O que Editing Master faz?
Transforme um produto em um vídeo curto e animado. O usuário dá uma linha ("como usar, 2 minutos") e o que tem sobre o produto; você pergunta, eles escolhem, você constrói, eles aprovam, você renderiza.
Com o que o usuário pode começar (qualquer um é suficiente; mais é melhor):
| Fonte | Como usar |
|---|---|
| Um código-fonte (a pasta atual ou um caminho) | Leia o código-fonte da interface e recrie as telas reais. |
| Um link para o app ou site ao vivo | npx hyperframes capture <url> --json para capturar capturas de tela, cores, fontes e texto; recrie as telas a partir delas. Peça um login de teste se as páginas estiverem atrás de login; nunca use credenciais reais. |
| Capturas de tela ou gravação de tela | Recrie cada tela a partir das imagens; use clipes da gravação como B-roll dentro de um dispositivo emoldurado. |
| Apenas uma descrição | Projete telas limpas e plausíveis nas cores da marca a partir da descrição, e diga isso no roteiro. |
Ferramentas. Por padrão, construa com os skills HyperFrames (hyperframes, hyperframes-cli, hyperframes-registry) e use media-use para voz, música e efeitos sonoros. Se eles faltarem, diga ao usuário os comandos de instalação (veja o README) e pare. Diga em uma linha quais skills você usará antes de começar.
Inicializador. starter/ é um projeto HyperFrames funcional com os blocos de construção abaixo (telas de uma palavra, cartão de capítulo, foco de câmera com clique de cursor, transições, encerramento). Copie-o para uma nova pasta video/ e adapte-o; não comece do zero.
Engine. Tudo o que este skill constrói (telas de uma palavra, cartões de gancho e capítulo, câmera, cursor, inicializador) é HyperFrames, e HyperFrames é o padrão. Outros skills de vídeo fornecem outros tipos de vídeo (câmera de um take, colagem de papel, aquarela, desenhos animados 2D, explicadores de quadro branco narrados, animação matemática, motion graphics React, montagens de vídeos de arquivo, animações de aplicativos, curtas editados a partir de gravações longas); cada um tem seu próprio fluxo de trabalho. Veja references/video-skills.md e passo 2.
A regra de ouro: nada sem o usuário
Qualquer coisa que será ouvida ou vista no vídeo (voz, música, efeitos sonoros, roteiro, aparência) é mostrada ou tocada para o usuário antes do filme estar finalizado, e nada é renderizado antes da aprovação do usuário. A frequência com que você para para perguntar depende do modo que o usuário escolher: fast track ou passo a passo.
Dois modos: fast track ou passo a passo
O trabalho da máquina é rápido (≈ 1 min para narrar um roteiro de 2 minutos, ≈ 1 min para encontrar música, ≈ 3 min para renderizar um filme de 2 minutos). O que torna um vídeo lento é o número de vezes que o usuário precisa parar e responder. Na sua primeira mensagem, ofereça os dois modos e recomende o fast track:
| Fast track (recomendado) | Passo a passo | |
|---|---|---|
| Paradas antes de renderizar | 3, depois "renderizar" | Cerca de 11, uma por passo |
| Perguntas | todas em uma mensagem, cada uma com um valor padrão | um passo de cada vez |
| Amostras | voz, música, mix e efeitos em um pacote de audição | voz, música, efeitos em rodadas separadas |
| Melhor para | a maioria dos vídeos, usuários que confiam nos padrões | usuários que querem controlar cada detalhe |
O usuário pode alternar a qualquer momento ("diminuir a velocidade", "acelerar").
Fast track: três paradas, depois renderizar
Os passos 1–11 abaixo ainda dizem como fazer cada parte; o fast track os agrupa em três paradas e faz o trabalho da máquina entre elas sem perguntar.
Parada 1 · O plano (uma mensagem, passos 1–3). Faça as perguntas do briefing (passo 1), mostre o menu de skills de vídeo com sua recomendação (passo 2) e faça as perguntas de estilo com sua resposta recomendada para cada uma (passo 3, incluindo palavras, transições, sons e legendas). Termine com: "Responda o que deseja alterar, ou diga use suas escolhas." Uma resposta resolve tudo. Repita o plano final em algumas linhas, com o tempo total até a prévia, e continue sem outra parada.
Entre as paradas 1 e 2, sem perguntar: estude o produto (passo 7), escreva o roteiro (passo 8) e prepare o pacote de audição: a linha de abertura em 3 vozes, amostras de 15 a 20 s de 3 faixas de música, um mix de voz + música no nível planejado usando sua voz e faixa recomendadas, a coletânea de efeitos sonoros e uma demonstração de 5 a 10 s de uma tela de uma palavra com cada palavra dita e seus sons de palavra (passos 4–6). Diga quanto tempo isso leva antes de começar (geralmente alguns minutos) e execute o trabalho de voz e música em paralelo com o estudo.
Parada 2 · Roteiro, telas e sons (uma mensagem). Envie a tabela do roteiro, a lista dos passos que o vídeo mostra com uma tela reconstruída (um instantâneo) e o pacote de audição, com sua voz, faixa e efeitos recomendados marcados. Peça uma resposta: "Aprove o roteiro e as telas, e escolha uma voz, uma faixa e os efeitos (ou diga use suas escolhas)."
Entre as paradas 2 e 3, sem perguntar: narre o roteiro aprovado, transcreva-o, construa a prévia (passo 9) e verifique-a.
Parada 3 · Prévia. Envie o link da prévia com timestamps. A narração completa, música e efeitos são ouvidos aqui pela primeira vez juntos. Aplique alterações e envie novamente até o usuário aprovar. Rodadas de prévia não são contadas como paradas extras.
Renderize apenas quando o usuário disser "renderizar" (passo 10), depois entregue (passo 11).
Se o usuário disser "apenas faça" no fast track, use suas escolhas recomendadas nas paradas 1 e 2, ainda envie o roteiro, as telas e o pacote de audição para que possam ouvir, e continue construindo a prévia sem esperar. A parada 3 nunca é pulada: sem renderização sem uma prévia aprovada.
Passo a passo
Percorra os passos 1–11 um de cada vez. Cada passo: diga quanto tempo vai levar, faça-o, mostre o resultado, pergunte "OK para continuar?", espere. Nunca encadeie dois passos sem a aprovação do usuário; se o usuário disser "apenas faça", ofereça alternar para o fast track.
Em ambos os modos
Comece informando ao usuário as paradas e os tempos aproximados (veja "Orçamento de tempo"). Antes de qualquer espera maior que alguns segundos, diga quanto tempo vai levar. Use os tempos medidos em "Orçamento de tempo"; quando não houver um número medido, diga isso ("vários minutos em uma CPU") em vez de inventar um.
Os passos
1 · Que vídeo você quer? (sempre pergunte primeiro)
Mesmo que o usuário tenha dito apenas "faça um vídeo", pergunte, com exemplos e uma recomendação (no fast track, na mesma mensagem dos passos 2 e 3, junto com a pergunta sobre o modo):
- Para que serve? (como usar, o que faz, um teaser de lançamento, um tour de funcionalidades, um anúncio…)
- Quem assiste? (novos usuários, clientes, investidores, uma equipe…)
- Duração e formato: 30 s / 60 s / 2 min; 16:9 ou 9:16 vertical.
- A única mensagem que eles devem lembrar.
- O que você tem sobre o produto: um código-fonte, um link, capturas de tela, uma gravação ou apenas uma descrição? (Pule se for óbvio, por exemplo, se você está no repositório.)
Passo a passo: repita o briefing em três linhas e aguarde "sim".
2 · Qual skill de vídeo? (recomende um, depois pergunte)
Leia references/video-skills.md, depois mostre ao usuário o menu como uma tabela: o nome de cada skill, a aparência do vídeo, para que é melhor, quanto tempo leva e quanto custa, em palavras que alguém novo no assunto entenda. Agrupe como "construir um vídeo do zero" (HyperFrames, onetake, Collage B-roll, Clawd Animation, Lemo Opuscar, explainroo, skills de explicador iart, Manim, Remotion, Animate, Guizang product video, OpenMontage, Lottie) e "editar um vídeo que você já tem" (Clipify, Cut Video).
Em seguida, recomende um para este projeto da tabela "Qual para qual projeto?", em uma ou duas linhas: por que se encaixa no briefing, seu custo e licença, seu tempo. Mencione um segundo próximo, se houver. Destaque licenças que importam para vídeos de empresa (onetake, Remotion, skills AGPL) e qualquer coisa que precise de uma chave paga, uma GPU ou macOS.
Diga que os blocos de construção deste skill e o inicializador são HyperFrames; com outro engine, siga o fluxo de trabalho do próprio skill e mantenha o modo e as regras deste skill (fast track ou passo a passo, deixe o usuário ouvir tudo, prévia antes de renderizar). Se o skill escolhido não estiver instalado, forneça o comando de instalação e aguarde.
3 · Perguntas de estilo (uma mensagem, opções + recomendação para cada)
- Apresentador: nenhum, o logotipo pulsando com a voz em um quadro de cantos arredondados (gratuito) ou um avatar falante (pago).
- Sons de cursor e clique em cada ação? (recomende sim)
- Câmera: zooms suaves / médios / fortes (recomende médio).
- Tipo cinético: telas de uma palavra para o gancho, cartões de capítulo, um cartão de gancho "esta é a parte mais fácil"? Em quais momentos? (Mostre exemplos
docs/imgou descreva-os.) - Sons em telas de uma palavra e transições: um som curto em cada palavra ao aparecer (pop, batida, tique, estalo, um boom na palavra-chave, um crescendo antes de uma revelação, ou nenhum)? O mesmo som em cada palavra, ou um diferente na palavra-chave? Um som em cada transição (swoosh, whoosh, impacto)? Recomende, por exemplo, "pop em cada palavra, batida na palavra-chave, swoosh nas transições de capítulo". A voz diz cada palavra da tela de uma palavra por conta própria, enfatizada, no tom da tela. Veja
references/music-sfx-subtitles.md. - Legendas: nenhuma, incorporadas no vídeo ou arquivos de legenda separados? Em seguida, quais idiomas?
- Incorporadas: sempre visíveis, em todas as plataformas e com som desligado (redes sociais, anúncios), mas apenas um idioma e uma alteração significa uma nova renderização.
- Arquivos separados:
.srt(players, YouTube, LinkedIn) e/ou.vtt(players da web), um por idioma, editáveis manualmente, os espectadores ligam e desligam; uma plataforma ou player que os ignore não mostra nenhum. - Recomende incorporadas para clipes sociais curtos que tocam automaticamente sem som, arquivos separados para tutoriais e qualquer coisa em vários idiomas. Ambos é aceitável (incorpore o idioma principal, envie arquivos para todos).
- Marca: leia cores, logotipo e fontes da fonte; pergunte apenas o que está faltando e mostre a paleta que você usará.
4 · Voz: ouça, depois escolha
Diga o tempo primeiro: vozes Kokoro gratuitas levam ≈ 5 s por linha (principalmente carregando o modelo) e ≈ 1 min para um roteiro inteiro de 2 minutos; vozes pagas são rápidas, mas precisam de uma conta e uma chave de API.
- Ofereça as ferramentas: gratuitas nesta máquina (Kokoro,
npx hyperframes tts, sem conta) ou pagas (HeyGen, ElevenLabs: diga o que cada uma precisa e custa). - Narre a mesma linha de abertura em 3 vozes (por exemplo, homem americano enérgico, mulher americana calorosa, homem britânico calmo) e envie os arquivos para o usuário ouvir.
- Aguarde a escolha. Ofereça mais amostras ou outra velocidade se nenhuma se encaixar.
5 · Música: ouça, depois escolha
Diga o tempo primeiro: uma faixa CC gratuita leva ≈ 1 min para encontrar e baixar, mais alguns segundos por corte de amostra; gerar música localmente (MusicGen) é gratuito, mas lento em uma CPU, vários minutos por clipe; um catálogo pago (música do HeyGen) é instantâneo, mas precisa de uma conta.
- Encontre 3 faixas candidatas que se encaixem no clima (faixas CC gratuitas primeiro; diga a licença e se uma linha de crédito é necessária).
- Corte uma amostra de 15 a 20 s de cada uma da parte que você usaria e envie-as.
- Aguarde a escolha (ou "sem música"). Em seguida, diga o nível que usará (≈ 16 % abaixo da voz) e envie um mix de 15 s de voz + música para que o equilíbrio possa ser ouvido.
6 · Efeitos sonoros: ouça, depois confirme
Envie os sons de clique, pop, whoosh e digitação que você planeja usar (um arquivo curto para cada um, ou um arquivo com todos em sequência), mais os sons de palavra e sons de transição escolhidos no passo 3. Em seguida, envie uma demonstração de 5 a 10 s de uma tela de uma palavra: cada palavra narrada por conta própria com seu som em seu tempo de palavra, para que voz e sons sejam ouvidos juntos. Pergunte: manter, alterar (por palavra, se quiserem) ou sem efeitos.
7 · Estude o produto
A partir do que o usuário lhe deu, liste as 5 a 8 coisas que um usuário realmente faz, em ordem:
- Código-fonte: leia o README, o código-fonte da interface (marcação, tokens CSS, texto, ícones) e ativos da marca; recrie a interface real a partir de seu código-fonte.
- Link: capture as páginas importantes (
npx hyperframes capture <url> --json), percorra o fluxo principal em um navegador, se necessário, e recrie as telas a partir das capturas (mesmos rótulos, cores, raios, espaçamentos). Não grave a tela de um site ao vivo no filme, a menos que o usuário peça. - Capturas de tela / gravação: recrie cada tela a partir das imagens; mantenha clipes de gravação para B-roll em um quadro de dispositivo.
- Apenas descrição: projete as telas a partir da descrição e da marca; mantenha-as simples e marque-as como ilustrativas no roteiro.
Nunca invente funcionalidades que o produto não possui. Nomes desconhecidos ou privados tornam-se neutros ("Modelo A, B, C"); segredos de amostra são obviamente falsos e divididos na fonte (ghp_<i></i>…). Se a aparência não estiver clara, peça uma captura de tela em vez de adivinhar.
Mostre ao usuário a lista de passos que você mostrará no vídeo e uma tela reconstruída (um instantâneo) e pergunte: "É assim que parece, e esses são os passos corretos?" Aguarde.
8 · Roteiro (aguarde "aprovado")
Uma tabela de cenas: tempo · na tela · narração · efeito (tela de uma palavra, zoom, cartão de gancho…) · som (por palavra em telas de uma palavra, por transição). Escreva linhas de uma palavra com pontos finais entre as palavras ("Colar. Mascarar. Enviar.") para que a voz enfatize cada palavra. Regras em references/kinetic-type-and-hooks.md (gancho em 5 s, uma ideia por cena, 15 a 20 palavras por cena, cada frase mostrada na tela, um reset de atenção a cada 20 a 30 s). Envie e aguarde "aprovado"; altere quantas vezes for solicitado. Narre as linhas apenas após a aprovação (≈ 1 min para um roteiro de 2 minutos com Kokoro; diga isso), depois envie a narração completa para ouvir e pergunte antes de construir sobre ela.
9 · Construa a prévia
- Voz: um arquivo por linha; transcreva a narração completa (
npx hyperframes transcribe, ≈ 20 s para um filme de 4 minutos) para os tempos das palavras. Cada ação acontece na sua palavra (tempo da palavra + 0,2 s). - Legendas conforme escolhido no passo 3: legendas incorporadas como uma camada HyperFrames (visíveis na prévia) ou arquivos SRT/VTT a partir da transcrição. Veja
references/music-sfx-subtitles.md. - Câmera, transições, cursor:
references/transitions-and-camera.md. - Ritmo e tempo de leitura:
references/pacing-and-voice.md. - Música, efeitos, legendas, capa:
references/music-sfx-subtitles.md. - Verifique:
npx hyperframes check, depoisnpx hyperframes snapshot --at …em cada passo e corte; olhe os quadros e corrija sobreposições.
… [truncado para tradução]