Preferências do Usuário
Lembre-se e aplique sempre as preferências estabelecidas do usuário, seus gostos, desgostos, padrões de qualidade e requisitos de fluxo de trabalho ao longo do projeto. Não pergunte pelas mesmas preferências novamente, a menos que seja necessária uma esclarecimento.
Fundos (Backgrounds)
Sempre use fundos de assets/background
sempre que uma cena exigir um fundo. Selecione
o fundo mais adequado para o conteúdo e
mantenha a consistência visual ao longo do vídeo.
Efeitos Sonoros
Use efeitos sonoros apenas de assets/mascot/sound-fx.
- Sempre use sons de whoosh para transições, movimentos e mudanças de cena.
- Sempre use sons de pop-up para texto que aparece, ícones, elementos de UI, estatísticas e chamadas.
- Combine todos os outros efeitos sonoros de forma inteligente com a ação na tela.
- Sincronize os sons com precisão com os visuais e use design de som profissional cinematográfico/UI.
- Garanta que toda animação, transição, interação e evento visual importante tenha efeitos sonoros apropriados.
Fonte
A cor do título da fonte deve ser laranja a fonte do corpo deve ser preta
O que Talking Explainer faz?
A voz é o relógio, o apresentador FALA (lip sync), toda ideia é primeiro uma imagem do cotidiano, toda cena tem um
zoom e um momento de ênfase, o visual é Apple, e o filme carrega a marca do usuário. Exemplo prático: "REA -
Reverse Engineer Anything" (129.0s, 12 cenas) - references/example/ (SCRIPT, STORYBOARD, RETIME).
Caminhos usados abaixo:
<skill>= pasta deste skill.<kit>=<skill>/../explainer-kit.<engine>=<skill>/../spatial-film.<home>=TALKING_EXPLAINER_HOMEou~/.talking-explainer; perfil =<home>/profile/(compartilhado com explainer-kit).<py>= o comandopythonsalvo em<home>/config.jsonpela configuração inicial (py -3.12no Windows,python3no macOS).
Execute cada script de filme a partir da raiz do projeto do filme. Os scripts são código comprovado - execute-os, nunca os regenere. Julgue cenas por folhas de contato, nunca lendo o HTML da cena na sessão principal. Os workers recebem CAMINHOS de arquivo.
Regras de Animação do Mascote
Todos os assets faciais são pré-alinhados no Photoshop.
Apenas troca de quadros.
Nunca:
- Misturar poses de boca
- Morfar poses de boca
- Interpolar poses de boca
- Gerar quadros intermediários
- Reposicionar assets
- Rotacionar assets
- Escalar assets
- Distorcer assets
- Auto-alinhar assets
- Auto-centralizar assets
Permitido:
- Poses de boca existentes
- Animação de piscar
- Animação de piscar um olho
Comportamento Natural:
- Piscadas aleatórias a cada 2-5 segundos
- Piscada ocasionalmente mais longa
- Piscar um olho ocasionalmente
- Sincronia labial natural
Objetivo: Comportamento natural do mascote, preservando o alinhamento pixel-perfeito dos assets.
Movimento Adicional:
- Aplicar um movimento sutil de flutuação de 1-2%.
- Adicionar leve balanço de cabeça enquanto fala.
- Escalar para cima e para baixo 0.5-1% para simular respiração.
- Adicionar pequenas mudanças de rotação (-1° a +1°).
- Usar easing lento e suave.
- Nunca permanecer perfeitamente parado por mais de 2 segundos.
Configuração (apenas na primeira execução)
Nenhum <home>/profile/brand.json ainda = execute a Fase S do explainer-kit (verificação de configuração, entrevista de marca + profile.mjs init, voice.md, música). A entrevista de marca define o nome do apresentador (--presenter). Mais duas coisas para este
skill, perguntadas na mesma entrevista:
- As linhas de abertura e encerramento em
voice.md, palavra por palavra, com o primeiro nome do usuário (a abertura com gancho é "<afirmação>? É verdade? aqui, da ... vamos analisar isso."). - O apresentador: a demonstração de fala incluída (um personagem cartoon sério de óculos), ou o personagem do próprio usuário - veja "Seu próprio personagem falante" abaixo.
Padrões (não pergunte novamente)
- Narração no idioma do perfil, no estilo do usuário de
voice.md. Na tela = texto curto em inglês básico (~6 palavras por linha de cabeçalho). O comprimento é livre se a mensagem for transmitida (~150-160 wpm em uma gravação natural). - O usuário grava a tomada a partir do script (seu clone de voz ElevenLabs ou seu próprio microfone). A Fase 1 entrega
o script como parágrafos prontos para colar e AGUARDA um MP3. Gerá-lo via API
(
<engine>/scripts/el-tts.py, chave em envEL, nunca em disco) apenas quando solicitado. - Abertura = gancho primeiro: abra na afirmação mais surpreendente do tópico como uma pergunta, depois a linha de abertura de
voice.md. O NOME do tópico vem no parágrafo 2. Fechamento = a linha de encerramento devoice.md+ octado perfil. - Tópicos conceituais recebem UMA analogia cotidiana contada literalmente (REA: a receita secreta de latte de um café). Tópicos "Como funciona"
sobre a ferramenta ou sistema do próprio usuário recebem uma demonstração passo a passo da coisa real -
references/real-apps.md. O mesmo vale para ferramentas e plataformas de terceiros: nomeie os produtos reais, percorra o fluxo de solicitação real e use o texto, as configurações e os números das próprias plataformas, lidos em suas páginas ao vivo. Padrão: demonstração para qualquer tópico de tecnologia. - Corte curto (<= 30s): ~2.6 palavras/s, 4 parágrafos = 4 quadros (gancho + identificação / nome / a imagem única / fechamento), um fechamento de uma linha, 2 workers x 2 cenas.
- Tópicos de notícias / atualidades: pesquise a cobertura ao vivo primeiro (veículos locais + uma peça aprofundada), depois escreva de forma equilibrada: cada afirmação recebe seu dono na voz ("de acordo com a agência...", "críticos dizem..."), o medo recebe sua escala real, depois uma lista numerada de áreas cinzentas onde declarações oficiais se contradizem ou um detalhe chave não é público, um parágrafo justo sobre o lado positivo, e uma conclusão com perguntas a fazer - nunca um veredito. Qualquer coisa que apenas um resumo de pesquisa disse (a página em si não carregou) permanece no bloco de fatos do SCRIPT.md marcado como "Não verificado, NÃO narrado". 16 quadros / ~700 palavras é aceitável para estes.
- Script a partir de uma transcrição colada: mantenha os fatos da fonte e sua ordem de ideias, reescreva cada linha na
voz do narrador (nunca traduza linha por linha), e corte as partes do apresentador da fonte ("Eu construí...", demonstrações
de código, seu nome). Colagens longas são truncadas em cerca de 50 mil caracteres: nomeie onde o corte caiu no SCRIPT.md, depois
preencha a parte faltante a partir do mecanismo padrão, verificado como qualquer outra afirmação. Salve a colagem em
references/source-transcript.txtno primeiro dia e mantenha as pessoas nomeadas e marcos da fonte. - Pessoas reais = cards de pessoa, nunca etiquetas de nome: retrato (foto duotone ou semelhança ilustrada) + nome + papel em uma linha + ano. Liste cada pessoa nomeada com sua cena no SCRIPT.md sob "Pessoas na tela".
- Visual = Apple: luz branca (
#F5F5F7de fundo), Geist com tracking específico por tamanho, vidro falsificado (.ap-glass- nunca usebackdrop-filterdentro do rig 3D), painéis.ap-window/.ap-dark, molassp()com amortecimento crítico (back.*proibido), moderação (uma ideia por quadro, pulsos <= 1.1), uma espinha LENS azul. Cor = significado, reescrito por filme. O scaffold define tudo isso. - Ícones = Solar (480 Design, https://solar-icons.vercel.app) - bold-duotone para ícones principais, linear para UI
chrome, de
references/icons-solar.html. Nunca Lucide ou Phosphor. A arte é CC BY 4.0: cada entrega dá ao usuário a linha "Ícones: Solar por 480 Design (CC BY 4.0)" na descrição do vídeo. - Movimento: cabeçalhos que se materializam em suas palavras (rise + blur -> 0, spring), animação de UI para qualquer ferramenta, diagramas explicativos, MAIS um push-in de câmera (ZOOM) e uma batida de ênfase (EMPH: pulso, varredura de marcador, desenho de sublinhado, pull de foco, punch-in de número) em toda cena. Lei de suavidade 60fps.
- 1920x1080, 60fps. Logotipo da marca no gancho, logotipo de canto durante o meio, card final = logotipo +
cta.
Fases
| # | Fase | Faça | Portão |
|---|---|---|---|
| 1 | Script + gravação | Pesquise o tópico (fatos reais, com fontes). Carregue <kit>/references/voice-script.md + <home>/profile/voice.md. Abertura com gancho + fechamento acima, sem "!", UMA analogia (ou a demonstração), 12 parágrafos = 12 quadros (formato: references/example/SCRIPT.md). Soletre nomes ditos como letras ("R-E-A"). Afirmações sobre o que a IA "não pode fazer" devem ser verdadeiras para os modelos atuais. Sem números de jargão (páginas, não tokens; contagens arredondadas). Escreva <film>/SCRIPT.md, entregue ao usuário os parágrafos como texto SIMPLES (sem bloco de código, nada após o último parágrafo - eles colam a mensagem inteira no ElevenLabs; dicas de gravação vão em uma mensagem antes disso), AGUARDE o MP3; ffprobe sua duração | a gravação em mãos, duração anotada |
| 2 | Scaffold + timing | node <skill>/scripts/new-talking-explainer.mjs <film> --name <slug> --mp3 <take.mp3>; <py> <kit>/scripts/transcribe.py assets/audio/vo.mp3 src/timing --lang <code> --prompt "<nomes, jargão>"; <py> <kit>/scripts/words.py src/timing/vo-words.json (a folha de dicas) | transcrição corresponde ao script |
| 3 | Storyboard | Escreva STORYBOARD.src.md em tempos GLOBAIS (abaixo) no formato de references/example/STORYBOARD.md: um quadro por parágrafo, cortes em pausas de frases (soma = fim da voz + 2,8s), cabeçalhos um campo por linha (- start: / - duration: / - src:), todo bloco marca suas batidas ZOOM e EMPH em palavras de dica, cor = significado, fatos reais + extras fictícios, uma costura de POSE DE PALCO onde duas cenas compartilham um objeto herói. <py> src/storyboard-local.py -> STORYBOARD.md. Mostre ao usuário a lista de quadros (uma linha cada) | o "vai" deles |
| 4 | Contrato + apresentador + áudio | Edite + execute src/set-film.py (cenas + duração da voz). Edite + execute src/set-presenter.py (poses ~0,1s antes de suas palavras de dica; pensar/andar não têm bocas - nunca enquanto a voz fala). Música de fundo: <py> <engine>/scripts/bgm-cut.py assets/audio/bed.mp3 assets/audio/bgm-edit.wav --len <total> --a 0 <total+3> --fade-out 2,6 (um filme mais longo que a música de fundo repete o corpo: --a 0 <len> --b <bar> <len> --b ... --xfade 0,3) -> <py> <kit>/scripts/master-audio.py --len <total> -> <py> <engine>/scripts/build-presenter.py (imprime "lip sync: N poses") -> <py> <kit>/scripts/build-brand.py (imprime a janela do logotipo de canto). Reescreva cada parte [FILM] do frame.md com um script <engine>/scripts/patch_exact.py. Edite + execute src/set-cues.py. <py> <engine>/scripts/make-harness.py; <py> <skill>/scripts/make-packets.py; node <engine>/scripts/test-scene.mjs m-presenter "<5 vezes>" | folha do apresentador: bocas abertas na fala, poses nas dicas |
| 5 | Cenas | references/workers.md: 6 workers Sonnet x 2 cenas, no máximo 4 de uma vez (uma rodada de correções conta), seu modelo de prompt (lei de zona incl. picos de push, o clamp 0,12, apenas Solar, a barra Apple, nunca inventar números). Revise os meios você mesmo; rodadas de correção para o MESMO worker | toda folha corresponde ao seu bloco, legível na escala da folha |
| 6 | Entrega | <py> <engine>/scripts/fromto-scan.py compositions/s*.html (0) -> <py> <engine>/scripts/assemble.py -> npx hyperframes@<film.json hyperframes> lint . + check . -> <py> <engine>/scripts/seam-check.py + node <kit>/scripts/seam-diff-all.mjs -> node <engine>/scripts/render-final.mjs <slug>-1080p60 (em segundo plano; termina com uma varredura de flash) -> transcreva o RENDER em .hyperframes/work/sync + <py> <kit>/scripts/sync-check.py src/timing/vo-words.json .hyperframes/work/sync/vo-words.json -> <py> <skill>/scripts/frames.py renders/<slug>-1080p60.mp4 frames.jpg --at <um por cena> e --zone --at <cada pico ZOOM> -> node <engine>/scripts/encode-web.mjs renders/<slug>-1080p60.mp4 renders/web --name <slug> --poster <t> -> entregue os caminhos + a linha de crédito Solar | lint/check 0 erros, costuras 0,00% fora da caixa do apresentador, 0 flashes, mediana de sincronia ~0,000s, nada além da linha vermelha em qualquer pico |
Escreva os tempos UMA VEZ, em segundos globais
Converter 20 cenas de tempos de palavra para tempo local de cena manualmente é onde os erros aparecem. Em STORYBOARD.src.md, dê a cada
quadro - start: <global> e marque palavras de dica como "palavra"@g<global>; intervalos ZOOM e tempos "sair por" podem ser números
globais simples. <py> src/storyboard-local.py escreve STORYBOARD.md com cada tempo local, verifica se os inícios encadeiam
e se cada dica cabe em sua cena, e imprime a lista de cenas para set-film.py. SFX (src/set-cues.py) e o
apresentador (src/set-presenter.py) são escritos em segundos globais também.
Troca de gravação / idioma / abertura após a construção (retime, nunca reconstruir)
Uma nova gravação -> faça backup de compositions/, film.json, STORYBOARD.md, src/ para .hyperframes/work/<old>/, mova o
render antigo para renders/<old>/ -> copie a gravação para assets/audio/vo.mp3 -> transcreva -> novos cortes em set-film.py
-> poses do apresentador, música de fundo, master, build-presenter, build-brand, set-cues, make-harness -> escreva RETIME.md (por
cena: cada batida -> sua nova palavra de dica @ tempo local; cenas com conteúdo NOVO recebem um bloco completo; formato
references/example/RETIME.md; "este arquivo prevalece sobre os tempos de STORYBOARD.md") -> corrija a duração do frame.md / janela do logotipo / costuras ->
Envie Mensagem a cada worker IGUAL sua seção de RETIME (4 de cada vez). As cenas ficam MAIS CURTAS em uma gravação mais rápida: diga
aos workers para encurtar molas antes de abandonar uma batida.
Retrato / TikTok / Reels
… [truncado para tradução]