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
| quando | ler |
|---|---|
| sempre, antes de planejar | references/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 negócio | a linha correspondente de references/industries.md |
| se um campo do plano estiver incerto | grep references/plan.md (esquema completo) |
| gêneros sem cabeça falante (montagem, slideshow, tutorial, podcast) | a seção correspondente de references/recipes.md |
| ao iniciar o construtor | copiar templates/build_vip.py |
Fluxo de trabalho em uma chamada (faça tudo sem perguntar, a menos que uma escolha realmente mude o resultado)
-
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.
-
Assistir. Execute
analyze.py SRC --every 2e 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.
- onde está o rosto: isso se torna
-
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".
-
Escolher frases. Escreva
edited/cuts.jsoncom 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 maisaroll.json, que contém os tempos de início das frases. -
Construir. Faça o passo criativo em
references/edit_brain.mdprimeiro. 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. Copietemplates/build_vip.pyparaedited/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" acionaNumberList, "đau đầu" acionaCracks); - 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 desound_brain.pye 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.
- defina
-
Renderizar. Execute
build_vip.py, depoisrender.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. -
Verifique sua própria saída. Execute
analyze.py <draft> --every 1e 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.
-
Final. Execute
render.py plan_vip.json(sem--draft). -
Entregar. Envie o MP4 (via
SendUserFilese 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, releiaplan_vip.jsonprimeiro e edite o plano diretamente, pois uma reconstrução descartaria as edições manuais. Informe qual abordagem você está usando. -
Mapeie solicitações para edições:
solicitação edição "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_Youy"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-Bapenas no intervalo alterado, verifique e depois faça a renderização completa uma vez.
Regras de qualidade
- Legendas. Um
BlueTextpor frase, substituindo legendas simples. No máximo um**keyword**por linha. Em filmagens, usetone: "video"; em um vidro fosco claro, usetone: "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
popoutdeve 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+ paramotion/. Executenpm cidentro demotion/(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 smallpara velocidade. - rembg usa DirectML ou CUDA quando disponível.
- Fontes. Be Vietnam Pro e Playfair Display estão incluídas em
assets/fontsemotion/public/fonts. - Impressão no Windows. Defina
PYTHONIOENCODING=utf-8antes 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.pnge 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_ALIASESemrender.py). Coloque seu próprionome.mp3emassets/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 emT('…'), depois use-a no plano.