Communitygithub.com

stick-figure

Cria um vídeo explicativo animado em stick-figure (9:16, 30 a 45 s) a partir de uma pergunta ou tópico, com código gerando toda a animação.

O que é stick-figure?

O stick-figure é uma skill para agentes de IA como Claude Code que transforma perguntas ou tópicos em reels explicativos animados no estilo cartoon stickman, com duração de 30 a 45 segundos e proporção 9:16. O usuário ativa a skill com `/stick-figure` ou pedindo um "stick-figure", "stickman" ou "cartoon what if". A skill gera todo o conteúdo programaticamente: roteiro baseado em fatos, vozes sintetizadas, trilha sonora e efeitos sonoros sintetizados, legendas de 1 a 2 palavras sincronizadas com a voz, transições whip, câmera em movimento constante e personagens stick com cabeças grandes brancas e expressões faciais. O exemplo `engine/template` mostra um reel completo de 37 segundos sobre "E se tapa-olhos de pirata não tivessem nada a ver com olhos perdidos?" O fluxo de trabalho inclui escrever o roteiro (110-120 palavras), verificar fatos, criar uma pasta de projeto, gerar voz, alinhar palavras, escrever os shots, gerar stills para revisão, editar áudio e compilar o vídeo final com `make.sh`. A skill requer Python 3.9+, Node.js, ffmpeg, e cerca de 1 GB de modelos de voz baixados na primeira execução.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AyushAggarwal768/claude-animation-skills/tree/HEAD/skills/stick-figure

Perguntar na sua IA favorita

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

Documentação

/stick-figure

┌──────────────────────┐
│   ☀      ☁           │  céu claro, mar, adereços desenhados em código
│      ◯   ◯           │  bonecos stick com cabeças grandes brancas, rostos expressivos
│     /|\ /|\          │
│     / \ / \  🛢       │
│     tapa-olho        │  legendas de 1 a 2 palavras, minúsculas, ~70% abaixo
└──────────────────────┘

Um exemplo completo acompanha a skill: engine/template é um reel finalizado de 37 s, "E se tapa-olhos de pirata não tivessem nada a ver com olhos perdidos?"

Primeiro uso

A pasta desta skill é o "Diretório base" que o Claude Code mostra ao carregá-la.

SKILL_DIR="<diretório base desta skill>"
ENGINE="$SKILL_DIR/engine"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
[ -x "$KIT/.venv/bin/python" ] && [ -d "$KIT/models" ] || bash "$KIT/setup.sh" --voice   # ~1 GB de modelos de voz, uma vez
PY="$KIT/.venv/bin/python"; export NODE_PATH="$KIT/node_modules"

Precisa de ffmpeg, Node e Python 3.9+. Para ver o exemplo: cp -r "$ENGINE/template" ~/reels/pirate && bash "$ENGINE/make.sh" ~/reels/pirate.

Como tudo se encaixa

Um reel é uma pasta:

  • script.json: a narração, uma frase por entrada.
  • captions.json: trocas de texto opcionais para legendas ({"twenty five": "25"}).
  • web/shots.js: a lista de cenas. Cada cena é SHOTS.push({start, end, tr, draw(ctx, lt, t)}) em segundos da narração; lt é o tempo dentro da cena, tr é a transição de saída ('whip' ou 'cut').
  • web/lib.js (easing, keyframes kf, formas, texto), web/chars.js (o rig do stick drawStick, chapéus, rostos, IK de braço, o tapa-olho), web/env.js (céu, nuvens, mar, navios, convés, barris, canhão, lanterna, abaixo do convés), web/main.js (desfoque whip, vinheta, granulação, legendas). Adicione novos adereços a env.js ou um novo env2.js (liste-o em web/index.html).
  • audio.py: música e SFX, tudo sintetizado em código e posicionado em segundos da narração.

make.sh gera a voz, alinha cada palavra (audio/words_new.json), mixa o som, renderiza as cenas em paralelo e escreve <pasta>/<nome da pasta>.mp4.

Timing: audio/words_ref.json é a voz contra a qual as cenas foram cronometradas. Quando a voz muda mas as palavras não, make.sh deforma as cenas para a nova gravação, portanto uma nova gravação não precisa de edições. Se o roteiro mudar, exclua audio/words_ref.json (a próxima gravação se torna a referência) e re-cronometre shots.js.

Etapas

  1. Roteiro. Cerca de 110 a 120 palavras para 38 a 40 segundos, uma ideia por frase: um gancho "E se", a crença comum, uma reviravolta com "Mas", exemplos que constroem, uma cena que mostra o mecanismo e um desfecho que responde ao gancho. Mostre ao usuário antes de animar.
  2. Fatos. Verifique cada afirmação com fontes. Atenue teorias ("cientistas acham").
  3. Pasta. cp -r "$ENGINE/template" <reel>, depois esvazie a pasta audio/ e substitua script.json (e captions.json).
  4. Voz. Na pasta: "$PY" "$ENGINE/tools/tts_kokoro.py" (gratuito) ou a própria gravação do usuário, ou ElevenLabs com ELEVENLABS_API_KEY ("$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3). Coloque a gravação em audio/vo.wav, depois "$PY" "$ENGINE/tools/align.py" audio/vo.wav e leia os tempos das palavras em audio/words_new.json.
  5. Cenas. Reescreva web/shots.js: cerca de 10 a 12 planos, a maioria de 2 a 4 s, a cena explicativa mais longa. Uma nova ideia ganha um novo plano. Comece o gancho em ação no quadro 1. Mantenha rostos e adereços-chave fora da faixa de legendas (y cerca de 1250 a 1420) e dentro da área segura do Instagram (x 100 a 980, y 220 a 1500).
  6. Stills. Da pasta: node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0 escreve em stills/. Observe os momentos mais movimentados e corrija-os antes de uma renderização completa.
  7. Som. Edite as pistas em audio.py com base nos tempos das palavras.
  8. Compilação. bash "$ENGINE/make.sh" <reel> (mantém audio/vo.wav; passe kokoro, elevenlabs ou um arquivo para substituí-lo). WORKERS=8 em uma máquina com mais núcleos. AUDIO_ONLY=1 remixa o som sem re-renderizar.
  9. Entrega <reel>/<nome>.mp4.

Estilo

  • Legendas: Poppins Bold, brancas com contorno escuro, 1 a 2 palavras, minúsculas, sem pontuação (capText() em main.js faz isso; dígitos e % permanecem). Sem travessões em tela.
  • Paleta brilhante e saturada, contornos a tinta (#221c22), sombras suaves de contato, aproximações lentas com deriva de câmera, transições whip com desfoque de movimento. Um impacto é uma explosão, um tremor e um flash.
  • SFX ficam sob a voz (ganho cerca de 0,38). A música é um fundo dedilhado baixo, atenuado sob a voz, nunca um loop alto no início.

Habilidades Relacionadas