Communitygithub.com

jiawood2006/hermes-skills

Pipeline de produção de vídeos de anúncios de comércio eletrônico com IA: um comando para gerar vídeos curtos de vendas (bloqueio de produto, seleção de múltiplos motores, inserção de produto com pixel oficial, montagem automática).

O que é hermes-skills?

Esta skill automatiza a produção de vídeos publicitários curtos para e-commerce, transformando um processo que exigia múltiplos scripts manuais em uma única linha de comando. Ela resolve o problema central de garantir que o produto pareça real e consistente em todas as cenas, um desafio comum com modelos de vídeo de IA que tendem a distorcer ou alterar detalhes do produto. A skill oferece múltiplas rotas de produção, incluindo o uso de modelos de vídeo de última geração como o 'wan3.0-video' para cenas com pessoas e, crucialmente, uma rota de 'inserção de pixel oficial' que usa imagens reais do produto para clipes de close-up, garantindo fidelidade ao produto com custo zero. Ela suporta várias plataformas de IA (DashScope, etc.) e inclui um conjunto abrangente de scripts para geração, verificação de qualidade (consistência de escala do produto, verificação de movimento, reconhecimento de fala para garantir que o áudio corresponde ao roteiro), montagem e entrega. O resultado é um fluxo de trabalho robusto e repetível que produz vídeos de alta qualidade e com aparência realista, prontos para plataformas de anúncios, eliminando o trabalho manual e os retrabalhos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jiawood2006/hermes-skills/tree/HEAD/skills/ai-video-ad-production

Perguntar na sua IA favorita

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

Documentação


name: ai-video-ad-production description: AI 电商视频广告生产线:一条命令出带货短视频(产品锁 / 多引擎选型 / 官方真像素产品镜 / 自动装配)。One-command product ad video pipeline: product lock, multi-engine selection, official-pixel product inserts, auto overlay assembly. category: ecommerce

IA Gera Vídeos Curtos de Vendas (Drama Real / Narração)

Quando Usar

Quando o usuário pedir "vídeo curto / vídeo de vendas / vídeo com narração / padrão de amostra", ou reclamar que o resultado anterior "não parece real, parece uma colagem de imagens". Primeiro, faça a escolha do caminho (veja abaixo). Não entregue uma colagem de素材 como resultado final.

🚀 Como Executar (A partir de 2026-09-18: Um Comando para Gerar o Vídeo)

Módulo Principal = scripts/make_ad.py — Ele unifica em um único comando os 6 scripts manuais que estavam espalhados em /tmp. Todos os scripts secundários são chamados por ele conforme necessário.

S=~/.hermes/skills/ecommerce/ai-video-ad-production

# ① Primeiro, veja o prompt (grátis, não envia; confirme o bloqueio do produto + storyboard antes de gastar)
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps plan

# ② Fluxo completo automatizado: enviar -> consultar -> baixar -> verificar por quadros -> montar 30s/15s -> entregar na área de trabalho
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps all

# ③ Se os segmentos já foram baixados, execute apenas a pós-produção (mudar legenda/trocar narração/recortar para 15s - sem custo, o mais comum)
python3 $S/scripts/make_ad.py <projeto.json> --steps assemble,deliver

# ④ Processar apenas alguns segmentos / trocar runid, resolução temporariamente
python3 $S/scripts/make_ad.py <projeto.json> --steps fetch,verify --seg 3 --runid v24 --res 720P

Cada etapa verifica o código de saída + a existência/tamanho do artefato. Se não atender aos critérios, relata o FAIL original e lista os problemas, não continua silenciosamente.

Configuração do Projeto (templates/ad_project.hsq1.json é um exemplo real que pode ser executado diretamente; modifique-o para criar um novo vídeo):

CampoDescrição
modelMotor (use wan3.0-video para cenas com o produto; o padrão wan2.7-r2v é adequado apenas para cenas com pessoas)
productChave para o arquivo de perfil do produto product_profiles.json — o mesmo arquivo é usado para gerar imagem e vídeo
refsOrdem das imagens de referência = Imagem 1...Imagem N, deve corresponder exatamente à descrição do número da imagem no template de bloqueio do produto; imagens locais são automaticamente copiadas via scp para uma URL pública
segmentsCorpo do storyboard para cada segmento (escreva apenas "o que filmar"; o bloqueio do produto é automaticamente anexado antes pelo make_ad)
assembly.voNarração (edge-tts); o ponto de corte = início da legenda start, naturalmente alinhado
assembly.subs/chips/spec/complianceLegendas / texto estilizado / barras de parâmetros / marcação de conteúdo gerado por IA
assembly.cut15Versão de 15s: quais segmentos pegar, onde cortar a narração, a nova janela de tempo para cada overlay no eixo de 15s
deliverDiretório de entrega + nome do arquivo (padrão ~/Desktop/素材电商/<produto>/视频/)

Bloqueio do Produto (todos os produtos compartilham o mesmo; não crie um novo): templates/product_lock_head.txt + o campo video_lock no arquivo. "Proporção ≤ 1/6 da altura da tela, calculado como 1.9x o diâmetro do cabeçote, a face inferior é uma superfície circular plana, a linha insere ao longo do eixo, nunca olhe diretamente para a lente..." Essas descrições críticas estão todas lá — não as repita no storyboard, nem crie um novo template manualmente.

Evidência Testada (2026-09-18): Executando --steps assemble,deliver com ad_project.hsq1.json para recriar o vídeo final, o resultado teve md5 idêntico à versão entregue manualmente na noite de 2026-09-17 (30s 86f3da96…, 15s 0b67686b…); O teste de fumaça de segmento único (--steps plan,submit,fetch,verify) foi executado com sucesso (enviar -> consultar -> baixar -> verificar por quadros).

Lista de Componentes (26 scripts em scripts/, agrupados por função)

EtapaScriptFinalidade
Módulo Principalmake_ad.pyUm comando para gerar o vídeo (plan / submit / fetch / verify / assemble / deliver)
Geraçãovideoretalk_submit.py / probe_model_availability.py / compare_video_models.pyEnvio de substituição de sincronia labial / Sonda de disponibilidade do modelo (envio bem-sucedido não significa disponível) / Avaliação comparativa de múltiplos modelos para o mesmo prompt
Verificação·Produtoproduct_fidelity_zoom.py / scale_consistency_check.py / scale_panel_check.py / measure_product_truth.py / check_reference_image.py / locate_reported_frame.py / audit_shots.pyZoom 2x no produto / Consistência de tamanho entre cenas / Painel de leitura de grade para valor real + resultado / Proporção real de comprimento por diâmetro / Inspeção de imagem de referência / Pesquisa reversa de timecode a partir de captura de tela do usuário / Auditoria cena por cena
Verificação·Áudiostt_dialogue_check.py / voice_consistency_check.py / voice_timbre_similarity.py / tts_fit.pyPesquisa reversa de fala STT (fonte do ponto de corte da legenda) / Detecção de troca de voz / Verificação de trava de timbre / Ajuste de velocidade de narração para alinhar com a cena
Verificação·Visualverify_motion.pyDetecção de quantidade de movimento — determina se o resultado é uma "imagem estática colada"
Pós-produçãoassemble_r2v_overlays.py / build_vo30.py / overlay_anim.py / replace_segment_audio.py / gen_ass.pyMontagem (suporta narração vo completa) / Trilha de narração / Animação de texto estilizado / Substituição de áudio em segmento / Texto estilizado ASS
Rota de Distorção Zerobuild_official_product_insert.py / compose_official_material_ad.py / cutout_product.py / make_comp_cards.pyInserção de pixel oficial do produto (primeira escolha para cena do produto, custo 0) / Efeitos de movimento com material oficial em vídeo / Recorte de imagem oficial para PNG transparente / Cartão de composição
Pessoasgen_character_candidates.pyGeração de candidatos a protagonista masculino (gera 3-4 composições de uma vez para o usuário escolher)

Escolha do Caminho (Mais Importante · Lições Aprendidas; Reescrito em 2026-09-19)

CaminhoEfeitoQuando Usar
① Bloqueio do Produto + wan3.0-video ✅ Linha principal atualCom o mesmo prompt e as mesmas 5 imagens de referência, o produto acerta de primeira, sem distorções; cenário de vida real de pessoas. Imagens de referência = close-up da malha da lâmina / corpo inteiro frontal / mão real mostrando proporção / face inferior / protagonista masculinoA maioria dos vídeos de vendas (com fotos oficiais do produto, exigindo que o "produto pareça real")
② Inserção de Pixel Oficial do Produto (Custo Zero de API) ✅ Solução definitiva para fidelidade do produtoO produto é 100% igual ao real (pixel oficial, não passa por IA)Quando a IA sempre desenha o produto diferente; ou quando o vídeo precisa que o produto seja reconhecido instantaneamente
③ Texto para vídeo (wan2.6-t2v, fala via input.audio_url)Pessoa real + cenário + sincronia labial em chinês, mas o produto muda um pouco a cada segmentoSem material oficial, ou drama puro com pessoas
④ Montagem de素材 (clipforge / MoneyPrinterTurbo)❌ Julgamento do usuário = "parece colagem de imagens, falta realismo, muito diferente da amostra"Apenas como rascunho provisório, não entregar como resultado final
⑤ Avatar com sincronia labial (wan2.2-s2v / EMO / videoretalk)Narração de uma pessoa, ambiente com fraco realismoApenas para narração explicativa

Combinação Recomendada: Cena de pessoa/cena de vida real → ①; Cena de aparição/close-up do produto → ②. Estrutura do vídeo final = "Gancho 5s (IA) + Produto Real Oficial 3s (Pixel Real) + Conteúdo Principal 7s (IA)" = 15s; Script scripts/build_official_product_insert.py (corta imagem oficial para sintetizar uma cena de produto vertical de 3s, legenda/texto estilizado adicionam +3s).

Regras de Ferro:

  • ❌ wan2.7-r2v para cena do produto está aposentado (produto pequeno/difícil de ver/fácil de ficar prateado = causa raiz de retrabalho repetido), use apenas para cenas com pessoas
  • Gere tudo em 720P (gerar nativamente em 1080P não é um upgrade, é um novo sorteio; testado na prática: produto deforma/perde cor/não fica mais nítido) -> O vídeo final é upscaled para 1080P durante a montagem
  • wan3.0-video usa a imagem de referência 1 como o primeiro quadro da cena (controle a abertura trocando a imagem 1)
  • Se o "padrão de amostra" dado pelo usuário for um drama de diálogo com pessoas reais, não afirme que "só pode ser filmado" (o usuário corrigiu explicitamente: a amostra dele foi gerada por IA)
  • A montagem de素材 (④) nunca alcançará o realismo de ①, não a trate como entrega de vídeo de IA; vá direto para ①/②, use o roteiro e a narração do próprio usuário

Receita de Rota Alternativa: wan2.6-t2v (Drama de Cena Real · Produto Muda)

Parâmetros completos, JSON, faturamento, hospedagem de narração, comando de verificação de vídeo estão em references/scene-drama-and-candid-style.md.

Visão geral:

  • POST https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis model=wan2.6-t2v, cabeçalho X-DashScope-Async: enable
  • parameters: size:"720*1280"(9:16) ou "1080*1920"、duration:5|10、shot_type:"multi"、prompt_extend:true
  • input.audio_url: Envie nossa própria narração do roteiro (URL pública mp3/wav de 3~30s) -> O modelo faz a sincronia labial com o áudio; se não enviar, o modelo adiciona efeitos sonoros automaticamente e inventa o roteiro (incontrolável, os pontos de venda podem desviar)
  • Preço: 720P 0,6 yuan/segundo, 1080P 1 yuan/segundo; a conta tem 50 segundos de cota gratuita -> O primeiro vídeo de 30 segundos pode ser executado com custo zero usando a cota
  • Timbre da fala: edge-tts zh-CN-XiaoyiNeural (jovem mulher) / zh-CN-XiaoxiaoNeural (senhora) / zh-CN-YunxiNeural (homem)
  • Use 第1个镜头[0-4秒]…第2个镜头[4-10秒]… no prompt para descrever múltiplas cenas; adicione "não apareça nenhum texto, legenda ou marca d'água na tela" no final

Fluxo de Produção Padrão

  1. Roteiro: 3 segmentos × 10 segundos (ou 6 segmentos × 5 segundos): Gancho da história -> Aparição do produto + ponto de venda real -> Final + CTA
  2. Narração: edge-tts gera o mp3 da fala de cada segmento -> scp yunvela:/tmp/ -> sudo mv para /opt/yunvela-site/dh/ -> curl -o /dev/null -w '%{http_code}' https://yunvela.com/dh/segN.mp3 deve retornar 200
  3. Geração: Envie cada segmento (pode ser paralelo), consulte GET /api/v1/tasks/<id>, curl -sL --retry 3 --retry-all-errors para baixar
  4. Pós-produção: Juntar + texto estilizado (texto branco com borda preta + caixa de palavra-chave amarela) + adesivo emoji + BGM -> Vídeo final 9:16
  5. Verificação do Vídeo (não pule): ffprobe duração/resolução/tem trilha de áudio + volumedetect confirma que há som + inspeção visual de quadros extraídos + Pesquisa reversa STT do roteiro (~/.hermes/scripts/voice_stt_local.py) confirma que o que foi dito é o nosso texto
  6. Entrega: Enviar vídeo grande pelo WeChat é limitado pelo iLink -> ~/.hermes/scripts/feishu_send_media.py <vídeo> "descrição"

Preferências do Usuário (Confirmadas neste Projeto)

  • 🔴 Não entregue o close-up do produto para a IA — use a imagem oficial do produto real para efeitos de movimento (Conclusão testada em 2026-09-15): Nas cenas de pessoas geradas por IA, o produto sempre "muda um pouco" a cada segmento (testado neste projeto: com o mesmo prompt, um segmento era um cilindro de diâmetro uniforme, outro segmento virava uma haste cônica + cabeça de malha, e o logotipo aparecia repetidamente). A abordagem correta: entregue as cenas de pessoas para a IA, para o close-up do produto, use a imagem oficial do produto e faça um Ken Burns (zoom lento para frente) (scale=1080:-1,pad=1080:1920:(w-h)/2:(w-h)/2:white,zoompan=z='min(zoom+0.0007,1.10)':d=<número de quadros>), e conecte a narração original do segmento ao efeito de movimento da imagem oficial (sem pausa). Desta forma, o produto é 100% consistente com o real, atendendo à linha vermelha do cliente de que "o produto deve ser integrado de forma realista".
  • 🔴 As duas imagens de referência devem estar "na mesma orientação e forma": As 2 imagens de referência do produto para r2v devem ambas estar em perspectiva vertical (testado neste projeto: ao usar uma "vista circular da seção transversal da face inferior" como imagem de referência 2, o modelo fez uma média entre alongado e atarracado, gerando um produto em forma de copo baixo e grosso). Proibido misturar imagens de cima/baixo/seção transversal como referência. Método para imagem de referência: corte para o retângulo envolvente do corpo principal -> cole em uma tela quadrada de fundo branco, com o corpo principal ocupando ~60% da altura da tela.
  • ⚠️ A IA queima suas próprias legendas: wan2.6-r2v-flash frequentemente adiciona legendas na parte inferior, mesmo que o prompt diga "sem texto". Portanto, coloque nosso texto estilizado no topo (Alignment=8 + MarginV grande), não sobreponha outra camada na parte inferior -> caso contrário, duas legendas se sobrepõem.
  • Calcule as dimensões com base no tamanho real, não olhando (Lição testada em 2026-09-15): A "altura:diâmetro" no prompt deve ser calculada a partir das dimensões oficiais (HSQ1 = 74×39mm -> altura:largura 1,93:1 cilindro alongado; eu já escrevi errado como "copo baixo e grosso 1.2:1" de olho, e o resultado foi julgado pelo cliente como "ainda impreciso"). Exemplo de escrita: 机身是修长圆柱形,高约74毫米、直径约39毫米(高度约为直径的1.9倍),黑色哑光缎面…
  • Linha Vermelha do Discurso (Correção do usuário em 2026-09-15): O roteiro/narração/texto estilizado só pode citar o texto original do material promocional oficial (imagem de panfleto, texto na imagem principal). ❌ O campo "ponto de venda" na tabela de atributos ≠ discurso (descrição interna); ❌ Frases ouvidas em amostras de referência/vídeos de concorrentes não podem ser usadas como discurso (testado com HSQ1: proibido usar "tamanho de ovo"); 🟡 Palavras de referência de tamanho (como "altura de um polegar") só podem ser usadas para proporção na tela/objeto de comparação, proibidas no discurso. -> Antes de escrever o roteiro, use product-spec-extraction para obter o discurso, não escreva pontos de venda de memória.
  • Efeito em Primeiro Lugar (Definido pelo usuário em 2026-09-15): A produção de vídeo prioriza o efeito, não economize custos sacrificando a aparência
  • Se houver resultado, deve relatar ativamente; para fluxos longos, reporte o progresso por etapas, não espere ser perguntado
  • Na fase de design, escreva todos os pontos de venda reais, não os delete por "falta de evidência" (a prova é da fase de veiculação); apenas avise sobre palavras extremas/eficácia, não bloqueie
  • Sensível a custos: use cota gratuita/preço baixo primeiro para testar, depois aumente o volume; explique o preço unitário antes de gastar

Habilidades Relacionadas

  • clipforge-video-pipeline: A receita completa do esquema de montagem de素材 (clipforge / MoneyPrinterTurbo) = Caminho ②, incluindo armadilhas de instalação de ambiente, anexar imagem por cena, modo de material local e a "biblioteca de segmentos dinâmicos de produto real" de custo zero

📚 Índice da Base de Conhecimento (8 Documentos Principais)

Quando LerDocumento
Produto não se parece / deforma / perde cor / proporção de tamanho / malha da lâminareferences/product-fidelity.md
Escolher motor / campos do modelo / preçoreferences/engines-and-models.md
Resolução / Faturamento / Verificação de inadimplência / Pré-verificaçãoreferences/resolution-cost-and-arrearage.md
Pipeline completo / Montagem / Verificação de entregareferences/pipeline-assembly-and-qc.md
Taxa de conclusão / Variações de gancho / Métricas de anúncioreferences/hooks-and-ad-metrics.md
Narração / Legenda / Timbrereferences/voice-and-subtitles.md
Direitos de imagem / Linhas vermelhas de conformidade / Padrões de imagem de referênciareferences/compliance-portrait-and-references.md
Drama de cena / Estilo de filmagem realista / Redação de storyboardreferences/scene-drama-and-candid-style.md

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas