Communitygithub.com

Video VIP Pro

Editor de vídeo premium em uma única chamada para vídeos com cabeça falante e de vendas em qualquer setor, com cor da marca escolhida pelo usuário. Transcreve, corta, adiciona efeitos VIP e renderiza MP4 9:16/16:9, permitindo refinamento por prompts de texto ou editor local.

O que é Video VIP Pro?

O Video VIP Pro é uma skill de IA especializada em produção de vídeos premium de alta qualidade para agentes como Claude Code, Cursor, Codex e similares. Ela transforma um vídeo bruto em um produto final em uma única chamada, realizando transcrição automática (suporta vietnamita e outros idiomas), corte de takes ruins com sincronia labial, zoom rítmico com motion blur, legendas de dois níveis, cenas com efeito vidro fosco e cerca de 50 efeitos VIP, como texto atrás da cabeça, desfoque de retrato, pessoa saindo do quadro, contagem de preços, selos, rachaduras, ondas de choque, anéis orbitais, looks de filme/VHS e maquetes de interface. Além disso, insere efeitos sonoros e música, renderizando em MP4 nos formatos 9:16 ou 16:9. Após a entrega, o usuário pode refinar o resultado com prompts simples ou usando o Editor VIP local (sem consumo de tokens). A skill se baseia em uma documentação rica (referências de estilos, indústrias, receitas e plano) e utiliza scripts Python e Node.js para análise, transcrição e renderização. Ela é ativada por comandos como "edit video VIP", "dựng video kiểu VIP / pro", "edit video này" ou "đổi màu chủ đạo", sendo ideal para criadores de conteúdo de setores como lojas, imobiliárias, spas, educação, tecnologia, finanças, academias e muito mais.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/leminhhieu0707/video-vip-pro/tree/HEAD

Perguntar na sua IA favorita

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

Documentação

O que Video VIP Pro faz?

Um vídeo bruto é processado. Você retorna uma edição premium finalizada em uma só chamada. Depois disso, o usuário orienta com prompts curtos ("câu 3 đổi hiệu ứng", "màu cam", "bỏ VHS", "chữ to hơn"), então cada edição é reconstruída a partir de um pequeno script de construção.

Os scripts ficam em scripts/ próximo a este arquivo. Execute-os com python -X utf8 <skill>/scripts/<name>.py. A configuração inicial é setup.ps1 (Windows) ou setup.sh; ela também executa scripts/get_sfx.py, que baixa o pacote de SFX da tendência (cerca de 130 sons Mixkit em 19 famílias) para este computador. Se um comando falhar com módulo ou fonte ausente, execute a configuração.

Arquivos para ler

quandoler
sempre, antes de planejarreferences/edit_brain.md (passo criativo, 7 estilos de edição, regras de variedade, design de som da tendência) + references/style.md (cada efeito + props, câmera, tema)
ao escolher efeitos / cor para o negócioa linha correspondente de references/industries.md
se um campo do plano estiver incertogrep references/plan.md (esquema completo)
gêneros sem cabeça falante (montagem, slideshow, tutorial, podcast)a seção correspondente de references/recipes.md
ao iniciar o construtorcopiar templates/build_vip.py

Fluxo de trabalho em uma chamada (faça tudo sem perguntar, a menos que uma escolha realmente mude o resultado)

  1. Briefing. Infira estes:

    • Setor, a partir do que é dito ou visto.
    • Tema:
      • a cor que o usuário nomeou, se houver;
      • caso contrário, a cor da marca (logotipo, placa, uniforme);
      • caso contrário, o padrão do setor.
    • Proporção: 9:16 a menos que a fonte seja horizontal e destinada ao YouTube.
    • Duração: mantenha cada boa frase.

    Pergunte apenas se o usuário forneceu vários arquivos não relacionados sem nenhuma dica.

  2. Assistir. Execute analyze.py SRC --every 2 e Leia as planilhas. Observe:

    • onde está o rosto: isso se torna FACE;
    • onde há espaço vazio;
    • qualquer texto embutido;
    • a cor da camisa, pois o texto no peito deve permanecer legível.
  3. Transcrever. Execute transcribe.py SRC --prompt "<marca, produto, nomes>". Em seguida, revise o .transcript.json:

    • corrija palavras ouvidas errado, mantendo a contagem de palavras sempre que possível;
    • escreva preços no formato vietnamita: "8.190.000đ" ou "8,19 triệu".
  4. Escolher frases. Escreva edited/cuts.json com uma entrada por frase a ser mantida, em ordem:

    • descarte retakes (mantenha o take mais recente e limpo), falsos começos, "cắt nhé" e silêncio;
    • in = primeira palavra −0,08 s, out = última palavra +0,15 s; adicione "transcripts" (os arquivos .transcript.json de origem) para que aroll.py também escreva aroll.transcript.json para legendas e o cérebro de som.

    Em seguida, execute aroll.py edited/cuts.json -o edited/aroll.mp4 --speed 1.1. Ele produz um único A-roll com sincronia labial mais aroll.json, que contém os tempos de início das frases.

  5. Construir. Faça o passo criativo em references/edit_brain.md primeiro. Escolha um estilo de edição, 3 motivos e um mapa de ritmo, depois escreva a tabela de storyboard. Nunca reutilize a sequência do vídeo anterior. Copie templates/build_vip.py para edited/ e preencha:

    • defina THEME, FACE, CAP_Y;
    • dê a cada frase um cap(i, top, text);
    • dê a cada frase um movimento de câmera (cam), com HOOK na frase 0, um SNAP ou EMPH nas 2–3 palavras-chave mais importantes, e alternando PUSH / PUNCH / PULL nas demais;
    • adicione um efeito VIP a cada 3–5 s, escolhido da linha do setor e posicionado na palavra que o nomeia (um preço aciona CountUp, "3 điều" aciona NumberList, "đau đầu" aciona Cracks);
    • mantenha o cérebro de som ligado ("sound_design": {"style": "trend", "brain": {...}}, veja edit_brain.md §4a): efeitos sonoros seguem a imagem, sons de história seguem as palavras. Depois leia as sugestões de sound_brain.py e corte o que não adiciona significado;
    • anteriormente "sound_design": "trend" significava: cada efeito recebe automaticamente um som em camadas do pacote da tendência, então adicione sons manualmente apenas onde eles carregam a história (riser antes de uma revelação, silêncio antes de uma piada);
    • adicione 2–4 cenas de vidro fosco por minuto;
    • finalize com um CTA.
  6. Renderizar. Execute build_vip.py, depois render.py plan_vip.json --draft. Renderizações com mais de 2 min são executadas em segundo plano. A primeira renderização de cada item de movimento leva 3–5 s; a matting de pessoa leva cerca de 1 s por segundo de efeito.

  7. Verifique sua própria saída. Execute analyze.py <draft> --every 1 e Leia cada planilha. Procure por:

    • texto cortado ou cobrindo o rosto;
    • efeitos que caem na palavra errada;
    • cores ilegíveis para este tema;
    • quadros pretos ou congelados;
    • loudness diferente de −14 LUFS.

    Corrija o construtor e re-renderize; os caches de segmento e movimento tornam isso rápido. Permita no máximo 3 rodadas por problema.

  8. Final. Execute render.py plan_vip.json (sem --draft).

  9. Entregar. Envie o MP4 (via SendUserFile se disponível). Depois:

    • dê um resumo de 3–5 linhas: duração, tema, os efeitos usados e em qual frase, e o que você adivinhou;
    • inicie o Editor VIP em segundo plano, python -X utf8 <skill>/editor/server.py edited/plan_vip.json, para que o usuário possa arrastar, reajustar tempo, redigitar e recolorir manualmente por 0 token.

Vozes mistas. Se o vídeo mistura fala em câmera com narração, execute scripts/voice_match.py para que ambas soem como uma única voz (veja references/edit_brain.md §5). Digitalize cada clipe em busca de boas falas em câmera (transcreva todas em uma passada) antes de decidir usar apenas a narração.

Refinamento por prompt (após a primeira edição)

  • Sempre edite build_vip.py, nunca o plano gerado. Se o usuário disser que fez alterações no Editor VIP, releia plan_vip.json primeiro e edite o plano diretamente, pois uma reconstrução descartaria as edições manuais. Informe qual abordagem você está usando.

  • Mapeie solicitações para edições:

    solicitaçãoedição
    "đổi màu …"THEME
    "câu N …"o bloco para a frase N
    "bỏ / thêm hiệu ứng X"excluir ou adicionar essa linha motion(...) / layer(...)
    "chữ to / nhỏ"size
    "chữ thấp / cao"CAP_Y ou y
    "zoom nhiều / ít"os movimentos cam / cycle
    "nhạc khác"MUSIC
    "nhanh hơn"aroll.py --speed (depois reconstruir)
  • Verifique antes da renderização completa: execute render.py plan_vip.json --preview A-B apenas no intervalo alterado, verifique e depois faça a renderização completa uma vez.

Regras de qualidade

  • Legendas. Um BlueText por frase, substituindo legendas simples. No máximo um **keyword** por linha. Em filmagens, use tone: "video"; em um vidro fosco claro, use tone: "light".
  • Quadro limpo. Além das legendas, mantenha no máximo um outro elemento na tela. Nunca cubra o rosto. Em 9:16, mantenha o texto fora dos 10% superiores e dos 20% inferiores.
  • Câmera. Um evento de câmera a cada 3–6 s. Movimentos grandes (SNAP, EMPH) no máximo uma vez a cada 10 s.
  • Corte popout. O corte popout deve começar abaixo do queixo, caso contrário a cabeça não sairá do quadro.
  • Honestidade. Use apenas preços, especificações, nomes e citações que aparecem na filmagem ou na mensagem do usuário.
  • Mídia licenciada apenas. Use os SFX sintetizados do pacote, os próprios arquivos do usuário ou música royalty-free. Nunca use músicas protegidas por direitos autorais ou clipes reenviados.

Notas de ambiente

  • Python e Node. Python 3.10+ com requirements.txt (faster-whisper, rembg, onnxruntime, opencv, numpy, fonttools, Pillow, edge-tts) e Node 18+ para motion/. Execute npm ci dentro de motion/ (a configuração faz isso).
  • FFmpeg. Deve ser uma compilação completa com libass.
  • GPU.
    • Uma GPU NVIDIA acelera Whisper e codificação NVENC.
    • Sem uma, Whisper roda na CPU; use --model small para velocidade.
    • rembg usa DirectML ou CUDA quando disponível.
  • Fontes. Be Vietnam Pro e Playfair Display estão incluídas em assets/fonts e motion/public/fonts.
  • Impressão no Windows. Defina PYTHONIOENCODING=utf-8 antes de imprimir vietnamita a partir de snippets ad-hoc.
  • Caches. Eles ficam em <plan>_work/. Exclua essa pasta apenas se o cache estiver quebrado.

Solução de problemas

  • Uma composição de movimento renderiza em branco: renderize um still com motion/render_motion.py COMP '<props>' --duration 2 --still 1 -o x.png e examine.
  • Pessoa errada no matte (logotipo ou pôster na parede): use popout "head": [x, w] para limitar a coluna que pode sair, ou escolha um momento mais calmo.
  • Som desloca após cortes: nunca junte muitos clipes de fala segmento por segmento. Sempre passe por aroll.py.
  • "sound effect not found": nomes de receitas mapeiam para sons internos (veja SFX_ALIASES em render.py). Coloque seu próprio nome.mp3 em assets/sfx/ para sobrescrever um.
  • Um efeito que os scripts não conseguem fazer: renderize com um comando ffmpeg direto ou escreva uma nova composição em motion/src/blue/ com cores envoltas em T('…'), depois use-a no plano.

Habilidades Relacionadas