Communitygithub.com

Akira-TL/akira-video-skills

Avalia resultados de geração de IA para materiais reutilizáveis (personagens, cenários, produtos) ou cenas de vídeo, decidindo por aprovação, ajuste de prompt, regeneração ou correção na pós-produção.

O que é akira-video-skills?

Este skill é especializado na revisão crítica de resultados gerados por IA em pipelines de produção audiovisual. Ele não aceita um resultado simplesmente porque foi gerado; em vez disso, compara rigorosamente o conteúdo real (imagens, vídeos, áudio) com os requisitos originais do projeto. O skill define fluxos claros de verificação: primeiro analisa o artefato real (com suporte a scripts utilitários para metadados, amostragem de quadros e divisão de grids), depois consulta as fontes formais (como `SHOT.md` para cenas, ou definições de personagens/produtos) e, por fim, aplica dimensões de qualidade como identidade, continuidade de movimento, integridade sonora e fidelidade ao produto real. Se o resultado for aprovado, o skill orienta como registrar a decisão de forma concisa no `SHOT.md`, evitando duplicação de dados. Se houver falha, o skill ajuda a diagnosticar o tipo de erro (por meio de guias de referência) e escolher a ação corretiva: usar como está, corrigir na pós, regenerar ou reescrever a definição. Ele funciona para todos os tipos de saída (imagem, vídeo, áudio) e é útil em projetos de animação, publicidade e narrativa visual com múltiplas tomadas e dependência de consistência entre planos. A ferramenta evita decisões baseadas em suposições e garante que cada resultado tenha uma justificativa documentada.

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

Perguntar na sua IA favorita

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

Documentação

Revisão de Vídeo

Este Skill é responsável por decidir se o resultado gerado é digno de entrar na rota de produção atual. Ele não reduz os requisitos originais só porque o material já foi gerado, nem reescreve fatos upstream para preservar um resultado existente.

1. Verifique Primeiro o Resultado Real

A revisão deve ser baseada nas imagens, vídeos ou áudios reais retornados, e não em suposições baseadas em prompts, nomes de arquivo ou "o que o modelo deveria ter feito".

Quando o executor atual puder visualizar/reproduzir diretamente, examine o artefato completo; quando apenas quadros parciais, screenshots ou áudio inaudível estiverem disponíveis, indique claramente quais dimensões ainda não foram verificadas, sem declarar o não observado como aprovado.

Para leitura rápida de metadados de mídia, cálculo de SHA-256, amostragem uniforme para localizar quadros problemáticos ou divisão de grades 2×2 estritas, priorize o uso do script scripts/media_review.py: probe lê as propriedades reais da mídia; sample grava apenas quadros auxiliares do vídeo no diretório .tmp/review/ do projeto atual; split-2x2 corta mecanicamente uma imagem 1:1 em quatro quadrantes; cleanup limpa o diretório auxiliar de revisão. Quadros amostrados/divididos/manifest nunca substituem a reprodução completa, a audição, a verificação labial ou a validação de conteúdo de personagens/cenas; o sucesso mecânico da divisão 2×2 também não significa que a verificação semântica de quatro vistas foi aprovada.

A revisão de vídeo não pode se basear em um único quadro bonito; pelo menos cubra o início do plano, o processo de movimento principal e o estado final, e verifique a continuidade do movimento/som.

2. Base de Revisão Fixa

Primeiro, leia a fonte formal correspondente ao resultado:

  • Material reutilizável: prompts de longo prazo, definições de personagens/cenários/produtos e fatos upstream necessários;
  • Resultado de geração de cena: SHOT.md, prompt atual, material reutilizável referenciado e continuidade com planos adjacentes;
  • Produto publicitário: carregue simultaneamente os fatos do produto e restrições de marca de video-advertising; se essa capacidade estiver ausente, não declare o Gate do produto como concluído — devolva primeiro ao akira-video para completar o pacote opcional.

Um pacote de geração único é usado apenas para localizar a entrada atual e não é uma fonte factual de maior prioridade.

Para realizar uma revisão detalhada da qualidade do resultado/material gerado, leia references/TAKE-QA.md. Quando houver múltiplas imagens, áudios ou vídeos candidatos retornados, leia também references/CANDIDATE-SELECTION.md, primeiro eliminando erros graves de identidade/produto/espaço/enredo, depois comparando adequação de produção e estética. Se o resultado estiver claramente falho, primeiro identifique o tipo de falha com references/FAILURE-MODES.md, depois escolha entre aceitar, corrigir na pós-produção, regenerar ou reescrever o upstream com references/REPAIR-DECISIONS.md; antes de regenerar, defina claramente a principal variável sendo alterada nesta rodada.

3. Dimensões de Revisão

Verifique apenas as dimensões aplicáveis ao objeto atual:

  • Estabilidade de identidade, vestuário, material, estrutura e estado;
  • Se o espaço da cena e as posições-chave são válidos;
  • Se ação, atuação, fotografia e tempo cumprem o propósito do plano;
  • Se a continuidade In/Out pode se conectar com o plano adjacente;
  • Se produto, logotipo, texto e estrutura industrial estão de acordo com a fonte factual;
  • Se diálogo, sincronia labial, som e som ambiente atendem aos requisitos atuais;
  • Se há deriva perceptível que se amplificará em planos subsequentes.

Não substitua a revisão completa do vídeo por um único quadro bonito.

4. Conclusão

Priorize dar uma das seguintes formas claras de tratamento:

  • Aprovar: o resultado pode entrar na produção atual;
  • Aprovar e ajustar o seguinte: existem desvios não críticos, mas aceita-se este quadro real, e o próximo plano deve continuar a partir do estado visível real;
  • Corrigir na pós-produção: o sujeito foi gerado corretamente, mas o problema é mais adequado para edição determinística, composição, legendas, logotipos, volume ou outros processamentos de pós-produção;
  • Regenerar: a definição do plano/material está correta, mas o resultado gerado atual falhou na execução;
  • Reescrever definição ou prompt: a falha veio do SHOT.md, material de longo prazo ou do prompt em si, não da execução aleatória.

5. Registre a Decisão de Aprovação

As decisões de aprovação de plano devem ser mantidas concisas, conforme references/TAKE-DECISION.md: registre o resultado gerado atual, a saída real, os desvios aceitáveis e os itens que ainda precisam de correção na pós-produção, sem criar um banco de dados adicional.

Qual resultado gerado de um plano foi aprovado? Mantenha um campo curto "aprovado atualmente" ou registro equivalente claro no SHOT.md do respectivo plano, sem copiar um final.mp4.

Resultados gerados descartados ainda podem ser mantidos para comparação; se o projeto não precisar reter saídas com falha de longo prazo, podem ser limpos conforme a política de armazenamento do usuário, mas nunca exclua o único resultado gerado que ainda não foi arquivado.

Critérios de Conclusão

Cada resultado revisado tem uma base clara e direção de tratamento; os resultados aprovados podem seguir para o próximo plano ou para a pós-produção completa; quando a regeneração é necessária, já se sabe qual será a principal alteração na próxima vez.

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

设计并维护 AI 视频中跨镜头复用的角色声音、音色参考、对白声音要求与整片声音关系;当同一角色需要跨镜头保持声音一致,或需要规划语音参考、环境声、音效、音乐与画面的职责边界时使用。

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

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