Communitygithub.com

render-cartoon-music-video

Monta um videoclipe de animação / cartoon a partir de uma configuração — uma música cantada carrega toda a narrativa enquanto N clipes i2v por compasso (um personagem animado recorrente, um pacote visual) são cortados na janela do compasso pelo beat-tracking do librosa e concatenados rigidamente no compasso, com legendas VEED-whisper brancas em negrito sem fundo no terço inferior (alinhamento 2, acima do logo persistente), logotipo de marca queimado sobre o corpo (suprimido no cartão final) e encerramento com cartão PIL em cor sólida da marca com a música ainda tocando — nunca texto gerado por IA.

O que é render-cartoon-music-video?

A skill `render-cartoon-music-video` monta de forma gratuita e determinística um videoclipe animado de música a partir de um arquivo de configuração JSON. Ela recebe uma música cantada, os timings das palavras via Whisper, uma grade de compassos (bars.json), um clipe por compasso (gerado por create-video-fal), um personagem fixo e um logotipo da marca em SVG. O processo corta cada clipe na janela do compasso, concatena rigidamente, insere legendas brancas sem fundo no terço inferior (acima do logotipo) e o logotipo da marca persistente (suprimido no cartão final), anexa um cartão final em cor sólida com a palavra da marca, tudo com FFmpeg e sem chamadas pagas. A skill é útil para criar anúncios em formato de vídeo musical animado — como o demo da Coinbase — onde a música guia a narrativa visual. Ela é suportada por qualquer ambiente com Python, FFmpeg, librosa e Pillow (PIL), e é a etapa de montagem final após a geração paga dos ativos (música, personagem, keyframes e clipes).

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/render-cartoon-music-video

Perguntar na sua IA favorita

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

Documentação

O que render-cartoon-music-video faz?

Monta um videoclipe de animação a partir de uma configuração: uma história animada / ilustrada / artesanal (stop-motion de feltro e espuma, claymation, 2D cartoon, recorte) onde uma música cantada é todo o roteiro e um personagem animado recorrente carrega cada cena, cortado no compasso com a linha de clímax no drop. Esta capacidade é a montagem GRATUITA e determinística — corte no compasso, concatenação rígida, logotipo da marca + queima de legendas e o cartão final em cor sólida.

scripts/config.example.json é o exemplo prático (Coinbase "Aposte em qualquer coisa", ~55s 1080×1920 9:16, 16 compassos de corpo + um cartão final de 3s — seu visual de feltro, personagem, história e música são escolhas da demo, nunca padrões); scripts/PIPELINE.md mapeia cada bloco de configuração para sua etapa de origem e scripts/README.md documenta a montagem gratuita.

Escolhas

As decisões criativas são do solicitante (a receita do formato de vídeo pergunta ao usuário); esta montagem nunca as escolhe. O valor da demo é apenas um exemplo:

  • Estilo visual / pacote visual (feltro stop-motion, claymation, 2D cartoon, recorte…) — demo: diorama de feltro e espuma.
  • Personagem — a ÚNICA figura animada recorrente — demo: figura de feltro sem gênero definido, com uma camisa azul da marca.
  • Arco narrativo — demo: o azarão vence.
  • Estilo da música + vocal principal — demo: hype dance-pop / EDM-trap, vocal principal masculino meio falado.

Execução

Esta é a etapa de montagem GRATUITA e determinística — não gasta nada. As entradas pagas são capacidades separadas: a música cantada (create-music-elevenlabs, ou um mp3 fornecido pelo usuário + timings de palavras do Whisper) com beat-tracking via librosa para que a GRADE DE COMPASSOS defina a linha do tempo; um personagem fixo e recorrente + um keyframe por compasso em um pacote visual (create-image-fal, Nano Banana); e um clipe Seedance i2v por compasso (create-video-fal). Dados a música + word-timestamps.json + bars.json + um clipe por compasso + o logotipo da marca em SVG, render-cartoon-music-video corta cada clipe na janela do compasso, concatena rigidamente no compasso, queima o logotipo + legendas, anexa o cartão final em cor sólida e multiplexa a música por baixo → o master. Re-cortes reutilizam a música / keyframes / clipes existentes e custam $0.

Contrato (a montagem gratuita)

  • A música cantada carrega a narrativa — sem locução separada. A faixa gerada/fornecida É a base (sem locução para abafar); não adicione narração falada ou uma segunda faixa de fundo.
  • Planeje a linha do tempo em TORNO da GRADE DE COMPASSOS da música entregue. Faça o beat-tracking da música com librosa (assuma 4/4); um compasso = uma cena (padrão). Encaixe cada janela de cena nos limites do compasso — nunca corte a música para se ajustar a uma grade pré-planejada.
  • Legendas a partir dos timings das palavras da música, reescritas contra a letra fixa. Whisper ouve errado sotaques gritados ("APOSTAS" → "Corações"); reescreva os tokens temporizados contra o arquivo de letra fixo (nunca edite a letra para corresponder ao Whisper). VEED-whisper branco negrito sem serifa no TERÇO INFERIOR (Alinhamento 2, margin_v acima do logotipo no canto inferior esquerdo), ~4–5 palavras por legenda, SEM fundo em pílula; as legendas PARAM no limite do cartão final. Nunca no meio do quadro — cobre o personagem (fixo 2026-07). Se o ffmpeg do host não tiver libass, renderize as legendas como sobreposições PIL PNG temporizadas (ffmpeg overlay=…:enable='between(t,st,en)') na mesma posição inferior.
  • Coloque a linha de clímax no drop. A cena do clímax é temporizada para que a linha de recompensa caia no drop do sub-grave; acentue essa linha.
  • Logotipo persistente, suprimido no cartão final. Queime um logotipo branco da marca no canto inferior esquerdo sobre os compassos de corpo (cairosvg → PIL a partir do SVG real), suprimido no cartão final onde o logotipo grande domina.
  • Cartão final via cairosvg + PIL a partir da palavra da marca real — nunca renderize texto da marca com IA. Cartão em cor sólida da marca + logotipo branco + subtítulo, segurando ~3s COM a música ainda tocando por baixo (afade-out sobre a cauda — sem cauda silenciosa). Um modelo de difusão distorce um logotipo.
  • Composição FFmpeg, determinística, GRATUITA. Corte cada clipe na janela do compasso, concatene rigidamente, queime o logotipo + legendas, anexe o cartão final, multiplexe a música sobre o vídeo inteiro com uma cauda afade de 0,5s, loudnorm I=-14 → um master 1080×1920 h264+aac. Sem chamadas pagas, sem chaves. Quando o ffmpeg do host não tiver libass/drawtext, TANTO as legendas quanto o logotipo são sobreposições PIL PNG temporizadas (overlay=x:y:enable='between(t,st,en)'), não uma queima ASS.
  • QC POR CENA, nunca apenas o master — os dois modos de falha são de conteúdo, não de montagem. As etapas upstream de keyframe/i2v podem (a) desviar o personagem do seu visual (feltro → 3D liso "homem" na demo) no meio do caminho (fora do visual escolhido — na demo de feltro, feltro → 3D liso) e (b) alucinar mãos — dedos realistas em uma macro de mão, um dedo apontando em uma cena de "toque no telefone", ou uma mão desencarnada deslizando pela borda do quadro. Ambos se escondem em tamanho de miniatura. Extraia uma folha de contato a 2 fps + um recorte de ROSTO por compasso e um recorte de MÃO (ao longo da duração total de cada clipe), confirme que cada compasso mantém o ÚNICO visual escolhido (a demo: feltro fosco) com o ÚNICO personagem e sem mãos humanas/flutuantes, e verifique novamente os bytes servidos após a publicação. Um compasso desviado significa regenerar o KEYFRAME daquele compasso (não recortar) — veja a receita ETAPA 3/6.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Habilidades Relacionadas