Communitygithub.com

explainer-video

Crie um vídeo vertical de 60-90 segundos no estilo keynote com narração em chinês, imagens geradas e música original, tudo renderizado com código Python e ffmpeg.

O que é explainer-video?

O skill **explainer-video** permite que um agente de IA produza vídeos verticais curtos (1080×1920, 60–90 s) no formato 'keynote' — fundo preto, tipografia grande, imagens em tela cheia, cortes sincronizados com a batida, trilha sonora original e efeitos sonoros sintetizados em código. Todo o pipeline é executado por Python (PIL + numpy) e ffmpeg, sem qualquer editor de vídeo ou música pré-gravada. O fluxo cobre verificação rigorosa de fatos contra fontes oficiais, geração de imagens de demonstração com `scripts/gen_image.py`, escrita de roteiro com cerca de 6 caracteres por segundo, locução via Doubao TTS com marcações de palavra, renderização seguindo o `references/render-pipeline.md` e entrega do vídeo finalizado. As regras de conteúdo exigem que o resultado impactante apareça nos primeiros 2 segundos, que não haja menções a bastidores (API, custos, falhas) e que o final seja um cartão de instrução copiável sem autopromoção. O skill é suportado em qualquer ambiente que possa executar scripts Python e ffmpeg, e espera-se que o agente adapte o exemplo prático em `examples/gpt-image-2.6/` em vez de começar do zero. Configurações vêm de variáveis de ambiente ou arquivo `.env`. O usuário deve aprovar o roteiro antes da geração de TTS (que é faturada) e autorizar qualquer regeneração adicional.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rayest/ai-video-skills/tree/HEAD/skills/explainer-video

Perguntar na sua IA favorita

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

Documentação

Vídeo explicativo curto sobre um tópico

Um vídeo vertical de 60–90 s (1080×1920) com visual "keynote": fundo preto, tipografia grande, imagens em tela cheia, cortes sincronizados com a batida, trilha sonora original e efeitos sonoros, tudo renderizado com Python (PIL + numpy) e ffmpeg. Sem editor de vídeo, sem música pronta.

Exemplo prático: examples/gpt-image-2.6/ (RESEARCH.md, script.json, render.py, audio.py, build_all.sh) produziu um vídeo de 92 s, ~20 MB sobre o lançamento de um modelo de imagem. Copie e adapte em vez de começar do zero. As imagens de demonstração desse exemplo não estão no repositório; gere as suas com scripts/gen_image.py. Leia references/render-pipeline.md antes de qualquer renderização.

As configurações vêm do ambiente ou de um arquivo .env (veja .env.example). Nunca imprima chaves, seus comprimentos ou prefixos.

Regras de conteúdo (aprendidas na prática)

  • Resultado nos primeiros 2 segundos. Abra com a saída mais impressionante, não com um título.
  • Nada de bastidores na tela ou na narração: sem nomes de relay de API ou fornecedores, sem notas de "geração falhou", sem custos que você realmente pagou.
  • Sem final de propaganda. Não promova um serviço no último terço — vídeos que fizeram isso tiveram desempenho ruim. Termine com um cartão de instrução copiável ("截图保存") mais uma pergunta sem marca para os comentários.
  • Não meça velocidade em rede ruim. Cite alegações oficiais de preço e velocidade e atribua-as ("官方说"); não apresente seus próprios tempos como fatos.
  • Julgue honestamente. Olhe para cada imagem gerada e diga o que é fraco, não apenas o que é forte. Corte qualquer coisa que se pareça com uma marca real ou placa de loja.

Fluxo

  1. Verifique. Cheque cada afirmação contra o site oficial, docs, changelog e preços, além de threads da comunidade. Mantenha um RESEARCH.md com fontes (exemplo no exemplo prático). Se uma página retornar 403, verifique através de cobertura e diga isso.
  2. Formato: 1080×1920, 60–90 s, a menos que o usuário diga o contrário.
  3. Ativos de demonstração: python3 -I scripts/gen_image.py assets/<nome> --prompt "..." [--size 2:3] [--ref img.png] [--gif 12:150] [--markup layer.png]. Resultados e custos vão para assets/results.jsonl (para você, nunca para o vídeo).
  4. Roteiro: script.json como {"scenes":[{"id":"s01","vo":"..."}]}. Cerca de 6 caracteres por segundo na taxa de fala 8 (520 caracteres ≈ 85 s). Termine com a pergunta CTA. Mostre o roteiro ao usuário antes do TTS — TTS é cobrado.
  5. Voz: python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]. Escreve <id>.mp3 e marcações de palavra <id>.json.
  6. Renderize: siga references/render-pipeline.md.
  7. Entregue: caminho, duração, tamanho, LUFS e pico medidos, quais stills foram verificados e os 1–2 planos mais fracos com motivos. Pergunte antes de qualquer regeneração faturável além do que foi acordado.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas