Stickman Animation Studio — /make-video
Transforme um prompt em um cartoon vertical em inglês, de qualidade de estúdio (1080×1920, 30 fps, H.264 + AAC) usando apenas código. Você escreve a história, cria um storyboard com um contrato de sincronia narração-visual explícito, executa o motor embarcado através de seus gates de QA e entrega o MP4 verificado junto com suas fontes.
Opere de forma autônoma. Sem perguntas de confirmação, sem narração de progresso, sem parar no meio do caminho. Se uma etapa estiver bloqueada, trate como um problema de roteamento: tente a próxima ferramenta, o próximo recurso, ou construa você mesmo. Pare apenas quando o vídeo for renderizado, verificado e entregue.
O idioma de produção é exclusivamente o inglês. Narração, diálogo, texto na tela, legendas,
rótulos e textos inseridos são todos em inglês. A narração deve soar como documentário profissional,
educacional ou narrativa animada (references/10-english-voice-direction.md).
0. Investigue suas capacidades, depois adapte
Antes de produzir, inspecione o que ESTE agente/modelo pode realmente fazer e adapte o fluxo de trabalho. Não presuma; verifique. Um minuto aqui evita uma renderização quebrada mais tarde.
| Sonda | Como | Se faltar → adaptação |
|---|---|---|
| Acesso a shell + arquivos | execute node --version | Sem shell → esta habilidade não pode renderizar; recorra ao handoff install/PASTE-THIS-PROMPT.md para um agente de codificação |
| Pesquisa web | Uma ferramenta de busca web está disponível? | Sem busca → escreva a partir do conhecimento interno, marque cada afirmação como "não verificada" em fact-check.md, prefira tópicos atemporais de física/história |
| Visão em imagens | Você consegue ler arquivos de imagem? | Sem visão → confie em engine/scripts/qa_stills.py + engine/scripts/qa_sync.ts (gates de pixels/lexicão) e mencione isso no relatório de entrega |
| Execução em segundo plano | Você pode executar comandos longos em segundo plano? | Não → execute as renderizações em primeiro plano e use --preview primeiro; reserve vários minutos |
| Orçamento de contexto | Contexto muito grande? | Contexto restrito → leia apenas os arquivos references/ que a etapa atual nomeia, um de cada vez; mantenha o JSON da história como a única fonte da verdade |
| Profundidade de raciocínio | Modelo forte → vá além: enriquecimento de cena, mais beats, pesquisa mais profunda | Modelo mais fraco → siga os padrões de referência literalmente; eles são calibrados para produzir bons resultados sem improvisação |
Seja qual for o ambiente, os gates de qualidade (etapas 4, 5, 7) não são opcionais — um fluxo de trabalho mais fraco deven passar pelas mesmas verificações executáveis.
0.5 Resolva o motor
O motor é um projeto Remotion autocontido. Encontre-o nesta ordem:
- Um diretório no projeto atual cujo
package.jsonse chamastickman-studio-engine— use-o. - A pasta
engine/que acompanha este arquivo — copie-a para o workspace (cp -r <skill-dir>/engine ./engine) e executenpm installdentro dela (apenas na primeira vez). - Se nenhum existir, a habilidade foi instalada sem seu motor — clone o repositório da habilidade
e pegue
engine/de lá.
Configuração única dentro do diretório do motor:
npm install # Remotion + three + zod
pip install edge-tts imageio-ffmpeg numpy scipy pillow # narração + áudio procedural + QA
Os 65 SFX, 6 bases musicais e o grão de filme são gerados processualmente na primeira renderização (sem downloads,
sem licenças, sem áudio de terceiros). A narração precisa de internet para edge-tts (gratuito, sem chave);
--no-tts funciona totalmente offline para trabalho de encenação. Apenas vozes em inglês — veja
references/10-english-voice-direction.md para o catálogo de vozes e regras de direção.
1. Pesquise o tópico (em inglês)
- A entrada é um tópico, um título ou um caminho para um arquivo TXT (leia-o se fornecido).
- Pesquise com busca na web antes de escrever. Construa uma tabela de fact-check (afirmação | o que a fonte diz
| URL da fonte) para cada afirmação factual que você narrará →
stories/<slug>/fact-check.md. - Se algo é apenas rumor ou folclore, ou descarte ou marque na narração ("reza a lenda…").
- Prefira o detalhe verdadeiro mais estranho a um inventado mais suave.
2. Escreva o roteiro + escolha a voz
Mire em 190–210 palavras ≈ 60–75 s. Estrutura (siga exatamente):
- Linha 1: gancho paradoxal apresentado como fato simples. Sem saudações, sem "Você sabia".
- Configuração e riscos — herói, lugar, desejo.
- Escalação + uma breve frase citada onde alguém zomba do herói.
- Ponto de virada / pergunta retórica.
- "Veja," + o mecanismo, com uma analogia cotidiana e um gráfico inserido.
- Reviravolta na última linha. Termine com força.
Regras completas de criação: references/04-script-craft.md. Salve o roteiro em stories/<slug>/script.md.
Em seguida, dirija a voz antes de renderizar: escolha provedor/voz/velocidade para o gênero em
references/10-english-voice-direction.md (padrão: en-US-AndrewMultilingualNeural @ +22%;
documentário calmo lê mais devagar). Teste a linha de gancho com uma síntese rápida se não tiver certeza.
3. Verifique e construa recursos
- Liste o que a história precisa: lugares, objetos estáticos, itens segurados.
- Verifique o que existe:
npx tsx scripts/locations.ts --list. Reutilize antes de construir; nunca crie um quase-duplicado; nomeie os recursos pelo que são. - Construa recursos faltantes antes de storyboard — receitas em
references/08-extending-assets.md(localização 3D / objeto 3D / adereço 2D / fundo 2D / roupa). - Verifique novos recursos 3D com
npx tsx scripts/locations.ts --stills --only=<name>.
4. Storyboard COM um contrato de sincronia (o gate de sincronia)
Escreva stories/<kebab-title>.json. Esquema + ids: references/09-schema-reference.md,
engine/src/catalog.ts. Regras de criação: references/05-storyboard-craft.md.
A sincronização narração-visual é obrigatória e verificável por máquina. Cada segmento de narração
(o say de um plano) deve mostrar visivelmente o que diz: lugar certo, hora do dia certa, a ação descrita
como uma pose/beat/prop, objetos mencionados na tela, linhas citadas vinculadas a um ator quote, e continuidade
entre os planos. O timing no nível da palavra dentro de um plano é vinculado com beats (at = uma
palavra falada).
Execute o gate executável e itere até zero erros:
npx tsx scripts/qa_sync.ts stories/<file>.json # verificações de lugar/tempo/ação/objeto/diálogo/continuidade
npx tsx scripts/qa_sync.ts stories/<file>.json --map # imprime a tabela do contrato de sincronia plano a plano
- Todos os ERROS devem ser corrigidos (mude o mundo/tempo/pose/props do plano, ou reformule a narração).
- Revise cada AVISO; corrija-o ou registre por que é aceitável em
stories/<slug>/sync-map.md(gere a tabela com--map; modelo:templates/sync-map.md). - Um léxico específico da história (expressões idiomáticas, substantivos inventados) vai em
stories/<slug>/sync-lexicon.json— veja o modelo.
5. Gate de stills (nunca pule)
npm run make -- stories/<file>.json --stills # um QA still por plano → out/<slug>/stills/
python scripts/qa_stills.py out/<slug>/stills # gate de exposição/frame morto (exit 1 em falha)
Em seguida, inspecione cada still quanto a enquadramento, rostos, props flutuantes, legibilidade, consistência — com sua
própria visão se a tiver, senão agentvision check <file> por still mais o gate de pixels acima.
Corrija e execute novamente até estar limpo. Nunca renderize vídeo antes deste gate passar.
6. Renderize
npm run make -- stories/<file>.json # qualidade total → out/<slug>/<slug>.mp4
npm run make -- stories/<file>.json --preview # rascunho de metade do tamanho primeiro quando não tiver certeza
Execute em segundo plano quando possível; não inicie trabalhos pesados não relacionados simultaneamente. A narração é armazenada em cache por slug e re-sintetizada apenas quando script/voz/velocidade mudam.
7. Verifique (ffprobe + frames + gate de áudio)
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,codec_name -of csv=p=0 out/<slug>/<slug>.mp4
ffmpeg -i out/<slug>/<slug>.mp4 -vf fps=1/5 qa_%03d.jpg # extrai frames ao longo do vídeo
python scripts/qa_audio.py out/<slug>/<slug>.mp4 # gate de loudness/clipping/presença de voz
- Especificações: 1080×1920 (540×960 para
--preview), 30 fps, h264 + aac; duração ≈ narração + 0,6 s. - Frames: primeiro/meio/último não pretos; legendas legíveis; sem plano travado.
- Gate de áudio deve PASSAR: −14 LUFS ±1,5, pico verdadeiro ≤ −1,0 dBTP, energia de voz presente.
8. Loop de reparo, depois entregue
Faça um loop das etapas 4→7 até que todos os gates passem. Orçamento: até 3 rodadas de reparo por gate; se um gate ainda falhar depois disso, entregue com uma nota explícita sobre o que resta (nunca envie silenciosamente uma falha conhecida, nunca pare sem uma entrega).
Entregue como um conjunto: o MP4, script.md, fact-check.md, sync-map.md, o JSON da história, quaisquer novos recursos da biblioteca,
e limites honestos (fato verificado vs. dramatizado; quais gates foram executados e como foram verificados).
Barra de qualidade (não negociável)
- Sincronia: os visuais mostram exatamente o que a narração comunica — zero contradições, zero planos mortos. Quando narração e animação contariam duas histórias diferentes, reescreva o storyboard.
- Personagens expressivos: reações nos beats, poses que se leem em silhueta, uma fonte de luz consistente por cena; vida ociosa (respiração/piscar/andar) é automática — movimento intencional por cima.
- Cinematografia: escada de enquadramento por cena, variedade de câmera (o gate de sincronia sinaliza ≥3 planos idênticos de enquadramento+câmera em sequência), um propósito visual claro por plano.
- Som nunca luta com a voz: ducking é automático;
sfxmanual apenas para momentos específicos; o gate de áudio aplica loudness e sem clipping. - Sem repetição, sem desleixo: varie enquadramentos, transições e reações; ≤ 2 fx por plano; ≤ 1 inserção a cada 8–10 planos.
- Sem imagens ou vídeos gerados por IA, sem serviços de geração de imagens, sem APIs pagas. Nunca.
- Inglês apenas — narração, diálogo, texto na tela, legendas.
Material de referência aprofundado (leia por etapa, não tudo de uma vez)
| Arquivo | Leia para |
|---|---|
references/01-animation-principles.md | movimento, easing, antecipação, ação secundária — conforme o motor os implementa |
references/02-character-system.md | o rig do stickman: proporções, construções, poses, rostos, consistência |
references/03-scenes-camera-light.md | camadas de paralaxe, enquadramento, movimentos de câmera, iluminação, paletas fixas |
references/04-script-craft.md | estrutura do roteiro, ganchos, analogias, orçamento de palavras |
references/05-storyboard-craft.md | gramática do plano, beats, transições, o contrato de sincronia |
references/06-sound-design.md | ducking, mapa de SFX automático, humores musicais, regras de conforto, gates de áudio |
references/07-rendering-qa.md | todos os gates de QA, verificações de pixels, ffprobe, loops de reparo |
references/08-extending-assets.md | receitas: localização/objeto 3D, adereço/fundo 2D, roupa, sfx |
references/09-schema-reference.md | todos os campos do JSON da história, com padrões e restrições |
references/10-english-voice-direction.md | o catálogo de vozes em inglês, direção, ritmo, fallback offline |