render-editorial-motion-podcast
Monte um clipe de podcast editorial-animado a partir de uma configuração: uma faixa de áudio de podcast real conduz toda a narrativa e cada batida visual é sincronizada com a frase que descreve, em UM pacote de ilustração editorial de paleta estritamente limitada e plana ("uma ilustração de spot de revista que se move" — o estilo e a paleta são escolha do solicitante). O movimento não é vídeo generativo, mas sim efeito Ken Burns determinístico do ffmpeg em keyframes estáticos, de modo que parece uma página impressa que se move. Esta capacidade é a montagem DETERMINÍSTICA e GRATUITA — o movimento ffmpeg, concatenação direta, mux de áudio, queima de legendas e cartão de encerramento PIL.
scripts/config.example.json é o exemplo trabalhado (Klarify "Rat Park", ~40,8s 1080×1920
9:16, 6 batidas — sua aparência Niemann de 2 tons, paleta creme/carvão/sálvia e metáfora do Rat Park são
escolhas dessa demonstração, 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 demonstração é apenas um exemplo:
- Estilo de ilustração — demo: silhuetas planas e ousadas de 2 tons, meio-tom (linhagem Niemann / Steinberg).
- Paleta — demo: creme #F4EBD9 + carvão #1A1A1A + um acento sálvia #86987A.
- Metáfora central — demo: o estudo Rat Park.
- Tom / voz — demo: caloroso e reflexivo, o apresentador real do podcast (sem voz gerada).
Execução
Esta é a etapa de montagem GRATUITA e DETERMINÍSTICA — ela não gasta nada na camada de movimento.
As entradas pagas são separadas: o MP3 de podcast real é recortado da fonte (ffmpeg gratuito) com
seus timestamps de palavras do Whisper, e um keyframe de ilustração editorial por batida (imagens de referência encadeadas
para que a geometria da gaiola/personagem se mantenha) vem de create-image-fal (Nano Banana). Dado o
áudio recortado + words.json + os keyframes por batida + o PNG real da marca,
render-editorial-motion-podcast renderiza cada keyframe como um segmento Ken Burns, concatena diretamente
na batida, multiplexa o áudio real, queima as legendas no meio da frase e compõe o cartão de encerramento
PIL → o mestre. Reedições reutilizam o áudio/keyframes existentes e custam $0.
Contrato (a montagem gratuita)
- Uma narração falada conduz todo o anúncio — sem música gerada. Multiplexe o MP3 de
narração fornecido (
-map 0:v:0 -map 1:a:0) — uma linha de podcast real recortada (preferencial) OU uma locução gerada aprovada (create-vo-elevenlabs). Nunca uma faixa cantada/gerada. (Recortar-vs-gerar é a decisão de ETAPA-0 da receita — se nenhum episódio de origem for fornecido, PERGUNTE ao usuário.) - SEM I2V generativo — apenas efeito Ken Burns determinístico do ffmpeg. Anime cada keyframe estático
com
zoompan(aproximação/afastamento, 1.0→~1,06×, 24fps); Seedance/Kling são treinados em fotorealismo e inventam estados intermediários naturalistas que colapsam a aparência plana de paleta limitada. Nunca use-loop 1comzoompan d=N(isso aumenta a duração); forneça uma única imagem e fixe com-t+trim. - Cortes secos na batida — sem crossfades. Crossfades fantasmas arrastam duas gaiolas através uma da outra; concatene diretamente os segmentos de cada batida e divida batidas longas em micro-cortes (alvo de 8 a 10 momentos visuais distintos). Cada batida visual COMEÇA dentro de ~0,5s de sua linha falada.
- Legendas a partir de timestamps de palavras do Whisper, ATIVAS apenas no meio da frase. Queime legendas
frosted-subtleenquanto o locutor fala; deixe batidas silenciosas/reflexivas e o cartão de encerramento sem legendas. TRÊS regras obrigatórias (cada uma nos afetou em produção — incorpore-as):- NÃO SOBREPOSIÇÃO — fixe cada linha para TERMINAR antes da PRÓXIMA COMEÇAR
(
end = min(último_palavra_fim + ~0.15, próximo_início - 0.03)). Duas caixas nunca devem se sobrepor no mesmo ponto; uma cauda final que invade a próxima janela é o #1 bug de legendas. - ÁREA SEGURA — as legendas ficam no terço inferior, portanto o sujeito do keyframe deve permanecer no
~75% superior (veja o
look_pack.caption_safe_areada receita). Se o sujeito de um keyframe finalizado invadir a faixa de legendas, desloque deterministicamente o sujeito para CIMA no espaço vazio do topo (PIL: cole ~0,24H para cima em uma tela pré-preenchida com a cor exata do papel de um canto limpo) — nunca deixe a caixa sobre o sujeito. - MOTOR DE QUEIMA — prefira libass (filtro
ass/subtitles), mas verifiqueffmpeg -filtersprimeiro: muitas compilações (Homebrew) não têm libass/drawtext. Se ausente, use o fallback de sobreposição determinístico — renderize cada linha como um PNG transparente (caixa arredondada fosca + texto branco, PIL) e componha via o filtrooverlaydo ffmpeg com janelas temporizadasenable='between(t,st,en)'. Mesma aparência, sem libass.
- NÃO SOBREPOSIÇÃO — fixe cada linha para TERMINAR antes da PRÓXIMA COMEÇAR
(
- Cartão de encerramento via PIL a partir do PNG real da marca — nunca renderize texto de marca por IA. A composição é montada deterministicamente (gradiente de fundo esticado + recorte de mascote suavizado + marca + tagline com uma fonte do sistema); um modelo de difusão distorce uma marca ("therapits"). O vídeo mantém uma pausa silenciosa de ~1,5s além do áudio no cartão de encerramento (fade nos primeiros/últimos 0,3s).
- Composição FFmpeg, determinística, GRATUITA. Ken Burns em cada keyframe, concatenação direta, multiplexa o áudio real, queima as legendas, segura o cartão de encerramento → um mestre 1080×1920 h264+aac. Sem chamadas pagas.