Vídeo em Russo
Este skill é um complemento leve. O trabalho pesado é feito por programas (ffmpeg, Whisper) e pelos skills oficiais HyperFrames da HeyGen; aqui estão apenas a rota e as regras para vídeos russos. Dos skills HyperFrames, leia apenas o necessário para a tarefa, não todos.
Primeira execução: configurar para este computador
Funciona apenas no Claude Code (aplicativo, VS Code ou terminal): requer programas instalados no computador.
Primeiro, leia configuracoes.md ao lado deste arquivo. Se já houver o computador registrado, não verifique nada – use os comandos de lá (próprio python, caminho para ffmpeg, modelo, --cpu ou não). Se o arquivo estiver vazio ou algo do registrado parou de funcionar – siga a configuração abaixo e salve o resultado lá.
Configuração única:
| O quê | Verificação | Para quê |
|---|---|---|
| ffmpeg / ffprobe | ffmpeg -version | áudio e quadros do vídeo |
| Python 3.10+ com faster-whisper e yt-dlp | python -c "import faster_whisper, yt_dlp" (no Mac – python3) | transcrição, download por link |
| Node.js | node -v | HyperFrames |
| Skills HyperFrames | se o skill hyperframes está na lista de skills | edição, sobreposições, animação |
| Placa de vídeo NVIDIA (opcional) | nvidia-smi (nome e memória) | transcrição dezenas de vezes mais rápida |
| Whisper já instalado | pip list (faster-whisper, openai-whisper, whisperx), pastas de modelos, perguntar ao usuário | não instalar outro |
Whisper próprio. Se o usuário já possui faster-whisper e modelos baixados – não instale outro: passe ao script o caminho da pasta do modelo via --model <caminho> ou defina HF_HOME para o cache dele. Se houver outro Whisper (openai-whisper, whisper.cpp, whisperx) – pergunte se deseja mantê-lo. Se mantiver, faça a transcrição com ele e depois converta o resultado para o formato do nosso script (words: {"words":[{"text","start","end","type":"word"}]}, flat: a mesma lista de palavras sem wrapper) – é exatamente este formato que os skills HyperFrames esperam.
Modelo para placa de vídeo (faster-whisper):
| Computador | O que usar |
|---|---|
| NVIDIA 6 GB+ VRAM | large-v3-turbo na placa (padrão) – melhor em russo |
| NVIDIA 4 GB | large-v3-turbo com --compute int8_float16 ou --model medium |
| Sem NVIDIA (incluindo Mac, AMD, notebook com gráficos integrados) | --cpu, modelo small (rápido) ou large-v3-turbo (mais preciso, mas muito mais lento) |
Teste em um trecho curto (ffmpeg -t 10) do seu vídeo: se na placa de vídeo cair com erro CUDA ou de memória – instale as bibliotecas abaixo ou use um modelo menor. Mostre a velocidade e qualidade ao usuário e escolha com ele.
Se faltar algo – liste para o usuário o que e quanto pesa, e instale apenas com o consentimento dele. No Windows, pergunte em qual disco instalar, se o C tiver pouco espaço.
- ffmpeg, Node, Python: Windows –
winget install Gyan.FFmpeg,winget install OpenJS.NodeJS.LTS,winget install Python.Python.3.12; Mac –brew install ffmpeg node python. - Bibliotecas:
python -m pip install faster-whisper yt-dlp. Windows com placa NVIDIA – tambémpython -m pip install nvidia-cublas-cu12 "nvidia-cudnn-cu12==9.*". - Skills HyperFrames:
npx skills add heygen-com/hyperframes --all(github.com/heygen-com/hyperframes, Apache 2.0). - Modelo Whisper (~1,6 GB) baixará sozinho na primeira transcrição para o cache HuggingFace. Outro local – variável
HF_HOME. - A pedido do usuário: desligar telemetria HyperFrames com as variáveis
HYPERFRAMES_NO_TELEMETRY=1eDO_NOT_TRACK=1.
Ao final da configuração, salve tudo em configuracoes.md (seguindo o template no arquivo): qual python e ffmpeg, placa de vídeo, modelo e flags escolhidos, onde está o cache dos modelos, velocidade no teste. Daí em diante, execute os comandos das seções A e B com essas flags.
Nosso script de transcrição é scripts/transcribe.py ao lado deste arquivo. Ele detecta a placa de vídeo sozinho; sem ela, processa na CPU. Flags: --model (nome ou caminho para seu modelo), --compute, --cpu.
Relatórios "feedback" do HyperFrames após render não envie sem permissão. Execute npx hyperframes skills update apenas com consentimento do usuário. A voz integrada Kokoro não fala russo: voz de fundo – gravação do próprio usuário ou seu serviço de locução.
A. Assistir e analisar vídeo
- Obter o arquivo. Caminho de arquivo use como está, não altere o original. Link baixe para pasta temporária:
python -m yt_dlp --no-playlist -o "<pasta>/video.%(ext)s" --print-to-file "%(uploader)s | %(duration)s s | %(like_count)s curtidas | %(comment_count)s coment. | %(description)s" "<pasta>/info.txt" <link>Para YouTube, se precisar apenas do texto, tente primeiro as legendas:--write-auto-subs --sub-langs ru --skip-download. Instagram e grupos Telegram fechados podem exigir login – então peça ao usuário para baixar o arquivo manualmente. - Descobrir que tipo de arquivo é:
ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <vídeo>. - Transcrever:
python scripts/transcribe.py <vídeo> --out <pasta>/transcript.txt(texto com timestamps). - Quadros em grids (12 quadros por imagem – economiza tokens):
vertical:
ffmpeg -v error -y -i <vídeo> -vf "fps=1/2,scale=216:-2,tile=6x2:padding=4:color=white" <pasta>/sheet_%02d.jpghorizontal: o mesmo comscale=320:-2,tile=4x3. Para vídeos com mais de 2 minutos –fps=1/5ou1/10. Leia os grids como imagens. - Resposta: autor e números (se houver), formato do vídeo, transcrição (ou resumo, se longo), o que se vê no quadro, e separadamente – o que disso é útil para o usuário. Se o vídeo contiver exageros – diga honestamente.
B. Fazer vídeo via HyperFrames
Qual skill usar:
| Tarefa | Skill |
|---|---|
| qualquer vídeo, por onde começar; não sabe qual pegar | hyperframes (entrada principal, ele mesmo direciona) |
| legendas para vídeo onde alguém fala para a câmera: 1–3 palavras, palavras-chave coloridas, karaokê | embedded-captions |
| gráficos sobre vídeo com fala: sobreposições, ícones, inserções "no celular", split, círculo | talking-head-recut |
| animação curta sem fala até ~30 s: abertura, números, logotipo, mockups de interfaces, "antes → depois" | motion-graphics |
| estrutura do vídeo: camadas, tempo de aparecimento das sobreposições, inserções de vídeo | hyperframes-core |
| como as sobreposições deslizam, stickers, "golpes" de palavra na tela inteira, texto cinético | hyperframes-animation |
| zoom in e zoom out da câmera, aproximações suaves | hyperframes-keyframes |
| música, sons, ícones, processamento de inserções | media-use |
| verificação, montagem em MP4, remoção de fundo (inserção "por cima do ombro") | hyperframes-cli |
| efeitos prontos (glitch, confete, gráficos), volume de música sob a voz, cores e fontes | hyperframes-registry, hyperframes-audio, hyperframes-creative |
O skill hyperframes pelas regras do HyperFrames é lido primeiro; para tarefas simples, seu SKILL.md é suficiente, sem manuais de referência.
Prepare a transcrição com nosso script (entende melhor o russo e dá tempo exato das palavras), não com o hyperframes transcribe embutido:
- para
embedded-captions:python scripts/transcribe.py <vídeo> --out <pasta de trabalho>/transcript.json --format words– o skill pegará automaticamente otranscript.jsonpronto; - para
talking-head-recut: o mesmo com--format flat(array plano de palavras), pule a etapa de transcrição do skill. Antes de usar, leia a transcrição e corrija erros de reconhecimento (nomes, marcas, termos). Mostre a lista de correções ao usuário em uma única linha.
Projeto: pergunte em qual pasta salvar. Dentro dela: originais/ (cópias dos arquivos fonte – não altere nem exclua os originais), arquivos de trabalho do HyperFrames, pronto/ para MP4 finais.
Formatos: Reels/Shorts/Stories – 1080×1920, 9:16, 30 fps; YouTube – 1920×1080; post – 1080×1350.
Legendas e sobreposições em russo
- Fonte obrigatoriamente com cirílico. Muitas fontes "modernas" não o têm (Bebas Neue e Anton do Google Fonts; Bebas tem versões cirílicas separadas) – verifique antes da render. Confiáveis: Oswald, Golos Text, Manrope, Montserrat, Unbounded, Inter, Rubik, Onest. Prefira um
.woff2local na pasta do projeto em vez de Google Fonts pela rede. - 2–4 palavras por linha. Preposições e conjunções (em, no, na, com, para, de, e, ou, mas) não deixe no final da linha – transfira para a próxima palavra.
- Aspas angulares «», travessão conforme as regras da língua russa, números em algarismos.
- CAIXA ALTA – apenas para ênfases curtas (1–3 palavras), não frases inteiras.
- Legendas não devem cobrir o rosto nem a zona inferior da interface do Reels (botões, legenda) – mantenha na área segura. O hook – no centro do quadro ou um pouco abaixo, não na borda superior.
- Se na pasta do skill houver
marca.mdpreenchido (fontes, cores, como enfatizar) – use-o. Se estiver vazio – pergunte ao usuário sobre o estilo uma vez e sugira salvar a resposta lá.
Antes de dizer "pronto"
Mostre o plano (o quê, onde, qual estilo) antes de uma render longa. Após a render, extraia um grid de quadros do resultado (item A4), examine você mesmo: o texto é legível, não ultrapassa a borda, o cirílico está correto, sincronizado com a fala. Só então entregue o caminho para o arquivo em pronto/.