Communitygithub.com

html-motion-pipeline

Pipeline HTML→MP4 para vídeo explicativo 9:16 com voz (estilo flat-motion 2D, como contas edu-tech no Reels/TikTok). Já testado para produzir o vídeo "O que é Function Calling?" (44,6s, 1080×1920, VO + 31 SFX sincronizados). Use esta skill quando o usuário pedir um vídeo explicativo em motion graphic 9:16 com voiceover próprio, legendas por palavra, diagrama animado de nós e ferramentas e saída MP4 final. A fonte de áudio é o arquivo de VO do usuário (não TTS), desacelerado via ffmpeg atempo se necessário.

O que é html-motion-pipeline?

Esta skill implementa um pipeline completo para gerar vídeos explicativos em formato 9:16 (ideal para Reels e TikTok) no estilo flat-motion 2D, utilizando HTML, CSS, JavaScript e GSAP para animações determinísticas. Todo o processo é baseado em scripts prontos em `assets/pipeline/`, incluindo transcrição por palavra com faster-whisper, mixagem de áudio (VO do usuário + SFX), renderização de frames com Playwright e codificação final para MP4. A skill enfatiza o princípio de que o visual deve servir ao roteiro e à narração, com auditorias automáticas de layout para detectar overflow, sobreposição de texto e desequilíbrio visual. Suporta macOS (testado em MacBook 8GB) e requer Node.js, ffmpeg e Google Chrome. O pipeline é ideal para criadores de conteúdo edu-tech que desejam produzir vídeos explicativos com narração própria e sincronização precisa de elementos visuais.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hasbiridwan57-creator/hermes-video-motion-skills/tree/main/html-motion-pipeline

Perguntar na sua IA favorita

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

Documentação

HTML Motion Pipeline (explicador 9:16, VO + SFX → MP4)

Algoritmo testado e aprovado. Cada etapa possui comandos prontos para uso em assets/pipeline/. Consulte a implementação completa de referência: assets/pipeline/index.fc-reference.html (projeto Function Calling — copie e substitua o conteúdo, não escreva do zero).

Por que este pipeline

  • Determinístico: timeline GSAP pausada, busca por frame → MP4 = prévia exata.
  • VO do próprio usuário (arquivo ElevenLabs/microfone), não TTS; controle de velocidade.
  • Auditoria de layout automática detecta texto saindo do canvas e colisões — obrigatório passar antes da renderização completa (economiza 1338 frames).
  • Linhas de conexão limpas: âncoras nas bordas dos nós, em camada inferior (consulte a Armadilha nº 1).

Princípios fundamentais

O visual serve ao roteiro e à VO, não o contrário.

  1. Tudo que aparece na tela deve estar no roteiro e ser dito na VO. Elementos interessantes mas não narrados — remova, por melhores que sejam.
  2. Por outro lado, cada ideia/frase importante do roteiro deve ter uma imagem própria que aparece exatamente quando essa frase é dita. Frases que são apenas texto estático = cena "vazia" — adicione um visual.
  3. Muitas cenas não são problema — o importante é que cada cena siga a VO e o roteiro.
  4. Quanto mais imagens e animações, melhor (mais dinâmico). Não economize na adição de visuais; riqueza visual é um diferencial, não uma fraqueza.
  5. A ordem e o timing do visual = ordem e timing da menção na VO (a partir dos timestamps da transcrição), e não uma lógica própria.
  6. A qualidade dos detalhes visuais também é mantida: ícones claramente legíveis quanto ao seu significado, elementos equilibrados e sem flutuação.

Fluxo (siga a ordem)

#EtapaSaída
1Capturar VO do usuário + dividir por segmentos (pausas de respiração)meta.json
2Ajustar velocidade da VO via ffmpeg atempo + inserir pausas; escolher variantevo.wav
3Transcrição por palavra (faster-whisper, pip install faster-whisper)assets/words.json
4Construir index.html (8 cenas seguindo o timing da VO) + sfx_score.pyHTML + SFX WAV
5Mixar VO + SFX → public/full_mix.mp3áudio final
6Auditoria de layout (audit2.mjs + audit_s2.mjs) — obrigatório 0 overflowrelatório
7Renderizar frames (render_frames.mjs) → 1338 PNGsframes/
8Codificar (encode.sh) → MP4public/*.mp4
9Verificar visual do MP4 final — extrair frames do MP4, analisar via visãoconfirmação limpa

Instalação única

cd <projeto>
npm init -y && npm install playwright-core gsap
pip install faster-whisper   # para transcrição por palavra
# necessário: Google Chrome (/Applications/Google Chrome.app), ffmpeg

Scripts do pipeline

assets/pipeline/:

  • render_frames.mjs — percorre a timeline quadro a quadro, captura 1080×1920 @30fps.
  • snap.mjs — captura de segundos específicos (node snap.mjs 1.0 6.5 17.5) para verificar visuais.
  • audit2.mjs — verifica TODAS as cenas: texto saindo do canvas / entrando na zona de UI inferior (>1560px) / colisões.
  • audit_s2.mjs — auditoria de 1 cena (sc2) em vários segundos (detecta revelação prematura, encostado na borda).
  • audit_overlap.mjs — detecta texto REALMENTE sobreposto (texto×texto, texto×img, texto×botão). Inteligente para distinguir colisões reais das que são by-design: label dentro de container svg, rabiscos/riscos/linhas transversais, legendas flex lado a lado → não são reportadas. Execute node assets/pipeline/audit_overlap.mjs → alvo TOTAL sobreposição: 0.
  • audit_center.mjs — detecta conteúdo "pendurado no topo" (2/3 inferior vazio). Mede o bounding do conteúdo de cada cena, calcula o desvio do ponto central ideal (y≈960 para 1920px). Desvio > 250px = ⚠ PENDURADO. Execute node assets/pipeline/audit_center.mjs.
  • typing-prompt.js — receita de animação "typing prompt" (essência do tema coding/AI): o prompt é digitado letra por letra + cursor piscando, e então o app responde (muda cor → erro → corrige → itera). Exemplo completo: repo do vídeo 09-vibe-coding/index.html cena SK4.
  • encode.sh — ffmpeg → H.264 yuv420p CRF18 + AAC 192k + +faststart.
  • sfx_score.py — partitura SFX procedural sincronizada com o timing das palavras.
  • index.fc-reference.html — implementação completa (copie e substitua o conteúdo).

Convenções HTML (em index.fc-reference.html)

  • #stage 1080×1920, fundo dot-grid; #world (câmera rígida, escala suave por cena); cenas = .scene (visibility hidden, exibir/esconder via timeline).
  • Legenda por palavra: assets/words.json → agrupar em chunks de ≤4 palavras, um chunk = uma .line (position:absolute, empilhadas para não expandir a caixa), palavra ativa .on, palavra-chave .key (âmbar). Posição 390px a partir da base (seguro contra UI do Reels/TikTok que cobre ~360px inferiores).
  • Linhas de conexão: função link(svg,idA,idB) calcula âncora na BORDA do nó (edge/edgeT) — a linha NÃO sai do centro do logo. SVG .wires colocado como primeiro filho da .scene (z-index:0) para ficar atrás dos cards (z-index:2). Curva suave (bow ≤26px), cor cinza #7A8188 8px; linha ativa .hot âmbar 15px.
  • Logo do agente: OPENCLAW_SVG inline (lagosta vermelha), inserido automaticamente em cada .node.dark contendo 🤖. Substitua se desejar outra identidade.
  • GSAP determinístico: timeline paused, expor window.__tl e window.__updateSub. Modo ?t=<segundo> para snapshot estático (headless), ?debug para scrub manual.

Gatilho

Quando o usuário mencionar a frase "pipeline motion explainer", ou pedir "vídeo motion explicativo 9:16", ou disser "igual ao vídeo do Function Calling da última vez" → carregue esta skill. Não confundir com motion-format / bang-motion (outras skills). O VO do usuário sempre é enviado como arquivo a cada sessão — esta skill armazena O MODO DE FUNCIONAMENTO, não ativos de áudio/conteúdo.

Armadilhas (não repita)

  1. Linha atravessando logo/texto → garantir: (a) SVG wires como primeiro filho da cena, (b) z-index:0 wires vs z-index:2 cards, (c) âncora usando link() na borda.
  2. Legenda cobrindo cards / entrando na zona de UI → uma linha por empilhamento (absolute), no máximo 4 palavras/chunk, base ≥390px.
  3. window.tl undefined durante render → o nome exposto deve ser window.__tl (com __), senão 74% dos frames ficam idênticos/estáticos. Verificar: md5 frames/* | uniq -c.
  4. Render do background reiniciado → garantir que não haja render_frames antigo rodando (pgrep -fl render_frames) antes de novo render; apagar frames/ antes de começar.
  5. Auditoria DOM não substitui verificação visual do MP4. A auditoria detecta overflow e colisões de bounding-box, mas NÃO detecta linha atravessando logo / texto cobrindo card — isso só é visível no pixel final. Após codificação, extraia quadros-chave do MP4 (ffmpeg -ss <t> -i out.mp4 -frames:v 1 f.png) e analise via vision_analyze.
  6. Conteúdo "pendurado no topo" (2/3 inferior vazio). Isso é o que mais passa despercebido, pois a auditoria comum só verifica overflow, não equilíbrio. Causa: todos os filhos de .hero com position:absolute → flexbox justify-content:center NÃO tem efeito sobre eles. Solução: tornar os filhos de .hero com fluxo normal (block/flex flow), apenas elementos sobrepostos (badge/rabisco/marcador) permanecem absolute. OBRIGATÓRIO executar audit_center.mjs — desvio do centro > 250px = falha.
  7. Visual não seguindo o roteiro (o mais prejudicial). Não considere a cena "pronta" só porque a animação funciona. Exemplo real: gráfico de correlação e gráfico de idade aparecem na tela mesmo a VO nunca os mencionando. Auditoria de roteiro antes do render: (a) extrair transcrição da VO + timestamp por palavra (words.json), (b) mapear "esta frase aparece em que momento na tela?", (c) elementos que aparecem mas não estão no roteiro → remover; frases do roteiro que são apenas texto estático → adicionar visual. Ordem do visual = ordem da menção na VO.
  8. Render OOM (Mac 8GB). O Chromium acumula memória ao capturar centenas de screenshots → trava no meio ("Target page closed"). Solução: reiniciar o navegador a cada ±400 frames + retomada automática (pular frames já existentes e >20KB). Não renderizar 2500+ frames em uma única sessão do navegador.
  9. Frames antigos misturados após revisão. Se apenas algumas cenas forem revisadas e apenas os frames daquele intervalo forem removidos, frames/ fica misturado (ex.: 2770 arquivos quando precisava de 2574). Mais seguro: apagar todo frames/ antes do render completo. Se houver retomada, verificar número de arquivos = TOTAL de frames antes de codificar.
  10. Emoji escapa da auditoria DOM. Usuário pediu sem emoji — se não for verificado automaticamente, emojis podem passar porque a auditoria de bounding-box não verifica o tipo de caractere. Antes do render, executar regex Python para buscar caracteres emoji; se encontrar → substituir por SVG inline. Ícones sempre SVG. re.findall(r'[\U0001F300-\U0001FAFF\u2600-\u27BF\u2B00-\u2BFF\uFE0F]', html) → obrigatório 0.
  11. Ícones e detalhes visuais devem ser legíveis no TAMANHO DE EXIBIÇÃO — auditoria DOM e auditoria de layout não capturam "o ícone não está claro". Um SVG pode ter a forma correta no código mas, no tamanho de render (ex.: ícone de 180px em um diagrama), parecer outra coisa: ícone de cérebro com contorno aberto é lido como nuvem/flor, não como cérebro. Solução: antes do render completo, extrair frame do MP4 e ampliar (crop) o ícone/diagrama-chave e avaliar via vision_analyze — "isto é claramente legível como X?". Se ambíguo, simplificar a forma (silhueta inteira > contorno aberto) e aumentar o tamanho. Auditoria de bounding-box só verifica posição, não legibilidade da forma.
  12. Elementos de comparação equilibrados (barra/coluna A-vs-B) devem estar em um único grupo visual. Barras "soltas" fora do card pai (posição absoluta separada) quebram o equilíbrio e correm risco de sobrepor outros elementos quando o conteúdo muda de altura. Caso real: barras de músculo atrofiado/forte soltas fora do card de academia, colidindo com outro card. Solução: colocar cada barra DENTRO do seu próprio card/célula de coluna; diferenças de comprimento da barra são intencionais (comprimento = magnitude), mas a largura do card e a linha de base devem ser iguais. Verificar via audit_overlap após cada revisão de layout.
  13. Texto sobreposto mesmo parecendo "só um pouquinho". Não confie nos olhos; use audit_overlap.mjs que mede o bounding-box real. Um enorme ?, números grandes decorativos ou títulos longos frequentemente sobrepõem outro texto sem que se perceba.
  14. Tema coding/AI parece sem vida sem animação de digitação. Texto estático não transmite o funcionamento do vibe coding. Use a receita typing-prompt.js: prompt digitado letra por letra + cursor piscando + app responde (muda cor → erro → corrige → itera).
  15. Logo/ícone vindo da web: baixar SVG oficial (CDN jsDelivr / repo GitHub da marca), então inserir inline como texto no HTML — não usar <img src> para arquivos externos, para que o render headless não dependa de rede. Remover animações SMIL para que a saída seja determinística.

Regras de áudio (usuário Hasbi)

  • A VO de produção deve ser a voz do próprio usuário (arquivo ElevenLabs enviado), não TTS.
  • SFX procedural via skill procedural-sfx (sem créditos da ElevenLabs).
  • Apagar frames brutos e arquivos auxiliares (frames/, shots/, *.wav por segmento) após o MP4 ser enviado — o armazenamento do MacBook é limitado.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

motion-format

Bikin video motion graphic lewat chat dengan alur kerja Motion Format — Reels/TikTok/Shorts 9:16, YouTube 16:9, atau feed 1:1 — dari brief sampai MP4 bersuara (voiceover + efek suara ElevenLabs, subtitle per kata). Punya resep gaya siap pakai dari seri konten Motion Format: Isometrik Dibongkar (cara kerja mesin, 3D), Sejarah 3D Sinematik (bangunan & peristiwa bersejarah), Tubuh Manusia Anime (organ tubuh), Dunia 2D Bertekstur (noir, cat air, ukiran, lanskap anime), Kartun Cel Cerah (tokoh menjelaskan), Peta Relief Sinematik (geografi, jalur, wilayah), dan Promo Produk & Iklan (UMKM, aplikasi, flash sale) — plus cara meracik gaya sendiri. Gunakan setiap kali user meminta "video", "konten Reels/TikTok/Shorts", "explainer", "video edukasi", "video penjelasan", "promo", "iklan", "intro", "animasi", "motion graphic", menyebut salah satu gaya di atas atau "Resep Gaya", ingin menambah voiceover/efek suara/subtitle, ingin merevisi video yang sudah ada, atau ingin merender jadi MP4 — walau tida

video-motion

SOP induk untuk bikin video motion/explainer bersuara via chat (9:16 Reels/TikTok, 16:9 YouTube, 1:1 feed) — menggabungkan alur kerja Motion Format (brief→gaya→naskah→ suara→adegan→render), hukum sinematik Bang Motion (video bukan slide, deterministik, gaya dari tema), dan pipeline HTML→MP4 teruji (html-motion-pipeline: faster-whisper, SFX prosedural, CDP render, audit layout, subtitle aman Reels). Gunakan bila user minta video motion/explainer/animasi/promo, atau "kayak video sebelumnya" — walau tidak menyebut "motion graphic".

Habilidades Relacionadas