Voz para vídeo longo
Estágio 7 do fluxo de trabalho de vídeo longo. Saída: uma pasta de arquivos de áudio, um por linha falada, cada um nomeado por cena e falante. Ou a decisão de que o vídeo não precisa de fala.
Uma cena significa um clipe do roteiro (um plano, no máximo 10 segundos), numerado em ordem ao longo do vídeo, como nos estágios anteriores.
Antes de começar
- Encontre o projeto em
~/.long-video/projects/<slug>/. Exijavideo-script.mdcomstatus: approvedefilm-style.md. - Carregue a configuração do projeto: idioma, fonte de voiceover e provedor (
audio.voiceover),providers.tts, nível de aprovação, orçamento. - Leia o modo de fala e as descrições de voz de
film-style.md. - Se
audio/ouvoice-scripts/já existirem, pergunte: continuar (liste o que está feito) ou reiniciar.
Passo 1: O vídeo precisa de fala?
Descubra antes de perguntar. Verifique:
- o modo de fala em
film-style.md(narrador, personagens, misto), audio.voiceover.sourcena configuração (none,self-recorded,cloud-tts,local-tts),- quantas linhas de narração ou diálogo o roteiro contém e em quantas cenas.
Em seguida, dê uma recomendação com um motivo e peça confirmação. Exemplo: "O roteiro tem 142 linhas de narração em 96 de 104 cenas, e a configuração usa texto para fala em nuvem. Recomendo um vídeo narrado. Deseja que eu crie as vozes?"
- Se o roteiro não tiver linhas faladas, ou a configuração disser sem voiceover: recomende pular, com o motivo.
- Aprovado. Continue com o Passo 2.
- Não necessário. Defina
"voice_mode": "none"e"stage": "voice-skipped"emproject.json. Diga que os estágios posteriores usarão apenas música e efeitos. Pare. - Discorda da recomendação. Siga o usuário. Atualize a nota de configuração se a fala era
nonee o usuário agora a quer.
Nunca crie nenhuma voz sem a confirmação do usuário.
Passo 2: Montar o elenco de vozes
- Liste cada falante: o narrador (se houver) e cada personagem que tem diálogo. Conte as linhas para cada um.
- Para cada falante, pegue a descrição da voz de
film-style.md(idade, tom, sotaque, velocidade). Se faltar uma descrição, proponha uma a partir da descrição do personagem emvisual-bible.mde marque-a como "proposta". - Mostre o elenco como uma tabela: falante, id, número de linhas, descrição da voz. Peça ao usuário para confirmar ou editar.
- Ids dos falantes:
narrator, ou o id do personagem sem o prefixochar-(por exemplochar-maraviramara). Esses ids vão para os nomes dos arquivos.
Passo 3: Escolher como o áudio é feito
Pergunte: "Claude deve gerar as vozes, ou você mesmo as fará (gravar ou usar sua própria ferramenta)?"
- Claude gera. Vá para o Passo 4.
- Eu faço. Vá para o Passo 6.
- Ambos. Escreva os scripts de voz (Passo 6) e também gere (Passo 4).
- Se
audio.voiceover.sourceforself-recorded, vá diretamente para o Passo 6.
Passo 4: Encontrar uma ferramenta de voz e fazer amostras
Leia references/voice-generation.md. Em resumo:
- Use o método salvo na configuração (
providers.tts) se houver um. Teste-o. - Procure por ferramentas conectadas nesta sessão que gerem fala (um MCP ElevenLabs ou similar, ou skills com ferramentas de fala).
- Verifique variáveis de ambiente de chave de API no dispositivo. Imprima apenas "definida" ou "não definida".
- Verifique ferramentas locais de texto para fala.
- Se nada for encontrado, pergunte se o usuário tem uma chave de API (como variável de ambiente, nunca colada no chat), um servidor MCP para conectar ou um site de fala no navegador. Ou vá para o Passo 6.
As amostras de voz vêm primeiro. Nunca gere o áudio completo antes que o usuário aprove as vozes.
- Para cada falante, escolha uma voz que se encaixe na descrição. Liste as vozes da ferramenta e escolha entre elas. Nunca use um id de voz da memória. Se a ferramenta puder criar uma nova voz a partir de uma descrição, ofereça isso para vozes difíceis de combinar.
- Faça uma amostra curta por falante (5 a 15 segundos). Use uma linha real do roteiro que esse falante diz, no idioma da configuração. Para o narrador, use as linhas de abertura. Inclua a nota de entrega se a linha tiver uma.
- Salve as amostras em
audio/samples/comosample_<falante>.mp3. - Apresente cada amostra com o falante, o nome da voz e a linha. Peça ao usuário para aprová-la ou pedir outra voz. Se eles pedirem outra voz, faça uma nova amostra (uma de cada vez, nunca repetições em lote). Repita até que cada falante seja aprovado.
- Registre as vozes aprovadas em
voice-cast.md(falante, nome da voz, id da voz, configurações, arquivo de amostra). Atualize a lista de vozes emfilm-style.mdpara corresponder.
Não repita uma chamada de geração para tentar novamente. Cada chamada pode cobrar novamente.
Passo 5: Gerar as linhas
- Leia
references/voice-script-format.md. Construa a lista de linhas a partir do roteiro: um item por linha falada, na ordem das cenas. - Informe ao usuário o número de linhas, o tempo total de fala e o custo aproximado. Pergunte antes de começar. Ofereça para começar com um intervalo, por exemplo, cenas 1 a 10.
- Cena de teste. Gere a primeira cena com fala. Reproduza-a ou informe sua duração. Pergunte se a entrega está correta. Ajuste as configurações primeiro.
- Gere na ordem das cenas usando apenas as vozes aprovadas. Aplique as notas de entrega. Use as notas de pronúncia da lista de linhas.
- Salve cada linha como
audio/lines/scene-<NNN>_<falante>_<NN>.<ext>. Nunca sobrescreva um arquivo sem perguntar. - Após cada arquivo, meça sua duração com
ffprobe. Compare com a duração da cena no roteiro (veja a referência de formato para as regras de ajuste). Registre o resultado. - Se uma linha não couber em sua cena, não mude as palavras. Ofereça opções: uma entrega ligeiramente mais rápida (no máximo 10 por cento), uma cena mais longa (ainda dentro do limite de 10 segundos), ou dividir a linha em duas cenas com a aprovação do usuário.
- Tudo de uma vez ou uma por uma: pergunte ao usuário. Uma por uma reproduz o resultado de cada linha, espera aprovação ou um pedido de refazer.
- Se a ferramenta criar seu próprio áudio dentro dos clipes de vídeo (sincronia labial), pergunte se deve manter esse áudio ou usar esses arquivos. Anote a resposta em
audio/status.md.
Se a geração falhar ou o usuário recusar, volte para o Passo 6 para as cenas restantes.
Passo 6: Scripts de voz para o usuário
- Crie
audio/lines/para os arquivos de áudio finalizados evoice-scripts/para as listas de linhas. Mostre os caminhos completos. - Escreva arquivos em lote de 20 cenas (
scenes-001-020.md) evoice-scripts/index.md, seguindo a referência de formato. Cada linha tem:- o nome do arquivo para salvar:
audio/lines/scene-007_narrator_01.mp3 - o falante e a descrição da voz
- o texto exato, a nota de entrega e as notas de pronúncia
- a duração da cena, para que o áudio possa ser verificado em relação a ela
- o nome do arquivo para salvar:
- Pergunte: tudo de uma vez ou uma por uma.
- Tudo de uma vez. Mostre os caminhos das pastas e um exemplo. O usuário trabalha com os arquivos em lote.
- Uma por uma. Mostre a primeira linha com seu nome de arquivo. Aguarde o usuário dizer que ela foi salva. Verifique se o arquivo existe com o nome correto e meça sua duração. Em seguida, mostre a próxima linha.
- Ofereça-se para verificar a pasta a qualquer momento: compare arquivos com o índice e liste áudio faltante, com nome incorreto ou muito longo.
Passo 7: Status e finalização
- Mantenha
audio/status.mdatualizado com a tabela na referência de formato. Valores de status:pending,done,needs-manual,skipped. - Atualize
project.json:"stage": "voice-prompts-done"após as listas de linhas serem salvas, e"stage": "voice-done"quando cada linha falada tiver um arquivo de áudio e o usuário aprovar o conjunto. - Informe ao usuário os caminhos de
audio/evoice-scripts/, o tempo total de fala em relação ao tempo do vídeo e o que está faltando ou muito longo. - Ofereça-se para salvar a ferramenta de trabalho na configuração (
providers.tts), apenas método e nomes. - Ofereça-se para continuar com
long-video-sound(efeitos sonoros, ambiente e música de fundo). Inicie-o apenas se o usuário concordar. Não inicie nenhum outro estágio posterior, a menos que o usuário peça e esse estágio exista.
Regras
- Nunca crie vozes sem a confirmação do usuário no Passo 1.
- Nunca gere áudio completo antes que as amostras de voz sejam aprovadas.
- Nunca mude as palavras do roteiro. Se uma linha não couber, pergunte primeiro.
- Nunca use um id de voz que não veio da própria lista de vozes da ferramenta ou do usuário.
- Nunca peça chaves de API no chat. Nunca insira senhas ou resolva CAPTCHAs em um navegador.
- Nunca repita uma chamada de geração silenciosamente para tentar novamente. Cada chamada pode cobrar novamente.
- Nunca renomeie um arquivo depois que a lista de linhas for aprovada.
- Mantenha as mensagens do chat curtas. Coloque listas completas de linhas em arquivos.