clip-short

Cortador Autônomo de Curta-Metragens & Produção de Vídeo Viral com Consciência de Formato (clip-short v2.4)

Um skill de engenharia de vídeo agêntico que ingere material de origem de longa duração, entende o formato da fonte e a história, escolhe um tratamento visual adequado, renderiza um vídeo vertical otimizado para dispositivos móveis e, em seguida, prova a partir do MP4 exportado que o resultado está correto.

A v2.4 mantém o roteador de três eixos e fecha a lacuna entre a qualidade declarada e a visível: QA com falha fechada, revisão semântica multimodal genuína, timestamps de narração para visuais, verificações de palestrantes no nível do quadro, identidade de objetos reais, validação de limites de diagrama, testes de colisão entre legenda e objeto, OCR de miniaturas, proveniência reproduzível e aprendizado de desempenho de campanha.

A v2.0 substituiu o modelo fixo de "uma receita para cada fonte" por três decisões independentes:

1. O que é a fonte? (arquétipo visual)
2. Qual é a história? (arquétipo narrativo)
3. Qual tratamento atende a essa história? (tratamento de edição)

A tela dividida 54/46 é um preset forte dentro desse sistema, não uma lei universal. Nenhum clipe é marcado como pronto até passar pelo portão de qualidade de produção contra o arquivo renderizado real.

---

Quando Usar

• Ingerir e examinar lives brutas, palestras de conferências, podcasts e VODs de várias horas em busca de candidatos a curtas com alta retenção
• Selecionar candidatos com a fórmula de Maior Valor Esperado (EV), controlada pela elegibilidade da campanha
• Classificar o material de origem ao longo dos três eixos independentes (visual_archetype, narrative_archetype, editing_treatment)
• Roteirizar o layout através do Motor de Layout Adaptativo (corte em tela cheia, alternância de palestrantes, tela dividida adaptativa, PiP, rastreamento progressivo de diagramas, contação de histórias cena a cena, documentário minimalista)
• Aplicar o ajuste de limites linguísticos com consciência de campanha: aberturas com frases completas, zero palavras de preenchimento, pontuação final e duração que segue as regras da campanha sem truncar o payoff
• Verificar transcrições e terminologia de domínio antes da empacotamento
• Renderizar tipografia cinética com consciência facial e zonas de segurança
• Separar cinco camadas de texto distintas: título HUD, legendas, título do YouTube, título da miniatura, legenda da campanha
• Executar inspeção pós-renderização em quadro completo no MP4 exportado e falhar fechado para REJECTED_RENDER
• Pontuar com um portão de produção aprovado/reprovado mais uma pontuação de potencial de desempenho editorial
• Registrar métricas reais de campanha e realimentá-las na seleção futura
• Preparar um pacote de submissão verificado para lançamento por etapas aprovado por humanos

---

Arquitetura e Índice de Subskills

                        [ Fonte Mestre Raw 4K / 1440p ]
                                      |
                                      v
                    +-----------------------------------+
                    |   1. Pré-Voo da Campanha         | ---> [subskills/campaign-preflight.md]
                    |   - Duração / som / conteúdo     |      Falha fechada para HUMAN_REVIEW
                    |   - Direitos e fonte aprovada    |      quando as regras estão faltando
                    +-----------------------------------+
                                      |
                                      v
                    +-----------------------------------+
                    |   2. Classificação de Três Eixos  | ---> [subskills/format-router-templates.md]
                    |   A. Arquétipo visual da fonte   |      [references/clipper-format-archetypes.md]
                    |   B. Arquétipo narrativo         |
                    |   C. Tratamento de edição        |
                    +-----------------------------------+
                                      |
              +-----------------------+-----------------------+
              |                                               |
              v                                               v
+-----------------------------+                 +-----------------------------+
|  3. Verificação de         |                 |   4. Ajuste de Limites      |
|     Transcrição            |                 |      Linguísticos           |
|  - Confiança ASR           |                 |  - Abertura com frase       |
|  - Terminologia de domínio |                 |    completa                 |
|  - Verificações de         |                 |  - 0 palavras de            |
|    entidades/acrônimos     |                 |    preenchimento            |
|  - Diferença de legenda    |                 |  - Pontuação final          |
|    original                |                 |  - Duração com consciência  |
|  [subskills/transcript-    |                 |    de campanha              |
|   verification.md]         |                 |  [subskills/linguistic-     |
+-----------------------------+                 |   boundary-snapping.md]     |
              |                                               |
              +-----------------------+-----------------------+-
                                      |
                                      v
                    +-----------------------------------+
                    |   5. Layout Adaptativo e Edição   | ---> [subskills/pip-split-screen-geometry.md]
                    |      de Batidas Semânticas        |
                    |   - Roteirização de corte com    |
                    |     base no formato              |
                    |   - Foco visual em mudanças de   |
                    |     assunto                      |
                    |   - Rastreamento progressivo     |
                    |     de diagramas                 |
                    +-----------------------------------+
                                      |
                                      v
                    +-----------------------------------+
                    |   6. Tipografia e Metadados       | ---> [subskills/kinetic-typography-safe-zones.md]
                    |   - Zonas seguras com consciência |      [subskills/faithful-metadata-packaging.md]
                    |     facial                       |
                    |   - 5 camadas de texto separadas |
                    |   - Construção de miniatura      |
                    |     dedicada                     |
                    +-----------------------------------+
                                      |
                                      v
                    +-----------------------------------+
                    |   7. Portão de Produção e        | ---> [subskills/pre-render-quality-gates.md]
                    |      Pontuação                   |      [references/viral-scoring-rubric.md]
                    |   - Portões técnicos              |      [subskills/regression-fixtures.md]
                    |     pré-renderização             |
                    |   - QA pós-renderização em       |
                    |     quadro completo              |
                    |   - Portão aprovado/reprovado +  |
                    |     editorial                    |
                    +-----------------------------------+
                                      |
                                      v
                    +-----------------------------------+
                    |   8. Lançamento Aprovado por     | ---> [subskills/fleet-staged-publishing.md]
                    |      Humanos                     |      [subskills/autonomous-10m-cadence-daemon.md]
                    |   - Pacote de submissão          |      [subskills/performance-feedback.md]
                    |   - Aprovação humana necessária  |
                    |   - Ciclo de feedback de         |
                    |     métricas                     |
                    +-----------------------------------+

---

Padrões de Produção Essenciais (OBRIGATÓRIO)

1. Classificação de Três Eixos é Obrigatória

Nunca mapeie uma fonte diretamente para um template de edição fixo. Classifique de forma independente:

• Eixo A — Arquétipo visual da fonte: O que as imagens são fisicamente (cabeça falante solo, podcast multicâmera, facecam em canto + compartilhamento de tela, gravação de tela em tela cheia, quadro branco/diagrama, apresentação de slides, jogos + facecam, jogos em tela cheia, ilustração/animação narrada, documentário/B-roll narrado, esportes/ação, performance ao vivo, demonstração de produto, debate com dois palestrantes).
• Eixo B — Arquétipo narrativo: Qual é a história (curiosidade/mistério, opinião contrária, explicação/educação, debate/desacordo, história pessoal, demonstração/resultado, comédia/punchline, reação, lista/passos, revelação emocional).
• Eixo C — Tratamento de edição: Como essa história específica deve ser mostrada (corte em tela cheia, alternância dinâmica de palestrantes, tela dividida adaptativa, picture-in-picture, zoom progressivo em diagrama, contação de histórias cena a cena, legendas animadas, B-roll contextual, tratamento documentário minimalista).

Os seis templates legados FORMAT_* permanecem como presets de tratamento válidos (combinações nomeadas dos três eixos). Eles não são o classificador.

2. Motor de Layout Adaptativo (54/46 Dourado é um Preset, Não uma Lei)

O layout é selecionado a partir do conteúdo da fonte, não aplicado por padrão:

Conteúdo da fonte	Layout
Palestrante em retrato / cabeça falante	Corte retrato em tela cheia
Podcast em paisagem	Corte vertical com consciência facial
Dois palestrantes	Alternância dinâmica de palestrantes com tempo mínimo de permanência
Facecam em canto + compartilhamento de tela	54/46 adaptativo ou PiP
Diagrama de arquitetura amplo	Rastreamento horizontal progressivo e zoom em componentes
Gravação de tela	Corte e zoom na janela ativa
Animação ilustrada	Rastreamento de cena em tela cheia
B-roll / documentário narrado	Visuais contextuais em tela cheia
Apresentação de slides	Isolamento de slide com inserção do palestrante apenas quando útil
Jogos / esportes	Corte seguro para ação com inserção de facecam
Performance ao vivo	Enquadramento de palco inteiro com cortes sincronizados com batidas
Demonstração de produto	Corte focado no objeto com visibilidade das mãos/resultado

A Divisão Móvel 54/46 Dourada continua sendo o preset padrão para imagens de streamer com PiP em canto:

• Painel superior: $1080 \times 1040$ ($54,17%$), corte ombros e cabeça.
• Painel inferior: $1080 \times 880$ ($45,83%$), cartão de suporte isolado por saliência.
• Costura: 4px #1E293B em $y = 1038$.

Ela não deve ser forçada em diagramas panorâmicos, ilustrações narradas, documentários em tela cheia ou fontes onde a divisão encolhe rótulos abaixo da legibilidade móvel. Quando o diagrama inteiro só cabe se for encolhido, divida o diagrama em batidas semânticas e aplique zoom em cada componente individualmente.

3. Edição de Batidas Semânticas Substitui Fases de Tempo Fixo

O foco visual muda quando o assunto ou argumento muda, não quando um timestamp arbitrário é atingido:

• Podcast estilo Lex: mostre o perguntador na pergunta, o respondedor na explicação, o palestrante relevante na contradição e segure a conclusão no palestrante que a entrega.
• Mistério estilo Veritasium: ilustração de abertura intrigante, investigador e agricultores durante a configuração, revelação progressiva nas moscas, segure a foice e a confissão para o payoff.
• Explicador técnico estilo Theo: palestrante durante a analogia, diagrama de interface/arnês durante o mecanismo, zoom direcionado durante sintaxe especial, nó final durante a execução da ferramenta.

A progressão de timestamp em 5 fases pode ser usada apenas como fallback quando a detecção de batidas não estiver disponível. Fases fixas nunca substituem o foco semântico.

4. Duração com Prioridade Narrativa e Conformidade com a Campanha

Ordem de resolução para duração:

1. Regra da campanha (min_seconds / max_seconds explícitos) — maior prioridade.
2. Conclusão narrativa — nunca corte um payoff final para atingir um número padrão. Comprima a configuração.
3. Alvo padrão $18,0\text{s} - 22,5\text{s}$; teto flexível $23,5\text{s}$ quando necessário para concluir um pensamento.

Os requisitos da campanha substituem os padrões internos para duração, som, conteúdo, hashtags, menções, conta, público e divulgação. Regras de campanha ausentes ou ambíguas falham fechado para HUMAN_REVIEW.

5. Verificação de Transcrição Antes do Empacotamento

Não confie cegamente no Whisper ou em qualquer modelo ASR. Antes de pontuar ou empacotar:

• Verifique a terminologia de domínio, acrônimos e entidades nomeadas contra dicionários.
• Compare com as legendas originais da fonte, quando disponíveis.
• Verifique a confiança do ASR e sinalize substituições incomuns.
• Exija revisão humana para terminologia de baixa confiança.
• Nunca publique um título ou legenda construído com base em uma entidade não verificada.

6. Tipografia com Consciência Facial e Cinco Camadas de Texto Separadas

Mantenha essas camadas semanticamente consistentes, mas textualmente distintas:

1. Título HUD do vídeo — selo de curiosidade no topo, 3–6 palavras, máximo 38 caracteres, sem pontuação final, desaparece após o gancho.
2. Legendas faladas — legendas alinhadas com palavras verbatim.
3. Título do YouTube — pesquisável e fiel, pode usar uma paráfrase fiel.
4. Título da miniatura — um título principal, construído em um estágio dedicado de miniatura.
5. Legenda e hashtags da campanha — requisitos específicos da campanha.

Posicionamento com consciência facial: posicione o título e as legendas a partir de pontos de referência faciais detectados, não de uma coordenada fixa única. Nunca cubra olhos, boca ou a expressão chave do palestrante. As legendas mantêm MarginV = 920 (linha de base $y = 1000$) no preset 54/46; layouts adaptativos calculam uma zona segura equivalente que desobstrui o rosto do sujeito e qualquer texto da fonte.

Regras para miniaturas: apenas um título, sem fragmentos de legenda, sem cartão de título duplicado, rosto e olhos desobstruídos, imagem de suporte comunica imediatamente o assunto, legível em tamanho móvel.

7. QA Pós-Renderização em Quadro Completo e Portão de Produção

Todas as decisões de qualidade são tomadas em relação ao MP4 exportado real, não à configuração de renderização. Rejeite (REJECTED_RENDER) em qualquer falha crítica:

• Sobreposição de depuração: código, expressões de filtro ou variáveis internas visíveis em qualquer quadro.
• Cursor: cursor do mouse visível involuntariamente.
• Integridade do corte: diagrama, texto ou assunto importante cortado.
• Legibilidade gráfica: visual de suporte ilegível em tamanho móvel.
• Oclusão facial: título ou legendas obscurecem características faciais importantes.
• Colisões de texto: legendas se sobrepõem ao texto existente da fonte.
• Integridade da miniatura: títulos duplicados ou texto excessivo.
• Precisão da legenda: palavras faladas diferem das legendas exibidas.
• Continuidade visual: quadros pretos, congelamentos ou transições acidentais.
• Conformidade com a campanha: duração, som, conteúdo ou requisitos de conta violados.

Gere uma folha de contato em 0,25s, 1,0s, em cada transição de cena principal, em cada transição de legenda/gráfico principal, no ponto médio e nos 2 segundos finais. Realize uma revisão de reprodução completa antes de marcar como pronto.

8. Duas Pontuações Separadas

• Portão de qualidade de produção — aprovado/reprovado. Conformidade com a campanha, integridade da renderização, precisão da legenda, áudio, legibilidade visual e direitos. Uma falha crítica rejeita

... [truncado para tradução]