Communitygithub.com

Montagem de Vídeo Musical Cinematográfico

Monte um videoclipe cinematográfico em estilo live-action a partir de um arquivo de configuração: uma música original cantada conduz a narrativa enquanto clipes i2v com aparência de filme 35mm são cortados para suas respectivas janelas de letra e concatenados na batida em um arco de 3 atos, com a música mixada em loudnorm I=-14, legendas serifadas em terço inferior construídas a partir das próprias marcações de tempo da música (nunca Whisper), com o refrão caindo no drop do coro, e finalizado com um cartão de marca composto a partir do ativo real — nunca texto renderizado por IA. Esta é a fase de montagem determinística GRATUITA (corte para janela + concatenação + mixagem + legendas + cartão final); a música, os keyframes e os clipes vêm de create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use para o formato de videoclipe cinematográfico.

O que é Montagem de Vídeo Musical Cinematográfico?

Esta habilidade (skill) monta um videoclipe publicitário cinematográfico a partir de um arquivo de configuração, simulando um curta-metragem em estilo live-action. A música original cantada é a trilha sonora, e cada batida visual é um tableau com aparência de filme (grão Kodak Portra, vazamentos de luz, luz natural, imperfeição de câmera na mão), sincronizado com as letras e organizado em um arco de 3 atos, com o refrão caindo no drop do coro. A fase de montagem é totalmente **gratuita e determinística**: cortar clipes para a janela da letra, concatená-los na batida, mixar a música, queimar legendas e adicionar o cartão final da marca. Os únicos custos são com a geração dos ativos de entrada: a música cantada (via `create-music-elevenlabs`, sem instrumental forçado), os keyframes com aparência de filme 35mm (via `create-image-gpt-image-fal`) e os clipes i2v (via `create-video-fal`). A habilidade lê as escolhas criativas do usuário (estilo da música, vocalista, elenco, cenário, arco narrativo) através do arquivo de configuração, sem hardcodar nenhuma delas. A saída é um mestre 1080×1920 h264+aac, utilizando apenas FFmpeg, sem chamadas pagas ou chaves de API. É ideal para produtores de conteúdo que desejam criar vídeos publicitários de alta qualidade visual com roteiro musical original, sem depender de edição manual complexa.

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

Perguntar na sua IA favorita

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

Documentação

render-cinematic-music-video

Monte um videoclipe cinematográfico a partir de um arquivo de configuração: um curta-metragem em estilo live-action onde uma música original cantada é a trilha sonora e cada batida visual é um tableau com aparência de filme (grão Kodak Portra, vazamentos de luz, luz natural, imperfeição de câmera na mão), sincronizado com as letras, organizado em um arco de 3 atos (cuja forma é a escolha story_arc do usuário) com o refrão caindo no drop do coro. Esta capacidade é a montagem determinística GRATUITA — corte para janela, concatenação, mixagem da música, queima de legendas e o cartão final da marca.

scripts/config.example.json é o exemplo funcional (Hype and Vice "Game Day Girls", ~28s 1080×1920 9:16, 14 tableaux) — copie sua estrutura, nunca seus valores criativos; scripts/PIPELINE.md mapeia cada bloco de configuração para sua etapa de origem e scripts/README.md documenta a montagem gratuita.

Execução

Esta é a fase de montagem GRATUITA e determinística — não gasta nada. As entradas pagas são capacidades separadas: a música cantada (create-music-elevenlabs, force_instrumental falso — as letras SÃO o roteiro, retorna mp3 + words_timestamps); um keyframe com aparência de filme 35mm por batida em um único pacote de aparência (create-image-gpt-image-fal); e um clipe Kling 3.0 i2v por batida (create-video-fal). Dados a música entregue + words.json + um clipe por batida + o ativo do cartão final da marca, render-cinematic-music-video corta cada clipe para sua janela de letra, concatena na batida, mixa a música, queima as legendas serifadas em terço inferior e sobrepõe o cartão final → o mestre. Re-cortes reaproveitam a música/keyframes/clipes existentes e custam US$ 0.

Escolhas

O conteúdo criativo que esta fase monta é decidido upstream pelas choices do formato, perguntadas ao usuário antes de qualquer etapa paga. Os valores do exemplo funcional são exemplos, nunca valores padrão:

  • song_style — o gênero, clima, BPM e arranjo da música. O demo usou uma música cinematográfica indie-pop triunfante de 120 BPM.
  • vocalist — quem canta. O demo usou uma vocalista feminina confiante, mas calorosa.
  • cast — quem aparece na tela nos tableaux. O demo usou quatro jovens universitárias.
  • setting — local + horário do dia (determina a luz e a paleta do pacote de aparência). O demo usou uma cidade universitária americana no dia do jogo, outono, hora dourada.
  • story_arc — a forma de 3 atos dos tableaux e letras. O demo usou um dia de jogo, manhã → pico no estádio → entardecer, com um aceno de história de origem.

Esta montagem os lê apenas através da configuração (tableaux[] janelas + legendas, a música, captions.accent_words, end_card.*); ela não hardcoda nenhum deles.

Contrato (a montagem gratuita)

  • A música cantada carrega a história — sem locução separada. A faixa gerada pelo ElevenLabs É a base e o roteiro (force_instrumental falso); não adicione narração falada ou uma segunda base.
  • Planeje a linha do tempo em TORNO da música entregue. A música é gerada primeiro e pode ultrapassar o comprimento planejado; ajuste cada limite de tableau às bordas das frases líricas nas marcações de tempo retornadas — nunca corte a música para caber em uma grade pré-planejada.
  • Legendas a partir das próprias marcações de tempo da música, não Whisper. Derive words.json das words_timestamps do modelo de música, agrupe ~4 palavras nos limites das frases e queime legendas serifadas em terço inferior (--placement low) com a linha do refrão tratada com destaque (negrito-itálico). Whisper em áudio cantado retorna "🎵 Música tocando 🎵".
  • Posicione o refrão no drop do coro. O tableau herói (is_hook) é sincronizado para que a linha principal caia no drop do coro; destaque essa linha nas legendas.
  • Um pacote de aparência cinematográfica + cortes secos na batida. O pacote de aparência (nome do filme + grão + flares + câmera na mão) mais uma âncora de continuidade mantém todos os clipes coesos; corte cada clipe para sua janela de letra e faça concatenação seca (um corte combinado opcional na revelação do herói) — sem dissoluções.
  • Cartão final a partir do ativo real da marca — nunca renderize o logotipo como texto de difusão. Componha a arte final (PIL/ffmpeg) a partir do ativo real ou use uma base de keyframe projetada; difusão distorce um logotipo.
  • Composição FFmpeg, determinística, GRATUITA. Normalize cada clipe para sua janela sincronizada com a batida, concatene, mixe a música (afade entrada/saída + loudnorm I=-14), queime a legenda ASS, sobreponha o cartão final → um mestre 1080×1920 h264+aac. Sem chamadas pagas, sem chaves.

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 cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-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