Communitygithub.com

documentary-maker

Crie um documentário animado 2D curto (30 s a 3 min) a partir de uma frase — com pesquisa e fontes, roteiro, narração gratuita offline (Kokoro), temporização de palavras (Whisper), cenas com motion design onde cada animação sincroniza com uma palavra falada, efeitos sonoros e música gerados por código, e um MP4 em 1080p.

O que é documentary-maker?

O **documentary-maker** é uma skill para agentes de IA que transforma uma única frase em um documentário animado 2D completo, com duração de 30 segundos a 3 minutos. Ideal para criar vídeos explicativos animados sobre eventos históricos, científicos, crimes, negócios ou natureza, sem necessidade de câmera ou atores. A skill automatiza todo o fluxo de produção: pesquisa na web com verificação de fontes, roteiro baseado em fatos, narração com o motor offline Kokoro, temporização de palavras via Whisper, animação de cenas onde cada elemento gráfico surge sincronizado com a fala, e geração de trilha sonora e efeitos sonoros por código. O resultado é um vídeo MP4 em 1080p com até 30 quadros por segundo. A skill funciona no computador do usuário, utilizando ferramentas como Node.js, FFmpeg e Chrome/Edge, e é compatível com sistemas Windows, macOS e Linux. Ela é especialmente útil para criadores de conteúdo, educadores e profissionais que precisam produzir vídeos explicativos rápidos e com qualidade profissional, sem custos adicionais além do plano Claude.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mehedi11234/claude-documentary-maker/tree/HEAD/documentary-maker

Perguntar na sua IA favorita

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

Documentação

O que documentary-maker faz?

Você é toda a equipe de produção: pesquisador, roteirista, narrador, editor, animador e designer de som. Trabalhe através dos seis capítulos em ordem. Tudo roda no computador do usuário e não custa nada além do plano Claude deles.

As ferramentas estão nesta pasta da skill (<skill> abaixo). As ferramentas Python rodam com o venv da skill: ~/.documentary-maker/venv/Scripts/python.exe no Windows, ~/.documentary-maker/venv/bin/python nos demais sistemas (<py>).

0. Configuração (uma vez)

Se ~/.documentary-maker/venv ou <skill>/engine/vendor/gsap.min.js estiver faltando, execute python <skill>/tools/setup.py (Python 3.10-3.12; no Windows py -3.12 <skill>/tools/setup.py). Ele precisa de Node, FFmpeg e Chrome ou Edge; se algum estiver faltando, informe ao usuário qual e pare. Em seguida, execute python <skill>/tools/new_doc.py <projeto> <tema> na pasta do usuário.

Escolha o tema com base no tópico: midnight (espaço, ciência, tecnologia), ember (história, negócios, pessoas), noir (crimes, golpes, mistérios), forest (natureza, clima, saúde), crimson (guerra, desastres – tom sério). Uma cor de destaque fará todos os realces; a cor de aviso é apenas para perigo, dinheiro perdido, mortes, fracasso.

1. Pesquisa -> facts.md

  • Pesquise na web. Cada número, data, nome e citação no roteiro deve estar em facts.md com uma URL de fonte. Prefira relatórios oficiais, documentos judiciais, as páginas da própria organização e grandes jornais em vez de blogs.
  • Quando as fontes discordarem (dinheiro, número de mortos), use o número mais citado e diga "cerca de" / "aproximadamente" no roteiro.
  • Nunca invente uma citação, um pensamento, um detalhe de cena ou um número. Se não conseguir encontrar a fonte, omita.

2. Roteiro -> script.md + voice/script_voice.txt

Duração: cerca de 2,4 palavras faladas por segundo (30 s ~ 75 palavras, 60 s ~ 145, 3 min ~ 430).

  • Comece dentro de um momento, não com um resumo: uma data, um lugar, uma ação ("Junho de 1996. Um foguete novo em folha está na plataforma de lançamento."). O espectador deve ver.
  • Frases curtas. Uma ideia por frase: cada frase se torna uma animação.
  • Guarde o maior número para o final, e cada revelação deve abrir a próxima pergunta ("A causa? Não os motores. Não o clima. Um número.").
  • Termine com uma frase curta que conclua a abertura.
  • script.md = o roteiro com um título. voice/script_voice.txt = as mesmas palavras para a narração: números e símbolos escritos como são falados ("mil novecentos e noventa e seis", "sessenta e quatro bits", "trezentos e setenta milhões de dólares"), sem cabeçalhos, sem [tags]; uma linha em branco entre parágrafos = uma pausa (parágrafos de 1 a 3 frases).
  • Mostre ao usuário o roteiro e os principais fatos, e aguarde a aprovação antes de gerar a narração, a menos que ele tenha dito para não perguntar.

3. Narração -> voice/voice.wav

cd <projeto> && <py> voice.py --voice am_michael (outros narradores: am_onyx, am_fenrir, bm_george, bm_daniel, af_heart, bf_emma; --speed 0.95 para uma leitura mais calma). O Kokoro roda na CPU a aproximadamente 2x o tempo real.

4. Temporização de palavras -> engine/data.js

<py> words.py. Ele imprime uma verificação de palavras; se uma palavra do roteiro estiver faltando ou incorreta, edite aquele parágrafo (geralmente um nome: soletre como soa) e refaça o capítulo 3. O Whisper escreve números como dígitos ("1996", "64-bit", "$370"), então as legendas mostram dígitos; ancore as animações em palavras comuns.

5. Cenas -> engine/scenes.js

Leia <skill>/examples/ariane-501/scenes.js primeiro: é um documentário completo e funcional. Escreva o seu da mesma forma.

  • anchors() primeiro: consulte os tempos de cada batida de palavra em ordem com WA('palavra', 'alternativa') (início) e WEnd(...) (fim); finalize com B.end = endAfterVoice(2.0); _wc = 0;. Em seguida, build() chama uma função por batida.
  • Cada elemento surge em uma palavra falada. Nada aparece antes de sua palavra; a tela nunca fica vazia por mais de cerca de um segundo.
  • Desenhe a história, não a escreva. Ilustrações SVG inline nas cores do tema (foguete, prédio, forma de mapa, moeda, silhueta de pessoa, documento) com movimentos de câmera (escala/translação de uma camada), além de manchetes cinéticas hd(), cards card() + fly(), stamp() / warnStamp(), counter(), burst(), suspectCard(), quoteCard(), timeline(), dateTag(), typeText(). Veja engine/lib.js e engine/doc.js para cada helper e suas opções.
  • Mantenha o texto curto (rótulos, números, manchetes de 2 a 4 palavras). As legendas já mostram cada palavra na parte inferior: mantenha o conteúdo acima de y = 930. Defina window.KEYWORDS com as palavras que as legendas devem colorir.
  • Identifique desenhos que possam ser confundidos com filmagens ou documentos reais: uma pequena etiqueta "ILUSTRAÇÃO".
  • Movimento apenas em escala de segundos: nenhum tween mais rápido que 0,25 s, nada que pisque.
  • Use apenas as cores do tema (LIME = destaque, LIME2, PAPER, MUTE, DIM, CARD1, CARD2, PINK = aviso, acc(a), warnA(a), PAPA(a), MUTEA(a)); aleatoriedade determinística com RND(i), nunca Math.random().
  • Armadilhas: anime x/y com GSAP, nunca defina uma transformação CSS em um elemento que o GSAP também mova; uma cena sc(t0, t1) deve cobrir todos os filhos que ainda estão se movendo; não nomeie uma variável como um helper (rise, cl, card...).

Verifique antes de renderizar:

  1. python render.py check -> deve mostrar err: null e miss: []. (Antes da narração existir, você pode organizar as cenas com temporizações falsas: python engine/fake_words.py.)
  2. python render.py stills <8-24 tempos> e olhe cada imagem: sobreposições, texto cortado, telas vazias, coisas aparecendo antes de sua palavra, cores fora do tema. Corrija e verifique novamente.

6. Som + renderização -> final.mp4

python render.py cues        # lista de sinais de efeitos sonoros a partir das cenas
<py> audio.py                # SFX gerados por código + trilha musical original sob a narração, -14 LUFS -> mix.wav
python render.py video 4     # captura a 120 fps -> motion blur -> 1080p30 final.mp4 (+ final_sheet.jpg)

Execute render.py video em segundo plano ou com um tempo limite de 15 minutos: leva aproximadamente 1,5 minutos para cada 10 s de vídeo com 4 workers (medido: 38 s de vídeo em 6 min em um PC apenas com CPU). Se um chunk reportar quadros perdidos, execute novamente com menos workers. Olhe final_sheet.jpg. Em seguida, informe ao usuário: o arquivo, sua duração, quais são as fontes e qualquer coisa que você não pôde verificar. Lembre-o de ler facts.md antes de publicar, e que você não pode ouvir o áudio: a audição deles é a verificação real.

Habilidades Relacionadas