atultiwari/youtube-video-production

Fazendo um vídeo, do início ao fim

Um runbook: "o que eu faço a seguir", em ordem, com a falha por trás de cada regra para que você possa argumentar com ela em vez de obedecê-la. A ordem é a mesma para todos os assuntos; o modo muda.

0 · Escolha o modo

Decida antes de qualquer outra coisa e registre-o como mode: no STATUS.md do vídeo. Isso muda de onde a referência vem e do que a imagem é feita.

	Tutorial de tela tutorial	Explicador ilustrado illustrated	Híbrido hybrid	Explicador de motion motion
Ensina	como usar um aplicativo ou ferramenta	um conceito: patologia, fisiologia, qualquer ciência	um conceito, depois a ferramenta que o aplica	um evento noticioso, incidente ou caso e suas lições
Passo 3	captura de reconhecimento do aplicativo	pesquisa de referência: atlas, microfotografias, objetos reais	ambos, por batida	uma ficha de fatos com fontes (cada número na tela citado)
Passo 9	captura definitiva	nenhum	apenas para as batidas do aplicativo	nenhum
Imagem	capturas de tela do aplicativo, construídas a partir da referência capturada	imagens desenhadas, através do remotion-whiteboard	cada batida em seu próprio tipo	tipografia, mapas, páginas de jornal, medidores, através do remotion-motion-explainer

motion não substitui nada: qualquer coisa desenhada (uma caneta, uma mão, imagens traço a traço) ainda é illustrated e ainda passa pelo remotion-whiteboard. A Porta 2 no motion é a aprovação do proprietário na pré-visualização silenciosa com legendas temporárias.

Escolha pelo que o espectador precisa ver, não pelo hábito. Se nenhuma batida precisa de uma interface real, é ilustrado. Sem modos, uma linha de base de patologia foi enviada para capturar um aplicativo que nunca mostrou.

A ordem, e por que é esta ordem

 0  Escolha o modo           tutorial, ilustrado ou híbrido; e o estilo
 1  Decida a peça            ângulo, público, uma ideia
 2  Valide as afirmações     antes que uma palavra seja escrita
 3  Referência               capture o aplicativo, ou pesquise o que desenhar
 4  Roteiro                  depois, revise-o
 5  ── PORTA 1 ──            um humano lê o roteiro antes que uma tomada seja gasta
 5a Storyboard               ilustrado: uma imagem por batida, eventos em palavras-chave
 5b Quadros-chave ── PORTA 2 ── o proprietário aprova o visual, em imagens estáticas
 6  Grave a narração         sarvam-tts.py: a voz clonada, uma tomada por batida
 7  Master                   para o destino de entrega
 8  Medir → grade → palavras as tomadas decidem cada tempo, até a palavra
 9  Captura definitiva       tutorial e híbrido: os fluxos exatos que o roteiro pede
10  Construir                o kit (ilustrado) ou capturas de tela (tutorial), na grade
10b Som                      efeitos da imagem, um fundo, abaixado sob a voz
11  QA visual                probe, um foco, preenchimento, lacunas de evento, uma folha de 2 s, uma revisão muda
12  Renderizar
13  Publicar                 metadados, capítulos, upload, agendar

Voz antes da imagem. A tomada é o relógio: cada batida, animação e corte é colocado a partir do áudio medido, depois do tempo transcrito de cada palavra. Uma estimativa de contagem de palavras estava 25% errada em um roteiro inteiro, e uma mediana de 1,3 s de diferença por palavra. Veja references/mistakes.md.

Capture duas vezes (tutorial, híbrido): reconhecimento antes do roteiro, para prometer apenas o que o aplicativo faz; a gravação definitiva depois, quando o fluxo é conhecido.

Um foco de cada vez. Um lugar desenhado ou escrito de cada vez, na ordem de leitura: a nota, a imagem, sua etiqueta, depois o ponteiro. O vídeo deve ensinar com o som desligado: focus-check.py mede isso, um novo agente assistindo-o mudo testa isso (09-motion.md, 11-visual-qa.md).

Duas portas humanas. Porta 1, o roteiro: barato de mudar, as tomadas não são. Porta 2, o visual, em imagens estáticas de quadros-chave antes que cada batida seja construída: sem isso, v2 fez texto em um fundo escuro vazio.

Saiba onde você está primeiro: scripts/video-status.py no STATUS.md do vídeo (status-and-resuming.md); atualize o arquivo como última coisa antes de parar.

Inegociáveis

1. Uma afirmação obtém uma fonte primária antes de obter uma frase. Fontes secundárias estão erradas com frequência suficiente para que isso não seja opcional.
2. Interfaces simuladas são construídas a partir de referência capturada, nunca da memória (tutorial, híbrido). Três reconstruções do compositor de um aplicativo estavam erradas até que a coisa real foi medida.
3. Saída inventada é rotulada na tela (Simulado — apenas ilustrativo); esquemas dizem Imagem simplificada.
4. Nada privado aparece em nenhum quadro: não em uma demonstração, barra lateral, referência de conta ativa, ou rótulo de slide (12-pathology-visuals.md).
5. Leia os campos de formulário escritos de volta antes de acreditar neles. Valores digitados falham silenciosamente.
6. Nunca edite manualmente um arquivo de temporização (beats.json, lines.json). Eles são gerados.

Skills que orquestra

Skill ou kit	Seu trabalho em um vídeo
kit deste skill	node <skill>/scripts/install-kit.mjs <project> --style paper-notes: componentes, estilo, fontes, ferramentas de QA e construção. Instala o toolkit do remotion-whiteboard primeiro.
remotion-whiteboard	Obrigatório para qualquer coisa desenhada ou escrita à mão: traços, texto escrito, a caneta.
motion-design	easing e coreografia para elementos que não são desenhados
remotion-best-practices	Uso da API do Remotion
remotion-motion-explainer	modo motion: seu próprio template, componentes, scripts de voz/legenda/som e exemplo trabalhado (fridge-hack)
video-promo-kit	passo 13 para todos os modos: variantes de thumbnail (proprietário escolhe), carrosséis 1:1 + PDF do LinkedIn, descrição/capítulos/tags do YouTube, texto para LinkedIn/Instagram/WhatsApp
youtube-uploader	passo 13: o upload em si através da Data API (dry run, depois --confirm no sim do proprietário), thumbnail, legendas, playlist, agendamento

Se remotion-whiteboard não estiver disponível, pare na etapa de construção e diga isso; nunca improvisar um componente de desenho. install-kit.mjs impõe isso.

Onde o detalhe vive: leia cada arquivo em seu estágio, não antes

Arquivo	Estágio
references/01-plan-and-validate.md	1–2
references/02-capture-reference.md	3 e 9: captura, ou pesquisa de referência quando ilustrado
references/03-script.md	4–5, incluindo as perguntas do canal
references/07-art-direction.md	0 (o estilo) e 5a–10: o estilo da casa, como dados
references/08-storyboard.md	5a–5b, Porta 2
references/04-voice.md	6–8
references/09-motion.md	8 (temporização de palavras) e 10: chegadas, eventos a cada 2–4 s
references/05-build.md	10, capturas de tutorial, a mão do whiteboard e a biblioteca de desenho (objects.tsx)
references/10-sound.md	10b
references/11-visual-qa.md, references/rubric.md	11
references/12-pathology-visuals.md	3 e 10, para imagens médicas
references/13-longform.md	vídeos com mais de 12 minutos, capítulos
references/06-publish.md	12–13: renderizar, ready-to-upload/ → youtube-uploader → _uploaded/ (e video-promo-kit para material promocional)
references/14-lessons-2026-10.md	qualquer modo: números de voz medidos, verificação de tomadas do Whisper, dicas de palavras, som disparado por componente, regras de QA da construção do fridge-hack (as lições do E01 estão incorporadas em 04, 05, 06, 09, 11 e mistakes.md)
references/status-and-resuming.md	retomar um vídeo ou registrar uma decisão
references/mistakes.md	quando algo se comporta estranhamente: leia antes de depurar

Scripts que vêm com ele: cada um aceita --help e lê apenas o projeto que lhe é dado

Estágio	Scripts
status	video-status.py (em qual passo um vídeo está, por modo)
4–5a	check-script.py (armadilhas de TTS), check-storyboard.py (imagem por batida, palavras-chave, lacunas)
5b	draft-takes.py (uma grade de rascunho antes das tomadas existirem, apenas para quadros-chave)
6	sarvam-tts.py (tomadas na voz clonada através da API; chave em SARVAM_API_KEY; --respell um mapa de série de formas faladas)
7–8	check-takes.py (Whisper em cada tomada vs o roteiro), master-audio.py, build-audio-grid.py, word-timestamps.py (tempos exatos das palavras)
10	install-kit.mjs <project> (o kit, um estilo, fontes, ferramentas, o ambiente virtual Python), make-paper.py; no kit, makeBeat/HL (beatspec.tsx) e a biblioteca de objetos (objects.tsx, teste estático kit-objects)
10b	sound-design.py
11	focus-check.py, frame-fill.py, event-gaps.py, gap-words.py (palavras faladas em cada lacuna estática), contact-sheet.py; o tools/qa.mjs do kit, tools/stills.mjs (pontos médios, finais, a cada N s), tools/build-all.sh (para antes de renderizar se estiver muito estático)
13	chapters.py (capítulos do YouTube a partir da grade), captions-srt.py (legendas de upload a partir das temporizações de palavras)

Modelos: STATUS.md, STORYBOARD.md, MUTE-REVIEW.md em templates/. Estilos: styles/*.json.

Formatos

Curto: 1080×1920, entregue em 2160×3840 (build-all.sh --deliver-4k). 26–56 segundos, uma ideia; a primeira linha e o primeiro quadro decidem tudo. 360 px inferiores livres para a interface do usuário.

Longo: 1920×1080 a 30 fps; sete a doze minutos, ou 15–30 para uma palestra ilustrada construída em capítulos de 3–5 minutos (13-longform.md). Segundo idioma opcional como faixa alternativa.

O que está datado

Preços, nomes de modelos, limites de nível e datas estatutárias nas referências estavam corretos na data measuredOn acima. Qualquer coisa marcada como VERIFY é verificada novamente em relação à sua fonte primária antes de ser dita na câmera. Nunca herde um número deste skill para um roteiro.