Colagem B-roll Explicativa

Colagem B-roll Explicativa (Collage B-roll Explainers)

Comprima uma linha de locução de ~5 segundos em uma única ideia visual nítida e transforme-a em uma animação de montagem de colagem em papel editorial premium.

Pipeline padrão:

1. Projete a metáfora visual apenas, depois aguarde a confirmação do usuário
2. Gere o quadro estático final apenas, depois aguarde a confirmação do usuário
3. Gere automaticamente o vídeo com referências de primeiro/último quadro e execute a Garantia de Qualidade (QA)
4. Opcionalmente, gere uma locução ajustada e multiplexe-a

Os dois portões de confirmação fazem parte do fluxo de trabalho, não são sobrecarga. Eles permitem que o usuário concentre sua atenção na estética e direção, e evitam que uma metáfora errada ou um still errado queime o custo de geração de vídeo.

Requisitos de execução

• Servidor MCP MaxFusion conectado e autenticado (https://mcp.maxfusion.ai/mcp). Toda geração de imagem, vídeo e fala passa por ele. Se não estiver conectado, pare e oriente o usuário a conectar antes de fazer qualquer outra coisa.
• Acesso a arquivos locais e ffmpeg (ex.: Claude Code): preparação de quadros, QA de vídeo, entrega silenciosa e ajuste de locução baixam ativos e os processam localmente. Um agente em sandbox (sem downloads locais) ainda pode executar todos os três portões e exibir resultados no widget MaxFusion, mas deve informar ao usuário que a preparação de quadros se reduz à correspondência de cores baseada apenas em prompt, e que a auto-QA quadro a quadro, a remoção de áudio e o ajuste de locução foram ignorados — o usuário deve julgar o clipe visualmente e silenciá-lo em seu editor.

Protocolo de aprovação obrigatório

Portão 1: Confirmação da metáfora

Ao receber a(s) linha(s) de roteiro, proponha metáforas visuais primeiro. Não gere nenhuma imagem, não gere nenhum vídeo, não chame nenhuma ferramenta de geração.

Entregue, para cada linha:

• Significado central
• Emoção
• Proposição visual em uma frase
• 3–6 objetos-chave
• Cor de fundo sugerida e cores de destaque locais
• Ordem de montagem pretendida

Em seguida, pare explicitamente e aguarde o usuário responder "aprovado", "tudo aprovado", ou dar notas de revisão por item.

Se o usuário aprovar apenas alguns dos itens numerados, apenas os itens aprovados avançam para o Portão 2; continue iterando nas metáforas para o restante.

Portão 2: Confirmação do quadro estático (still)

Somente após a metáfora ser confirmada, você escreve a especificação visual e o prompt de imagem, e gera o still final com maxfusion_generate_image.

Salve os originais no diretório do projeto, monte uma folha de contato numerada dos stills, exiba cada still para o usuário (maxfusion_display_generation, uma chamada por imagem, mais o mapeamento numerado), e pare novamente. Neste estágio, você ainda não gera nenhum vídeo.

Se o usuário aprovar apenas alguns stills, apenas os itens aprovados avançam para o Portão 3; regenere os stills rejeitados e os reconfirme primeiro.

Portão 3: Geração de vídeo

Assim que os stills forem confirmados, gere imediatamente. O modelo de vídeo é fixo:

video_model: gemini-omni-flash

Nenhum outro modelo de vídeo é usado. Não ofereça escolha de modelo, não pergunte ao usuário qual modelo usar, não recorra a nada em caso de falha — aplique o manual de reparo e execute novamente no gemini-omni-flash.

Critérios de sucesso

• Uma linha expressa exatamente uma metáfora clara
• Um lote compartilha uma linguagem de design, mas não é forçado a um único fundo azul
• O fundo é um campo de cor forte, plano e uniforme, variado por significado
• Os sujeitos são construídos a partir de recortes fotográficos em meio-tom preto e branco
• Cartões-chave, botões, tiras de filme, livros de regras, etc. podem usar cartolina vermelha, amarela, azul-petróleo, laranja, roxa ou creme
• Cada peça de papel tem bordas de corte nítidas, uma linha chave creme, uma sombra suave de baixa opacidade e textura de papel
• O movimento é "montar a partir do vazio" — não deriva suave, oscilação ou zoom lento
• Sem legendas, sem texto completo do roteiro, sem logotipos, sem marca d'água, sem IU
• Entrega padrão: 9:16, 5 segundos, 720p, MP4 silencioso (faixa de áudio removida) — ou a versão com locução quando o usuário solicitar

Quando NÃO usar esta skill

• É necessário controle preciso de camadas, oclusão, travessias de câmera ou uma linha do tempo editável: use uma ferramenta de animação em camadas (ex.: uma abordagem de vídeo em camadas renderizada em HTML)
• O usuário só quer um prompt de vídeo, não um clipe finalizado: apenas escreva o prompt, pule este fluxo
• O usuário precisa de um anúncio de produto com pessoa real ou um apresentador na câmera: não use este fluxo de colagem
• O usuário precisa explicitamente de ativos transparentes editáveis por camada: esta skill não entrega camadas transparentes separadas

Diretório de projeto padrão

Pasta de trabalho local, nomeada com a data local do usuário:

~/collage-broll-projects/AAAA-MM-DD-<título>/

Estrutura recomendada para projetos em lote:

<projeto>/
├── brief.md
├── visual-spec.json
├── imagegen-prompts.md
├── omni-jobs.json
├── gate2-qa.md
├── gate3-qa.md
├── still-contact-sheet.jpg
├── omni-contact-sheet-all.jpg
├── video-first-frame-all.jpg
├── end-frame-comparison-all.jpg
├── 01-<nome-do-conceito>/
│   ├── omni-prompt.txt
│   ├── voiceover-raw.mp3            (estágio opcional de locução)
│   ├── voiceover-trim.mp3
│   ├── frames/
│   │   ├── last-frame-original.png
│   │   ├── first-frame.png
│   │   └── last-frame.png
│   └── omni/run-v01/
│       ├── final-5s.mp4
│       ├── final-5s-noaudio.mp4
│       ├── final-5s-voiced.mp4      (estágio opcional de locução)
│       ├── contact-sheet.jpg
│       ├── video-last-frame.jpg
│       └── end-frame-comparison.jpg
└── 02-<nome-do-conceito>/...

Crie também um projeto MaxFusion via maxfusion_create_project (mesmo nome) e passe seu id como project_id / project_group_id em cada geração do lote, para que todos os ativos permaneçam agrupados no espaço de trabalho. Rastreie por item: o texto da metáfora confirmada, id do job de imagem + id da imagem do still confirmado, file_ids do primeiro/último quadro enviados, id do job de vídeo + id do vídeo, e o veredito de QA — e relate esses ids ao usuário a cada portão para que qualquer item possa ser referenciado ou reexecutado individualmente.

Fase 1: Projetar a metáfora visual

Primeiro, comprima a linha do roteiro em uma única proposição visual.

Extraia:

• Significado central: o que o espectador deve finalmente entender
• Emoção: calma, surpresa, urgência, clareza súbita, absurdo, ironia
• Verbos de ação: abrir, conectar, vazar, amarrar, arquivar, acender, comprimir, bifurcar, montar
• Candidatos a metáfora visual: máquina, relógio, tira de filme, arquivo, console, livro de regras, funil, trilho de trem, peça de xadrez

Não coloque o texto do roteiro literalmente no quadro. Padrão: uma metáfora por linha, limitada a 3–6 objetos-chave; muitos elementos diluem o significado e tornam a montagem Omni instável.

Prefira metáforas que um espectador reconhece da vida cotidiana (uma chaleira, uma bola de neve, uma cabine de fotos) em vez de abstratas — a linha falada faz a ponte para o tópico real do usuário, então os visuais podem ser criativos sem serem obscuros.

Para lotes, prefira metáforas que formem uma narrativa antes/depois — ex.: primeiro trabalho manual e experiência se dissipando, depois processo codificado e divisão de trabalho humano-máquina.

Exemplo de saída do Portão 1

1. Significado central: a expertise é consumida do zero toda vez
   Metáfora visual: um editor habilidoso circula um relógio gigante de tira de filme cortando quadro a quadro; o relógio completa uma volta inteira, mas produz apenas uma tira curta de filme finalizado
   Objetos-chave: relógio de tira de filme, figura do editor, tesoura, tira curta de saída
   Cores: campo laranja queimado, tons de creme e azul-petróleo
   Ordem de montagem: relógio → figura com tesoura → tira de filme → tira curta final de saída

Produza isso e pare; aguarde confirmação.

Fase 2: Gerar os stills de colagem colorida

Após a metáfora ser confirmada, primeiro escreva um visual-spec.json autocontido, depois o prompt de imagem.

Especificação visual

{
  "script_meaning": "",
  "visual_metaphor": "",
  "style_signature": "campo de cor plana e ousada, recortes de meio-tom preto e branco misturados com destaques de cartolina colorida, bordas de corte nítidas, linhas-chave creme, sombras de papel suaves, colagem de papel editorial",
  "aspect_ratio": "9:16",
  "color_field": {
    "background_hex": "",
    "accent_colors": [],
    "paper_grain": "fibra de papel não revestido fina"
  },
  "elements": [
    {
      "what": "",
      "role": "",
      "motion": "",
      "placement": ""
    }
  ],
  "composition": {
    "layout": "",
    "negative_space": "",
    "final_frame": ""
  },
  "motion_plan": "estrutura primeiro, sujeito ou cartões depois, conector e resultado por último",
  "avoid": "tipografia, letras legíveis, numerais, logotipos, marca d'água, IU, legendas, 3D brilhante, ambiente fotorrealista"
}

Regras de cor

Não trate o azul cobalto como o único padrão. Escolha um campo de cor forte baseado no significado e, em um lote, mantenha "mesma linguagem de design, cores de campo diferentes":

• Laranja queimado / vermelho: consumo de tempo, trabalho, urgência
• Amarelo mostarda: ferramentas, aviso, experiência se dissipando
• Verde tinta: cognição, gosto, reinicialização do sistema
• Roxo profundo: regras, codificação, memória de longo prazo
• Azul-petróleo: julgamento, colaboração, execução autônoma

Os sujeitos permanecem principalmente em meio-tom preto e branco, mas cada destaque de cartolina colorida deve servir à hierarquia da informação — nunca cor pela cor.

Modelo de prompt de imagem

Gere com maxfusion_generate_image (modelo padrão, aspect_ratio: "9_16", quality: "high"):

Use case: ads-marketing
Asset type: quadro estático final para um clipe B-roll de imagem para vídeo 9:16
Primary request: Crie uma imagem de colagem de papel editorial finalizada expressando [proposição visual em uma frase].
Scene/backdrop: campo de papel [nome da cor] perfeitamente plano [hex] com sutil fibra de papel não revestido.
Style/medium: colagem de papel stop-motion editorial premium; recortes fotográficos de meio-tom preto e branco misturados com cartolina colorida seletiva [cores de destaque].
Composition/framing: pôster vertical 9:16 bloqueado; sujeito central no meio 70 por cento; espaço negativo generoso e limpo de campo de cor; 3–6 grandes grupos de papel separáveis para animação posterior de montagem a partir do vazio.
Materials/textures: pontos de meio-tom impressos visíveis, bordas de corte nítidas de máquina, linhas-chave de papel creme fino, sombras projetadas físicas suaves de baixa opacidade.
Constraints: [a única relação que esta metáfora deve comunicar rapidamente].
Avoid: sem tipografia, sem letras legíveis, sem numerais, sem logotipos, sem marca d'água, sem IU, sem legendas, sem 3D brilhante, sem ambiente fotorrealista, sem poluição visual.

Se a cena contiver qualquer mostrador, face de relógio, medidor ou contador, adicione uma restrição explícita de que cada marca nele é uma linha de traço simples — nunca numerais romanos ou dígitos. Se a cena contiver uma figura adormecida, proíba explicitamente marcas "Zzz". Os modelos de vídeo adoram introduzir esses elementos sorrateiramente.

Consulte o job com maxfusion_get_job (wait: 60); baixe cada still de sua URL de ativo para <item>/frames/last-frame-original.png e registre o id do job de imagem + id da imagem.

QA do Still

• A metáfora é legível rapidamente?
• O sujeito é concentrado?
• Alguma letra falsa, logotipo, marca d'água ou IU?
• Espaço de campo de cor puro suficiente para montar a partir de um quadro vazio?
• 3–6 grupos grandes e claros, não uma tela cheia de confetes?
• Em todo o lote: textura unificada, cores de campo variadas?

Copie os originais aprovados para o diretório do projeto, monte uma folha de contato numerada dos stills, mostre-a ao usuário (mais maxfusion_display_generation por imagem) e pare para confirmação do Portão 2. Escreva os vereditos de QA do still em <projeto>/gate2-qa.md.

Se o usuário solicitar a regeneração de alguns stills, regenere apenas esses e produza still-contact-sheet-v2.jpg (v3, v4… em rodadas posteriores), mantendo as folhas de contato antigas para comparação — nunca as sobrescreva, e nunca reuse um still rejeitado downstream.

Fase 3: Gerar o vídeo com Omni

1. Preparar primeiro e último quadros

Mantenha o original da imagem, depois normalize o último quadro:

ffmpeg -y -i <item>/frames/last-frame-original.png \
  -vf "scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920" \
  <item>/frames/last-frame.png

O primeiro quadro é, por padrão, um campo de papel vazio puro na mesma cor de fundo do último quadro:

ffmpeg -y -f lavfi -i color=c=0x<HEX>:s=1080x1920 \
  -frames:v 1 <item>/frames/first-frame.png

(<HEX> é o background_hex da especificação visual — o mesmo hex escrito no prompt de imagem, que é o que mantém os dois quadros na mesma cor.)

Somente se o usuário pedir explicitamente para não começar de um campo totalmente vazio, o primeiro quadro pode reter um objeto estrutural de base.

Envie ambos os quadros para o MaxFusion com maxfusion_upload_asset (purpose: "image_reference", content_type: "image/png", size_bytes exato, filename): a ferramenta retorna uma sessão de upload — POST um formulário multipart para upload.url com cada chave/valor de upload.fields exatamente como fornecido mais os bytes do arquivo como a parte final nomeada file (qualquer 2xx = sucesso), então use cada file_id retornado. Registre os dois file_ids por item.

2. Escrever o prompt de animação Omni

Ordem de ação padrão:

estrutura base → figura ou cartões-chave → conectores → ação → resultado final

Modelo de prompt (salvar por item como <item>/omni-prompt.txt):

Montagem stop-motion de colagem de papel, usando a Imagem 1 como o primeiro quadro vazio exato e a Imagem 2 como o último quadro completo exato. Em um único plano vertical contínuo bloqueado, abra no campo de papel [cor] vazio e plano.

Monte a cena peça por peça com temporização stop-motion nítida: [descreva, em ordem, como os 3–6 elementos deslizam, se encaixam, conectam e completam a ação]. Termine segurando a composição completa fornecida.

Preserve o enquadramento 9:16 exato, campo de cor [hex], destaques de cartolina colorida, textura de papel não revestido, pontos de meio-tom, linhas-chave creme, bordas de corte nítidas e sombras suaves. Apenas artesanato em papel 2D tátil e contido.

Sem cortes de cena, sem movimento de câmera, sem zoom, sem transformação, sem novos objetos, sem texto, sem letras, sem números, sem logotipos, sem marca d'água, sem IU, sem som.

Cada prompt deve afirmar que a Imagem 1 é o primeiro quadro vazio e a Imagem 2 é o último quadro completo confirmado. A composição final deve pousar na Imagem 2 — não deixe o modelo redesenhar

…

[truncado para tradução]