Communitygithub.com

freudianflips/breakout-launch-videos

Ferramenta manual para produção de narração em filmes de lançamento: elenco de vozes, uma tomada por linha, ajuste de duração, costura, alinhamento forçado, o narrador vintage, o clone local e a voz de rascunho gratuita.

O que é breakout-launch-videos?

Esta skill oferece um conjunto completo de ferramentas para produzir a narração (voice-over) de um filme de lançamento. Ela permite fazer o elenco entre aproximadamente 100 vozes pré-definidas do provedor Higgsfield, gerar um arquivo de áudio por linha do roteiro, e ajustar cada linha para que caiba perfeitamente dentro dos limites de tempo e ritmo do quadro correspondente. Através de alinhamento forçado (forced alignment), a skill gera timestamps no nível da palavra, garantindo que cada palavra-chave da narração coincida com o visual exato no filme. Também inclui soluções para linhas muito longas, vozes de rascunho gratuitas (usando o comando `say` do macOS), clonagem local de voz (via Chatterbox), e um efeito de narrador vintage. Destinada a ser usada depois que o roteiro é aprovado e antes da finalização do picture timing, para fluxos de trabalho de "voice-over", "narrador", "elenco de voz", "gravação de linhas", "alinhamento de palavras" e "voz de rascunho".

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/freudianflips/breakout-launch-videos/tree/HEAD/skills/launch-voice

Perguntar na sua IA favorita

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

Documentação

Voz de lançamento

Manual da ferramenta em launch-film. Comece em skills/launch-film/SKILL.md: ele contém o núcleo, o modelo de gancho-mais-corpo e as lições. Onde esta página divergir, launch-film prevalece.

Em um filme de lançamento moderno, a voz lidera e a imagem a ilustra palavra por palavra: quando a voz diz "marcado", algo é marcado. Isso só funciona quando cada palavra tem um timestamp.

Provedores

  • Padrão: Higgsfield na sua própria conta. text2speech_v2 (engines elevenlabs, minimax, seed_speech e outras por voz) para elenco em cerca de 100 vozes predefinidas, cerca de 0,3 créditos por linha. Seed Audio para um narrador que você orienta com um prompt e referências de áudio. scripts/hf_voice.py encapsula a CLI.
  • Voz de rascunho gratuita: scripts/scratch_voice.py gera takes provisórios com o comando say do macOS (ou espeak-ng no Linux). Monte e cronometre o filme inteiro com ela, rotule cada revisão como "voz de rascunho", depois substitua pelos takes reais.
  • Clone local gratuito: scripts/clone_local.py (Chatterbox, MIT) clona seu narrador aprovado a partir de 8 a 10 segundos de suas falas. Um substituto, não um mestre. Clone apenas uma voz para a qual você tenha os direitos.
  • Revise as vozes dentro de um filme completo, nunca como clipes soltos. Mantenha uma lista de vozes rejeitadas para que nunca sejam propostas novamente.

Elenco

  1. python3 skills/launch-voice/scripts/hf_voice.py cast "<a linha de abertura do filme>" film/vo/audition fala a linha com todas as vozes predefinidas (cerca de 34 créditos para cerca de 110 vozes), verifica cada take com whisper e mede ritmo e variação de tom. ranking.md lista primeiro os takes exatos, mais próximos de 2,5 palavras por segundo e cerca de 2 semitons de variação (conversacional, não anunciado). --only Nome,Nome refaz o elenco de algumas.
  2. Pegue as 6 melhores (considerando gêneros) para o roteiro completo (hf_voice.py lines), depois ajuste-as (abaixo). Uma voz que precisa de mais de 12% de aceleração para se encaixar é muito lenta para o roteiro: descarte-a ou corte palavras.
  3. Monte um filme completo para cada voz sobrevivente e deixe o proprietário escolher. O ElevenLabs variou menos em ritmo e tom nos testes, então é o engine padrão.

Duração e ritmo

  • Alvo de 2,2 a 2,7 palavras faladas por segundo. Um lançamento de referência forte rodou a 2,4 (151 palavras em 63 s).
  • Um filme de 20 s carrega cerca de 45 palavras; 30 s cerca de 70; 60 s cerca de 140. Corte palavras antes de acelerar a voz.
  • Uma linha por quadro do storyboard, de 6 a 20 palavras, frasada de modo que o substantivo ou verbo principal caia em uma batida.

Procedimento para o modelo de filme

  1. O roteiro vive em film/film.json lines. Grave 1 arquivo por linha em film/vo/body/line-<id>.wav: takes reais com hf_voice.py lines (escreva as linhas como {"lines": [{"line": "02", "text": "..."}]}), ou takes de rascunho com python3 skills/launch-voice/scripts/scratch_voice.py film/film.json (adicione --hook film/hooks/<nome> para também dar voz a uma linha de gancho).
  2. Execute python3 skills/launch-voice/scripts/prep_lines.py film/film.json (--align force para insistir no alinhamento forçado; com uv instalado, ele baixa o torch na primeira execução, cerca de 2 GB). Ele escreve film/vo/body/lines.json com a duração de cada linha e os tempos das palavras: alinhamento forçado quando torch estiver disponível, senão whisper.cpp, senão uma estimativa uniforme sinalizada como estimate.
  3. film/build.py posiciona as linhas na linha do tempo do filme e cada sinal visual segue sua palavra. Um novo take é 1 execução de preparação mais uma reconstrução.

Procedimento para um filme de forma livre

  1. vo/script-lines.json ({"lines": [{"line": "01", "text": "..."}]}), depois um arquivo por linha: hf_voice.py lines vo/script-lines.json vo/takes/<voz> --voice <Nome>. Texto, voz, engine e IDs de trabalho vão para lines.json.
  2. Ajuste: python3 skills/launch-voice/scripts/fit_lines.py vo/placement.plan.json vo/takes/<voz> vo/versions/<voz>. O plano dá a cada linha seu início mais cedo, sua pausa para respiração e, onde um quadro deve terminar, end_by. Pausas acima de 0,25 s dentro de uma linha encolhem para 0,22 s; uma sequência de linhas que ainda transborda é acelerada como uma, com limite de 12%. Depois costure: python3 skills/launch-voice/scripts/stitch.py vo/versions/<voz>/placement.json vo/versions/<voz> vo/versions/<voz>/vo.wav.
  3. Tempos das palavras por linha. Para qualquer coisa em que um visual deva pousar, use alinhamento forçado: uv run -q --with torch --with torchaudio --with soundfile python skills/launch-voice/scripts/force_align.py line.wav "as palavras exatas". Para uma leitura rápida, align_lines.py executa whisper.cpp linha por linha. As âncoras resolvem na ordem da fala (cada uma é a primeira correspondência após a anterior), então qualquer voz retemporiza o filme. Uma única passagem do whisper sobre o filme inteiro deriva perto do final das linhas; passagens linha por linha não.
  4. Entregue os tempos das palavras para launch-motion (ancore cada construção à sua palavra) e launch-sound (eventos seguem palavras).

Narrador vintage

Para uma abertura de arquivo ou documentário: python3 skills/launch-voice/scripts/vintage.py IN.wav OUT.wav --crackle crackle.wav limita a banda para 150 Hz a 5,8 kHz, adiciona saturação de fita, um wow lento e uma base real de chiado de vinil (gere 1 com Seed Audio). O Seed Audio também pode falar uma linha diretamente com uma voz de narrador vintage ("um narrador de documentário dos anos 1960, quente e profundo, em um disco de vinil antigo... exatamente estas palavras: ..."); ele lê lentamente e pode reformular ("tem que" virou "tem de"), então verifique com whisper.

Regras de sincronia

  • Uma palavra-chave pousa com seu visual dentro de 2 quadros. Inicie as construções no primeiro quadro da palavra; se você deixar um visual anteceder sua palavra, mantenha abaixo de 4 quadros e faça isso em todos os lugares.
  • Deixe a voz respirar nas mudanças de cena: 0,25 a 0,5 s entre linhas.
  • A última linha termina pelo menos 1 s antes do logotipo; o logotipo recebe seu próprio silêncio próximo (launch-mix drop-out).

Quando o provedor de voz está indisponível

Monte com a voz de rascunho, rotule cada revisão como rascunho, e mantenha a imagem ancorada nas palavras alinhadas, de modo que a troca pela voz real seja 1 execução de preparação mais uma renderização. Nunca mude de provedor de voz ou conta sem a autorização do proprietário.

Correções

  • Uma linha fica longa por menos de 5%: ffmpeg -af atempo=1.04. Mais que isso: reescreva a linha.
  • Uma palavra é pronunciada incorretamente: soletre-a foneticamente no campo say da linha (para hf_voice.py), nunca no roteiro.
  • Whisper ouve mal um final suave: use alinhamento forçado ou encurte o prefixo da âncora; não regrave.
  • Dígitos: escreva-os por extenso no texto que você alinha ("vinte e quatro", não "24").
  • O modelo base do whisper ouve mal nomes de produtos. Verifique as palavras finais com o modelo pequeno ou maior (WHISPER_MODEL).

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

freudianflips/breakout-launch-videos

Build the brand kit a launch film uses from a website. Runs tools/brand-from-url.mjs on the reader's site to extract branding (colours, fonts, logo, name, tagline, copy, product images), then reviews the preview sheet with the reader and fixes any wrong role by hand. Use for "brand from website", "brand kit", "extract branding", "get our colours and fonts", "use our logo", or before the first launch film for a new brand.

freudianflips/breakout-launch-videos

Make or change a product launch film in your own brand. A film is a hook (the story before the cut) on a shared body (the name punching in, hero words cut on the voice, your product at close range, the logo lockup in near silence), built in HyperFrames from brand/brand.json and film/film.json. Holds the core, the template workflow (build, render and mix 1 hook or all of them), the generation recipes, the checks and the lessons. Use for "launch video", "launch film", "product video", "promo", "reveal", "announcement video", "new hook", "change the body", "render all launch videos".

freudianflips/breakout-launch-videos

Tool manual under launch-film (mixdown.py for buses, ducking, loudness and the brickwall). Mix and master the audio of a launch film. Music, SFX and voice-over on separate buses, the bed ducked by the voice's real envelope with a presence carve, the music dropped out for the logo, glue compression, a true-peak-safe limiter, -14 LUFS and -1 dBTP, then laid onto the rendered picture. Use after the score, the sound effects and the voice exist, for "mix", "master", "loudness", "LUFS", "ducking", "mux the audio".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the motion language for launch films built in HyperFrames). Ease tokens, camera doctrine, continuity at every cut, type and cursor craft, and brand-neutral signature moves (logo build, world pass, branch and pulse, waterfall fill, identity morph, macro pull-back, rise) that replace HyperFrames' stock look. Says which HyperFrames blueprints and transitions to keep, transform or avoid. Use whenever a launch film's picture is designed or animated, for "animation", "motion design", "transitions", "camera move", "make it feel like Apple", "less template".

freudianflips/breakout-launch-videos

Tool manual under launch-film (measuring a render and studying a reference film). Review a rendered launch film like a demanding creative director, then drive the v1 to v2 loop. Measures rhythm, static runs, cuts against the beat grid, loudness, true peak and voice pace with a script, then applies an eye checklist for continuity at every cut, legibility, brand, real UI, claims and differentiation. Writes a gap list and a scorecard; nothing ships on numbers alone. Use on every render, and on a reference film to learn from it, for "review the video", "check the film", "what is wrong with this cut", "study this reference".

freudianflips/breakout-launch-videos

Tool manual under launch-film (music fitted to the edit with Higgsfield Sonilo, ACE-Step locally, or the free scratch bed). Score a launch film with music whose sections are the film's acts. Each take is measured for tempo and section energy, stretched onto the film's BPM and offset so its drop lands on the cut. Use after the storyboard's beat sheet exists, for "music", "score", "soundtrack", "background track", "the drop", "beat grid".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the sound palette, the event map, the cue sheet and generated sound kits). Design the sound effects of a launch film. Builds an event map from the storyboard, the voice-over word timings and the rendered timeline, voices every event from 1 consistent palette (the free synthesised, key-locked forge, or real glass, felt, wood, marimba, clicks and air generated on Higgsfield and pitched into the film's key), and renders 1 SFX stem in a shared acoustic space. Use once picture timing and the score are fixed, for "sound effects", "SFX", "sound design", "UI sounds", "sonic logo".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the brief, the story spine, the script, the beat sheet and reference studies). Turn a launch brief into a launch film's story in your own brand, with the one message, the narrative spine, the voice-over script at the right length, a beat sheet on the music's bar grid and a STORYBOARD.md where every shot names its continuity in and out, its signature move and its sound. Includes the reference study and the logo-swap differentiation test. Use first, before voice, score or motion, for "launch video script", "storyboard", "brief", "what should the launch film say", "study this reference video".

freudianflips/breakout-launch-videos

Tool manual under launch-film (backgrounds, plates, Blender glass and 3D shots, shader layers). Build the world a launch film lives in, in your own brand, with generated background plates (cost-gated), Blender for real 3D glass objects and camera moves rendered as alpha layers, WebGL shader layers for atmosphere, and the layer order, depth of field and grade that keep UI legible over living backgrounds. Use when a storyboard needs backgrounds, 3D or atmosphere, for "background", "plate", "3D object", "glass", "Blender", "shader", "atmosphere"; motion of the UI itself is launch-motion.

Habilidades Relacionadas