/captions: 7 estilos de legenda
Transforma um vídeo de alguém falando no mesmo vídeo com legendas animadas embutidas. As palavras são sincronizadas com a voz, uma palavra-chave por linha recebe a cor de destaque, e o vídeo e áudio originais permanecem intactos (as legendas são sobrepostas).
Os 7 estilos
| Digite isto | Aparência |
|---|---|
editorial-highlight | Serifa de revista, palavra-chave em uma tira de papel vermelho escuro, número de página pequeno acima da linha |
pop-sticker | Blocos de cor com contornos pretos e sombras marcantes, adesivos aparecem ao redor, palavras-chave roxas com uma estrela |
paper-plane | Um avião de papel na cor de destaque voa e puxa a linha atrás dele |
smoke-exit | Palavras sans-serif encorpadas; quando a linha termina, ela se dissolve em fumaça, a palavra-chave fumega em sua própria cor |
explosive-breakup | Maiúsculas condensadas grandes; no final da linha, cada letra explode para fora, palavra-chave em faíscas |
rolodex-flip | A linha é construída palavra por palavra, cada nova palavra vira como um cartão de rolodex |
retro-typer | Letras de máquina de escrever digitadas no ritmo da voz, cursor piscando em bloco (opção: caixa difusa) |
Se o usuário não informar um estilo, mostre esta tabela e pergunte qual ele deseja (sugira pop-sticker).
Configuração (apenas na primeira vez)
Execute dentro da pasta desta skill. Verifique primeiro, instale apenas o que estiver faltando:
ffmpegeffprobe(Mac:brew install ffmpeg, Windows:winget install ffmpeg)- Node.js 18+ e Google Chrome (ou Edge/Chromium). Depois
npm installnesta pasta (é pequeno: usa o Chrome já instalado no computador). - Python 3. O script
scripts/words.pycria seu próprio.venvaqui e instala o faster-whisper na primeira execução.
Passos
- Palavras.
python3 scripts/words.py <video>escreve<video>.words.json:[{"w":"Olá","s":0.21,"e":0.48}, ...]. Pule se o usuário já tiver um (/captions words <video>= faça apenas este passo). - Organize as palavras (edite o JSON, mantenha os tempos):
- Corrija palavras reconhecidas errado, grafias de nomes e marcas. Pergunte ao usuário se não tiver certeza.
- Marque uma palavra-chave por linha com
"k": true: a palavra que carrega o ponto principal (um resultado, número, nome ou a palavra surpreendente). Nem toda linha precisa de uma. - Marque finais de linha com
"br": truepara que cada linha tenha de 2 a 4 palavras e menos de ~20 letras, quebrando onde o falante faz uma pausa natural. Depois que qualquerbrexistir, as linhas quebram apenas embr, pontuação e pausas longas. - Escreva símbolos como as pessoas os leem na tela: "barra" → "/", "por cento" → "%" quando fizer parte de um termo.
- Verifique quadros antes da renderização completa.
node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8(escolha momentos no meio das linhas). Olhe os PNGs: legendas legíveis, sem cobrir o rosto ou a interface do próprio aplicativo. Está muito alto ou baixo? Use--y(64 = padrão, número menor = mais alto). Muito grande?--size 0.85. - Renderize.
node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box]→<video>_<style>.mp4ao lado do original. Cerca de 3 minutos para um reel de 60s. - Informe ao usuário onde está o arquivo. Para uma prévia ao vivo de todos os 7 estilos no próprio vídeo dele, abra
index.htmlno Chrome e carregue o vídeo e o arquivo de palavras.
Opções
| Bandeira | O que faz |
|---|---|
--hl <#hex> | Cor de destaque para palavras-chave. Predefinições: amarelo #ffd23f (padrão), coral #ff7a59, céu #7cc4ff, menta #9ff0b8 |
--y <0-100> | Altura da legenda, % a partir do topo. 64 fica abaixo do queixo em uma cabeça falante |
--size <n> | Tamanho da legenda, 1 = normal |
--box | Apenas Retro Typer: caixa difusa suave atrás do texto |
--out <arquivo> | Caminho de saída |
--still <s> | Quadro de verificação naquele segundo em vez de renderização completa (repetível) |
Notas
- Gravações de iPhone em HDR podem parecer desbotadas após a renderização. Exporte como SDR primeiro, ou configure o iPhone em Ajustes > Câmera > Formatos > Mais Compatível.
- As legendas sempre ficam sobre o vídeo. Este é o pacote inicial: estilos com palavras atrás do falante, vidro e parede de texto não estão incluídos.
- As fontes são carregadas do Google Fonts, então a renderização precisa de conexão com a internet.