Communitygithub.com

Motion Inspo: Referenzen finden, zerlegen, messen

Ferramenta para encontrar, baixar, analisar e medir referências de motion graphics, além de comparar renders próprios com essas referências.

O que é Motion Inspo: Referenzen finden, zerlegen, messen?

Este skill, baseado no repositório `nikisge/claude-motion-kit`, é projetado para profissionais de motion graphics que precisam de referências visuais concretas para seus projetos. Ele permite pesquisar em fontes como whatships.com e flowjam.com/library por vídeos de lançamento, estilos de câmera e animação, baixar clipes para estudo local, e realizar análises detalhadas quadro a quadro. Através de scripts Python, o skill mede métricas como cortes por segundo, movimento de câmera, densidade visual e detecta padrões de 'slop' (slides repetitivos, texto parado, ecos). É útil para comparar um render final com uma referência de alta qualidade, garantindo que a densidade e o ritmo visual estejam alinhados. O skill respeita os direitos autorais, mantendo os clipes apenas localmente e nunca os fazendo upload. Suporta macOS (para OCR) e qualquer sistema com Python, ffmpeg e uv.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/nikisge/claude-motion-kit/tree/HEAD/motion-kit/skills/motion-inspo

Perguntar na sua IA favorita

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

Documentação

Motion Inspo: Referências encontrar, decompor, medir

Bons motion graphics não nascem de descrições, mas de modelos concretos. Este skill encontra filmes de referência, baixa-os para estudo, decompõe-nos em quadros individuais e mede-os. Com as mesmas medições, mais tarde verificarás o teu próprio render.

Direitos: Clipes de referência pertencem aos seus autores. Apenas estudo local, nunca fazer upload novamente, nunca para o repositório (refs/clips/ pertence ao .gitignore). O que se aproveita é a gramática (ritmo, transições, câmara), nunca o conteúdo.

Todos os scripts estão em scripts/ deste skill. Escrevem em refs/ na pasta de trabalho atual (ou em $MOTION_REFS_ROOT). Pré-requisitos: python3, ffmpeg, uv (para scripts com dependências).

Fontes

  1. references/referenzfilme.md: 50 filmes de referência avaliados por estilo (SaaS Limpo, Produto Premium, Tipografia Cinética, Objeto 3D, Vídeo Explicativo, Editorial/Collage, Cinematográfico Escuro), incluindo anti-referências.
  2. whatships.com (~2.500 vídeos de lançamento do X) e flowjam.com/library (55 filmes de lançamento curados), via refs.py search.
  3. Mais sites e conjuntos de dados: RESOURCES.md na pasta raiz do repositório.

Comandos

python3 scripts/refs.py search product launch 3d keyboard --n 15   # pesquisar whatships + flowjam
python3 scripts/refs.py get <x.com-status | whatships | youtube | vimeo-url> --name <slug>   # para refs/clips/
python3 scripts/refs.py study <slug> --every 0.5                    # quadros, arco, cortes, ritmo -> refs/study/<slug>/
python3 scripts/sheet.py <video.mp4> <out-prefix> --every 0.25      # folha de contacto com carimbos de data/hora (4 imagens/s)
uv run scripts/ref_metrics.py <ref.mp4> --no-ocr                    # medir referência alvo
uv run scripts/ref_metrics.py render.mp4 --ref <ref.mp4> --out check/metrics   # render próprio contra referência
uv run scripts/motion_check.py render.mp4 [--script texto_fala.txt]           # encontrar padrões de slide/slop
uv run scripts/beats.py track.mp3 --fps 30 --out beats.json         # grelha de batidas a partir da música

Termos de pesquisa em inglês e com base no movimento em vez da indústria: "camera dives into ui", "kinetic type scale jump", "object becomes logo", "paper collage top down".

O que significam as medições

ref_metrics.py mede: cortes e novas vistas a cada 10 s, durações dos planos, percentagem de "câmara parada", alteração de imagem por quadro, segmentos vazios, percentagem de texto, brilho/contraste/saturação e a entrada (primeiros 2 s). A partir daí, definem-se metas: Densidade ≥ 80 % da referência, "câmara parada" ≤ referência + 15 pontos, entrada move-se ≥ 80 % da referência.

Lição mais importante das medições: A densidade sentida ("cada segundo uma nova imagem") vem geralmente de movimentos rápidos de câmara e mudanças de material, não de muitos cortes. Um filme de produto 3D medido tinha apenas 4,3 cortes a cada 10 s, mas a câmara estava parada apenas 14 % do tempo.

motion_check.py encontra formas conhecidas de slop: título no canto superior esquerdo + imagem abaixo (slide), frases que ficam paradas, texto que repete o texto da fala (eco), tempo congelado, planos demasiado longos, paredes de texto, grelhas de mosaicos. Passar significa apenas "nenhuma forma conhecida de slop". Se é bom, decide o olhar sobre as imagens. Limiares por estilo: motion-director/references/rules.md. As verificações de texto usam OCR do macOS (ocrmac); noutros sistemas apenas as verificações de imagem e tempo são executadas.

Decompor (por referência ≤ 10 linhas)

Fluxo e modelo: motion-director/references/inspiration.md. Resumidamente: ver o arco com 4 imagens/s, para cada plano anotar tempo, tamanho do plano, câmara, o que acontece, material/luz, transição. Depois "Aproveitamos" / "Não aproveitamos".

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Habilidades Relacionadas