Communitygithub.com

Painel para Reels

Transforma gravações longas de palestras, painéis, podcasts ou entrevistas em reels verticais 9:16 com legendas palavra por palavra e capas no formato do grid do Instagram, em dois estilos de legenda. Também adiciona legendas a vídeos verticais já editados, incluindo filmagens HDR do iPhone.

O que é Painel para Reels?

O skill 'Painel para Reels' é uma ferramenta avançada para criadores de conteúdo e editores, projetada para converter gravações longas (como painéis, palestras, podcasts e entrevistas) em uma série de reels verticais prontos para publicação. Ele automatiza o corte baseado em palavras, o reenquadramento para o formato 9:16 com foco no rosto do falante e a geração de legendas palavra por palavra em dois estilos visuais distintos: um estilo padrão de 'acúmulo' com destaque em cores e um estilo personalizável de 'marca' baseado em um arquivo de configuração. O skill é suportado em macOS com chip Apple Silicon e utiliza tecnologias como Apple Vision para rastreamento facial, mlx-whisper para transcrição e ffmpeg para processamento de vídeo. Ele também é capaz de lidar com vídeos verticais já editados, como filmagens de iPhone em HDR, adicionando legendas sem modificar o arquivo original. O fluxo de trabalho é detalhado e inclui etapas de transcrição, seleção manual de clipes com base em índices de palavras, ajuste de enquadramento e revisão, garantindo que o conteúdo gerado seja preciso e de alta qualidade. O skill impõe regras rígidas para evitar atribuição incorreta de fala e uso de marca não autorizada, e inclui soluções para desafios técnicos comuns, como filmagens em HDR e transições suaves em edições de múltiplas câmeras.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add micahwburgess-spec/panel-to-reels

Perguntar na sua IA favorita

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

Documentação

O que Painel para Reels faz?

Transforma uma gravação longa em um lote de reels verticais prontos para publicação. Cada reel é cortado nos limites das palavras, reenquadrado para 9:16 em torno do rosto do orador, legendado palavra por palavra e emparelhado com uma capa criada para o grid do perfil do Instagram. Cada clipe é renderizado em dois estilos: acúmulo (legendas brancas, ênfase em vermelho / azul / magenta) e marca (suas cores e fontes, definidas em styles.json).

Os scripts fazem o trabalho mecânico. A qualidade vem das decisões críticas descritas neste arquivo. Siga o fluxo de trabalho em ordem e não pule as etapas de revisão.

Requisitos

  • Mac com Apple Silicon (o rastreamento facial usa Apple Vision, a transcrição usa mlx-whisper na GPU).
  • ffmpeg com libx264 e libx265 (brew install ffmpeg).
  • Python 3 (o script de configuração cria seu próprio venv em ~/.panel-to-reels/).
  • Disco: uma fonte 4K de 90 minutos tem cerca de 6 GB.

Configuração única, a partir da pasta deste skill:

bash scripts/setup.sh

Execute cada script através do wrapper para que ele use o Python correto: bash scripts/run.sh <script> <args>. A linha de comando exata para cada script está em scripts/USAGE.md.

O fluxo de trabalho

Trabalhe em uma pasta de projeto P (em qualquer local durável, nunca em /tmp, que o macOS limpa). Cada script recebe P como seu primeiro argumento.

1. Obtenha a fonte na resolução mais alta disponível

run.sh fetch P <url> ou copie um arquivo local para P/source.<ext>. Um corte 9:16 de um quadro 16:9 mantém cerca de um terço da largura, então 4K de entrada resulta em reels nítidos. Fontes 1080p funcionam, mas os close-ups parecem suaves. Se a pessoa for a dona da gravação, peça os arquivos originais da câmera; eles são melhores que qualquer upload.

2. Transcreva

run.sh transcribe P --prompt "nomes de palestrantes, nomes de empresas, jargão". O prompt é importante: nomes saem corretos com muito mais frequência. Isso escreve transcript.txt com um índice de palavras no início de cada linha. Você seleciona clipes por esses índices.

3. Se a pessoa tiver um estilo de referência, estude-o primeiro

Peça de 2 a 6 exemplos de posts. O Instagram bloqueia downloads diretos, mas páginas de embed públicas (instagram.com/reel/<id>/embed/captioned/) geralmente expõem um vídeo e sempre mostram o texto da legenda. Extraia quadros e observe: fonte da legenda, tamanho, posição, como as palavras aparecem, quais palavras ganham cor, fonte e layout do título da capa. Mapeie o que você vê em styles.json antes de renderizar qualquer coisa.

4. Leia a transcrição inteira e escolha os momentos

Leia tudo. Não passe apenas pela primeira metade. Um bom clipe:

  • É uma ideia autossuficiente em 20 a 80 segundos.
  • Começa com uma frase forte: uma afirmação, um número, uma pergunta ou um ponto alto da história. Se a melhor linha estiver no meio de uma resposta, comece lá.
  • Termina em um desfecho, não no meio de um pensamento.

Dê preferência à pessoa para quem você está fazendo (primeiro as respostas dela). Pule momentos que o evento ou outra conta já tenha postado; pergunte à pessoa ou verifique os links dela. Apresente a lista final como uma tabela (clipe, orador, a frase de gancho, timestamp) e deixe a pessoa cortar ou adicionar antes de construir.

5. Confirme que o orador está na câmera (não pule)

run.sh peek P <início> <fim> para cada candidato. Edições com múltiplas câmeras geralmente cortam para uma reação ou um plano aberto enquanto alguém fala. Regras:

  • Se o orador não estiver na câmera na maior parte do clipe, descarte-o. Um corte vertical colocaria o rosto de outra pessoa sobre as palavras dele.
  • Um corte de reação curto (menos de cerca de um terço do clipe) pode permanecer no modo letterbox: o plano aberto fica sobre um preenchimento desfocado, para que ninguém seja identificado erroneamente.
  • Identifique as pessoas pelo que vestem e onde estão sentadas, depois confirme com a transcrição (quem é apresentado, quem responde). Não adivinhe nomes pela aparência.

6. Corte nos índices de palavras

Escreva cada clipe em P/clips.json (esquema em scripts/USAGE.md, exemplo em examples/clips.example.json).

  • spans são intervalos de índice de palavras inclusivos. Vários spans criam cortes de salto. Use-os para encurtar divagações, nunca para mudar o significado de alguém.
  • fix corrige erros de transcrição dos quais você tem certeza ("pounded" dito como "found", "Claude on a D file" significando "CLAUDE.md"). Uma string vazia exclui uma palavra.
  • Se uma frase estiver distorcida e você não puder ter certeza do que foi dito, corte ao redor dela. Não invente palavras para a boca de alguém.
  • Quando um clipe começa com a pergunta de um apresentador, mantenha a pergunta apenas como contexto. Nunca deixe que as falas do apresentador pareçam ser do convidado.

7. Enquadre

run.sh shots P <clipes> encontra cortes de câmera (incluindo dissolves lentos), renderiza um quadro com regras por corte e imprime os centros de rosto que detecta. Coloque o x do orador em framing para cada corte.

  • crop é a altura do corte como uma fração da fonte: cerca de 0,62 para um plano médio de três ou quatro pessoas, 0,42 a 0,5 para um plano aberto.
  • Câmeras de mão que fazem panorâmica precisam de uma marca de enquadramento para cada movimento; o rastreador segue movimento suave, mas pode perder uma virada rápida.
  • Vizinhos sentados próximos: dê o x exato dos centros de rosto impressos, não um valor aproximado.

8. Construa e verifique

run.sh build P <clipes>, então extraia 10 a 16 quadros em cada clipe base. O orador deve estar enquadrado em todos os quadros. Corrija o enquadramento e reconstrua antes das legendas.

9. Legendas, ênfase e capas

  • Ênfase: escolha manualmente as palavras que carregam a ideia (números, nomes, o substantivo onde o ponto recai) em emphasis. Qualquer página de legenda sem uma recebe uma escolha automática.
  • Título: 4 a 9 palavras, fiel ao que foi dito, impactante. Coloque o desfecho entre *asteriscos* para que receba o acento. Não deve afirmar mais do que o orador disse.
  • Quadro da capa: orador de frente para a lente, boca fechada se possível. Se o título cobrir a boca, aumente cover_shift (desliza a foto para cima e suaviza a borda).
  • Filmagens de cabeça falante (selfie) ficam mais baixas no quadro do que filmagens de painel: defina caption_center próximo a 1430 para que as legendas fiquem no peito, não na boca.

10. Renderize, revise, publique

run.sh render_all P renderiza cada clipe em cada estilo, exporta para P/export/<Estilo>/ e imprime uma tabela de verificação. Depois revise você mesmo: uma folha de contato de todas as capas no tamanho do grid, e três ou quatro quadros de cada reel. Por fim, escreva o texto do post para cada clipe na voz da pessoa. Citações devem corresponder exatamente à transcrição. Marque apenas handles que você confirmou. Marque handles desconhecidos como [handle] para a pessoa preencher.

Regras rígidas

  • Nunca atribua palavras à pessoa errada. Em caso de dúvida, descarte o clipe.
  • Citações em legendas, capas e texto do post correspondem exatamente à transcrição.
  • Nunca coloque o nome ou a marca de outra organização em conteúdo que não seja dela. Os lockups vêm de styles.json; defina-os por projeto.
  • Nenhum número, resultado ou afirmação inventada em títulos ou textos.
  • Rostos e vozes são apenas da gravação real. Nunca gere ou clone um orador.

Vídeos verticais já editados

Para vídeos de cabeça falante finalizados (incluindo HDR do iPhone), pule o corte e o enquadramento: run.sh transcribe P --file <vídeo> --clip <ID>, adicione o clipe a clips.json com "source_file" definido e "caption_center": 1430, depois run.sh render_all P --clips <ID>. Os índices para fix e emphasis vêm de P/base/<ID>.words.txt. O arquivo fonte nunca é modificado.

Estilos e lockups

styles.json contém as predefinições. Cada uma tem um label (o nome da pasta de exportação), um bloco caption (fontes, tamanhos, cores de destaque que ciclam por página de legenda ou um gradiente, cor da pílula) e um bloco cover (cores de destaque, tons inferiores, linhas de lockup, separador, bloom opcional). Copie-o para P e edite-o para personalizar um projeto. examples/summit-oak-styles.json mostra uma configuração totalmente com marca. As fontes são carregadas por nome de arquivo da pasta fonts/ deste skill; fontes variáveis usam a sintaxe "Sora:ExtraBold".

O lockup são as duas pequenas linhas abaixo de cada título da capa. Defina-o no estilo e substitua-o por clipe com "lockup": ["LINHA UM", "LINHA DOIS"] em clips.json. Clipes de evento carregam o evento; vídeos próprios de uma pessoa carregam o nome e a marca dela, nunca os do evento.

Problemas aprendidos da maneira mais difícil

  • Filmagens do iPhone são HDR (HLG). Sobrepor gráficos sRGB normais faz com que eles brilhem e fiquem supersaturados. Os scripts detectam HLG e convertem legendas para HDR e mantêm a saída HEVC de 10 bits. As prévias do Finder ou capturas simples do ffmpeg parecem escuras e opacas; julgue com stills hlg.frame() ou em um telefone.
  • A saída csv do ffprobe pode carregar uma vírgula final (arib-std-b67,). Compare com in ou remova-a.
  • Painéis editados geralmente usam dissolves, não cortes secos. A detecção de score de cena falha neles; o detector de diferença de quadro em shots.py os captura.
  • Legendas brancas desaparecem em telas de aplicativos brancas. As legendas recebem automaticamente uma pílula escura quando o fundo atrás delas é claro.
  • Whisper divide tokens como $2 ,400 e 80 %. As legendas os colam de volta, então os índices de ênfase apontam para a primeira parte.
  • O Instagram mostra capas cortadas para 3:4 no grid do perfil (y 240 a 1680 de 1920). Mantenha todo o texto da capa dentro dessa faixa.
  • O macOS limpa /tmp após alguns dias. Mantenha projetos e o venv em algum lugar durável.
  • Algumas builds do ffmpeg não possuem drawtext e algumas builds Intel não podem usar o codificador de hardware. Os scripts usam PIL para todo o texto e libx265 para HDR, então funcionam de qualquer forma.

Construído por Micah Burgess, Summit Oak AI. summitoakai.com

Habilidades Relacionadas