/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 éSHOTS.push({start, end, tr, draw(ctx, lt, t)})em segundos da narração;lté o tempo dentro da cena,tré a transição de saída ('whip'ou'cut').web/lib.js(easing, keyframeskf, formas, texto),web/chars.js(o rig do stickdrawStick, 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 aenv.jsou um novoenv2.js(liste-o emweb/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
- 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.
- Fatos. Verifique cada afirmação com fontes. Atenue teorias ("cientistas acham").
- Pasta.
cp -r "$ENGINE/template" <reel>, depois esvazie a pastaaudio/e substituascript.json(ecaptions.json). - Voz. Na pasta:
"$PY" "$ENGINE/tools/tts_kokoro.py"(gratuito) ou a própria gravação do usuário, ou ElevenLabs comELEVENLABS_API_KEY("$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3). Coloque a gravação emaudio/vo.wav, depois"$PY" "$ENGINE/tools/align.py" audio/vo.wave leia os tempos das palavras emaudio/words_new.json. - Cenas. Reescreva
web/shots.js: cerca de 10 a 12 planos, a maioria de 2 a 4 s, a cena explicativa mais longa. Uma nova ideia ganha um novo plano. Comece o gancho em ação no quadro 1. Mantenha rostos e adereços-chave fora da faixa de legendas (y cerca de 1250 a 1420) e dentro da área segura do Instagram (x 100 a 980, y 220 a 1500). - Stills. Da pasta:
node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0escreve emstills/. Observe os momentos mais movimentados e corrija-os antes de uma renderização completa. - Som. Edite as pistas em
audio.pycom base nos tempos das palavras. - Compilação.
bash "$ENGINE/make.sh" <reel>(mantémaudio/vo.wav; passekokoro,elevenlabsou um arquivo para substituí-lo).WORKERS=8em uma máquina com mais núcleos.AUDIO_ONLY=1remixa o som sem re-renderizar. - Entrega
<reel>/<nome>.mp4.
Estilo
- Legendas: Poppins Bold, brancas com contorno escuro, 1 a 2 palavras, minúsculas, sem pontuação (
capText()emmain.jsfaz 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.