Communitygithub.com

gooseworks-ai/goose-skills

Monte um clipe de podcast editorial animado a partir de uma configuração — o MP3 de podcast real conduz a narrativa enquanto keyframes de ilustração editorial de paleta limitada são animados não por I2V generativo, mas por efeito Ken Burns determinístico com cortes secos, áudio multiplexado, legendas acionadas por Whisper e cartão de encerramento PIL — sem texto gerado por IA.

O que é goose-skills?

Esta skill monta clipes de podcast no formato editorial-motion, combinando áudio real de podcast com keyframes de ilustração editorial de paleta limitada (como uma 'página impressa que se move'). A animação é puramente determinística, usando ffmpeg zoompan (Ken Burns) e cortes secos, sem qualquer vídeo generativo ou crossfades — garantindo que o estilo visual plano seja preservado. As legendas são geradas a partir de timestamps do Whisper, aparecendo apenas no meio das frases e nunca sobrepondo o sujeito da imagem. O cartão de encerramento é composto via PIL a partir de um PNG de marca real, sem renderização de texto por IA. A skill é totalmente gratuita na etapa de montagem (ffmpeg + PIL), exigindo apenas o áudio recortado, os timestamps de palavras, os keyframes por batida e o logotipo da marca como entradas. Reedições reutilizam áudio e keyframes existentes, custando $0.

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

Perguntar na sua IA favorita

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

Documentação

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 1 com zoompan 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-subtle enquanto 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):
    1. 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.
    2. ÁREA SEGURA — as legendas ficam no terço inferior, portanto o sujeito do keyframe deve permanecer no ~75% superior (veja o look_pack.caption_safe_area da 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.
    3. MOTOR DE QUEIMA — prefira libass (filtro ass/subtitles), mas verifique ffmpeg -filters primeiro: 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 filtro overlay do ffmpeg com janelas temporizadas enable='between(t,st,en)'. Mesma aparência, sem libass.
  • 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.

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 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

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