Communitygithub.com

Guia de Produção de Vídeos Explicativos

Guia completo de produção de vídeos explicativos: roteiro, narração, visuais e montagem. Abrange fórmulas de roteiro, regras de ritmo, planejamento de cenas e pipelines com múltiplas ferramentas.

O que é Guia de Produção de Vídeos Explicativos?

Este guia é um recurso abrangente para a criação de vídeos explicativos, desde o roteiro até a edição final, utilizando a CLI do inference.sh (belt). Ele é ideal para desenvolvedores e criadores que desejam produzir vídeos de demonstração de produtos, tutoriais, vídeos de onboarding e conteúdos para redes sociais de forma eficiente. O guia oferece fórmulas de roteiro testadas (como Problema-Agita-Solução e Antes-Depois-Ponte), regras de ritmo para narração, e orientações detalhadas sobre a produção visual e de áudio, incluindo a geração de cenas com modelos de IA como Veo 3.1 e Seedance 2.0. Além disso, descreve um pipeline completo de montagem, combinando a geração de voz, cenas, música de fundo e legendas em um fluxo de trabalho automatizado. O guia suporta as plataformas belt CLI e inference.sh, e recomenda habilidades complementares como geração de vídeo por IA e engenharia de prompts.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/101-skills/skills/explainer-video-guide

Perguntar na sua IA favorita

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

Documentação

Instale a skill belt CLI: npx skills add belt-sh/cli

Guia de Vídeo Explicativo

Crie vídeos explicativos do roteiro ao corte final via CLI do inference.sh.

Início Rápido

Requer a CLI inference.sh (belt). Instruções de instalação

belt login

# Gere uma cena para um explicador
belt app run google/veo-3-1-fast --input '{
  "prompt": "Animação estilo motion graphics limpo, dados abstratos fluindo entre nós conectados, esquema de cores azul e branco, estética corporativa profissional, transições suaves"
}'

Fórmulas de Roteiro

Problema-Agita-Solução (PAS) — 60 segundos

SeçãoDuraçãoConteúdoContagem de Palavras
Problema10sDeclare o ponto de dor que o espectador tem~25 palavras
Agitação10sMostre por que é pior do que eles pensam~25 palavras
Solução15sApresente seu produto/ideia~35 palavras
Como Funciona20sMostre 3 etapas ou recursos principais~50 palavras
CTA5sUma ação clara a seguir~12 palavras

Antes-Depois-Ponte (ADP) — 90 segundos

SeçãoDuraçãoConteúdo
Antes15sMostre o estado frustrante atual
Depois15sMostre o resultado ideal
Ponte40sExplique como seu produto os leva até lá
Prova Social10sEstatística rápida ou depoimento
CTA10sPróximo passo claro

Destaque de Recurso — 30 segundos (redes sociais)

SeçãoDuraçãoConteúdo
Gancho3sFato surpreendente ou pergunta
Recurso15sMostre um recurso resolvendo um problema
Resultado7sO resultado/benefício
CTA5sExperimente / Saiba mais

Regras de Ritmo

Tipo de ConteúdoPalavras por MinutoNotas
Narração padrão150 ppmRitmo de conversação
Complexo/técnico120 ppmPermita tempo de processamento
Enérgico/redes sociais170 ppmMais rápido para formato curto
Conteúdo infantil100 ppmClaro e lento

Regra chave: 1 cena por mensagem chave. Não coloque várias ideias em um único visual.

Diretrizes de Duração da Cena

  • Tomada de estabelecimento: 3-5 segundos
  • Demonstração de recurso: 5-8 segundos
  • Texto/estatística na tela: 3-4 segundos (deve ser legível)
  • Transição: 0,5-1 segundo
  • Tela de CTA: 3-5 segundos

Produção Visual

Tipos de Cena

# Produto em contexto
belt app run google/veo-3-1-fast --input '{
  "prompt": "Vídeo de demonstração de produto limpo, mãos digitando em um laptop mostrando um painel de controle, escritório moderno e claro, iluminação natural suave, profissional"
}'

# Visualização de conceito abstrato
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "Gráficos animados abstratos, fluxos de dados coloridos conectando formas geométricas flutuantes, animação fluida e suave, fundo escuro com elementos brilhantes, estética tecnológica",
  "generate_audio": true
}'

# Tomada de estilo de vida/resultado
belt app run google/veo-3-1-fast --input '{
  "prompt": "Pessoa feliz relaxando no sofá com laptop, sorrindo para a tela, sala de estar clara e arejada, luz quente da tarde, sensação de cliente satisfeito, estilo de comercial de estilo de vida"
}'

# Comparação antes/depois
belt app run falai/flux-dev-lora --input '{
  "prompt": "Comparação em tela dividida, lado esquerdo mesa bagunçada com papéis e estresse, lado direito espaço de trabalho organizado e minimalista, diferença dramática, design limpo"
}'

Imagem para Vídeo em Cenas

# Gere um quadro estático primeiro
belt app run falai/flux-dev-lora --input '{
  "prompt": "Espaço de trabalho profissional com interface holográfica brilhante, futurista mas limpo, iluminação azul de destaque"
}'

# Anime-o
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "Suave push in de câmera, elementos holográficos sutilmente flutuando e girando, mudanças suaves de luz ambiente",
  "image": "path/to/workspace-still.png"
}'

Produção de Narração

Dicas de Escrita de Roteiro

  • Frases curtas. Máximo de 15 palavras por frase.
  • Voz ativa. "Você pode rastrear seus dados" não "Seus dados podem ser rastreados."
  • Tom de conversação. Leia em voz alta — se soar rígido, reescreva.
  • Uma ideia por frase. Uma frase por batida visual.

Gerando Narração

# Narração profissional com Dia TTS
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Cansado de passar horas em relatórios que ninguém lê? Existe um jeito melhor. Conheça o DataFlow. Ele transforma seus dados brutos em histórias visuais... em segundos. Basta conectar sua fonte, escolher um modelo e compartilhar. Experimente o DataFlow grátis hoje."
}'

Controle de Ritmo no TTS

TécnicaEfeitoExemplo
Ponto .Pausa média"Isso muda tudo. Veja como."
Reticências ...Pausa longa (dramática)"E o resultado... foi incrível."
Vírgula ,Pausa curta"Rápido, simples, poderoso."
Exclamação !Ênfase/energia"Comece a construir hoje!"
Interrogação ?Entonação ascendente"E se houvesse um jeito melhor?"

Música e Áudio

Diretrizes de Música de Fundo

  • Volume: 20-30% abaixo da narração (atenue 6-12dB quando a voz toca)
  • Estilo: combine com o tom da marca (corporativo = eletrônico ambiente, startup = indie animado)
  • Estrutura: crescendo na introdução (primeiros 3s) -> loop sutil sob a narração -> crescendo no CTA
  • Sem vocais: apenas instrumental sob a narração
# Gere música de fundo
belt app run <music-gen-app> --input '{
  "prompt": "música de fundo corporativa animada, eletrônica moderna, 90 BPM, positiva e profissional, sem vocais, adequada para vídeo de produto explicativo"
}'

Pipeline de Montagem

Fluxo de Trabalho de Produção Completo

# 1. Gere a narração
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Seu roteiro aqui..."
}'

# 2. Gere os visuais da cena (em paralelo)
belt app run google/veo-3-1-fast --input '{"prompt": "descrição da cena 1"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "descrição da cena 2"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "descrição da cena 3"}' --no-wait

# 3. Mescle as cenas em sequência
belt app run infsh/media-merger --input '{
  "media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'

# 4. Adicione a narração ao vídeo
belt app run infsh/video-audio-merger --input '{
  "video": "merged-scenes.mp4",
  "audio": "voiceover.mp3"
}'

# 5. Adicione legendas
belt app run infsh/caption-videos --input '{
  "video": "final-with-audio.mp4",
  "caption_file": "captions.srt"
}'

Duração do Vídeo por Formato

FormatoDuraçãoPlataforma
Teaser para redes sociais15-30sTikTok, Instagram Reels, YouTube Shorts
Demonstração de produto60-90sSite, landing page
Explicador de recurso90-120sYouTube, e-mail
Tutorial/passo a passo2-5minYouTube, central de ajuda
Vídeo para pitch de investidor2-3minSuplemento de pitch deck

Tipos de Transição

TransiçãoQuando UsarEfeito
CortePadrão entre cenas relacionadasLimpo, profissional
Dissolução/FusãoPassagem de tempo, mudança de humorSuave, contemplativo
CortinaNovo tópico ou seçãoSeparação clara
Zoom/PushAprofundando em detalhesFoco na atenção
Corte de correspondênciaSimilaridade visual entre cenasInteligente, memorável

Erros Comuns

ErroProblemaCorreção
Roteiro muito prolixoNarração apressada, espectador sobrecarregadoCorte para 150 ppm no máximo
Sem gancho nos primeiros 3sEspectadores saem imediatamenteComece com o problema ou estatística surpreendente
Visuais atrasam a narraçãoDesconexão confusaVisuais devem corresponder ou preceder ligeiramente as palavras
Música de fundo muito altaNão é possível ouvir a narraçãoAtenue a música 6-12dB abaixo da voz
Sem legendas85% dos vídeos em redes sociais são assistidos sem somSempre adicione legendas
Muitas ideiasEspectador não retém nadaUma mensagem central por vídeo

Habilidades Relacionadas

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering

Navegue por todos os apps: belt app store

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Download YouTube videos, extract/proofread/translate subtitles, and render them onto video. Use whenever the user asks to download a YouTube video with subtitles, translate video subtitles to Chinese, add subtitles/burn subtitles to a video, or do ASR transcription on video audio. Covers the full pipeline: video download → subtitle extraction → proofreading → translation → SRT generation → subtitle rendering. Also use for "下载视频加字幕", "视频翻译字幕", "把字幕烧录到视频中". For pure subtitle file creation without rendering (just SRT output), this skill handles that too — stop before Phase 5.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Habilidades Relacionadas