Communitygithub.com

calesthio/generative-media-skills

Direção de produção de localização e dublagem independente de provedor para agentes de IA que produzem vídeos traduzidos, anúncios dublados, clipes sociais, explicadores, vídeos de avatar, documentários, mídia de treinamento e campanhas multimercado.

O que é generative-media-skills?

Esta skill capacita um agente de IA a atuar como diretor de produção de localização e dublagem, transformando um vídeo de origem em variantes localizadas prontas para o mercado. Ela vai além da simples tradução de palavras, fornecendo orientação estratégica sobre adaptação de roteiro, escolha entre legendas, dublagem por frase ou lábio-sincronizada, diretrizes de acessibilidade e controle de qualidade. A skill organiza o processo de localização em etapas: classificação do conteúdo (entretenimento, anúncio, treinamento, etc.), coleta de requisitos, preparação de ativos, tradução em duas etapas (significado e adaptação), construção de glossário, direção de elenco e vozes, e revisão final. Ela também documenta fatos (como requisitos da WCAG e políticas de plataforma), observações empíricas (como as limitações de sistemas de dublagem por IA) e heurísticas de produção (como priorizar a intenção sobre a tradução literal). É compatível com qualquer plataforma de agente de IA que siga o esquema de skills, como Claude Code, Cursor ou Codex, e é ideal para campanhas multimercado, vídeos explicativos, anúncios, conteúdo de treinamento e muito mais.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/localization-dubbing-production

Perguntar na sua IA favorita

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

Documentação

Produção de localização e dublagem

Use esta skill para transformar um vídeo de origem em variantes localizadas prontas para o mercado, sem tratar a tradução como uma simples troca de palavras. Direcione a estratégia de localização, adaptação de roteiro, abordagem de voz, sincronia, acessibilidade, verificações de direitos, ciclo de revisão e controle de qualidade antes de escolher qualquer provedor ou modelo.

Isto é uma orientação de produção, não um aconselhamento jurídico. Quando o trabalho envolver contratos de talentos, artistas cobertos por sindicatos, dados biométricos/de voz, direitos de imagem, conteúdo político, alegações regulamentadas, menores de idade, alegações de saúde/finanças/jurídicas ou mídia paga em várias jurisdições, solicite uma revisão jurídica qualificada e/ou do mercado local antes do lançamento.

Postura probatória

Os fatos documentados nesta skill são baseados nas fontes listadas no final e foram verificados em 2026-07-10, salvo indicação em contrário. Observações empíricas são padrões de produção recorrentes observados em trabalhos de localização/dublagem e devem ser verificados em relação à mídia de origem real. Heurísticas de produção são regras de decisão para agentes; substitua-as quando um briefing do cliente, especificação de plataforma, lei, requisito de acessibilidade ou revisor nativo disser o contrário.

Comece classificando o trabalho

Identifique o tipo de conteúdo antes de fazer escolhas de localização:

  • Entretenimento, documentário, depoimento, notícias ou conteúdo de criador: preserve a voz, identidade, especificidade cultural e confiança. Legendas podem ser mais honestas que a dublagem para depoimentos ou jornalismo.
  • Anúncio, lançamento de produto, demonstração de aplicativo, clipe social, vídeo de avatar ou explicador: otimize a compreensão, retenção, tom da marca e comportamento da plataforma. Dublagem ou regravação nativa geralmente vale o custo.
  • Treinamento, conformidade, mídia médica, financeira, jurídica ou do setor público: priorize precisão, controle de terminologia, acessibilidade, revisão rastreável e aprovações auditáveis em detrimento de atalhos de fluência.
  • Público infantil/familiar, com baixa alfabetização ou em dispositivos móveis com som desligado: não presuma que apenas as legendas são suficientes; considere dublagem, legendas descritivas, reforço visual e carga de leitura mais simples.
  • Drama de alta emoção, apresentador em close, avatar ou anúncio com foco em rosto: decida cedo se a sincronia labial é necessária, pois isso altera o roteiro, elenco, edição e carga de controle de qualidade.

Pergunte ou deduza estes itens essenciais:

  1. Idioma de origem, locais-alvo, público, plataforma, data de lançamento e região.
  2. Contratos/permissões existentes para voz, imagem, música, pessoas na tela e processamento sintético.
  3. Ativos de origem: vídeo final, faixas separadas de diálogo/música/efeitos (se disponíveis), transcrição, legendas, guia de marca, termos de produto aprovados, alegações de campanha, isenções legais e projeto de edição ou lista de planos.
  4. Modo de entrega por local: legendas, SDH/legendas descritivas, voz sobreposta, dublagem por frase, dublagem labial, performance de avatar localizada ou corte de mercado totalmente reeditado.
  5. Revisores: revisor de idioma nativo, revisor de marca/jurídico, revisor de conteúdo técnico, revisor de acessibilidade e aprovador final.

Separe fatos, observações e heurísticas durante o planejamento

Fatos documentados para levar para a produção:

  • WCAG 2.1 requer legendas descritivas para áudio pré-gravado em mídia sincronizada no Critério de Sucesso 1.2.2 Nível A e legendas ao vivo no 1.2.4 Nível AA. A descrição de áudio é separadamente exigida no 1.2.5 Nível AA quando a informação visual não está disponível de outra forma.
  • A FCC descreve a qualidade das legendas ocultas de TV em torno de precisão, sincronicidade, completude e posicionamento. Mesmo quando as regras da FCC não se aplicam a um determinado produto web/social, essas dimensões são categorias úteis de controle de qualidade de legendas.
  • Os requisitos gerais de texto temporizado da Netflix especificam duração mínima de evento de legenda de 5/6 segundos e máxima de 7 segundos para entregas na Netflix; não aplique limites específicos da Netflix cegamente a plataformas que não sejam da Netflix, mas use-os como uma verificação de realidade para legibilidade.
  • A ISO 17100:2015 define requisitos para processos e recursos essenciais de tradução para serviços de tradução; seu resumo público afirma que a saída de tradução automática bruta mais pós-edição está fora de seu escopo.
  • O áudio multilíngue do YouTube permite que criadores elegíveis enviem faixas de áudio em idiomas adicionais para um vídeo ou Short; as faixas enviadas devem ser apenas de áudio e ter aproximadamente a mesma duração do vídeo. A dublagem automática do YouTube é separada e pode conter erros de pronúncia, dialeto, expressões idiomáticas, nomes próprios, jargões, reconhecimento de fala ou correspondência de voz.
  • O YouTube exige que os criadores divulguem conteúdo gerado por IA realista ou significativamente alterado por IA no Studio; o YouTube afirma que a divulgação não é necessária para a criação de legendas e lista a clonagem da própria voz para narrações ou dublagens entre exemplos que os criadores não precisam divulgar, mas esta é uma política da plataforma, não uma autorização de direitos abrangente.
  • WebVTT é um formato de trilha de texto do W3C para legendas/legendas descritivas, descrições, capítulos e metadados sincronizados no tempo.
  • A NAVA define consentimento ativo para vozes sintéticas/de IA como uma renúncia/acordo afirmativo pelo artista ou representante, excluindo todos os outros usos. Os recursos públicos de IA do SAG-AFTRA enfatizam consentimento, divulgação e proteções de réplica digital em contextos sindicais.

Observações empíricas a verificar em cada projeto:

  • Traduções literais frequentemente quebram timing, humor, correspondência com interface na tela, nuances legais e tom da marca.
  • Os sistemas de dublagem por IA têm maior probabilidade de falhar em falantes sobrepostos, áudio ruidoso, sotaques regionais, nomes, siglas, piadas, sarcasmo, alternância de código, fala rápida, músicas e jargões de domínio.
  • Os espectadores toleram sincronia mais frouxa em narração, treinamento, explicadores e voz sobreposta fora da tela do que em performance humana em close, depoimentos, drama ou avatares.
  • Alguns locais esperam dublagem como padrão para entretenimento; outros preferem legendas para autenticidade. Trate isso como pesquisa de mercado, não como uma regra universal.

Heurísticas de produção:

  • Localize a intenção primeiro, a redação em segundo, o timing em terceiro. Uma frase fluente que perde a alegação, piada ou chamada para ação está errada.
  • Trave a edição de origem antes da localização, a menos que o plano de localização inclua explicitamente recortes por mercado.
  • Construa uma base terminológica antes de traduzir mais que uma amostra. Corrigir terminologia após a gravação é caro.
  • Use revisores nativos para adequação ao mercado, não apenas revisores bilíngues para precisão de dicionário.
  • Prefira dublagem por frase em vez de labial quando a boca não for central para a confiança ou imersão; gaste o orçamento de sincronia labial apenas onde o rosto vende a performance.
  • Trate todo pedido de voz sintética, voz clonada, reencenação facial e sincronia labial de avatar como uma barreira de consentimento e divulgação antes da produção, não como uma questão burocrática pós-entrega.

Escolha legendas, legendas descritivas, voz sobreposta, dublagem por frase ou labial

Use o modo mais leve que atenda aos objetivos de compreensão, confiança, acessibilidade e plataforma.

Legendas geralmente são mais fortes quando:

  • A performance original, depoimento, sotaque, música ou autenticidade documental são importantes.
  • Orçamento ou cronograma não podem suportar elenco nativo, direção, mixagem e controle de qualidade.
  • O conteúdo é assistido com som ligado e a carga de leitura é razoável.
  • Restrições legais ou técnicas tornam arriscado substituir a voz original.
  • A fonte tem muitos falantes, mas a sincronia labial visível não é necessária.

Legendas descritivas/SDH são exigidas quando a acessibilidade está no escopo:

  • Inclua diálogo, identificação do falante quando necessário e áudio não falado significativo, como dicas musicais, efeitos sonoros, vozes fora da tela, risos, alarmes ou áudio de ambientação.
  • Legendas descritivas não são meramente legendas traduzidas; elas representam informações de áudio para espectadores que não podem ouvi-lo.
  • Para acessibilidade localizada, crie legendas descritivas para o áudio localizado, não apenas legendas traduzidas da fonte.

Voz sobreposta geralmente é mais forte quando:

  • Os falantes originais podem permanecer audíveis sob uma base de narração traduzida.
  • O conteúdo é documentário, notícias, treinamento, webinar, entrevista ou educacional, e a sincronia facial perfeita pareceria artificial ou desnecessária.
  • Velocidade e clareza importam mais que a ilusão de que a pessoa está falando o idioma alvo.

Dublagem por frase geralmente é mais forte quando:

  • A voz localizada deve começar e terminar perto das frases do falante original, mas a correspondência exata do formato da boca não é necessária.
  • A fonte contém planos de apresentador, demonstrações, explicadores, treinamento corporativo ou anúncios com visibilidade facial moderada.
  • O roteiro pode ser adaptado para corresponder à duração da frase, preservando uma performance natural no idioma alvo.

Dublagem labial geralmente é mais forte quando:

  • O público vê bocas em close, performance emocional, personagens, avatares ou talento falando diretamente para a câmera.
  • A versão localizada deve criar a ilusão de que a pessoa na tela está falando o idioma alvo.
  • O orçamento suporta adaptação, elenco, direção de voz, retomadas, alinhamento e controle de qualidade visual.

Evite dublagem labial quando:

  • A fonte é principalmente narração fora da tela, captura de tela, demonstração de produto ou gráficos em movimento.
  • A expansão do idioma alvo forçaria uma fala apressada e não natural.
  • Faltar consentimento para manipulação de rosto/voz.
  • A produção não puder arcar com o controle de qualidade linguístico e de desempenho nativo.

Construa o briefing de localização

Produza ou solicite um briefing com:

  • Locais de origem e destino, não apenas idiomas: por exemplo, espanhol para o México, espanhol para a Espanha, francês para o Canadá, árabe MSA versus dialeto, português do Brasil versus Portugal.
  • Público: idade, experiência, alfabetização, contexto cultural, necessidades de acessibilidade e modo de visualização provável.
  • Propósito: informar, persuadir, treinar, entreter, converter, cumprir, apoiar ou construir confiança.
  • Voz da marca: formal/informal, tolerância a humor, política de pronomes/registro, tons proibidos, slogans aprovados.
  • Restrições de mercado: alegações legais, isenções médicas/financeiras, terminologia regulamentada, sensibilidade política, restrições religiosas/culturais, unidades/moeda/formatos de data.
  • Plataforma/entrega: áudio multilíngue do YouTube, legendas incorporadas em redes sociais, pacote de texto temporizado OTT, módulo de treinamento LMS, transmissão, upload de anúncio pago, vídeo no aplicativo ou arquivo de capacitação de vendas.
  • Alvo de sincronia: sem sincronia, sincronia temporal, sincronia por frase, sincronia labial, sincronia labial de avatar ou corte nativo reeditado.
  • Caminho de revisão: quem aprova terminologia, alegações, performance, acessibilidade e entrega final.

Prepare os ativos de origem antes da tradução

Não comece apenas com uma transcrição automática, a menos que não exista fonte melhor. Crie um pacote de localização de origem:

  • Vídeo de origem travado com referência de timecode.
  • Transcrição de diálogo com identificadores de falante, timecodes, notas de fala sobreposta, status fora da tela/na tela e sinalizadores de inaudibilidade.
  • Notas de intenção por seção: piada, aviso, batida emocional, alegação de produto, CTA, isenção legal, instrução de segurança, relacionamento de personagem ou revelação de enredo.
  • Texto na tela, strings de interface, gráficos, terços inferiores, legendas, legendas descritivas, cartelas de título, cartelas finais, sobreposições e placas legais.
  • Lista de pronúncia para nomes, produtos, siglas, lugares, termos inventados e terminologia de domínio.
  • Faixas de música/efeitos/diálogo ao dublar ou remixar.
  • Notas de direitos para talento, música, filmagens de arquivo, clipes gerados por usuários, figuras públicas, menores de idade e processamento sintético.

Se a fonte não estiver travada, marque cada artefato downstream como provisório. Uma edição de origem alterada pode invalidar legendas, sincronia de dublagem, gráficos localizados e aprovações.

Traduza para o propósito, depois adapte para o tempo

Use um processo de roteiro em duas etapas:

  1. Etapa de significado: traduza todas as alegações, instruções, batidas da história, intenção emocional, terminologia, nomes, números, declarações de segurança/legais e chamadas para ação com precisão para o local alvo.
  2. Etapa de adaptação: reformule as linhas para velocidade de leitura, duração da frase, visibilidade da boca, respiração do artista, expressão idiomática do mercado, voz da marca e contexto na tela.

Mantenha uma tabela de linhas para trabalhos dublados:

CampoPropósito
Timecode de entrada/saída da fontePreservar o timing e tornar as retomadas rastreáveis.
FalanteApoiar decisões de elenco, rótulos de legenda e mixagem.
Linha originalManter os revisores ancorados.
Significado literalEvitar que a adaptação se afaste da intenção.
Linha de performance localizadaA linha realmente gravada/sintetizada.
Restrição de sincroniaSem sincronia, sincronia temporal, sincronia por frase, sincronia labial, fora da tela ou pode recortar.
PronúnciaNomes, termos de produto, siglas, termos regionais.
Notas do revisorNotas de marca/jurídico/cultural/acessibilidade e status.

Para legendas, preserve o significado e a legibilidade, em vez de cada palavra da fonte. Para legendas descritivas, preserve a informação de áudio. Para dublagem, preserve a intenção da performance e o timing, permanecendo natural no idioma alvo.

Construa glossário e controles de estilo

Crie uma base terminológica do projeto antes da localização em lote:

  • Nomes de produtos: traduza, translitere ou deixe inalterado.
  • Strings de interface: corresponda exatamente à interface do produto enviado; não invente rótulos locais.
  • Slogans de marca e linhas de campanha: marque traduções aprovadas ou "transcrie, não literalize".
  • Termos legais, de segurança, médicos, financeiros e de conformidade: exigem aprovação de especialista no assunto.
  • Unidades, moeda, datas, números de telefone, endereços, medidas, honoríficos e formalidade/registro.
  • Nomes de concorrentes, marcas registradas, referências culturais, expressões idiomáticas, frases proibidas e palavras sensíveis.
  • Pronúncia: AFI, pronúncia em linguagem simples, ênfase e variantes aceitáveis.

Para campanhas multimercado, crie um glossário global com substituições por local. Não force uma única linha de espanhol/francês/árabe/etc. entre mercados quando o uso, a regulamentação ou a expectativa do público diferirem.

Escolha e dirija vozes

Combine a função comunicativa antes da similaridade superficial:

  • Papel: narrador, especialista, cliente, fundador, instrutor, personagem, criança, idoso, agente de suporte, avatar, locutor.
  • Performance: calorosa, urgente, credível, lúdica, contida, premium, conversacional, técnica, reconfortante, cômica.
  • Atributos vocais: extensão, ritmo, energia, articulação, impressão de idade quando relevante, sotaque/dialeto, respiração, autoridade, textura.
  • Adequação cultural: performance nativa ou quase nativa no local alvo, conforto com expressões idiomáticas, registro e pronúncia corretos.
  • ...

[truncado para tradução]

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

Habilidades Relacionadas