shaharsha/produção-de-episódios-animados

Produção de episódios animados

Visão geral

Um episódio animado vertical, narrado, legendado e animado: arte de personagens, painéis, vozes clonadas ou de biblioteca, música, clipes de imagem-para-vídeo e sincronia labial, montados por um motor que cronometra cada plano a partir do áudio real do diálogo. Um único episode.json contém todo o projeto, e engine/episode.py executa cada fase a partir dele. As skills irmãs fazem o trabalho dos provedores.

Use o motor; não escreva seus próprios scripts de edição. Linha do tempo, sobreposições, legendas, texto da direita para a esquerda, mixagem, durações e junções de lip-sync já estão em engine/. Foi comprovado pela reconstrução de um episódio real de 3,5 minutos: quadros idênticos, áudio idêntico e o comprimento exato que o original havia perdido. Uma edição manual redescobre cada bug em references/troubleshooting.md.

O áudio é o mestre. Durações dos planos, tempos das legendas e partes de lip-sync vêm dos arquivos de diálogo finalizados. Nunca estime um tempo a partir do texto.

Você não pode assistir nem ouvir. Você verifica quadros, durações e números. O ser humano julga semelhança, vozes, pronúncia, ritmo e piadas. Planeje seus pontos de verificação e mantenha-os.

Requer:

• Estas skills ao lado desta: image-generation, elevenlabs-tts, generating-video-clips.
• Python 3 com pip install -r <diretório-desta-skill>/requirements.txt (Pillow compilado com RAQM, numpy; OpenCV opcional).
• ffmpeg 7 ou mais recente.
• Fontes: os estilos e legendas nomeiam chaves de fonte (bold, hblack, black no exemplo) que fonts mapeia para arquivos .ttf instalados. Para hebraico e latim, Rubik e Heebo (grátis, Google Fonts) funcionam bem; check bloqueia se alguma estiver faltando.
• Chaves em variáveis de ambiente, definidas em todo shell que execute o motor: OPENAI_IMAGE_API_KEY, ELEVENLABS_API_KEY, GEMINI_API_KEY, FAL_KEY.

Para ver todo o pipeline funcionar sem chamadas de API, execute python3 <diretório-desta-skill>/engine/episode.py /tmp demo, depois check e build o projeto demo que ele cria.

O pipeline e seus portões

Cada portão é uma parada: envie o artefato, pergunte, aguarde. Os comandos são python3 <diretório-desta-skill>/engine/episode.py PROJETO <comando>. Custos medidos em outubro de 2026.

#	Fase	Comando	Portão (o humano)	Custo
1	História e roteiro	script.md a partir de templates/script.template.md	o roteiro e todo tópico sensível	-
2	Bíblia de personagens	templates/characters.template.md, depois characters em episode.json	-	-
3	Rostos, cards, promover	chars face, chars card key=rosto.png, chars final keys	semelhança, em uma folha de todos os cards	~$0.30 por personagem
4	Painéis	panels draft, depois panels final ids	cada painel, em uma folha	~$0.30 por painel
5	Vozes	uma amostra por voz (elevenlabs-tts)	cada voz, de ouvido, antes do lote	centavos
6	Falas	lines	o conjunto de ouvido, com carimbos de tempo; nomes A/B	centavos a alguns $
7	Música e SFX	sound	a música	centavos
8	Animatic	build (ainda sem clipes: imagens estáticas com movimentos de câmera)	ritmo e ordem, antes de qualquer gasto com vídeo	grátis
9	Animação	animate, folhas, retakes com animate S --takes 2 + animate pick S K	movimento, a partir das folhas	~$0.10 por segundo de clipe, por take
10	Lip-sync	lipsync prep, pontos faciais no config, lipsync run	verificação pontual de quadros	~$0.13 por segundo
11	Editar e entregar	build, sheet, deliver	o humano assiste ao mp4	grátis

Comandos, entradas, saídas e tratamento de falhas para cada fase: references/pipeline.md.

Escrevendo o roteiro

Regras que se mantiveram (detalhes e um exemplo prático: references/script-writing.md):

• Um gancho nos primeiros 3-4 segundos (uma abertura fria sobre o problema), depois o título. Em menos de 30 segundos, coloque o título e o card final como sobreposições em planos da história e pule a montagem.
• Cada personagem recorrente fala pelo menos uma vez. Uma montagem de abertura, uma palavra cada em sua própria voz com cerca de 1,2-1,5 s por card, é barata e amada.
• Texto na tela deve ser legível: cerca de 0,8 s mais 0,06 s por caractere; 1,2-1,5 s para um card curto; 4-6 s para uma legenda final. Dê aos cards um mindur.
• Plante pistas cedo e as recompense. Referências a piadas internas reais do grupo causam mais impacto.
• Tópicos sensíveis são decisão do usuário. Liste cada detalhe privado que gostaria de usar (saúde, dinheiro, relacionamentos, família, brigas), pergunte sobre cada um e use apenas o que eles confirmarem.
• Falas de 12 palavras ou menos, números por extenso. Texto na tela mantém a ortografia normal; correções de pronúncia vão em pronounce.
• Música e efeitos sonoros, mesmo para narração. Pelo menos uma base musical e alguns efeitos (whooshes em cortes, um impacto na revelação); uma base silenciosa soa inacabada.

episode.json em uma tela

templates/episode.example.json é um episódio pequeno completo; cada chave está em references/config-schema.md. As partes que você mais edita:

• characters: nome de exibição, cor, voz e os campos de prompt da bíblia de personagens.
• speakers: vozes que nunca são desenhadas, como um narrador ({"display": null, "voice": "<id>"} dá legendas sem nome).
• lines: id, falante, texto com tags de áudio; trim e level em falas de uma palavra.
• shots: imagem, linhas ("[email protected]" sobrepõe a linha anterior), pads, mindur, câmera, fx, sfx, sobreposições, deslocamento e velocidade do clipe.
• music_cues: [cue, from shot, to shot, volume, offset]. O build avisa quando um cue é mais curto que sua janela.
• lipsync: quais planos, quais linhas pular, um ponto facial por parte.
• prompts: substitua char_style e panel_style para uma aparência diferente (cartoon 3D, aquarela, fotorrealista).

Construindo e revisando

• Agrupe as correções. Uma build completa leva minutos. Colete todas as notas de uma rodada de revisão (um take de fala, um pad, um deslocamento de clipe), aplique todas e reconstrua uma vez.
• Segmentos são armazenados em cache e rastreados. build renderiza exatamente os planos cujas entradas mudaram: um novo clipe ou versão com lip-sync, um painel promovido, uma fala editada, plano ou estilo. build --only S05,S06 força esses planos; --force renderiza tudo novamente.
• Um plano com lip-sync é refeito após qualquer alteração em seu clipe, deslocamento, velocidade ou falas: lipsync prep S05 && lipsync run S05. Até lá o build avisa que está desatualizado e usa o clipe bruto.
• Regenerar um asset existente precisa de --force (sound theme --force, animate S05 --force); sem ele, arquivos existentes são mantidos e apenas lacunas são preenchidas.
• Revise com folhas. sheet coloca 3 quadros por plano em uma página. Quando o humano nomear um momento pelo tempo, extraia e leia esses quadros antes de responder (ffmpeg -ss T -i build/<saída>.mp4 -frames:v 1 f.jpg).
• check antes de toda build: assets faltando, chaves, skills irmãs e texto de sobreposição mais largo que o quadro.
• Durações são verificadas ao final de toda build. Áudio mais curto que vídeo falha a build em vez de cortar o final.
• Antes de enviar: references/qa-checklist.md.

Trabalhando com o humano

• Envie cada artefato com sua ferramenta de envio de arquivos e ofereça-se para revelá-lo no Finder; não apenas imprima um caminho. O passo final é deliver e enviar esse arquivo.
• Para áudio, diga o que ouvir e onde ("aos 0:41, o nome da Dani soa correto?"). Nunca afirme que ouviu.
• Escolhas de pronúncia e voz são deles: arquivos A/B com carimbos de tempo (elevenlabs-tts).
• Antes de cada fase paga, dê a estimativa de custo; depois dela, o total acumulado.

Quando algo parece errado

Sintoma	Correção
Cards ou legendas muito rápidos para ler	aumente mindur / post: ~1,2-1,5 s por card curto, 4-6 s para a legenda final
Um título cortado nas bordas	check avisa; diminua o size do estilo ou adicione wrap
Música para antes do fim da seção	o build avisou: aumente os seconds do cue, sound <cue> --force; ou divida a seção em dois cues
O final é cortado	não pode acontecer com o motor (mixagem de comprimento exato, verificação de duração); em muxagens manuais, veja deck-to-video
Uma fala soterrada pela música	level_clips.py --report naquela fala, depois um take mais firme; reduza o volume daquele cue
Um personagem aponta ou age antes da fala	clip_off depois disso, ou divida o plano e corte a primeira parte com clip_cam
Bocas não se movem com as palavras	fase de lip-sync; se a boca errada se move, corrija seu ponto facial
Um rosto maior no plano de grupo	instale OpenCV (rostos são equalizados), ou mirror um card cujo adereço cobre um vizinho
Hebraico renderizado invertido ou sem junção	Pillow sem RAQM: check diz como corrigir
Um nome ou estrangeirismo mal pronunciado	uma entrada pronounce, A/B de ouvido

Mais, com causas: references/troubleshooting.md.

Skills relacionadas

• image-generation: cards de personagens e painels ("Personagens recorrentes e painéis de história").
• elevenlabs-tts: vozes, falas de uma palavra, pronúncia, música e SFX.
• generating-video-clips: clipes, folhas de takes, lip-sync.
• deck-to-video: as mesmas lições de ffmpeg para vídeos de slides.