Communitygithub.com

revisão-render-ugc

Portão de revisão obrigatório antes da publicação de um render de vídeo UGC. Transcreve o ÁUDIO do render final com Whisper e faz diff de palavras com o script falado aprovado, bloqueando renders com áudio gerado que pronuncia incorretamente uma palavra, omite uma frase aprovada ou retorna silencioso.

O que é revisão-render-ugc?

Esta skill implementa um portão de controle de qualidade (QC) determinístico para renders de vídeo UGC. Ela transcreve o áudio do vídeo renderizado usando Whisper (via API OpenAI ou CLI local) e realiza um diff palavra a palavra contra o script falado aprovado. Se houver qualquer divergência — como uma palavra mal pronunciada, uma frase omitida ou áudio silencioso — o portão falha (exit 2), impedindo a publicação via `set_final_render`. Isso resolve o problema de Seedance gerar áudio nativo que, às vezes, pronuncia palavras incorretamente (ex: "human-vetted" vira "human witted"), defeitos que passariam despercebidos em uma revisão visual tradicional. A skill é obrigatória em todas as receitas de vídeo UGC, roda após o render e antes da publicação, e suporta tanto chave OpenAI quanto instalação local do Whisper. Ela é a versão enxuta e aplicável do atom `review-transcript-integrity` do content-goose, focada especificamente em capturar defeitos de áudio-versus-script no momento da publicação.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/packs/ugc-video-formats/review-ugc-render

Perguntar na sua IA favorita

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

Documentação

O que revisão-render-ugc faz?

O portão de QC que toda receita de vídeo UGC DEVE limpar antes de publicar. Não é uma inspeção visual /watch — é um diff determinístico transcrição-vs-script que sai com código não zero em caso de defeito para que a receita possa parar set_final_render.

Por que isso existe

O Seedance gera o áudio nativamente. Às vezes ele pronuncia uma palavra incorretamente — a linha aprovada human-vetted volta falada como human witted; exemplos documentados: Hume→Hune, Alitu→al-too. O defeito vive no áudio do render, então uma inspeção visual /watch ("diálogo corresponde ao script") deixa passar, e uma passagem de legenda subsequente grava a palavra errada literalmente. Nada estava comparando o áudio realmente falado contra o script que o usuário aprovou.

Este portão faz exatamente isso, deterministicamente, e se recusa a publicar em caso de erro.

Quando executar

  • OBRIGATÓRIO em todas as receitas remix-ugc-*-from-sample e create-ugc-*-video-from-refs, na fase de QC, após o render principal existir e antes de set_final_render.
  • Re-executar após cada correção / nova tentativa até que PASSE.

Contrato

Antes de renderizar, persista as linhas faladas exatas aprovadas (a fala literal, sem notas de batida) em working/approved-script.txt. Então, após o render:

python3 <pack>/review-ugc-render/scripts/review_render.py \
  --video working/final.mp4 \
  --script-file working/approved-script.txt \
  --json working/review-verdict.json
  • exit 0 → APROVADO — prossiga para publicar (set_final_render).
  • exit 2 → REPROVADO — NÃO publique. Leia o relatório, corrija, re-execute.
  • exit 3 → ERRO — a verificação não pôde ser executada (veja abaixo); corrija o ambiente, não publique às cegas.

Backend de transcrição (em ordem de prioridade): OPENAI_API_KEY (respeita OPENAI_BASE_URL, então roteia através do proxy Whisper do gooseworks quando configurado) → CLI local whisper. ffmpeg deve estar no PATH.

O que REPROVADO significa e como corrigir

Linha do relatórioCausa raizCorreção
[alto] disse [witted] onde o script tem [vetted]Seedance pronunciou a palavra incorretamente no áudio geradoGere uma nova semente. Se for uma marca/token cunhado, soletre foneticamente na LINHA FALADA (ex.: Ali-too, nunca um parêntese (pronunciado …) — o Seedance lê parênteses em voz alta). Veja Modos de Falha de create-video-seedance-2-fal.
[médio] omitiu [...] / baixa similaridadeSeedance omitiu uma frase aprovadaGere novamente; se for apenas uma palavra final, uma correção cirúrgica com stitch_replacement.py pode recuperá-la.
⚠ áudio está efetivamente silenciosoRender errado / trilha de áudio perdida na pós-produçãoRe-renderize / verifique a mixagem; nunca publique uma tomada silenciosa.
ERRO: nenhum backend de transcriçãoSem OPENAI_API_KEY e sem whisper localDefina a chave (proxy OPENAI_BASE_URL) ou instale whisper, depois re-execute.

--expect-music é apenas consultivo (avisa se uma base musical estiver ausente); por si só não reprova o portão.

Entradas

  • --video CAMINHO (obrigatório) — o mp4 mestre renderizado.
  • --script-file CAMINHO ou --script "texto" — o script falado aprovado. Omita ambos apenas para um clipe genuinamente sem script (a verificação de desvio é então ignorada e o portão é consultivo).
  • --min-ratio FLOAT (padrão 0.90) — similaridade de tokens transcrição↔script para aprovação.
  • --json CAMINHO — escreve o veredito da máquina para o painel de revisão do aplicativo.

Testes

python3 tests/test_review_render.py    # lógica de veredito pura; sem áudio/rede

Cobre a pronúncia incorreta canônica vetted→witted, pronúncia incorreta de nome de marca, caudas omitidas, preenchimento benigno e o caminho consultivo sem script.

Relação com o motor de revisão content-goose

Esta é a fatia enviada, de arquivo único e portão, do mais completo coworkers/video/molecules/review/review-loop (rubrica de 18 eixos). Aqui aplicamos o único eixo que captura defeitos de áudio-vs-script no momento da publicação (review-transcript-integrity / brand_text_accuracy). Revisão multi-eixo mais profunda permanece no laboratório do content-goose.

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

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

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