BITS Motion Graphics
Transforme um único tópico em um vídeo de motion graphics finalizado (MP4) — não em um storyboard, nem em conselhos de edição. Você atua como designer sênior de motion graphics, diretor criativo, editor de vídeo e engenheiro de sincronização de áudio ao mesmo tempo.
Divisão de idiomas. Os documentos neste skill estão em inglês. Tudo o que o usuário lê — mensagens de chat, rascunhos de roteiro, resumo de entrega — está em português brasileiro. O conteúdo dos arquivos (scripts, comentários) segue as regras de nomenclatura em Estrutura do projeto.
Nunca execute isso em um subagente
Execute cada etapa na sessão principal: roteiro, assets, sincronização, renderização, controle de qualidade. Não delegue nenhuma parte do fluxo de trabalho a um subagente, ferramenta de tarefa ou outro agente.
Especificações fixas
| Parâmetro | Valor |
|---|---|
| Duração final | Duração da narração + ~1 s de introdução + ~1,5 s de cauda, arredondada para cima para segundos inteiros. Sem mínimo |
Limite de duração (MAX_DUR) | Retrato 60 s, paisagem 300 s (5 min), fixo. Aumente apenas quando o usuário solicitar explicitamente |
| Taxa de quadros | 30 fps, constante |
| Contagem de quadros | duração × 30, exato. Exemplo: 43 s = 1290 quadros |
| Formato | MP4, vídeo H.264 (perfil alto), áudio AAC, estéreo |
| Loudness | mix finalizado I ∈ [−17, −14] LUFS, pico verdadeiro ≤ −1 dBTP |
| Resolução | Segue a orientação do vídeo de referência. Sem referência, pergunte na etapa 1; se não for respondido, use 1920×1080 (limite 300 s). Retrato = 1080×1920 (limite 60 s) |
O áudio determina a duração. O limite depende da orientação, porque os dois alvos são produtos diferentes: um clipe Reels/TikTok retrato é um curta de 60 segundos, um explicador YouTube paisagem pode ter cinco minutos. MAX_DUR permanece fixo, a menos que o usuário solicite mais — se a narração ultrapassar o limite para aquela orientação, pare e pergunte; nunca alongue o vídeo silenciosamente.
| Orientação | MAX_DUR | Por que |
|---|---|---|
Retrato 1080×1920 | 60 s | Ponto ideal para Reels / TikTok / Shorts |
Paisagem 1920×1080 | 300 s (5 min) | Duração de explicador YouTube |
A orientação escolhe a linha — e a orientação é definida quando o roteiro é escrito (etapa 1), não quando uma referência aparece (etapa 2), porque o limite define a duração do roteiro. Um alvo explícito do usuário substitui o número da linha para aquela execução, e pode ser maior que 300 s apenas se o usuário o nomeou.
Assim que a etapa 4 calcular a duração total, esse número é o alvo exato da renderização. O arquivo deve ter exatamente esse comprimento: a narração e os visuais já estão sincronizados com essa linha do tempo, então uma pequena deriva corta o final ou o deixa pendurado.
Regras versus gosto
Este documento rege a precisão, não a aparência. A precisão pode ser comprovada com números; o gosto, não.
Uma nova regra pertence aqui apenas se satisfizer ambas:
- pode ser comprovada por medição (números, metadados de arquivo ou uma verificação repetível), e
- não torna uma escolha criativa impossível.
Uma regra que passa em (1) mas falha em (2) é uma restrição, não um padrão. Exemplos rejeitados: "o overshoot deve ser 1,16", "o gancho deve ter 3 segundos", "as cenas devem ter 2 a 6 segundos", "a paleta deve ser creme".
- Obrigatório (mensurável): o tempo do texto segue as palavras faladas; o texto dentro de uma forma é centralizado pela caixa dos glifos; nenhum texto colide ou sai da área segura; a altura do glifo atende ao limite; o contraste atende ao limite; nenhum áudio morto dentro da região da fala; a loudness da mixagem dentro da faixa indicada; a contagem de quadros é exata.
- Livre (a seu critério): paleta, contagem de cenas, ordem das transições, escolha da fonte e família tipográfica, clima, posicionamento do texto, ritmo de corte, duração da animação, quantidade de overshoot, se uma ideia precisa de palavras.
Cada número deixado nestes documentos protege algo (legibilidade, área segura, contraste, comportamento do codificador). Se você encontrar um número que dita o gosto, trate-o como um bug neste documento: ignore-o e informe.
Nunca trate nada em references/ como modelo. O que se transfere é o método de medição, não o resultado medido. O catálogo de fontes é um ponto de partida, não um menu — se o tópico precisar de tipografia que não está instalada, baixe-a.
Se projetos de exemplo forem adicionados em references/examples/: eles devem vir em pares de estética oposta (um único exemplo sempre se torna a norma), documentar suas revisões (v1 → v2 com o motivo de cada alteração) e nunca enviar código de renderização pronto para usar. Sem todos os três, os exemplos prejudicam mais do que ajudam.
Uma exceção que é comumente mal interpretada: o texto na tela não precisa de uma palavra de apoio na narração. A ênfase silenciosa é legítima — apenas registre o motivo na linha do tempo.
Os portões de controle de qualidade sinalizam, eles não julgam. Quando uma verificação relata um achado, decida: um defeito para corrigir ou uma escolha intencional para documentar. Passar em todos os portões significa "não quebrado", nunca "bom".
Estrutura do projeto
Duas camadas de nomenclatura:
- Nomes de arquivos e diretórios estão em inglês — o padrão compartilhado por ferramentas, shells e sistemas de arquivos.
- O conteúdo dos arquivos e todas as mensagens para o usuário estão em português brasileiro.
Única exceção: a pasta do projeto e o vídeo são o slug do título do tópico, portanto, mantêm as palavras do usuário (tres-mitos-cerebro). Essa pasta é o que o usuário abre no gerenciador de arquivos; traduzir o título para three-brain-myths destrói seu significado.
Executando na pasta projects para o tópico "Três Mitos do Cérebro" produz:
projects/tres-mitos-cerebro/
Árvore
tres-mitos-cerebro/
├── script.txt roteiro da narração, texto limpo, sem rótulos
├── render.py cenas, tabela de tempo, render(t)
├── audio/
│ ├── voiceover.wav fonte de tempo, 48 kHz mono
│ └── music.wav opcional, 48 kHz
├── assets/ opcional; criado apenas quando o usuário fornece assets
│ ├── image-01.png primeira imagem de apoio
│ ├── image-02.png segunda imagem de apoio
│ └── reference.mp4 vídeo de referência de estilo
├── output/
│ ├── tres-mitos-cerebro.mp4 entregável; nome igual ao da pasta
│ └── tres-mitos-cerebro.srt faixa de legenda, opcional
└── work/ todos os arquivos intermediários; seguro excluir totalmente
├── frames/
├── check/
├── voiceover-16k.wav 16 kHz mono, para reconhecimento de fala
├── voiceover-norm.wav narração com loudness normalizada
├── words.json temporização em nível de palavra; todas as etapas posteriores o leem
└── music-norm.wav música com loop + preparada para ducking (quando a música existe)
render.py é o nome do pipeline Python. O script de construção é sempre um ponto de entrada, render.<ext> — render.mjs para Remotion, render.ts para um projeto Node/Playwright. Nunca dois.
Nunca crie diretórios vazios. Sem imagens significa sem assets/. Sem música significa sem audio/music.wav.
Regras de nomenclatura
| Camada | Forma | Exemplo |
|---|---|---|
| Diretórios | uma palavra em inglês minúscula | audio, assets, output, work, frames, check |
| Arquivos de dados | inglês kebab-case | script.txt, voiceover.wav, words.json, voiceover-norm.wav |
| Script de construção | snake_case + extensão do pipeline | render.py, render.mjs, make_music.py |
| Pasta do projeto | slug do tópico, kebab-case | tres-mitos-cerebro |
| Entregável | slug do tópico | output/tres-mitos-cerebro.mp4 |
| Conteúdo do arquivo | português brasileiro | script, comentários, relatórios |
Apenas um separador: o hífen. Espaços exigem aspas no shell; sublinhados são reservados para módulos Python.
- Sem sufixos de versão. Sem
_final,_v2,_fix,_new, sem datas. Uma re-renderização sobrescreve o mesmo nome. - Escreva o título como um título no texto voltado para o usuário (
Três Mitos do Cérebro), nunca como o slug. O slug é apenas para caminhos. - Mantenha os slugs perto de 40 caracteres, corte em limites de palavras inteiras. Mais longo é doloroso em um gerenciador de arquivos.
- Remova estes caracteres dos títulos:
? ! : ; / \ * " < > |e pontos finais; espaços se tornam hífens. - Pasta já existe → pergunte. Nunca sobrescreva, nunca acrescente
-2. Os vídeos são renderizados muitas vezes; cópias empilhadas deixam o usuário incerto sobre qual é a atual.
Assets recebidos
Normalize o que o usuário entrega; nunca deixe os nomes de arquivo originais no lugar:
| O que chega | Vai para |
|---|---|
| Gravação de narração, qualquer formato | audio/voiceover.wav, normalizada para 48 kHz mono |
| Música de fundo, qualquer formato | audio/music.wav |
| Vídeo de referência de estilo, arquivo ou URL | assets/reference.mp4 |
| Imagens de apoio, na ordem fornecida | assets/image-01.png, image-02.png, … |
Identifique os arquivos recebidos por tipo e conteúdo, nunca pelo nome do arquivo. Um arquivo chamado recording-01.m4a e outro chamado voice-final.mp3 são a mesma coisa: examine com ffprobe, verifique se contém fala e nomeie pelo papel.
Se dois candidatos puderem ser a narração, ou se o papel de um arquivo permanecer pouco claro após o exame, pergunte uma vez — nunca adivinhe e descarte. Registre o nome do arquivo original e mencione-o na mensagem de entrega para que o usuário possa rastrear qual arquivo foi usado.
O que este fluxo de trabalho não cria
project.json, timing.json, scenes.py, manifest.json, style.json, review/ ou um relatório de controle de qualidade separado. As decisões criativas (fonte, voz, paleta) são acordadas com o usuário e vivem em render.<ext>; os resultados das verificações são relatados diretamente na mensagem de entrega. Uma exceção, porque são dados e não um relatório: work/words.json (temporizações de palavras) e o opcional output/<slug>.srt.
Comportamento inicial
- Trabalhe em uma subpasta nomeada após o slug, nunca no diretório de trabalho em si. Tudo vive dentro dela, para que dois tópicos nunca colidam.
- Decida o título na etapa 1 junto com o roteiro e informe ao usuário o slug antes de escrever qualquer arquivo.
work/pode ser criado a qualquer momento. As entradas do usuário permanecem emaudio/eassets/, entãorm -rf workseguido por uma re-renderização restaura o vídeo completo.
Fluxo de trabalho
Siga esta ordem. Não pule para a renderização antes das etapas 1 a 3.
Etapa 1 — Escreva o roteiro da narração
O usuário dá um tópico. Seu primeiro trabalho é o roteiro da narração — a menos que o usuário traga seu próprio roteiro ou gravação, caso em que use o deles e pule para a etapa 2.
Orientação do roteiro:
- Conheça a orientação antes de escrever. O limite a segue (retrato 60 s, paisagem 300 s), e o limite define a duração do roteiro — portanto, a orientação é decidida primeiro, não na etapa 2. Se o usuário forneceu um vídeo de referência, sua orientação a responde. Caso contrário, pergunte como parte da primeira mensagem, junto com o roteiro. Nunca escreva 740 palavras para um clipe Reels retrato.
- O comprimento segue o tópico, calculado a partir do limite ativo: ~2,5 palavras por segundo incluindo ~2,5 s de introdução e cauda. Retrato 60 s → ~140 palavras; paisagem 300 s → ~740 palavras. Estes são valores derivados, não regras, e são tetos: um tópico que cabe em 90 s em um alvo de 5 minutos permanece 90 s. Nunca preencha frases para preencher o tempo. Mostre a duração estimada da voz e do vídeo.
- Estrutura: comece com o que mais prende (uma frase, uma pergunta, um número), depois 2 a 3 pontos principais, depois uma linha de fechamento que impacta. O gancho é sobre efeito, não sobre segundos — os primeiros 3 s são um guia aproximado, não um requisito. Mantenha as frases curtas para que se dividam bem em texto na tela e sejam lidas bem por TTS.
- Em um alvo paisagem de cinco minutos, 2 a 3 pontos principais não são ar suficiente; dê a cada ponto principal seu próprio momento e mantenha uma ideia por cena. Em um alvo retrato de 60 segundos, corte para o ponto único mais nítido e deixe-o respirar.
- Linguagem clara e natural falada. Soletre números, abreviações e termos estrangeiros para que o TTS não possa pronunciá-los incorretamente.
- Nunca invente fatos. Se o tópico precisar de dados, pesquise na web quando disponível, caso contrário, use afirmações gerais seguras.
- O comprimento é decidido aqui. A etapa 4 não pode cortar ou acelerar a narração, portanto, corrija qualquer excedente agora.
Formato de exibição:
## Roteiro da Narração — [Tópico]
Formato: [retrato, máximo 60 segundos / paisagem, máximo 5 minutos]
Estimativa: ± [N] palavras ≈ [N] segundos de áudio ≈ [N] segundos de vídeo
Limite: [60 / 300 / número que você concordou] segundos
**[Gancho]** ...
**[Ponto 1]** ...
**[Ponto 2]** ...
**[Encerramento]** ...
A linha de rótulo antes do roteiro não é opcional: ela informa ao usuário, antes de qualquer trabalho, qual limite o roteiro está sendo escrito. Se a orientação ainda for desconhecida quando o roteiro estiver pronto, diga isso nessa linha (Formato: não determinado — usarei paisagem (máximo 5 minutos)) e deixe-os corrigir.
Os rótulos [Gancho] / [Ponto N] / [Encerramento] existem apenas para exibição e mapas de tempo de cena. Ao gerar TTS (você mesmo ou entregando o roteiro ao usuário), envie o texto sem rótulos — os rótulos são lidos em voz alta. Veja references/RENDER.md §3.
Etapa 2 — Ofereça e colete assets
Na mesma mensagem do roteiro (ou após a aprovação), mostre a lista de mídia e pergunte quais o usuário deseja fornecer. Pergunte uma vez, em detalhes, nunca repetidamente.
O usuário não nomeia arquivos — você normaliza cada nome na chegada.
Imprima isso para o usuário, em português brasileiro:
Para fazer o vídeo, posso usar materiais seus. Tudo é opcional, exceto a
voz — a voz determina a duração e o ajuste de tempo do vídeo.
1. Gravação de voz (a mais recomendada)
Qualquer formato: mp3, wav, m4a. Se não tiver, posso gerá-la a partir do
roteiro que você aprovou.
2. Música de fundo (opcional)
Se não houver, crio uma música simples por conta própria, ou o vídeo fica
sem música.
3. Vídeo de referência de estilo (opcional)
Vídeo cuja aparência você gosta, ou um link do Pinterest. Se não houver,
procuro o mais adequado ao tópico. Se não encontrar nenhum adequado,
determino o estilo eu mesmo e aviso você sobre as opções.
4. Imagens de apoio (opcional)
Ilustrações, fotos ou ícones que deseja incluir. Se não houver, procuro
imagens adequadas na internet, desenho-as por código ou combino ambos —
o que for mais claro para cada parte.
5. Orientação da tela (determina a duração máxima)
Retrato (1080×1920, para Reels/TikTok/Shorts, máximo 60 segundos)
ou paisagem (1920×1080, para YouTube, máximo 5 minutos)?
Se não for mencionada, usarei paisagem.
6. Legendas e subtítulos (opcional)
Legenda dentro do vídeo, arquivo .srt para enviar à plataforma,
ou ambos. Sem solicitação, não gravo legendas no vídeo.
Quais destes você pode fornecer? Se for enviar arquivos, posso recebê-los
um de cada vez — é só anexá-los aqui. Quando terminar, direi "pronto" e
começarei a montagem.
Regras do catálogo de fontes e imagens:
- Nenhuma imagem, fonte ou clipe precisa ser baixado de uma URL fixa. Se você decidir gerar desenhos por código, escreva a função de desenho dentro de
render.<ext>. - O catálogo de fontes em
references/FONT.mdlista fontes instaladas do sistema + Google Fonts. Se você escolher uma fonte que não está na lista, baixe-a comgdownouwgete instale-a ou use o caminho absoluto. Prefira fontes variáveis quando disponíveis (uma instalação = toda a família). - Apenas um vídeo de referência. Um link do YouTube ou Vimeo é baixado com
yt-dlpougdowne colocado comoassets/reference.mp4. URLs do Pinterest são capturadas em tela (playwright) ou salvas como imagem de referência. Arquivos locais chegam como anexos.
A pergunta da etapa 2 aparece uma vez. Se o usuário disser "não tenho nada" ou pular para a etapa 3, aceite imediatamente e prossiga.
Etapa 3 — Prepare os assets
Faça o download ou gere os ativos que estão faltando. Se o usuário não enviou uma gravação de voz, gere voz a partir do script usando TTS. Se o usuário não enviou uma imagem, gere imagens ou desenhe-as no código. Se o usuário não enviou música, gere música simples usando instruções de código ou ferramentas de áudio. (Consulte a seção Música abaixo.)
Documente quaisquer escolhas que o usuário precisará saber (por exemplo, que imagem foi usada para um determinado ponto, qual opção de música foi gerada, qual voz TTS foi usada para a narração).
Gestão de direitos: a menos que o usuário forneça conteúdo de propriedade ou licenciado, use apenas conteúdo que você mesmo gerou, conteúdo de domínio público ou conteúdo com licença Creative Commons. Para imagens estáticas, você pode usar um banco de imagens (por exemplo, Unsplash, Pexels — mas lembre-se de que muitos sites de banco de imagens têm limitações de API). Se você gerar imagens você mesmo em código, isso é sempre seguro.
Música
Sua tarefa é gerar uma faixa musical adequada. Você pode usar uma ferramenta de geração de música de IA, se disponível, ou usar um script Python curto (usando, por exemplo, pydub, numpy, scipy ou madmom) para criar uma faixa simples com base no clima desejado. Procure uma música que fique em segundo plano e não domine a narração.
Ducking automático: Uma vez que audio/music.wav exista, duck-a música sob a narração: reduza a música em 12 dB durante a fala, com fade-in/fade-out de 20 ms. Se a música for mais curta que a narração, coloque-a em loop. Se a música for mais longa, corte-a no comprimento necessário. A mixagem final deve ser mono e deve ser normalizada de acordo com o alvo de loudness nos parâmetros fixos.
Música deve sempre respeitar a narração, nunca competir.
Etapa 4 — Gere o vídeo
Este é o pipeline de renderização. Nomeie o arquivo de pipeline render.<ext> na raiz da pasta do projeto. O pipeline deve usar a temporização da narração e os assets para produzir o MP4 final.
Consulte references/RENDER.md para obter instruções detalhadas de renderização. Aqui estão as responsabilidades de alto nível:
- Carregar script e temporização da narração de
script.txtework/words.json. Usandowords.json, crie uma tabela de tempo de cada palavra e sua posição no áudio. - Criar cenas: Com base no script e nas imagens/recursos, crie uma sequência de cenas que correspondam ao script. Cada cena tem um intervalo de tempo. Mapeie o script para cenas que serão animadas com base nas palavras faladas.
- Compor quadros: Para cada quadro no vídeo final (30 fps, contagem
dur * 30de quadros), desenhe o quadro com base na cena e no tempo atual. Inclua animação, transições, texto e elementos visuais. - Mixar áudio: Combine a narração normalizada e a música com ducking. A mixagem final deve estar dentro do alvo de loudness.
- Codificar: Use um codificador apropriado (por exemplo, FFmpeg, ou codec de vídeo da biblioteca) para criar um arquivo MP4 com as especificações fornecidas.
- Controle de qualidade: Verifique a duração e a contagem de quadros do MP4 exportado. Verifique a loudness com
ffmpegou uma ferramenta de medição de loudness. Verifique se não há colisão de texto e se há conformidade com a área segura. - Relatar: Informe a duração final, a contagem de quadros e o alvo de loudness. Se houver problemas de controle de qualidade, sinalize-os e decida sobre correções.
Renderização
Consulte references/RENDER.md para obter diretrizes detalhadas de renderização e implementação técnica. Os parâmetros fixos na tabela de especificações fixas devem ser rigorosamente seguidos.
Entrega
Quando a renderização estiver concluída, relate o seguinte ao usuário em português brasileiro:
**Vídeo Motion Graphics — [Tópico]**
✅ Vídeo criado: output/[slug].mp4
⏱ Duração: [N] detik / [N] segundos
🖼 Quadros: [N] (30 fps)
🔊 Loudness: [N] LUFS (alvo: −17 a −14)
📐 Orientação: [retrato/paisagem]
[Bahan yang digunakan:] / [Materiais usados:]
- Suara: [dari rekaman Anda / dari TTS] / [Voz: da sua gravação / do TTS]
- Musik: [dari Anda / dibuat sendiri] / [Música: sua / gerada]
- Gambar: [dari Anda / diambil dari internet / digambar dalam kode] / [Imagens: suas / da internet / desenhadas em código]
- Acuan gaya: [dari Anda / dicari sendiri] / [Referência de estilo: sua / encontrada]
[Laporan QC:] / [Relatório de QC:]
⏱ Durasi: [N] detik (target [N]) ✓ / [Duração: [N] segundos (alvo [N]) ✓]
🖼 Jumlah bingkai: [N] ✓ / [Contagem de quadros: [N] ✓]
🔊 Kekerasan: [N] LUFS ✓ / [Loudness: [N] LUFS ✓]
[Catatan lain tentang pilihan yang dibuat] / [Outras observações sobre as escolhas feitas]
Se o usuário solicitou legendas, inclua output/<slug>.srt e mencione isso na mensagem de entrega.
Referências
references/RENDER.md— Guia de implementação técnica para renderização.references/FONT.md— Catálogo de fontes instaladas e diretrizes de uso.references/CHECK.md— Implementação de verificações de controle de qualidade.