Communitygithub.com

calesthio/generative-media-skills

Fluxo de trabalho de produção independente de provedor para agentes de IA criarem videoclipes, lyric videos, visualizadores, vídeos de performance/narrativa/dança, cortes para redes sociais, ativos de lançamento de álbum ou single e clipes de mídia gerada sincronizados com músicas. Use ao planejar, dirigir, fazer prompt, editar, revisar ou entregar conteúdo de vídeo construído em torno de uma música gravada, performance do artista, letras, ritmo da batida, coreografia, variantes de plataforma, direitos musicais, consentimento de imagem, acessibilidade ou divulgação de mídia sintética.

O que é generative-media-skills?

Este skill capacita agentes de IA a orquestrar a produção completa de videoclipes e ativos de vídeo relacionados, tratando a música como o eixo central e garantindo coerência artística, conformidade legal e adequação à plataforma. Ele oferece um guia estruturado, desde a coleta inicial de informações (intake) e conceituação até a edição final e verificações de direitos, incluindo mapeamento de batidas e frases musicais, direção de performance e coreografia, criação de prompts para vídeos gerados por IA e estratégias de ritmo de edição. Uma característica fundamental é a ênfase em aspectos legais e de segurança, como verificação de direitos autorais, licenciamento, consentimento de imagem e divulgação de conteúdo gerado por IA, além de regras rígidas para evitar aconselhamento jurídico e manter a proveniência de todos os ativos. O skill é independente de provedor, funcionando com ferramentas como Claude, Cursor e Codex, e é ideal para qualquer fluxo de trabalho de produção de vídeo musical que exija precisão, responsabilidade e consistência, desde visualizadores simples até suítes completas de lançamento.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/music-video-production

Perguntar na sua IA favorita

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

Documentação

Produção de Videoclipes Musicais

Use este skill para transformar uma música em um pacote de vídeo coerente, consciente de direitos e pronto para plataforma. Trate a música como a espinha dorsal fixa: o vídeo existe para amplificar sua estrutura, identidade do artista, letras e objetivo de lançamento.

Não trate isso como geração de vídeo genérica. Videoclipes precisam de mapas de batida, mapas de frase, precisão de letras, revisão de sincronia, anotações de direitos, direção de performance, cortes específicos para plataforma e pontos de verificação de aprovação.

Regras básicas

  • Mantenha o áudio principal inalterado, a menos que o artista, gravadora ou cliente aprove uma edição de rádio, edição limpa, edição de stems, mudança de velocidade, fade ou versão reduzida.
  • Nunca invente autorização de direitos. Registre o que está liberado, desconhecido, fornecido pela plataforma, licenciado, livre de royalties, de domínio público ou gerado.
  • Não forneça aconselhamento jurídico. Sinalize questões de liberação, imagem, endosso, sindicato, gravadora, distribuidora ou risco de plataforma para o cliente, detentor de direitos, gravadora, gerente ou consultor jurídico.
  • Verifique novamente as regras da plataforma no momento da produção. Bibliotecas de música, rótulos de IA, ferramentas de divulgação comercial, especificações de anúncios e limites de upload mudam com frequência.
  • Separe fatos documentados de heurísticas de produção. Fatos devem ser rastreáveis a fontes atuais; heurísticas são recomendações criativas.
  • Preserve a proveniência: fonte da música, fonte da letra, stems, edições, modelos, prompts, sementes quando disponíveis, documentos de consentimento, licenças, verificações de plataforma e notas de revisão.

Coleta de informações

Colete informações suficientes antes de conceituar:

  1. Pacote da música
    • arquivo de áudio final, duração, taxa de amostragem, profundidade de bits, alvo de loudness se conhecido
    • título da música, nome do artista, artistas convidados, nome da versão, ISRC/UPC se lançado
    • letras aprovadas, status explícito/limpo, tradução de letras se necessário
    • stems opcionais: vocal, instrumental, bateria, baixo, melodia, ad-libs
    • BPM, tom, fórmula de compasso, rótulos de seção se conhecidos
  2. Lançamento e público
    • objetivo: estreia, visualizador, lyric video, engajamento de fãs, campanha paga, promoção de turnê, lançamento de álbum, teste de hook curto
    • plataformas alvo e proporções de aspecto
    • data de entrega, aprovadores de revisão, ordem de aprovação, diretrizes de marca/artista bloqueadas
  3. Direitos e segurança
    • quem possui ou controla o master e a composição
    • se o uso de sincronia, uso social, uso em anúncios pagos, território, prazo e direitos de plataforma estão liberados
    • se há samples, interpolações, remixes, covers ou stems de terceiros presentes
    • se alguma marca, produto, local, obra de arte, tatuagem, logotipo, adereço ou pessoa reconhecível precisa de autorização
    • se vídeo gerado por IA, voz, imagem, referências de coreografia ou referências de estilo serão usados
  4. Referências criativas
    • 2 a 5 vídeos de referência com o que pegar emprestado: ritmo, iluminação, bloqueio, ritmo de edição, tratamento tipográfico, linguagem de câmera, cor, nível de surrealismo
    • o que não copiar: imagens de artistas, coreografia exata, logotipos protegidos, cenários distintos, estruturas plano a plano

Se o status dos direitos for desconhecido, prossiga apenas com planejamento ou maquetes internas. Não recomende publicação, promoção paga, distribuição ou lançamento público até que a liberação seja resolvida.

Escolha a rota conceitual

Escolha uma rota primária e uma textura secundária. Um vídeo pode mesclar modos, mas não deve parecer seis conceitos não relacionados.

  • Videoclipe de performance: artista ou performer carrega o centro emocional. Melhor quando carisma, entrega vocal, energia da banda ou identidade de estrela importam.
  • Videoclipe narrativo: cenas de história dramatizam o arco emocional da música. Melhor quando as letras implicam conflito, transformação, memória, romance, rebelião, luto ou triunfo.
  • Lyric video: tipografia, timing e design carregam a experiência. Melhor antes do videoclipe oficial, quando as letras são um hook chave ou quando orçamento/tempo é apertado.
  • Visualizador: motivo repetido, loop, mundo ambiente, movimento generativo ou animação simbólica apoia a audição. Melhor para álbuns, canvases de streaming e ativos de lançamento de baixo atrito.
  • Videoclipe de dança ou coreografia: o movimento é o hook. Melhor para faixas rítmicas, desafios de curta duração, participação de fãs e campanhas sociais lideradas por performance.
  • Videoclipe abstrato/mídia gerada: clipes de IA, animação, colagem, simulações ou imagens surreais criam uma lógica de sonho em torno da música. Melhor quando o mundo do artista é mais importante que a história literal.
  • Suíte de ativos de lançamento: combine vídeo principal, cortes de hook verticais, loops de teaser, loops estilo Canvas, snippets de letras, bastidores e miniaturas de plataforma.

Heurística de produção: se a música tem um refrão memorável, projete pelo menos uma assinatura visual repetível para essa frase. Se a música tem uma queda instrumental, projete um payoff visual não lírico: golpe de dança, movimento de câmera, troca de cor, transformação surreal ou explosão de montagem.

Construa o mapa da música

Crie um mapa de batidas e frases antes de escrever listas de planos ou prompts.

Mapa mínimo:

  • código de tempo em mm:ss.mmm
  • seção: introdução, verso, pré-refrão, refrão, pós-refrão, ponte, breakdown, outro
  • contagem de compassos ou frases se disponível
  • fragmentos chave de letras e entradas vocais
  • acentos de batida, fills, drops, paradas, notas de pickup, ad-libs
  • intensidade emocional de 1 a 5
  • alvo de densidade de edição: takes longos, cortes médios, cortes rápidos, risco de estroboscópio, silêncio
  • evento visual: revelação, mudança de movimento, entrada de texto, close-up de performance, transição, batida de história

Exemplo de linha de mapa de batida:

00:45.200-01:07.900 | Refrão 1 | hook repete duas vezes | intensidade 5 | corte na caixa a cada 2 compassos; segure o hook final por 2,5s | texto da letra entra na vocal, não antes | mudança de iluminação herói de azul para vermelho

O mapeamento de frases importa mais do que o BPM bruto. Corte por razões musicais: downbeats, início de letras, fills de bateria, lacunas de respiração, conclusões de rima, quedas de graves, mudanças harmônicas e silêncio. Evite cortar mecanicamente em cada batida, a menos que o gênero e o conceito recompensem essa intensidade.

Roteiro, tratamento e lista de planos

Escreva um tratamento curto antes de prompts ou filmagens.

O tratamento deve incluir:

  • promessa de uma frase: o que o espectador lembrará
  • retrato do artista: icônico, vulnerável, brincalhão, intocável, documental, mítico, anônimo, animado
  • mundo: local, época, cor, textura, clima, iluminação, sensação de lente
  • estrutura por seção da música
  • motivos recorrentes e como eles evoluem
  • o que aparece no refrão 1, refrão 2, refrão final e por que cada um escala
  • regras para letras/texto na tela
  • regras para clipes gerados: nível de realismo, linguagem de câmera, âncoras de continuidade, restrições negativas
  • riscos de aprovação: direitos, imagem, flashing, conteúdo explícito, segurança da marca

Campos da lista de planos:

ID | Código de tempo | Seção | Tamanho do plano | Sujeito | Ação | Câmera/movimento | Iluminação/cor | Requisito de sincronia | Ativo/fonte | Notas

Exemplos de requisito de sincronia:

  • sincronia labial exata com vocal principal
  • golpe de dança no downbeat
  • palavra da letra aparece na sílaba
  • corte de desvio apenas; sem movimento de boca
  • loop deve reiniciar invisivelmente a cada 4 compassos
  • clipe de IA pode derivar; use sob textura instrumental

Direção de performance e coreografia

Para performance:

  • Use playback no set ou em direção de sincronia labial/gerada. O performer deve ouvir a versão de áudio final aprovada ou uma versão de playback alinhada ao código de tempo.
  • Dirija batidas emocionais por seção, não apenas "cante com energia." Exemplo: verso 1 contato visual contido, pré-refrão ritmo acelerado, refrão direto para a lente, ponte de costas, refrão final liberação total do corpo.
  • Capture cobertura segura para sincronia: close-up travado da boca, performance média, wide, inserts de detalhes, movimento exagerado, cortes de desvio sem canto.
  • Evite canto visível em planos não destinados à sincronia exata, a menos que a boca esteja obscurecida ou fora do eixo.
  • Para bandas, mapeie instrumentos em destaque para momentos audíveis. Não corte para um baterista durante um fill só de guitarra, a menos que seja intencionalmente irônico.

Para dança:

  • Marque contagens contra o mapa da música. Anote o nome do movimento, direção do corpo, direção da câmera e quadro de impacto.
  • Mantenha um master wide limpo para continuidade da coreografia, depois adicione close-ups e planos de detalhes.
  • Planeje seções de desafio de curta duração em torno de 5 a 15 segundos de movimento memorável.
  • Se dançarinos gerados por IA forem usados, faça prompt para ritmo amplo e mudança de pose, mas verifique manualmente; o movimento gerado pode não obedecer a contagens exatas.

Letras e texto na tela

Use apenas letras aprovadas. Se as letras não forem fornecidas, peça-as ou transcreva e marque como não aprovadas.

Regras de lyric video:

  • Alinhe as palavras ao vocal principal, não à grade instrumental.
  • Mantenha as quebras de linha musicais: frase, rima, respiração ou unidade semântica.
  • Projete hierarquia para vocal principal, vocal de fundo, ad-lib e legendas não líricas.
  • Não obscureça o rosto do artista em momentos emocionais, a menos que o conceito seja tipográfico em primeiro lugar.
  • Preserve margens seguras para sobreposições de UI vertical e legendas.
  • Forneça um master limpo sem texto, quando viável, para localização e edições futuras.

O texto na tela pode incluir cartões de título, créditos, avisos, data de lançamento, CTA de merch/tour e divulgações. Mantenha as divulgações legíveis e próximas à reivindicação ou conteúdo que esclarecem.

Tradução de prompt para vídeo gerado

Ao usar ferramentas de imagem/vídeo com IA, traduza a direção do videoclipe em prompts de produção. Não peça a um modelo para "fazer um videoclipe" e espere sincronia. A maioria dos sistemas de vídeo gerado é fraca em sincronia labial exata, timing de letras, fidelidade de texto e continuidade, a menos que o provedor suporte especificamente esses controles.

Componentes do prompt:

  • duração do plano e proporção de aspecto
  • identidade do sujeito ou descrição de personagem fictício; evite imagem de pessoa real não autorizada
  • ação em uma frase de movimento clara
  • movimento de câmera e tamanho do plano
  • iluminação, lente, cor, textura, local
  • âncora de timing do mapa da música
  • âncoras de continuidade: guarda-roupa, adereço, cor, ambiente
  • restrições negativas: sem texto aleatório legível, sem dedos extras, sem logotipo, sem boca cantando, sem morphing de rosto, sem flicker

Exemplo de prompt de clipe gerado:

Plano vertical 9:16 de 4 segundos para o refrão final de um videoclipe de indie-pop. Um performer fictício de jaqueta prateada corre por um beco de neon encharcado de chuva, vira-se bruscamente em direção à câmera no downbeat e joga um punhado de glitter que se torna estrelas flutuantes. Câmera na mão, sensação de lente 35mm, ciano e magenta saturados, reflexos no asfalto molhado, payoff de alta energia do refrão. Sem imagem de celebridade real, sem sinais legíveis, sem movimento de boca de sincronia labial, sem estroboscópio, sem logotipos de marca.

Use clipes gerados onde eles são mais fortes: inserts surreais, visualizadores, ambientes, transições, ação simbólica, sequências de sonho e textura. Use ferramentas especializadas de sincronia labial ou avatar, filmagens ao vivo ou animação cuidadosamente dirigida quando a sincronia da boca for essencial para a missão.

Ritmo de edição

A edição de videoclipes deve parecer musicalmente intencional sem se tornar previsível.

  • Estabeleça uma gramática visual na introdução.
  • Use versos para história, intimidade ou construção de mundo.
  • Use pré-refrões para aceleração: movimento de câmera, cortes mais curtos, densidade crescente de texto, transição de cor.
  • Use refrões para a ideia visual mais repetível.
  • Guarde uma escalação para o refrão final: novo local, plano mais aberto, grupo de coreografia, inversão de cor, chuva/fogo/confete, multidão ou transformação abstrata.
  • Deixe letras importantes respirarem. Uma linha poderosa geralmente funciona melhor com uma pausa do que com mais cortes.
  • Crie contraste: montagem densa após uma pausa longa, silêncio após caos, close-up após coreografia ampla.
  • Evite padrões de flash acima dos limites de acessibilidade; não use estroboscópio de quadro completo rápido como solução padrão de "energia".

Use cortes intencionalmente:

  • 6-8 segundos: hook/teaser/loop tipo Canvas; apenas uma ideia.
  • 10-15 segundos: desafio social ou hook de refrão.
  • 20-30 segundos: anúncio social pago ou de lançamento.
  • 45-60 segundos: trecho estendido de curta duração.
  • Duração total: videoclipe canônico ou visualizador.

Sincronia labial e sincronia de playback

Para trabalho ao vivo ou avatar/sincronia labial:

  • Trave a versão de áudio antes de gerar ou filmar planos de sincronia.
  • Use claquete/código de tempo ou palmas visíveis para filmagens ao vivo, quando possível.
  • Alinhe formas de boca a consoantes e inícios de frase; vogais sozinhas são perdoáveis, plosivas não são.
  • Verifique a sincronia em velocidade normal e meia velocidade.
  • Se um plano estiver ligeiramente fora, use cortes de desvio sobre as piores sílabas em vez de esticar o áudio principal.
  • Não altere tom, andamento ou timing da música lançada para se ajustar a visuais gerados, a menos que explicitamente aprovado.

Para sincronia de letras:

  • Verifique todas as repetições de refrão; o timing copiado e colado geralmente se desvia porque a fraseado vocal muda.
  • Confirme se o tratamento de letras censurada/limpa corresponde à versão de áudio distribuída.

Verificações de direitos, créditos e divulgação

Encaminhe ao cliente, detentor de direitos, gravadora, gerente, distribuidor, especialista em plataforma ou consultor jurídico quando algum destes aparecer:

  • música protegida por direitos autorais não é de propriedade/controle do artista ou cliente
  • cover, remix, sample, interpolação, aluguel de batida, loop de estoque ou vocal de terceiros está presente
  • o vídeo será usado em anúncios pagos, parcerias de marca, contextos políticos, indústrias regulamentadas ou endossos
  • imagem de pessoa real, clone de voz, réplica digital, filmagens de arquivo, filmagens de fãs, menores, locais privados, tatuagens, logotipos ou obras de arte aparecem
  • biblioteca de música nativa da plataforma está sendo usada fora de seu contexto permitido
  • mídia gerada imita um artista vivo, celebridade, dançarino, fotógrafo, diretor ou estilo visual reconhecível de forma muito próxima
  • regras de performer sindicalizado, contrato de gravadora, distribuidora ou local podem se aplicar

Fatos documentados a serem aplicados, verificados em 11 de julho de 2026:

  • O YouTube exige que os criadores divulguem conteúdo sintético ou alterado realista que os espectadores possam confundir com uma pessoa, lugar, cena ou evento real; o YouTube diz que usos claramente irreais, animados, efeitos especiais ou de assistência à produção geralmente não são exigidos sob essa ferramenta. Fonte: Blog do YouTube, "How we're helping creators disclose altered or synthetic content" e páginas de divulgação do YouTube Help "How this content was made".
  • O TikTok diz que os criadores devem rotular conteúdo realista gerado por IA e oferece rótulos de IA de criador e automáticos; rotular enganosamente conteúdo não alterado como gerado por IA pode...

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 localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

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 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