Reels (formato cartão)
Transforma uma gravação de fala em um vídeo vertical onde cada ideia dita aparece como um cartão na parte superior. A divisão de trabalho é:
- Ferramentas: medem e cortam o áudio (ferramentas de transcrição/corte da skill
yatay-kurgu), desenham os cartões e legendas, equalizam o áudio, e MEDEM o resultado. - Você (Claude): lê a transcrição, escolhe o que descartar, define em qual PALAVRA cada cartão deve aparecer no
senaryo.json, e VERIFICA as imagens de controle.
Você não escreve em segundos: o cartão é vinculado à palavra falada; mesmo que o corte mude, ele permanece no lugar.
Preparação
ffmpegno PATH, dependências Python instaladas comkur.shna raiz do repositório. Use.venv/bin/pythonpara comandos Python (Windows:.venv\Scripts\python). ffmpeg com libass NÃO é necessário: as legendas são desenhadas com Pillow.- Utiliza as ferramentas de duas skills do mesmo repositório, sem modificá-las:
yatay-kurgu(transcrição + corte de áudio) ex-animacao(síntese de whoosh e som de teclado). - O modelo Whisher é baixado na primeira execução (large-v3 ≈ 3 GB); avise o usuário antes de baixar.
- Fontes apenas em
fontes/na raiz (OFL): Inter, Newsreader, IBM Plex Mono. - Cada trabalho em sua própria pasta:
trabalho/reels/<nome>/. A gravação original é somente leitura.
Abaixo, R = .venv/bin/python .claude/skills/reels/ferramentas/reels.py, P = trabalho/reels/<nome>.
Ciclo
1. Transcrição.
R transcricao P --video gravacao.mp4 [--inicio 56 --duracao 42] [--termos "nomes específicos do vídeo"]
Se a gravação for longa e o Reels for apenas uma parte, use --inicio/--duracao para definir a janela (o trecho é extraído como P/fonte.mov, o arquivo original não é alterado). Objetivo: saída de 35-45 segundos.
2. Leia a transcrição, corte. Leia P/transcricao.md do início ao fim (valem as regras da SKILL.md do yatay-kurgu). Pausas e repetições consecutivas já foram removidas; você escreve em P/descarte.json o que descartar, com justificativa por linha:
- reinícios (a última tentativa permanece), anotação de edição ("vou cortar aqui"), número dito errado e corrigido;
- palavra incompreensível: parte que permanece ambígua após ambas as soluções não é forçada na legenda, é cortada (use
.venv/bin/python .claude/skills/yatay-kurgu/ferramentas/edicao.py janela P <seg>para resolver novamente); - assunto paralelo que não cabe no Reels: decisão de conteúdo, pergunte ao usuário.
O ponto de corte é dado pelo ÁUDIO: escreva o intervalo dentro dos limites de linha da transcricao.md, a ferramenta o coloca no quadro mais silencioso dentro de ±0,2 seg. Depois:
R edicao P # reconstrói o plano
R palavras P # palavras restantes no corte, com tempo de saída (escolha as âncoras daqui)
3. Roteiro: P/roteiro.json. Exemplo: exemplos/reels/roteiro.exemplo.json. Lista de campos e tipos de cartão: referencias/cartoes.md.
{"destaque": ["esforco"], "fila": 2.0, "batidas": [
{"layout": "rosto"},
{"palavra": "Primeiro", "cartao": {"tipo": "lista", "titulo": "Ordem", "marcador": "numero",
"itens": [{"texto": "Escolha o modelo", "palavra": "modelo"}, {"texto": "Escolha o esforço", "palavra": "esforco"}]}},
{"palavra": "rodei", "offset": 0.5, "layout": "grafico", "cartao": {"tipo": "pergunta", "pergunta": "Qual você usa?"}}
]}
- Batida = um estado da tela. A âncora
palavraé o INÍCIO da palavra ("esforco" encontra "esforço"), procurada APÓS a batida anterior; pode haver múltiplas palavras ("modo plano"),qualpara a n-ésima ocorrência,offsetpara deslocar em segundos. A primeira batida começa em 0. Cada item/linha/mensagem do cartão também entra com sua própriapalavra. - Layout:
div(cartão em cima, rosto embaixo; padrão para batida com cartão),rosto(rosto em tela cheia; padrão para batida sem cartão),grafico(cartão em tela cheia, sem rosto). - Ritmo: 1,5-4 seg por batida; em Reels de 40 seg, 10-15 batidas. O gancho (primeiros 1-2 seg) abre com rosto.
- Rosto apenas onde se olha para a câmera. Se a pessoa fala olhando para a tela/texto, aquela batida é
grafico. - Sem invenção: o cartão mostra apenas o que foi realmente dito ou o que realmente aconteceu. Número não medido, comando inexistente, texto de tela inventado. Captura de tela é um arquivo real do usuário (
imagem). - Encerramento: a última batida é um cartão
pergunta(pergunta que leva a comentar); após a fala, ofila(segundos) permanece na tela, por isso escolha o layoutgrafico(a imagem congela na fila). - Palavra mal ouvida na legenda:
"correcao_legenda": {"pesquise": "pesquisei"}. Palavras na listadestaqueaparecem em itálico + cor de destaque na legenda (a raiz basta: "esforco").
Veja os tempos resolvidos: R batidas P (início/fim de cada batida, tempos dos itens; AVISO se um item mudar de cartão sem ser visto).
4. Enquadramento.
R rosto P # estimativa da caixa do rosto -> P/enquadramento.json + P/controle/enquadramento.jpg
ABRA controle/enquadramento.jpg com Leitura: a caixa verde deve envolver o rosto (da testa ao queixo); a azul é o corte div, a laranja é o corte rosto. A estimativa é sem modelo (cor de pele + prioridade central); superfície com tom de pele no fundo, duas pessoas ou luz colorida podem enganá-la. Se estiver errada, corrija MANUALMENTE o caixa em enquadramento.json com base nos pixels de origem na régua e atualize a imagem com R rosto P (não sobrescreve enquadramento.json existente). Se a pessoa se move, escreva chaves (caixas com tempo).
5. Pré-visualização, depois renderização.
R quadro P # um quadro de cada batida -> P/controle/quadros.jpg (VEJA)
R quadro P 2.3,31.4 # momentos específicos (animação de entrada, terminal digitado)
R render P # -> P/saida/<nome>.mp4, ao final a medição é executada automaticamente
6. Meça (você não pode assistir, veja medindo). R medicao P (já executa ao final do render) -> P/controle/medicao.md + P/controle/contato.jpg:
- Duração: imagem e áudio com o mesmo comprimento, número de quadros igual ao esperado.
- Área segura: a cada 5 quadros, mede a caixa PIXEL da legenda, do cartão e do rosto. A interface do Instagram cobre y<220 em cima, 20% em baixo (y>1536) e a coluna de likes/comentários à direita (x>940, y 1000-1536); legenda e cartão não entram lá, o rosto fica acima dos 20% inferiores. Se houver linha de VIOLAÇÃO, corrija o roteiro (conteúdo do cartão, layout) ou o
enquadramento.json. - Áudio: arquivo final a -14 LUFS, pico real <= -1 dBTP; trilha de efeitos ~15 dB abaixo da fala; picos de whoosh alinhados com os cortes.
- Página de contato: o estado PREENCHIDO do cartão de cada batida (imediatamente antes da mudança). ABRA e veja: texto transbordando, elemento sobreposto, cabeça cortada, cartão vazio.
- Verificações (opcional):
.venv/bin/python .claude/skills/yatay-kurgu/ferramentas/edicao.py validar Presolve som cortado novamente, relata palavra quebrada/vazada (P/validar.md).
Após a correção, apenas R render P (áudio e imagem do zero, em M1 Pro um vídeo de 40 seg leva ~35 seg).
7. Entrega. Para o usuário, breve e com números: caminho da saída, duração (original -> cortada), número de batidas/cartões, o que foi descartado e justificativas, resultado da área segura, LUFS/pico, caminho da página de contato. O que você não pode medir (agradabilidade do áudio, clareza do cartão) deixe claramente para o usuário.
Limitações conhecidas
- A caixa do rosto é estimada sem modelo; é obrigatório verificar
enquadramento.jpgem cada gravação. Não há rastreamento quadro a quadro: caixa fixa ou transição linear entre quadros-chave. - O rosto em tela cheia (
rosto) a partir de uma gravação horizontal é limitado pela altura da fonte: em 4K o rosto fica grande, a legenda desce automaticamente para abaixo do queixo. No layoutdiv, a altura do cartão de rosto é reduzida conforme a imagem restante abaixo do rosto na fonte (para que o queixo não entre nos 20% inferiores). - Sem música; efeitos são sintetizados (whoosh, teclado, pop, arranhão).
- Tipos de cartão fixos (referencias/cartoes.md). Novo tipo: adicione função de desenho + som em
ferramentas/cartoes.py, registre nos dicionáriosDESENHOeEVENTO. - As zonas da interface (superior 220, inferior 20%, coluna direita x>940) são aproximadas e cautelosas para Instagram Reels (no início de
ferramentas/desenho.py); no Shorts/TikTok são semelhantes, mas não idênticas.