create-template-video-zh

Criar Vídeo por Template (chinês)

Transforma conteúdo chinês em um vídeo curto vertical 9:16. O design e as animações são gerenciados pelos templates HyperFrames em templates/; você só precisa preencher os campos de texto e o script.json.

Informações de instalação (ambiente DSH, leia primeiro)

• PROJECT_DIR = /Users/ming/.agents/skills/create-template-video-zh (skill + pipeline + templates; node_modules link simbólico para a versão vietnamita, dependências compartilhadas)

• Estrutura de diretórios: SKILL.md, templates/ (11 templates + CATALOG.md), src/ (CLI/pipeline), package.json, .env (endpoint TTS chinês).

• Mapeamento de ferramentas: o original usa nomes de ferramentas Claude Code, aqui correspondem a DSH: WebFetch → web_fetch, Read → read, Write → write, Bash → bash.

• Dependências de ambiente: ffmpeg/ffprobe ✓, Chrome ✓, Node ✓.

• TTS chinês implantado localmente: OmniVoice (MPS) + timbre clonado mandarim voice-zh.pt, rodando na porta 8124 (a versão vietnamita usa fixo 8123, as duas não interferem):

  bash "$HOME/.agents/skills/create-template-video-zh/scripts/start-tts-zh.sh"
  

  O script verifica /health, inicia o serviço em segundo plano e aguarda até ficar pronto (cerca de 4 s), o log fica em /tmp/omnivoice-zh.log. Após iniciar, confirme com uma sonda em chinês:

  curl -s -X POST http://127.0.0.1:8124/tts -H 'Content-Type: application/json' \
    -d '{"text":"大家好，这是中文配音测试。"}' -o /tmp/zh-probe.mp3 && ls -l /tmp/zh-probe.mp3
  

  000/não conecta = não iniciou; se não iniciar, pare e avise o usuário, não forje áudio. Diretório do serviço e notas de implantação: /Users/ming/Documents/dsh_workspace/omnivoice (SETUP.md).

• A primeira renderização baixará o HyperFrames via npx -y [email protected] (requer internet, cada cena leva cerca de 15–20s; 8–10 cenas totalizam 3–5 minutos).

• Idioma: todo o vídeo em chinês. O texto na tela pode misturar chinês e inglês (AI, GPT, Apple mantêm o original), mas voiceText deve ser em chinês, com números escritos em caracteres chineses conforme as regras abaixo.

Entrada

1 parâmetro: URL de notícia (http:///https://) ou caminho de arquivo .txt.

Fluxo de trabalho (estritamente nesta ordem)

Passo 1–3: Obter conteúdo + criar diretório de saída

• URL → web_fetch busca o texto, extrai title, content (corpo 800–2000 caracteres), ogImage (og:image ou null), domain. Falha (paywall/JS puro/4xx) → peça ao usuário para salvar o texto em .txt e executar novamente, depois pare.
• .txt → read lê; title = primeira linha (≤40 caracteres), content = resto do texto, ogImage = null, domain = "local".
• slug: preferencialmente use palavras-chave em inglês ou pinyin (≤40 caracteres, [a-z0-9-]), por exemplo xiaomi-17-price, ai-coding-jobs. Se o título puramente chinês não puder ser convertido para ASCII, você escreve o pinyin; se realmente não houver, use zh-video (há também um fallback com o mesmo nome no código). timestamp = YYYYMMDD-HHmm; outputDir = <diretório de trabalho atual>/videos/<slug>-<timestamp>/ — dentro do espaço de trabalho: facilita a entrega e não polui o diretório da skill (a sandbox DSH geralmente só permite escrever no espaço de trabalho). mkdir -p. A localização da biblioteca de efeitos sonoros é apontada pelo SFX_DIR no .env para assets/sfx dentro da skill, desacoplada do diretório de saída; se a biblioteca de efeitos estiver vazia, essa camada é pulada automaticamente, sem afetar o fluxo principal.

Passo 4: Ler diretório de templates

Leia PROJECT_DIR/templates/CATALOG.md, confirme os templates e slots. Use apenas templateId do CATALOG. Existentes:

HOOK (apenas este): frame-liquid-bg-hero — aurora + título grande + CTA.

BODY (escolha conforme o conteúdo, veja Passo 5):

• frame-vignelli — 1 número, fundo carvão escuro + vermelho.
• frame-pentagram-stat — 1 número/benchmark, fundo escuro neon (grade suíça, número laranja brilhante + detalhe ciano + gráfico de barras).
• frame-bold-poster — declaração forte multi-linha + número grande.
• frame-build-minimal — frase curta impactante, fundo escuro + uma palavra grande em negrito (glow laranja, aparece letra por letra).
• frame-creative-voltage — slogan criativo, divisão azul elétrico + letra manuscrita.
• frame-glitch-title — glitch RGB cyberpunk (fundo com ruído), adequado para notícias urgentes/tecnologia.
• frame-aicoding-list — lista de 2–5 itens (cada com ícone + etiqueta de nível), fundo gradiente escuro.
• frame-aicoding-comparison — comparação A vs B (dois cartões gradientes + emblema WIN + dados).

OUTRO: frame-logo-outro (padrão: logo glow + marca + tagline + url); frame-statement-outro (alternativa: fundo papel + cartão vermelho).

Os valores de exemplo embutidos nos 11 templates (data-composition-variables) já foram todos substituídos por exemplos em chinês, você pode ver o resultado final diretamente na prévia ou copiá-los para script.json e modificar. Mas ao renderizar, passe explicitamente inputs: sem parâmetros, o runtime não obtém as variáveis e o texto ficará vazio.

Passo 5: Gerar script.json

{
    "version": "1.0",
    "renderer": "hyperframes",
    "aspect": "9:16",
    "metadata": {
        "title": "...",
        "source": { "url": "...", "domain": "...", "image": null },
        "channel": "Nome do canal chinês"
    },
    "voice": { "provider": "omnivoice", "speed": 1.0 },
    "scenes": [
        /* 8–12 cenas: 1 hook + 6–10 body + 1 outro */
    ]
}

• provider fixo omnivoice (TTS local, não precisa de voiceId/API key).
• Cada cena: { id, type, voiceText, templateId, inputs }; inputs deve cobrir os slots obrigatórios daquele template no CATALOG.
• scenes[0].type = "hook"; scenes[-1].type = "outro" (frame-logo-outro).
• 8–12 cenas; voiceText total cerca de 350–450 caracteres (≈90–120s, velocidade do chinês falado ~4.5 caracteres/s; a duração final será determinada pela dublagem; a pipeline alinha pela dublagem). Cada cena body 30–45 caracteres, aborda apenas um ponto; se um parágrafo tiver dois pontos, divida em duas cenas. Objetivo: cada cena dura 6–10s.

Mapeamento conteúdo → template:

• hook → fixo frame-liquid-bg-hero (slots: kicker, headline, subheadline, cta, brand). headline padrão gradiente amarelo→roxo, use headline_from/headline_to (dois hex) para alterar o tom.
• body → escolha por você o template mais adequado ao conteúdo, e varie o máximo possível, não use o mesmo para todos os body:
  • frame-vignelli: cena com 1 número a destacar (kicker, number, label, note, brand).
  • frame-pentagram-stat: com 1 número base/percentual + sensação de gráfico de barras (label, headline=número, subtitle, anchor, footer_left, footer_right).
  • frame-build-minimal: frase curta impactante/uma palavra-chave (eyebrow, hero=palavra única, desc, side_left, side_right).
  • frame-bold-poster: declaração forte multi-linha + número grande (kicker, date, figure, headline[], standfirst, footer_left, footer_right). A 2ª linha de headline automaticamente fica vermelha.
  • frame-creative-voltage: slogan criativo (meta, display_lines, accent_index, script, caption).
  • frame-glitch-title: sensação de urgência/tecnologia/suspense (title, subtitle).
  • frame-aicoding-list: lista/comparação de 2–5 itens (title, accent, accent_from, accent_to, subtitle, items[]). Cada item {icon, title, desc, tag, level}: icon você escolhe emoji (🚫 ⚠️ ✅ ❌ 📈 💡 🔒 🚀 …); level ∈ danger|warn|good|info determina a cor; tag use etiqueta curta em chinês (高危 / 注意 / 利好 / 稳健); accent_from/accent_to você escolhe dois hex.
  • frame-aicoding-comparison: comparação exata de dois itens (badge, pre, vs, post, left{}, right{}). Cada lado {label, from, to, icon?, bullets[], stat?, stat_label?, win?}; from/to são dois hex de gradiente (contraste frio/quente entre os lados é melhor); win: true marca o vencedor.
  • Sugestão de ritmo: quando houver muitas cenas numéricas, alterne frame-vignelli (preto carvão+vermelho/amarelo) com frame-pentagram-stat (neon laranja/ciano escuro); para cenas não numéricas, use frame-build-minimal.
• outro → frame-logo-outro (brand_name, tagline, primary_url).

Regras de formatação de texto chinês na tela (inputs)

• Chinês ocupa mais espaço que inglês/vietnamita: limite cada linha a 10–14 caracteres chineses; se ultrapassar, quebre a linha ou corte o texto; headline no máximo 3 linhas. Prefira tirar duas palavras a deixar duas linhas e meia apertadas.
• A fonte do template é Inter Tight + system-ui; o chinês cai para PingFang SC como fallback, geralmente normal; se renderizar como quadrados/retângulos (tofu), insira "PingFang SC", "Noto Sans SC", no início de font-family no compositions/portrait.html daquele template e re-renderize.
• Chinês não precisa de espaços entre palavras; não adicione manualmente valores negativos de letter-spacing; o -3px padrão do template pode grudar caracteres chineses; se o título ficar apertado, sobrescreva com letter-spacing: -1px nessa classe.
• Emojis são permitidos no texto da tela, mas 0–1 por campo; não os coloque em campos com animação letra por letra (como hero do frame-build-minimal), senão a animação quebra.
• Números na tela mantenha o formato bonito (4499 元, 82.7%, 17), converta para caracteres chineses apenas no voiceText.

Regras de TTS chinês (voiceText obrigatório)

OmniVoice lê caractere por caractere; números arábicos, pontos decimais e símbolos de moeda frequentemente são lidos errado ou em inglês. Portanto, no voiceText escreva todos os números em caracteres chineses; inputs (texto na tela) mantém os números.

Forma	Exemplo errado	Escrita correta
Decimal	82.7%	百分之八十二点七
Número de versão	iOS 18.2	iOS 十八点二
Modelo de produto	小米 17	小米十七
Pixel	200MP	两百万像素
Bateria	5000mAh	五千毫安时
Grandeza	1M tokens	一百万 token
RMB	¥4499	四千四百九十九元
USD	$5	五美元
Multiplicador	2x	两倍
Percentual	30%	百分之三十
Duração	60s	六十秒
Razão	3:1	三比一
Ano	2026 年	二零二六年
Trilhões	21 万亿	二十一万亿
Ranking	Top 3	前三名

• Abreviaturas em inglês: teste com sonda antes de decidir: AI, GPT, API, 5G, GPU no TTS chinês às vezes são lidas letra por letra ("A-I"), às vezes como palavra em inglês. Antes de finalizar, use a sonda para ler duas frases de comparação: AI 很强大 vs 人工智能很强大, escolha a escrita que soa mais natural e mantenha consistência em todo o vídeo.
• Nomes de marcas mantenha o original (Apple, OpenAI, 小米), marcas chinesas escreva em chinês.
• voiceText absolutamente proibido: emoji/ícones, URL, e símbolos & % $ # + = / etc.; use 。 ou ？ no final das frases para pausas naturais; vírgula use ，.
• Consistência entre "两" e "二": para quantificadores coloquiais use "两" (两千, 两万, 两倍), para ordinais/anos use "二" (二零二六年, 第二季度).

Passo 6: Autoverificação

• scenes[0] é hook, o último é outro; cada templateId está no CATALOG; cada inputs cobre os slots obrigatórios;
• Largura da linha chinesa ≤14 caracteres, headline ≤3 linhas; voiceText sem números arábicos/símbolos/emoji; emoji apenas em inputs; vocabulário e pronúncia de abreviaturas consistentes em todo o vídeo;
• voiceText total 350–450 caracteres. Correção silenciosa no máximo 2 rodadas.

Passo 7: Escrever script.json

Use a ferramenta write para escrever em <outputDir>/script.json (antes mkdir -p no diretório de saída).

Passo 8: Executar pipeline

Primeiro inicie o TTS chinês (veja início) e confirme que a sonda gerou áudio, depois execute em primeiro plano:

cd "$HOME/.agents/skills/create-template-video-zh" && npm run pipeline -- "<outputDir>/script.json"

O CLI usará renderer: "hyperframes" para seguir a pipeline de templates: TTS → renderizar template por template → alinhar pela duração da dublagem → concatenar + mixar. Em caso de falha, reporte o erro claramente e dê o caminho do outputDir (os já renderizados voice/scene-*.mp3, clips/scene-*.mp4 serão reutilizados; basta deletá-los para re-renderizar).

Ao reexecutar após alterar o texto chinês, primeiro delete os voice/scene-*.mp3 correspondentes, senão a dublagem antiga será reutilizada.

Passo 9: Entrega

Copie os três arquivos finais para o diretório de trabalho da sessão, facilitando o acesso do usuário:

mkdir -p "<cwd>/videos/<slug>" && cp "<outputDir>"/{video.mp4,voice.mp3,script.txt} "<cwd>/videos/<slug>/"

Em seguida, reporte (com links clicáveis):

✓ Vídeo: videos/<slug>/video.mp4
✓ Áudio: videos/<slug>/voice.mp3 — para剪映 (legendas automáticas/alinhamento labial)
✓ Roteiro: videos/<slug>/script.txt — texto quadro a quadro, fácil de editar manualmente
Duração total: XX.Xs

Observações

• Cada cena leva cerca de 15–20s para renderizar (Chromium); 8–10 cenas totalizam 3–5 minutos.
• TTS é idempotente (mantém voice/scene-*.mp3), os clipes também são idempotentes (mantém clips/scene-*.mp4).
• TTS chinês no M2 Max tem RTF (taxa de tempo real) de aproximadamente 2.8: 1 minuto de vídeo final leva cerca de 3 minutos de TTS puro. Para acelerar, defina OMNIVOICE_STEPS como 16 no servidor (qualidade ligeiramente reduzida, tempo pela metade) e reinicie.
• Se assets/sfx estiver vazio, a camada de som é 0, não afeta o fluxo principal; para efeitos sonoros, execute npm run sfx:download (requer internet) antes de gerar (o download padrão é para assets/sfx/ dentro da skill, ou seja, o local apontado por SFX_DIR no .env). Palavras-chave semânticas já incluem chinês (警告/失败/纪录/首次/倒计时/史诗/悬念…).
• Diferenças da versão vietnamita create-template-video: porta TTS 8124 + timbre chinês, tabela de leitura de números chineses, restrições de formatação de texto chinês, palavras-chave SFX em chinês, fallback de slug zh-video. O código é uma cópia independente (apenas node_modules link simbólico para a versão vietnamita); alterar templates/pipeline afeta apenas este diretório. Se deletar a versão vietnamita, lembre-se de npm ci para reconstruir as dependências.
• Novo template: siga as instruções no final de templates/CATALOG.md e adicione uma linha no CATALOG.