Communitygithub.com

Demo Video Creator — da URL do produto a um filme 16:9

Transforme a URL de um produto em um filme de lançamento horizontal de cerca de 60 s: capturas reais da interface, resultados reais, uma narração contínua, motion HyperFrames no ritmo, efeitos de impacto e um mp4 a -14 LUFS. Em inglês ou coreano.

O que é Demo Video Creator — da URL do produto a um filme 16:9?

Passo 1 da receita Video Localization (o filme master), de chacha95/demo-video-creator (publicado em 2026-10-07; o README traz o mesmo filme em inglês e em coreano). Com a URL do produto ele segue: briefing → especificação de referência → SCRIPT.md com as falas → DESIGN.md → capturas reais da interface e dos resultados → narração ElevenLabs em um único take → música → montagem HyperFrames guiada pela voz e travada no ritmo → aceleração por re-render de fps → efeitos de impacto e SFX em camadas → QA (motion, tiras, tabela de sincronia, auditoria final) → um mp4 1920×1080 a -14 LUFS. Confere chaves e ferramentas uma vez no início, depois trabalha sozinho e registra as decisões em DECISIONS.md. Não é para Shorts 9:16.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/chacha95/demo-video-creator/tree/HEAD/skills/demo-video-creator

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Criador de Vídeo Demo

Cria um filme demo/launch de produto paisagem de ~60s com a sensação de movimento aprovada pelo usuário. A entrega é um mp4.

Por que essa skill existe: o usuário iterou muito para chegar a essa sensação, e quase toda regra abaixo é uma correção que ele fez. Agentes deixados sozinhos voltam aos mesmos erros: introduções sem gancho, capturas de tela de sites, narração cortada, legendas tardias, cortes mal feitos e efeitos sonoros de trailer em cada palavra. Leia as notas "Por que" para aplicar a intenção a novos produtos, não apenas copiar Evals.

Referências aprovadas nesta máquina (assista-as antes de construir):

  • videos/evals-hype/renders/evals-ref2-short-fast2-impact.mp4 é a sensação de movimento ("모션이 좋단다").
  • videos/evals-demo2/ contém o gancho, narração contínua, edição guiada por VO e passada de finalização. Seus SCRIPT.md, DESIGN.md e qa/finish.md mostram como é "pronto".
  • Se esses caminhos não existirem (uma instalação nova), use os filmes de amostra publicados: https://github.com/chacha95/demo-video-creator/tree/main/media (demo_en.mp4, demo_ko.mp4). references/examples/ tem os documentos SCRIPT e DESIGN correspondentes.

Trabalhe de forma autônoma. O usuário quer colar um pedido e receber um vídeo de volta. Ele ficou frustrado quando uma sessão parou para pedir entradas ("인풋 요구해서 안되는데"). Tome decisões razoáveis, registre-as em DECISIONS.md e continue até que o mp4 exista.

0. Integração: chaves e ferramentas (verifique uma vez, antes do passo 1)

Este é o único momento em que você pode parar e perguntar. Verifique tudo em uma única passada no início, relate cada lacuna em uma mensagem e, em seguida, execute de forma autônoma assim que for corrigido. Nunca pergunte no meio do pipeline.

Verifique:

grep -q '^ELEVENLABS_API_KEY=.' .env 2>/dev/null || [ -n "$ELEVENLABS_API_KEY" ] && echo "key ok" || echo "ELEVENLABS_API_KEY missing"
H=$(mktemp); chmod 600 "$H"   # a chave passa por um arquivo de cabeçalho, nunca na linha de comando
printf 'xi-api-key: %s\n' "${ELEVENLABS_API_KEY:-$(grep '^ELEVENLABS_API_KEY=' .env | cut -d= -f2-)}" > "$H"
curl -s -o /dev/null -w "%{http_code}\n" -H @"$H" https://api.elevenlabs.io/v1/user; rm -f "$H"   # 200 = válido
which ffmpeg node npx whisper-cli; node -e "require.resolve('playwright')" && echo "playwright ok"

Nunca imprima o valor da chave no chat ou logs, e nunca coloque em um argumento de linha de comando (use -H @file como acima).

Se a chave estiver faltando ou não for 200, diga ao usuário (em coreano se eles escreverem em coreano) como obtê-la:

ElevenLabs API 키가 필요해요 (나레이션 + 배경음악 생성용)

  1. https://elevenlabs.io 에 로그인하세요. 음악 생성(Music)은 유료 플랜이 필요할 수 있어요.
  2. 왼쪽 아래 프로필 → Developers / API Keys → Create API Key.
  3. 권한에서 Text to Speech, Music, **Voices (read)**를 켜고 만드세요. 키는 한 번만 보여요.
  4. 프로젝트 루트의 .env 파일에 한 줄 추가하세요 (파일이 없으면 새로 만드세요): ELEVENLABS_API_KEY=여기에_키
  5. 채팅에 키를 붙여넣지 마세요. 저장했다고만 알려주시면 이어서 진행할게요.

.env está no .gitignore. Não o commite ou copie a chave para outro lugar.

Ferramentas, se estiverem faltando: brew install ffmpeg whisper-cpp (whisper-cli cobre a passada de QA do Whisper localmente, sem necessidade de chave), Node 20+, então npm i -D playwright && npx playwright install chromium.

Pipeline

brief → reference SPEC → SCRIPT.md (+linhas VO) → DESIGN.md → assets (UI real + saídas reais)
→ VO (uma tomada) → música → build (HyperFrames, guiado por VO, sincronizado com batida) → render em fps 30/speedup
→ pós (retime, efeitos de impacto, mix) → QA (movimento, tiras, tabela de sincronia, auditoria de finalização) → renders/<nome>.mp4

Projeto: videos/<nome>/ com SCRIPT.md DESIGN.md DECISIONS.md index.html build/ capture/ assets/ audio/ scripts/ qa/ renders/.

Notas de ferramentas:

  • Render: npx --yes [email protected] render -o <saída> --quiet --fps 95/4 a partir do diretório do projeto. Leia a skill hyperframes-core se o contrato de composição não for familiar.
  • HTTP: use curl. O Python aqui não tem certificados SSL.
  • Chaves: .env na raiz do repositório (ELEVENLABS_API_KEY). Todos os caminhos nesta skill são relativos à raiz do repositório. Veja Integração abaixo.
  • Helpers inclusos estão em scripts/ (listados no final).

1. Referência → SPEC.md

Se o usuário der um vídeo de referência, baixe-o (a skill watch ou yt-dlp) e meça-o quadro a quadro. Se não, meça o filme aprovado acima. Registre:

  • quadros de corte, durações de tomadas, cortes a cada 10s
  • curvas de câmera e easing como a fração da distância restante coberta por quadro
  • velocidade de digitação, espaçamento de revelação de palavra, duração do flash de destaque
  • coreografia de cartões e alternâncias claro↔escuro
  • onde cada som se posiciona em relação ao seu corte

Em seguida, reconstrua nesse ritmo e mude apenas marca, texto, design e ativos.

Por que: a sensação vive em números (easing por quadro, batidas por tomada). Quando os agentes trabalhavam a partir de adjetivos, o usuário dizia "감도가 낮아" ou "모션이 어색해". Quando eles correspondiam a números medidos, era aprovado.

2. Roteiro

  • Gancho que se explica em 3 segundos. Abra com saídas reais do mesmo prompt sendo executadas lado a lado e faça a pergunta que o produto responde (para Evals: "Qual é melhor?"). Alterne A/B/C/D nas batidas, então entregue a reviravolta ("Mesmo prompt. Configurações diferentes.").
    • Por que: uma abertura abstrata (uma lista de nomes de modelos e um contador de habilidades) gerou "뭐 어쩌라는건지 모르겠어". Um espectador precisa ver o problema, não ler sobre ele.
  • Uma tarefa real, seguida do início ao fim. Input → configurar → executar → resultados lado a lado → escolher → prova (registro/detalhes) → agregar (leaderboard/estatísticas) → comunidade → cartão final com URL.
  • Mostre saídas em movimento, não sites. Jogos, vídeos, cenas 3D e curtas são lidos como espetáculo em uma demo; capturas de tela de landing page são lidas como chatas ("웹사이트 보여주지 말고 영상이나 게임"). Se o produto só faz páginas web, mostre-as em movimento (rolagem, interação), não como capturas estáticas.
  • Texto. Linhas na tela têm 2–5 palavras. O roteiro de VO tem cerca de 165–180 palavras para 60s (≈2,7 palavras/s) para que a voz nunca fique em silêncio.
  • Verdade. Mostre apenas recursos, nomes e números que aparecem em suas próprias capturas. Nenhuma semelhança com pessoas reais. Uma demo que mostra algo que o produto não pode fazer é pior do que nenhuma demo.

3. Design

Escreva DESIGN.md uma vez e faça cada tomada segui-lo. Ele define:

  • uma família sans-serif mais uma mono para tags pequenas
  • um destaque por quadro
  • títulos alinhados à esquerda em uma margem fixa (ex.: 120px) com o mesmo espaçamento tag → título em todos os lugares
  • UI real mostrada como cartões arredondados (16–22px) com uma sombra suave em camadas
  • alternâncias de seção escura/clara

references/examples/ tem dois sistemas completos: "Signal" (grafite/papel, azul) e "editorial" (creme/tinta, coral). Quando o usuário pedir um novo filme, crie um novo sistema em vez de reutilizar um, porque o usuário explicitamente pediu "시나리오랑 디자인만 다르게".

4. Ativos (reais, novos, nítidos)

  • UI: capturas do Playwright em 4× DPR, para que nenhum elemento seja mostrado maior que seus pixels de origem (capturas 2× pareciam suaves). Corte recortes que contenham apenas elementos inteiros. Se um recorte precisar de contexto, reconstrua o fundo do cartão a partir da própria cor de preenchimento da UI em vez de deixar linhas vizinhas.
  • Saídas:
    • scripts/rec_output.mjs <url> <saída.mp4> 7 game|orbit (screencast; pressione teclas ou orbite para que a saída se mova).
    • scripts/rec_scroll.mjs (uma captura de tela por quadro) quando o screencast repetir quadros.
    • Remova quadros duplicados antes do uso, porque quadros repetidos aparecem como micro-travamentos e falham na QA de movimento.
  • Resultados do mesmo prompt: se a história diz "N configurações", mostre N resultados do mesmo prompt/execução. Se uma execução real for necessária, execute-a no produto com o Chrome logado do usuário. Mostrar saídas não relacionadas como resultados de um prompt gerou "결과가 다 다르잖아".
  • Logos: se um momento de logo da marca for necessário, use SVGs reais da marca renderizados como 3D real (three.js SVGLoader → ExtrudeGeometry, material PBR, luz ambiente, alpha WebM). Logos planos em CSS pareciam baratos ("짜친다").

5. Narração: uma tomada contínua

  • Voz: Will bIHbv24MWmeRgasZH58o, eleven_v4, estabilidade 0.15, similaridade 0.8, estilo 0.8, velocidade ~1.1.
  • Tags de emoção inline: [excited] [confident] [curious] [emphatic] [quick].
  • Por que essa voz: o usuário rejeitou o narrador padrão como "너무 아재 목소리". Eles queriam algo moderno e energético (sensação Sam Altman / Elon), ouviram alternativas e escolheram essa configuração de máxima emoção.
  • Gerar: scripts/vo3_gen.py (uma chamada /with-timestamps). Ele escreve a tomada, segmentos por linha e timestamps de palavras.
  • Coloque-a inteira. Coloque a tomada como uma peça contínua a partir de cerca de 0.25s. Não a corte em frases, espalhe frases em batidas ou estique trechos de tempo.
    • Por que: corte de frase vazava sílabas ("소리 짤려").
    • Espalhar deixava ar morto ("목소리가 중간에 죽잖아 … 쭉 이어지게").
    • A re-síntese por linha variava em volume.
    • Se uma linha precisar mudar, regenere a tomada inteira.
  • Verifique:
    • Lacunas dentro do VO são ≤0.35s.
    • Uma passada do Whisper no mix final não mostra palavras cortadas e nem tags faladas.
    • Se "Evals" soar como "evils", soletre "E-vals".
  • Versão coreana: Choi ZNSVYmudV9pOqphY0x8C, mesmas tags e configurações. Mantenha os termos da UI em inglês do produto tanto no VO quanto na digitação (Task, Setup, Battle, Model, Skill, Environment), porque o usuário quer as próprias palavras do site ("사이트에서 쓰이는 영어 용어는 그대로"). Use Pretendard para cada glifo coreano.

6. Música

  • O que fazer: uma base moderna e premium. Riser de EDM genérico e vibrações corporativas são lidos como "촌스러".
  • Como: gere 2–3 candidatos com ElevenLabs Music usando um prompt como: "modern minimal tech launch, punchy kick, deep 808, crisp hats, glassy plucks, Apple/Linear keynote, no cheesy risers, no stock vibe, 120 BPM". Escolha o mais limpo (pouca desordem de médios graves).
  • Ajuste:
    • scripts/beats.py / bars.py fornecem BPM e a primeira batida forte.
    • scripts/music_fit.py reorganiza a faixa no nível do compasso para que suas pausas e quedas caiam nas batidas da história.

7. Construção (guiada por VO, sincronizada com batida)

  • Use uma timeline GSAP pausada, totalmente determinística. Cada tomada roda em seu próprio tempo local.
  • A edição segue a voz. Cada mudança de tomada cai na batida imediatamente antes ou no momento da primeira palavra de sua frase. Arredonde para antes, nunca para depois, para que a imagem esteja pronta quando a palavra chegar.
  • Sincronia: cada palavra na tela aparece 0.05–0.20s antes de ser falada, orientada pelos timestamps de palavra da tomada.
    • Por que: texto que fica atrás da voz parecia "싱크가 안맞아". Uma dianteira de 1s inteiro parecia "너무 느린데", porque o texto e a voz se separavam.
    • Uma pequena dianteira é lida como perfeitamente em sincronia.
    • Audite cada linha com scripts/sync_audit.mjs e mantenha uma tabela (texto_em, voz_em, dianteira).
  • Gramática de movimento: em references/MOTION_RULES.md. Leia-a completamente. O cerne dela:
    • uma câmera que é uma função pura do tempo
    • apenas easing rápido (≈25% da distância restante por quadro) ou flutuante (≈12%)
    • saídas aceleram para o corte e a próxima tomada herda a velocidade
    • transições reais onde ambas as tomadas se movem juntas com desfoque de velocidade
    • sobreposições fixas na tela
    • ação sobreposta
    • cada pausa deriva 1–3%
    • sem paradas mortas, sem quadros congelados, sem cortes duplos
    • cortes na batida ±1 quadro
  • Amplie em uma direção. Não amplie em um elemento e depois volte para fora ("줌 인 했다가 왜 다시 풀어"). Um push deve resolver para frente na próxima tomada.
  • Momentos de configuração devem se mover. Quando o VO nomeia configurações (ex.: "Model. Skill. Environment."), mostre os valores reais da UI alternando em cada palavra falada e carregue a velocidade para o próximo hit. Um cartão estático ali era lido como "감도가 낮아".

8–9. Render e pós

  • Velocidade por re-renderização, não por eliminação de quadros. Renderize em --fps 95/4 (1.263×), ou em 30/speedup escolhido para que uma batida seja igual a um número inteiro de quadros. Reproduza a 30fps.
  • Pós: copie scripts/post_template.py e defina NF, BIG, MED, FLASH, VO_OFF. Ele lida com:
    • retiming para 30fps
    • efeitos de impacto em 4–6 grandes hits: +8.5% zoom punch (τ 0.09), shake de 16px a ~22Hz (τ 0.1), split RGB 16px→7px ao longo de 4 quadros, 1–2 quadros de flash branco
    • uma versão mais leve em cortes secundários
    • o mix e loudness
    • Por que tão poucos hits: impacto em cada corte deixa de ser lido como impacto.
  • Mix:
    • VO cerca de −16 LUFS, na frente.
    • Música abaixa cerca de 4–6dB apenas durante a fala, com envelope suave (≈50ms attack, 0.6s release).
    • Barramento de SFX cerca de 3dB abaixo da música.
    • Em grandes hits, sobreponha swell reverso + boom (HP 60Hz) + transiente + glitch.
    • Em outros lugares, coloque SFX apenas em ações reais da UI (digitação, cliques, ticks). Batidas de trailer em cada palavra foram removidas como "안어울리는거".
    • Master −14 LUFS, AAC 192k. Verifique com scripts/mixcheck3.py.

10. QA antes de entregar

  1. python3 scripts/motion.py <mp4> <bpm> <first_beat>: cortes na batida, sem paradas mortas, sem pausas congeladas. Explique qualquer exceção que venha da própria filmagem.
  2. sh scripts/strip.sh <mp4> <t> <out.png> (16 quadros consecutivos) em cada transição e observe cada um. As folhas de contato (um quadro a cada ~2s) parecem limpas mesmo quando o movimento está quebrado, que é como maus movimentos foram enviados antes.
  3. Tabela de sincronia para cada linha de VO: a dianteira deve ser de 0.05–0.20s.
  4. Auditoria de finalização ("미감 높게 디테일한 마감"): puxe stills em resolução total no início, meio e fim de cada tomada e inspecione as bordas e cantos. Registre cada problema e sua correção em qa/finish.md. Procure por:
    • ícones ou texto cortados
    • linhas parciais de UI ou divisores nas bordas dos cartões
    • barras de rolagem
    • faixas cinzas de um palco com zoom excessivo
    • etiquetas sobre HUDs de filmagem
    • upscales borrados
    • padding irregular
    • texto tocando as bordas do cartão
    • a margem do título variando entre as tomadas
    • O usuário notou um ícone de clipe de papel cortado ao meio e uma linha divisória no canto de um cartão em um único quadro, então suponha que eles verão tudo.
  5. Execute Whisper no mix final uma vez e confirme que o loudness é −14 LUFS ±0.5.

Coisas que o usuário rejeitou (não reintroduza)

RejeitadoPalavras do usuário
Sublinhados / traços de sublinhado"밑줄 긋는거 하지마"
Caixas de destaque de cor atrás das palavras"백그라운드 컬러 넣어서 효과 주는거 빼줘"
Barras de marcação de linha"갈색 띠 없애줘"
Contornos, caixas finas, réguas, degradês baratos, emoji, mockups falsos de UI—
Estroboscópios de filmagem de 0.1s, filmagem repentina em tela cheia entre seções"영상 막 쏟아져 나오는거", "갑자기 다른 화면"
Introduções escuras independentes desligadas do filme"짜친다"
Etiquetas de texto sob logos"글씨는 없애줘"

Após a entrega

  • Se o usuário pedir uma velocidade de reprodução (1.05× / 1.1×), aplique-a à entrega final e re-exporte. A velocidade da música também deve mudar proporcionalmente; a maneira correta é regenerar a música com o BPM ajustado e reencaixá-la.
  • Se eles quiserem adicionar legendas opcionais (CC), scripts/cc_subtitles.py pode gerá-las a partir do arquivo de timestamps da tomada. As legendas ficam no terço inferior, centralizadas, pretas com outlines e opacidade de 85%.
  • Se eles perguntarem "Tem uma versão mais curta?", nunca simplesmente pule seções; reescreva o roteiro para caber nos segundos-alvo e reconstrua o filme. Um resumo cortado sempre parece quebrado.

Scripts de ajuda

CaminhoO que faz
scripts/vo3_gen.pyGera uma tomada VO via ElevenLabs /with-timestamps. Saídas: <name>.{mp3,words.json}.
scripts/music_gen.pyGera candidatos de música via ElevenLabs Music /text-to-music ou soundcloud download
scripts/beats.py <audio>Detecta BPM, primeira batida forte, compassos.
scripts/music_fit.py <audio> <bpm> <first_beat>Reorganiza faixa para caber nas batidas da história.
`scripts/rec_output.mjs <out.mp4> <gameorbit>`
scripts/rec_scroll.mjs <url> <out-dir>Captura de tela por quadro (scroll).
scripts/sync_audit.mjs <words.json> <design.json>Tabela de sincronia texto→voz.
scripts/motion.py <mp4> <bpm> <first_beat>QA de movimento: cortes na batida?
scripts/strip.sh <mp4> <t> <out.png>Extrai 16 quadros consecutivos para inspeção visual.
scripts/mixcheck3.py <mp4> <vo.json>Mede LUFS do VO e do mix; detecta palavras cortadas.
scripts/post_template.pyTemplate de pós-edição: efeitos de impacto, retime, mix.
scripts/cc_subtitles.py <words.json> <out.srt>Gera legendas SRT da tomada.
scripts/clear_audio_cache.shLimpa cache de áudio após regeneração.

Habilidades Relacionadas