Communitygithub.com

Akira-TL/akira-video-skills

Projeta e mantém a consistência de voz, timbre, requisitos de diálogo e sua relação com o áudio geral em vídeos com IA, usado quando o mesmo personagem precisa manter a voz consistente entre tomadas ou quando é necessário planejar referências de voz, som ambiente, efeitos sonoros e música em relação ao visual.

O que é akira-video-skills?

Este Skill é especializado em design de som e consistência de áudio entre tomadas na produção de vídeos com IA. Ele gerencia a identidade vocal de personagens que aparecem em múltiplas cenas, garantindo que características como faixa etária, timbre, ressonância, velocidade de fala e sotaque permaneçam estáveis. O Skill organiza os ativos de áudio de longo prazo em `video/materials/voices/`, enquanto sons exclusivos de cada tomada permanecem em suas respectivas pastas `video/shots/<shot-id>/`. Mixagem final, música e narração são delegadas para `video/edit/`. A principal utilidade é evitar a 'deriva de voz' (quando um personagem soa diferente entre cenas) e estabelecer uma separação clara entre identidade vocal (definida aqui), emoção (variável por tomada) e roteiro (gerenciado por `video-script`). O Skill é compatível com qualquer plataforma de geração de áudio ou vídeo que utilize conceitos como speaker ID, voice reference, seed de voz ou embeddings, e fornece diretrizes para quando usar silêncio intencional, como lidar com geração externa de áudio e como integrar com revisão e pós-edição.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Akira-TL/akira-video-skills/tree/HEAD/skills/video/video-audio

Perguntar na sua IA favorita

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

Documentação

Áudio de Vídeo

Este Skill é responsável pelo design de som e consistência de áudio entre tomadas na produção de vídeos, mas não cria um diretório audio/ separado no nível do projeto.

Materiais de áudio de longo prazo são armazenados em video/materials/, por exemplo:

  • video/materials/voices/CHR01_voice.md
  • video/materials/voices/CHR01_reference.wav

Diálogos, respirações, efeitos sonoros ou áudio temporário exclusivos de uma tomada continuam em video/shots/<shot-id>/; música, narração, mixagem e o projeto final de áudio de todo o vídeo vão para video/edit/.

A hierarquia completa de camadas de som e a separação de responsabilidades entre sons gerados nativamente e sons de pós-produção estão em references/SOUND-LAYERS.md. Quando o vídeo precisar de música de fundo, motivação de marca/personagem, música temporária para animatic ou trilha sonora gerada por IA, leia references/MUSIC.md: música temporária e final são claramente separadas; a música serve à história/diálogo/produto, não interrompe o ritmo dos personagens para encaixar um ponto musical. Quando houver narrador, voz interior do personagem, narração de marca ou voice-over explicativo, leia references/VOICEOVER.md: o texto da narração pertence a video-script; a identidade/geração da voz pertence a este Skill; a narração final de todo o vídeo vai para video/edit/.

1. Primeiro, distinga três tipos de som

Voz de personagem de longo prazo

Entre tomadas, requer estabilidade em: sensação de idade, performance de gênero, extensão vocal, timbre, posição de ressonância, velocidade de fala padrão, volume, ritmo e hábitos de pronúncia e pausa.

Som exclusivo de tomada

Pertence apenas a uma tomada: diálogo, respiração, suspiro, grito, passos, colisão de objetos e mudanças ambientais. Não é copiado para definições de som público.

Som de todo o vídeo

Música de fundo, narração global, design de som geral e mixagem final são gerenciados por video-editing apenas durante a pós-produção.

2. Design de voz de personagem

Quando um personagem tem diálogo em múltiplas tomadas, primeiro crie a definição de voz, depois gere ou grave as falas específicas. A definição de voz do personagem deve descrever pelo menos o necessário para o projeto atual: sensação de idade, extensão vocal básica, timbre, ressonância, velocidade de fala padrão, volume padrão, ritmo de fala, características de pronúncia, variações sob diferentes emoções e proibições contra deriva de voz.

Modelo detalhado em references/VOICE-DESIGN.md.

3. Separe identidade de voz e emoção

O mesmo personagem pode alterar reverberação, sensação de espaço ambiente, equalização sutil, emoção atual e intensidade da fala ao cruzar cenas e mundos, mas a sensação básica de idade, timbre fundamental, extensão vocal, hábitos de pronúncia e ritmo central não devem mudar aleatoriamente.

Se a ferramenta de geração oferecer speaker ID, voice reference, voice seed, speaker embedding ou mecanismo de estabilidade equivalente, priorize reutilizar o mesmo mecanismo de identidade; os campos específicos são determinados pelas regras oficiais da ferramenta/modelo atual. Este Skill não os fixa.

4. Diálogo e imagem

O planejamento da duração do diálogo, visibilidade da boca, fala de múltiplos personagens e som que cruza tomadas pertence a video-script; se a tarefa atual realmente precisar desta parte, carregue esse Skill conforme necessário; se faltar, devolva para akira-video completar, em vez de copiar regras de roteiro neste Skill. Este Skill é responsável apenas pela identidade da voz e pela performance de áudio atual.

O texto do diálogo continua sendo propriedade de video-script; este Skill é responsável apenas pela performance sonora. Para modelos de vídeo que exigem sincronização labial, compile o diálogo, tom, pausas e eventos sonoros no prompt de geração, mas não adicione falas que não existiam originalmente apenas para suportar som nativo do modelo.

5. Silêncio intencional

Se um trecho longo sem diálogo for sustentado por suspense, perigo, música, clímax visual ou a própria ação, a intenção do diretor para o silêncio deve ser claramente escrita no SHOT.md. Se um personagem realiza ações ativas por um longo período sem diálogo, sons de reação, som ambiente ou música para sustentar a narrativa, devolva para video-shot verificar se há um segmento morto.

6. Quando for necessária geração externa de áudio

Envie a definição de voz do personagem, a fala atual, o áudio de referência e o nome de retorno para video-generation, que os organizará conforme o contrato de pacote de geração única; este Skill não cria outro conjunto de regras de diretório empacotado ou arquivos temporários.

7. Devolução para revisão e pós-produção

  • Deriva de identidade de voz, sincronia labial, tom, extensão vocal e sincronismo são revisados por video-review;
  • Áudio exclusivo da tomada permanece na tomada;
  • Música de todo o vídeo, mixagem, legendas e nível final de áudio são tratados por video-editing.

Critérios de conclusão

A voz do personagem já pode ser identificada consistentemente entre tomadas; as responsabilidades do som da tomada e do som de todo o vídeo estão claras; nenhum áudio foi copiado apenas para classificação de diretório, nem parâmetros de speaker específicos da ferramenta foram escritos como regras genéricas.

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

Akira-TL/akira-video-skills

为 Runway 当前视频模型编译和检查生成提示词;当 video-generation 需要使用 Runway(当前主线 Gen-4.5)的 Text to Video 或 Image to Video,并需要 Runway 专用动作、摄影和时序表达时使用。

Akira-TL/akira-video-skills

为 ByteDance / BytePlus Seedance 当前视频模型编译和检查提示词;当 video-generation 需要使用 Seedance 2.5 的参考素材、时间线、同步声音、视频编辑、延长或多镜头能力时使用。

Akira-TL/akira-video-skills

为 Google Veo 视频生成编译和检查提示词;当 video-generation 需要使用 Veo 的 Text to Video、Image to Video、首尾帧、参考元素或同步声音能力时使用,并先核验具体 Google 使用入口与 model 的当前支持范围。

Akira-TL/akira-video-skills

进入并持续推进一个 AI 视频制作项目;读取或建立 VIDEO.md,根据当前视频脚本、复用素材、镜头、生成结果和整片后期状态,按需路由到 canonical 视频专业 Skill,而不是把所有制作规则塞进一个总提示词。

Akira-TL/akira-video-skills

为品牌短片、产品植入剧情、广告或比赛作品建立产品事实与广告边界;当视频需要准确表达某个具体产品的官方功能、参数、结构、使用方式、品牌素材或产品与剧情关系时使用。

Akira-TL/akira-video-skills

设计 AI 视频中的角色与场景视觉方案;当脚本只说明“需要一个什么样的人/场景”,但还没有形成可稳定生成的外形、服装、材质、色彩、空间、光线和视觉识别系统时使用。

Akira-TL/akira-video-skills

组织整片级剪辑、合成、全片声音和最终成片;当多个已采用镜头需要进入 Premiere Pro、After Effects、DaVinci Resolve 等后期工程,或需要整片字幕、Logo、音乐、混音、比例版本和最终导出时使用。

Akira-TL/akira-video-skills

为 AI 图片或视频生成准备可直接使用的提示词与一次性生成包,并在用户把生成结果带回项目后归档;当需要从正式视频脚本、复用素材和 SHOT.md 编译生成内容、选择参考素材、约定返回文件名或清理临时包时使用。

Akira-TL/akira-video-skills

规划、创建、整理和维护多个镜头会重复使用的视频复用素材;当需要人物/场景/道具/产品提示词、参考图、官方素材、身份与状态参考或其他可重复引用内容时使用。

Akira-TL/akira-video-skills

审核 AI 生成的人物/场景等复用素材或镜头生成结果,判断采用、修改提示词、重生成还是留给后期修复;当生成结果返回项目、需要检查身份/结构/连续性/动作/摄影/产品真实性或选择生成结果时使用。

Akira-TL/akira-video-skills

把小说、章节、故事梗概、品牌 brief 或其他上游内容转换成当前视频自己的脚本层;当需要编写或修订 SCRIPT.md、视频人物表演定义、场景定义、对白或镜头总表时使用。

Akira-TL/akira-video-skills

把 SHOTS.md 中的镜头总览展开成可直接制作的单镜头定义;当需要创建或修改 video/shots/<shot-id>/SHOT.md、镜头连续性、摄影、动作、表演、声音或镜头专属生产约束时使用。

Habilidades Relacionadas