Communitygithub.com

video-motion

Fluxo de trabalho mestre para criar vídeos com movimento/narrados via chat (9:16 Reels/TikTok, 16:9 YouTube, 1:1 feed) — combinando o formato Motion Format (brief→estilo→roteiro→voz→cena→render), as leis cinematográficas do Bang Motion (vídeo não é slide, determinístico, estilo vem do tema) e o pipeline HTML→MP4 comprovado (html-motion-pipeline: faster-whisper, SFX procedural, render CDP, auditoria de layout, legendas seguras para Reels). Use quando o usuário pedir um vídeo com movimento/explainer/animação/promo, ou "como o vídeo anterior" — mesmo sem mencionar "motion graphic".

O que é video-motion?

Este skill, chamado `video-motion`, é o fluxo de trabalho mestre para criar vídeos com movimento e narração diretamente do chat. Ele atende a vários formatos de tela (9:16 para Reels/TikTok, 16:9 para YouTube, 1:1 para feed) e é acionado quando o usuário pede qualquer tipo de vídeo animado, explicativo ou promocional, mesmo sem usar o termo "motion graphic". O skill orquestra três sub-skills especializados: `motion-format` para o processo criativo (brief, estilo, roteiro), `bang-motion` para as leis de design e cinematografia (garantindo que o vídeo seja dinâmico e não uma apresentação de slides), e `html-motion-pipeline` para a parte técnica de renderização (incluindo transcrição de voz, efeitos sonoros e renderização headless). O principal objetivo é garantir que cada vídeo seja único, com um estilo visual derivado do tema, que os movimentos sejam fluidos e determinísticos, e que todo o processo siga uma sequência rigorosa para evitar retrabalho. Ele também inclui regras importantes, como a necessidade de pesquisar fatos reais para vídeos educativos, a obrigatoriedade de colocar a legenda em uma zona segura da tela para não ser cortada por interfaces de aplicativos, e a verificação de que o vídeo não é uma sequência de slides parados, mas sim uma peça com movimento contínuo.

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

Perguntar na sua IA favorita

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

Documentação

Video Motion — fluxo padrão para vídeos com narração via chat

Fluxo mestre. Três fontes têm papéis específicos — não leia todas em todos os projetos, chame conforme a fase:

FaseFonte de regrasSkill
Brief, estilo, roteiro, VO, sequência de trabalho via chatmotion-formatskill_view('motion-format')
Leis de design & cinematografia (vídeo≠slide, determinístico, estilo vem do tema, armadilhas)bang-motionskill_view('bang-motion')
Pipeline técnico de render (whisper, SFX, frame CDP, auditoria, legendas seguras)html-motion-pipelineskill_view('html-motion-pipeline')

Quando usar qual

  • Estilo específico com receita pronta (isométrico, cartoon cel, história-3D, promo de produto, etc.) → use o motor motion-format (mf.py) + a receita de estilo.
  • Explainer flat-motion 2D / diagrama de revezamento / tech-explainer (como o vídeo de Function Calling) → use html-motion-pipeline (arquitetura GSAP + render CDP), siga as leis de design bang-motion.
  • Promo/abertura/bumper/kinetic type → bang-motion como fonte de leis + arquitetura.

COMEÇE AQUI — porta de entrada da sequência (não pule)

Antes de escrever UMA ÚNICA linha (HTML, roteiro, VO) para a tarefa de vídeo: 0. LEIA USER.md E style-reference/STYLE.md (pasta deste skill) PRIMEIRO — USER.md = preferências & padrões do Hasbi (não pergunte de novo o que já está escrito); STYLE.md = estilo visual de ouro + quadros de referência. Use vision_analyze nos frames em style-reference/ antes de escrever HTML para VER o alvo visual, não apenas imaginá-lo por descrição. Este arquivo foi separado do SOP propositalmente para ser fácil de atualizar sem modificar o fluxo de trabalho.

  1. Execute skill_view('video-motion') primeiro — depois os sub-skills conforme a fase (tabela acima).
  2. PESQUISE PRIMEIRO se o tópico exigir fatos/reais (tópicos educacionais, "como fazer X", comparações, notícias): colete pontos-chave + um gancho forte de fontes reais (web_search/web_extract) ANTES de elaborar o roteiro — não invente o conteúdo de memória. Veja references/topik-riset.md para saber como escolher e variar o ângulo.
  3. A SEQUÊNCIA DE TRABALHO segue o usuário, não a tabela de fases acima. A ordem padrão do documento é brief→estilo→roteiro, MAS o usuário Hasbi frequentemente a inverte: pesquisa de tópico → escolha do tópico → roteiro → SÓ DEPOIS brief de estilo. Se o usuário disser "comece pelo tópico/roteiro primeiro, depois o brief", obedeça — não ofereça estilo nem mostre um rascunho de roteiro antes do tópico ser acordado. Obtenha aprovação (ACC) do usuário em cada fase (escolha 1 dentre opções) antes de prosseguir.
  4. Cena 1: teste visual + ACC primeiro, só depois VO e as outras cenas. Nunca construa o vídeo inteiro (todas as cenas + render MP4) antes da cena 1 ser aprovada pelo usuário.
  5. Não carregue bagagem de projetos anteriores. Cada vídeo = nova pasta e comece com um brief limpo; o usuário frequentemente pede "esqueça o projeto anterior, pesquise do zero".

ARMADILHA (cara): Construir de memória/intuição em vez de ler os sub-skills gera uma apresentação de slides — cada cena vira uma <section> com fade in-out. Isso viola a Lei nº 1 e exige um render completo (~9 minutos) antes de perceber que "está horrível". Leia o bang-motion PRIMEIRO; comece de index.fc-reference.html, não escreva do zero.

SOP DE POSICIONAMENTO & SEQUÊNCIA DE TRABALHO (padrão de consistência entre sessões)

Fonte: projeto #11 "Empresa Sem Funcionários" (7 cenas, 55,8 seg) concluído sem uma única revisão de layout. Este é o método correto que resultou em um trabalho limpo na primeira tentativa. Siga a sequência exatamente — pular uma etapa = refazer o render inteiro.

Fase A — PREPARAÇÃO (antes de tocar no HTML)

  1. VO primeiro, não o visual. Assim que o usuário enviar o arquivo de VO → processe imediatamente:
    ffmpeg -i vo_raw.mp3 -af loudnorm=I=-16:TP=-1.5:LRA=11 -ar 16000 -ac 1 vo_norm.wav
    
    (loudnorm é OBRIGATÓRIO — evita alucinações do Whisper).
  2. Transcrição palavra por palavra (modelo small, language="id", word_timestamps=True, vad_filter=True, temperature=0, beam_size=5, int8). Decodifique manualmente com soundfile→numpy (evite o bug do av). Resultado: vo_words.json = fonte da verdade para TODOS os timings.
  3. Mapeie os limites das cenas a partir dos timestamps, não do roteiro. Exemplo real: VO #11 cai em 8 cenas → 0/7.7/16.3/22.4/29.1/36.4/41.6. Cada cena começa = start da primeira palavra da sua frase de abertura. O visual aparece EXATAMENTE quando a frase é pronunciada.

Fase B — POSICIONAMENTO (chave para a organização)

Organização = grade disciplinada + cada cena com um foco. Regras concretas (evidência do #11):

  • Uma zona vertical por função. Em 1080×1920: manchete/título na faixa superior (y≈300), visual principal na faixa do meio (y 560–1250), legenda de encerramento na faixa inferior da cena (y≈1330), legenda (subtitle) FIXA em y≈1460. Não misture funções entre faixas.
  • Nós/colunas simétricos usando esquerda–centro–direita: left:250/540/830px (centro 540). O centro pode ter top ligeiramente mais alto que as bordas para dar vida à composição, MAS a distância horizontal entre os três é a mesma.
  • Cartões equilibrados (comparação A-vs-B): width & top & padding IGUAIS para ambos os cartões; a única diferença é o conteúdo. Não deixe um gordo e outro magro.
  • Legenda (subtitle) fora de #world (filha de #stage, não de #world) para não ser afetada pela câmera.
  • Meça, não adivinhe. Cada texto deve passar no audit_overlap (0 colisões) & audit_center (desvio do centro <250px). Use bounding-box, não o olho.

Fase C — ANIMAÇÃO (chave para "vivo mas calmo")

  • Totalmente determinístico. Tudo = função pura de t. Zero Math.random(). Ambientes (chuva de matrix, partículas) usem RNG com semente (mulberry32(seed)) para que cada render seja idêntico.
  • rAF = inimigo do render. Desative window.requestAnimationFrame via page.evaluateOnNewDocument(()=>{window.requestAnimationFrame=()=>0;}) ANTES de goto — caso contrário, o loop de reprodução automática sobrescreve __seek e os frames ficam aleatórios. (Padrão: rAF é SOMENTE para pré-visualização no navegador, não para render headless.)
  • Sincronia de frases. Cada batida visual usa o timestamp da palavra de vo_words.json como âncora do tween (exemplo: o nó PESQUISA aparece no start da palavra "pesquisa").
  • Movimento contínuo: deriva suave da câmera vertical por cena (y:-55→0), pulsação de anel (scale 1↔1.06 yoyo), contador numérico subindo, chuva de moedas. Todos passam no limiar de diferença média de movimento (Gotcha #12).
  • Gancho = set, não fade-in. Frame 0 = thumbnail do TikTok → o texto do gancho JÁ está completo em t=0 (tl.set, não fromTo com opacidade 0). Não deixe o primeiro frame vazio.

Fase D — VERIFICAÇÃO ANTES DO RENDER COMPLETO

  1. Execute node snap.mjs → capture 15+ pontos-chave → veja via visão (não apenas auditoria do DOM). O nome do arquivo de snapshot = SEGUNDO, não o índice da cena (snap_00003 = t≈0,3 seg, NÃO é a cena 3). Antes de avaliar pela visão, mapeie os pontos de auditoria para o número da cena correto — verificar o frame da "cena hexágono" no frame do gancho passará em branco e fará você acreditar erroneamente que a cena está correta.
  2. Desative o rAF no snapshot (da mesma forma que no render) → o snapshot agora é determinístico.
  3. Verifique cena por cena: texto cortado? sobreposição? espaço vazio excessivo? ícone legível?
  4. Só então faça o render completo (--sampai 3 primeiro para testar, depois completo + resume anti-OOM).
  5. Armadilha de re-tema (escuro↔claro): o fundo pode continuar escuro mesmo com a cor principal alterada. Ao mudar o tema do vídeo para claro/escuro após o render, a alteração de cor GLOBAL (fundo do body, texto) NÃO altera o gradiente de fundo POR CENA que foi escrito manualmente (ex.: #sc7 .bg{background:linear-gradient(180deg,#0a2a3a…)}) e a sombra escura em elementos CTA — essa cena continua escura no MP4 mesmo que "já tenha alterado tudo". Correção: após o re-tema, use grep no html para encontrar padrões de gradiente e cor de fundo por cena (grep -nE "gradient|#0[0-9a-f]{5}" index.html) e garanta que cada cena foi alterada. Verificação objetiva via pixels, não pelo olho: extraia o frame de cada cena do MP4 e meça o brilho da área de fundo (np.array(Image.open(f).convert('RGB'))[:80,:80].mean(); >180 = claro, <100 = ainda escuro). Valores por cena, não um único frame. Isso é mais confiável do que vision_analyze, que frequentemente expira/recusa carregar imagens em sessões de desktop.

Antecipação de consistência entre sessões: este método funciona porque (a) o VO é processado ANTES do visual, (b) o posicionamento vem da grade, não do sentimento, (c) determinístico + com rAF desligado. Qualquer sessão que seguir as Fases A→D exatamente resultará em uma organização equivalente ao projeto #11.

Fluxo padrão (adaptável — use a parte relevante)

  1. Brief de 5 itens (motion-format): o quê, tópico+materiais, para quem, duração, proporção+legenda. Pergunte no máximo 1 vez, o resto use padrões.
  2. Estilo — o usuário mencionar → use diretamente; ainda não → ofereça 3 + 1 recomendação. Escreva gaya.md (paleta hex + fontes, fonte, fundo, assinatura de movimento, 1 diferencial). O fundo não é escuro por padrão. O estilo vem do tema/marca, não de um modelo/referência.
  3. Imagem de teste da cena 1 (±8 seg, qualidade final) → capture → mostre → usuário aprova.
  4. Roteiro por cena → naskah.md. Ou se o usuário gravar ele mesmo: peça o arquivo de VO. Formato do roteiro quando mostrado no chat = PARÁGRAFO, não tabela. O usuário Hasbi quer ler o roteiro como uma história fluida (prosa por parágrafo), não uma tabela # | visual | VO | segundos. Escreva a tabela primeiro em naskah.md como blueprint interno (para mapear batida→visual, veja Gotcha #18), mas o que é MOSTRADO ao usuário para aprovação é a versão em parágrafo. Todo roteiro de vídeo do Hasbi DEVE terminar com a promoção do grupo do Telegram (grupo diskusitentangai, CTA no texto do VO + logotipo do grupo na tela final) — coloque o CTA dentro do próprio roteiro como a frase de encerramento do VO, não apenas como visual final.
  5. VO + timing
    • O usuário grava ele mesmo (ElevenLabs etc.): processe o arquivo. Transcrição + timestamp por palavra via faster-whisper (pipeline). Muito rápido → ofereça variações de velocidade (0,75/0,90/0,97) escolha uma.
    • Via API ElevenLabs: clipe por cena, teste a cena 1 primeiro. Não gaste créditos sem permissão.
    • Sincronize as frases usando pausas de respiração (silencedetect).
  6. Construa todas as cenas — o tempo da cena segue o tempo do VO. Construa 2–3 → capture → corrija → repita. Dê "mais detalhes" na cena mais fraca. Zero erros de JS.
  7. AUDITORIA DE LAYOUT ANTES DO RENDER (obrigatório, veja o pipeline): 0 overflow, sem colisão com elementos, legenda segura na zona UI inferior (Reels/TikTok ≈360px). Mais 0 frames vazios — verifique cada cena no seu frame inicial (t0..t0+0,5): os elementos de conteúdo (não-legenda) DEVEM ter opacidade>0. A auditoria DOM que apenas verifica colisão/overflow NÃO captura isso (veja Gotcha #6). 7b. AUDITORIA DE MOVIMENTO ANTES DE ENTREGAR (obrigatório, separada da auditoria de layout). A auditoria de layout e "frame vazio" apenas prova que o CONTEÚDO EXISTE, não que o VÍDEO SE MOVE — um vídeo estático (apresentação de slides morta) passa em ambas e depois falha totalmente aos olhos do usuário. Meça o movimento real: extraia dois frames do MP4 final no meio de UMA cena (não entre cenas, ex.: t e t+0,4) → calcule a média da diferença absoluta de pixels mean(|A-B|). mean diff < 1,0 = a cena está ESTÁTICA, rejeite. Toda cena deve passar — ter conteúdo
    • ter movimento entre frames são duas portas diferentes; passar em uma não significa passar na outra. (Veja Gotcha #12.)
  8. Render: verifique ±8 seg → usuário ouve/vê → render completo → MP4.

Leis obrigatórias (resumo do bang-motion + motion-format)

  1. Vídeo, não slide. A câmera/mundo se move; as cenas mudam porque o mundo se move, não porque uma <section> é esmaecida. Um único assunto/linha visual vermelha persiste.
  2. Determinístico. Todo visual = função pura de t/tl.time(). Zero Math.random() sem ser realmente aleatório, Date, performance.now.
  3. Estilo vem do tema, não de um modelo/referência. Referência = ritmo, não casca. Dois vídeos diferentes diferem em ≥3 de: paleta, fonte, fundo, assinatura de movimento. Exceto séries (Parte 1,2,…): deve ser consistente.
    • Não clone o layout de vídeos anteriores. Apenas trocar a paleta/fonte e usar a mesma estrutura <título acima> + <imagem pequena> + <cartão abaixo> ainda parecerá "muito igual" para o usuário — cor diferente não é design diferente. Ao começar um novo vídeo (não uma série), reformule a COMPOSIÇÃO de cada cena, não apenas recolorir um template.
    • Dê a cada cena UM foco grande (um herói) na faixa do meio, sem elementos sobrepostos. O usuário rejeita layouts poluídos/empilhados. Organize o herói na área central, o restante como suporte embaixo/nas bordas — não dois ou três blocos do mesmo tamanho lado a lado.
  4. Texto vivo, fundo submisso. Sentence case; pontuação apenas se mudar o significado/o ritmo; contraste forte; fundo não é de uma cor sólida.
    • O texto não deve encostar na borda. Texto largo (width:100% + text-align:center) com fonte grande (≥56px) pode tocar/encostar nas bordas esquerda/direita. O usuário rejeita isso ("muito colado na borda"). Dê um padding lateral mínimo de 50px OU substitua width:100% por left:50px; right:50px para cada texto de uma linha grande. Verifique via DOM: o bounding-box do texto deve ter uma distância ≥40px da esquerda e da direita do canvas.
  5. O gancho se move desde o frame 0. Momentos importantes recebem ±2,5 segundos.
  6. Legenda palavra por palavra para 9:16; palavras-chave na cor de destaque; na zona segura.
  7. Fatos na tela = fatos no roteiro. Não invente números.
  8. Linhas de conexão (diagrama de nós): SVG na camada mais inferior da cena, âncora borda-a-borda (não centro do logotipo), curva suave — nunca atravessando ícones/texto.
  9. Logotipo de identidade = ativo original do usuário/marca (pegue da web se necessário), não um emoji genérico.

Verificação (você não pode assistir — só vê FRAMES)

  • Capture segundos-chave via snap.mjs (pipeline) / mf.py potret (motion-format).
  • Monte uma contact sheet → avalie: texto cortado? sobreposição? linha atravessando? ainda slide?
  • Auditoria de layout via DOM (getBoundingClientRect) antes do render completo.
  • MP4 apenas na exportação final — não como ferramenta de verificação.
  • Auditoria de "frame vazio" via análise de pixels (confiável quando o backend de visão está offline): extraia frames do MP4 a cada 0,25 seg, calcule a % de pixels escuros (lum<100) na zona da cena (y 200–1300). Frames com <0,5% = cena quase vazia. Se o frame "mais mínimo" cair exatamente em t0 de cada cena → há um atraso vazio no início da cena (Gotcha #6). Pode também ser via DOM: conte elementos não-legenda com opacidade>0 em t0 e t0+0,1 de cada cena.

Entrega

  • index.html/scene.html aberto via...

[truncado para tradução]

Individual skills in this repo

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

html-motion-pipeline

Pipeline HTML→MP4 untuk video explainer 9:16 bersuara (gaya flat-motion 2D ala akun edu-tech di Reels/TikTok) — sudah teruji memproduksi video "Apa itu Function Calling?" (44.6s, 1080×1920, VO + 31 SFX tersinkron). Pakai skill ini saat user minta video explainer motion-graphic 9:16 dengan voiceover sendiri, subtitle per kata, diagram node↔tool yang beranimasi, dan output MP4 final. Sumber suara = file VO user (bukan TTS), diperlambat via ffmpeg atempo bila perlu.

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

Habilidades Relacionadas