Communitygithub.com

script-to-video-ai

Sistema de skill e padrões autônomos para produção de vídeos AI de alta qualidade a partir de roteiros de texto. Integra Meta Muse (geração consistente de personagens/cenários), Omni Vids (renderização de vídeo com sincronia labial), Cérebro de auditoria de fala bidirecional (Bidirectional STT Auditor que detecta cortes e murmúrios), trava de sotaque sulista e verificação de tom de voz infantil (Pitch Audit Gatekeeper), Snappy Trimming (eliminação de dead air), aceleração 1.1x com preservação de tom e upload automático para o Google Drive.

O que é script-to-video-ai?

O skill **script-to-video-ai** é um sistema completo e autônomo para converter roteiros de texto puro em vídeos AI 9:16 Full HD, otimizados para retenção de audiência no TikTok, Reels e Shorts. Ele opera com um conjunto de regras rígidas (Always-On Rules) que garantem qualidade profissional: geração consistente de imagens com o modelo Meta Muse em modo encadeado, auditoria bidirecional de fala (STT) para evitar cortes e inserções indevidas, trava de sotaque sulista, verificação de tom de voz infantil (Pitch Audit), e pós-produção em quatro etapas (Snappy Trim, Re-encode, Speedup 1.1x com preservação de tom, e envio ao Google Drive). Suporta plataformas como Antigravity AI Agent e é implementado com scripts Python (run_render.py, dialogue_auditor.py, snappy_trimmer.py, etc.). Ideal para criadores de conteúdo que desejam automatizar a produção de vídeos com narração consistente e alta qualidade visual, sem depender de edição manual.

Funciona com✓Claude Code~Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/devnit2026/script-to-video-ai-skill/tree/HEAD

Perguntar na sua IA favorita

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

Documentação

Skill de Produção de Vídeo AI a partir de Roteiro

Sistema profundo de automação abrangente do processo de conversão de Roteiro de texto puro em Vídeo AI 9:16 Full HD completo, otimizado para taxa de retenção de audiência (Audience Retention) no TikTok, Reels e Shorts.


🎯 7 REGRAS ESSENCIAIS (ALWAYS-ON RULES)

  1. PROCESSO IMAGE-FIRST & OLHO AI DE INSPEÇÃO:

    • Sempre gerar imagens de cena primeiro usando o modelo meta_muse.
    • Ativar o modo de herança contínua (image_chain_mode: "chained") para manter 100% de consistência de personagens, roupas e cenários.
    • Extrair imagens e usar o Olho AI (read_file) para inspecionar diretamente, garantindo nota 10/10 antes de gerar o vídeo.
  2. PORTÃO DE AUDITORIA DE FALA BIDIRECIONAL (BIDIRECTIONAL STT AUDITOR):

    • Direção direta (Contra engolir palavras): Garantir cobertura de palavras-chave $\ge 70\%$ e verificar 3-5 palavras finais da frase do roteiro (evitar corte no final da fala).
    • Direção reversa (Contra murmúrios no final): Verificar palavras após a última palavra-chave do roteiro. Se o vídeo for muito longo e o AI inventar $\ge 2$ palavras estranhas ➔ Marcar FAILED imediatamente.
    • Relatório 100% honesto: É proibido maquiar dados STT ou ocultar palavras inventadas.
    • Comando de bloqueio rígido (Hard Gatekeeper): Proibido montar vídeo enquanto houver cena que não tenha PASSED.
  3. FÓRMULA DE PACING DE DURAÇÃO PRECISA:

    • Menos de 25 palavras: 6s - 8s
    • 25 - 38 palavras: 10s
    • 39 - 50 palavras: 12s
    • 51 - 65 palavras: 15s (Voice Directing lê rápido, com clareza)
  4. TRAVA DE SOTAQUE SULISTA & SINCRONIZAÇÃO DE TERMOS REGIONAIS:

    • Quando o roteiro exigir sotaque sulista: Obrigatório substituir todas as conjunções/palavras de ligação do norte no roteiro e no prompt (exemplo: usar "ba với mẹ" em vez de "ba và mẹ", usar interjeições "hả", "nghen", "nhen", "hén", "sao kì dạ").
    • Voice Directing bilíngue obrigatório: Voice Directing: Voz feminina sulista de Saigon doce, pronúncia padrão do dialeto sulista do Vietnã (Authentic Southern Vietnamese Saigon female voice, soft sweet Southern dialect). Proibido absolutamente sotaque do norte.
  5. PRESERVAÇÃO DE VOZ INFANTIL AO FALAR SOBRE TEMAS ADULTOS & AUDITORIA DE TOM (PITCH AUDIT):

    • Isolar descrição da fala (Isolate Prompt from Dialogue): Nunca citar conteúdo filosófico/dinheiro/presentes na descrição da imagem ou movimento ([PROMPT], [MOTION]). Manter a descrição 100% ingênua e de cartoon.
    • Voice Directing trava para voz infantil: Voice Directing: Voz de menino sulista clara, inocente, ingênua, falando com sotaque infantil fofo e enrolado (Cute toddler boy child voice). Proibido absolutamente voz adulta, proibido absolutamente voz feminina adulta.
    • Verificação de tom (Portão $F_0$): Voz infantil obrigatoriamente deve ter $F_0 \ge 250$ Hz (normalmente 280-350 Hz). Se $F_0 < 220$ Hz ➔ Marcar FAILED imediatamente, proibido montar vídeo!
  6. TRAVA DE SINCRONIA LABIAL DE PERSONAGEM ÚNICO & TROCA DE PLANOS PING-PONG:

    • Cada plano de vídeo deve ter apenas 1 personagem abrindo a boca para falar voltado para a câmera. Personagens secundários mantêm os lábios fechados ouvindo.
    • Cenas de diálogo com 2 ou mais pessoas devem ser separadas em planos Ping-pong (1A: Quem pergunta, 1B: Quem responde) para evitar sobreposição de sincronia labial em 100%.
  7. PROCESSO DE PÓS-PRODUÇÃO PADRÃO EM 4 ETAPAS:

    • Snappy Trim: Detectar o marco final da sílaba usando STT Binary Search, cortar rente ao final da fala (+0.15s) com micro fade-out de 0.15s, eliminando 100% de dead air.
    • Re-encode Concat: Concatenar usando libx264 para eliminar erros de corrupt packet.
    • Speedup 1.1x (Pitch Preserved): Acelerar 1.1x mantendo 100% do tom natural da voz.
    • Google Drive Sync: Fazer upload automático para a pasta especificada no Google Drive e limpar arquivos pesados da máquina.

🛠️ ESTRUTURA DO SKILL

script-to-video-ai-skill/
├── SKILL.md                 # Definição do skill para o Antigravity AI Agent
├── PROJECT_RULES.md         # Regras essenciais obrigatórias do sistema (CÉREBRO)
├── AGENTS.md                # Guia de comportamento e estilo de trabalho para o Agent
├── GEMINI.md                # Documentação de padrões detalhados e solução de problemas
├── requirements.txt         # Bibliotecas Python necessárias
├── scripts/                 # Conjunto de ferramentas de execução automática:
│   ├── run_render.py        # Enviar job e monitorar pipeline
│   ├── dialogue_auditor.py  # Cérebro de auditoria de fala STT bidirecional & Pitch Audit
│   ├── snappy_trimmer.py    # Cortar dead air usando STT Binary Search
│   ├── add_footer.py        # Inserir rodapé adaptativo à resolução
│   ├── gdrive_uploader.py   # Upload de vídeo para o Google Drive automaticamente
│   └── audio_verifier.py    # Suporte à análise de áudio
├── configs/                 # Arquivos de configuração de exemplo
│   └── sample_pipeline.json
└── README.md                # Guia de instalação e implantação do A ao Z

Habilidades Relacionadas