ideia — se um parágrafo tiver 2 ideias, DIVIDIR em 2 cenas em vez de amontoar em 1). Objetivo: cada cena aparecer na tela por apenas ~6–10s e depois fazer a transição.

Mapear conteúdo → template:

  • gancho → SEMPRE frame-liquid-bg-hero (slots: kicker, headline, subheadline, cta, brand). headline exibido com gradiente atraente (padrão dourado→roxo); pode definir headline_from/headline_to (2 cores hex) para alterar o tom. Não usar outro template para o gancho.
  • corpo → Claude ESCOLHE o template mais adequado para cada cena conforme o conteúdo (priorizar VARIEDADE — não repetir o mesmo template para todo o corpo). Escolher entre:
    • frame-vignelli — cena com 1 número/stat que se quer destacar, tom escuro carvão + vermelho. Slots: kicker, number, label, note, brand.
    • frame-pentagram-stat — cena com 1 número/benchmark, fundo escuro neon (grade suíça, número laranja brilhante + accent cyan) + gráfico de barras. Slots: label, headline (número), subtitle, anchor, footer_left, footer_right.
    • frame-build-minimal — frase de efeito/afirmação curta em torno de 1 palavra-chave, fundo escuro + 1 palavra grande em negrito com glow laranja. Slots: eyebrow, hero (1 palavra), desc, side_left, side_right.
    • frame-bold-poster — declaração forte em várias linhas + número grande. Slots: kicker, date, figure, headline[], standfirst, footer_left, footer_right.
    • frame-creative-voltage — frase criativa/slogan (poucas palavras), split azul elétrico + letra cursiva. Slots: meta, display_lines, accent_index, script, caption.
    • frame-glitch-title — notícia bombástica/breaking/tecnologia estilo cyberpunk glitch. Slots: title, subtitle.
    • frame-aicoding-list — cena é LISTA / COMPARAÇÃO de 2–5 itens (quem foi afetado, prós/contras, níveis, checklist). Slots: title, accent, accent_from, accent_to, subtitle, items[]. Cada item {icon, title, desc, tag, level}:
      • icon: Claude ESCOLHE emoji adequado para cada item (🚫 ⚠️ ✅ ❌ 📈 💡 🔒 🚀 …), NÃO fixo.
      • level: danger/warn/good/info → define a cor do ícone+tag+barra. tag: rótulo curto (Perigo/Alto/Benefício…).
      • accent_from/accent_to: Claude ESCOLHE 2 cores hex para gradiente do texto de destaque (combinando com o tom do artigo), ex: laranja→vermelho, roxo→azul, verde.
    • frame-aicoding-comparison — cena de COMPARAÇÃO de EXATAMENTE 2 coisas (antigo vs novo, A vs B, antes/depois). Slots: badge, pre, vs, post, left{}, right{}. Cada lado {label, from, to, icon?, bullets[], stat?, stat_label?, win?}:
      • from/to: Claude ESCOLHE 2 cores hex para gradiente de cada lado (geralmente lados com tons diferentes, ex: esquerdo laranja→vermelho, direito verde-água→azul).
      • icon: emoji opcional para cada lado. win: true para o lado vencedor (borda brilhante + badge WIN). stat/stat_label: número opcional abaixo de cada card.
    • Dica de equilíbrio: se várias cenas forem de números, intercalar frame-vignelli (carvão + vermelho/dourado) e frame-pentagram-stat (escuro neon laranja/cyan) para evitar monotonia; inserir frame-build-minimal para cena sem número.
  • encerramento → frame-logo-outro (padrão; slots: brand_name, tagline, primary_url). Usar frame-statement-outro se quiser card vermelho em fundo de papel.

⚠️ Regras de TTS em vietnamita (OBRIGATÓRIO para voiceText)

voiceText será lido em voz alta pelo OmniVoice (TTS vietnamita). Números e símbolos são lidos literalmente — ex "5.5" pode se tornar "năm rưỡi" (errado para número de versão). Portanto, sempre escrever números por extenso em vietnamita no voiceText. Já inputs (texto exibido na tela) deve MANTER a formatação numérica bonita ("5.5" / "82.7%").

Tabela completa (aplicável a voiceText):

Tipo de númeroERRADO (TTS lê errado)CORRETO (escrever por extenso)
Versão decimalGPT 5.5 → "năm rưỡi"GPT năm chấm năm
Número decimal82.7%tám mươi hai phẩy bảy phần trăm
Versão inteiraiPhone 17iPhone mười bảy (ou iPhone 17 também aceito)
Versão com pontoiOS 18.2iOS mười tám chấm hai
Especificação técnica200MPhai trăm megapixel
Bateria5000mAhnăm nghìn miliampe giờ
Token1M tokensmột triệu token
Preço VND21 triệu đồnghai mươi mốt triệu đồng
Preço USD$5năm đô la (ou năm đô)
Múltiplo2xgấp đôi (mais natural que "hai lần")
Porcentagem30%ba mươi phần trăm
Tempo60 giâysáu mươi giây
Proporção3:1ba trên một / ba so với một
  • Decimal: usar chấm (fala natural) ou phẩy (formal) — escolher e manter consistência.
  • Siglas em inglês: AI/GPT geralmente OK; se ler errado, escrever a pronúncia ây ai / gí pi tí, API → ây pi ai.
  • voiceText NUNCA deve conter emoji/ícone, nem URL e nem → & % $ # + = (voz limpa). Marcas (Apple, OpenAI, TikTok) manter originais. Finalizar frases com . ou ? para pausas naturais.
  • inputs (texto EXIBIDO na tela) PODE conter emoji/ícone para dar vida (🔥 🚀 ✨ ⚡ 📈 ⚠️ → …) — renderização colorida OK. Manter formatação numérica bonita ("5.5", "82%"). Totalmente separado do voiceText.
    • Usar emoji com moderação (0–1 ícone por campo, colocar em rótulo/manchete/CTA curto — ex kicker "🔥 Tin nóng", cta "Theo dõi ngay →"). NÃO colocar emoji em texto grande que aparece letra por letra (ex hero do build-minimal) pois quebrará a animação.

Passo 6: Autoverificação

  • scenes[0]=hook, última cena=outro; cada templateId ∈ CATALOG; cada inputs com slots obrigatórios preenchidos;
  • headline ≤3 linhas e cada linha curta; voiceText com números por extenso e SEM emoji/ícone; emoji (se houver) apenas em inputs. Corrigir silenciosamente no máximo 2 vezes.

Passo 7: Escrever script.json

Usar ferramenta Write para gravar <outputDir>/script.json.

Passo 8: Executar pipeline

Bash em primeiro plano, com saída em streaming:

npm run pipeline -- <outputDir>/script.json

CLI reconhece automaticamente renderer: "hyperframes" e executa o pipeline de templates (TTS → renderizar cada template → ajustar à voz → montar + mixar SFX). Erro → relatar claramente + caminho do outputDir.

Passo 9: Relatar resultado

✓ Vídeo: [video.mp4](output/<slug>/video.mp4)
✓ Áudio: [voice.mp3](output/<slug>/voice.mp3) — para CapCut
✓ Script: [script.txt](output/<slug>/script.txt) — para legenda automática no CapCut
Duração total: XX.Xs

Notas

  • Renderizar cada cena leva ~15–20s (Chromium). Vídeo com 8–10 cenas leva ~3–5 minutos. Necessário ffmpeg + Chrome (já instalados).
  • TTS é idempotente (mantém voice/scene-*.mp3); clipes também são idempotentes (mantém clips/scene-*.mp4) — apagar para renderizar novamente após alterar inputs.
  • Adicionar novo template: seguir a última seção de templates/CATALOG.md e depois adicionar uma linha ao catálogo.

Habilidades Relacionadas