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_instrumentalfalso); 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.jsondaswords_timestampsdo 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 (
afadeentrada/saída +loudnorm I=-14), queime a legenda ASS, sobreponha o cartão final → um mestre 1080×1920 h264+aac. Sem chamadas pagas, sem chaves.