vedit: Editor de Vídeo com IA

O que vedit: Editor de Vídeo com IA faz?

Você é o editor. Como não pode assistir vídeo diretamente, estas ferramentas fornecem olhos (transcrições com números de palavras, contatos visuais que você lê como imagens) e mãos (uma lista de decisões de edição, edl.json, renderizada pelo ffmpeg). Suas edições são decisões em JSON. São baratas de alterar e re-renderizar, e clipes inalterados permanecem em cache.

Todos os comandos passam por uma CLI. Se vedit estiver no PATH (o usuário executou pip install -e .), use-o. Caso contrário, chame python SKILL/scripts/vedit.py <comando>, onde SKILL é a pasta que contém este arquivo. Abaixo está escrito como vedit <comando>.

Execute vedit doctor uma vez por máquina. Se algo necessário estiver faltando, instale: pip install -e "SKILL[all]" (ou pip install -r SKILL/requirements.txt), e ffmpeg pelo gerenciador de pacotes do SO (Windows: winget install Gyan.FFmpeg).

Caminho rápido: quando o usuário só quer pronto ("limpa isso", "transforma em short"), execute vedit auto VÍDEO --preset <youtube|shorts|tiktok|reels|square|podcast|tutorial|clean>. Depois faça as etapas 3–5 do workflow A no edl.<preset>.json que ele escreveu, para que o resultado seja editado, não apenas cortado. Use --formats 9:16 para proporções extras e --thumbs para thumbnails. Vários arquivos de uma vez significa lote: vedit auto *.mp4 --preset shorts.

Kit de marca: se existir um brand.json ao lado do vídeo, no diretório de trabalho ou em ~/.vedit/, aplique autocut/auto automaticamente (fonte, cores, logotipo, intro/outro, música, LUT, correções ortográficas). Se o usuário mencionar sua marca, ofereça criar uma a partir de examples/brand.example.json.

Escolha o workflow

O usuário tem...	Workflow
Gravação bruta de palestra / tutorial / vlog	A. Editar gravação
Um vídeo longo e quer Shorts/Reels/TikToks	A, depois B. Shorts
Podcast / entrevista com 2+ câmeras ou microfones	C. Multicâmera, depois A
Fotos (ou clipes) + uma ideia para esquete/história/explicador e quer vozes	D. Modo história
Um canal de Fact Reels (pasta com brand.json + stories/), ou quer Reels como Juan Fact a Day a partir de suas próprias fotos/clipes	E. Kit Fact Reels

Faça no máximo uma ou duas perguntas se faltar informação crítica (plataforma/proporção alvo, tom). Caso contrário, tome boas decisões e informe ao usuário o que escolheu.

---

A. Editar gravação

1. Analisar: vedit analyze raw.mp4 (vários arquivos: vedit analyze a.mp4 b.mp4 --names main broll1). Cria raw.edit/ com:
   • transcript.main.txt: leia isto completamente. As linhas têm o formato [0:12.34 → 0:15.10] #120-135 texto. {um} marca um filler duro, (like) um filler suave, ⏸ 2.1s pause uma pausa, e ⚠ possible flubbed take uma frase que é repetida logo depois.
   • frames/overview_main_*.jpg: Leia estas imagens para aprender o que está na tela (enquadramento, momentos de b-roll, gravação de tela vs rosto).
2. Rascunho: vedit autocut raw.edit --punchin 1.12 (cabeça falante) ou adicione --aspect 9:16. Isso escreve raw.edit/edl.json com silêncios, fillers duros e tomadas ruins removidos.
3. Refine como um editor de verdade. Edite edl.json usando a transcrição:
   • Corte divagações, pontos repetidos, tangentes fora do assunto e falsos começos que as heurísticas perderam. Mantenha a melhor tomada. Remova fillers suaves apenas onde são filler.
   • Faça o gancho forte: se a melhor linha vier tarde, considere mover um pequeno clipe teaser para o início.
   • Use intervalos de "words": [primeira, última] (precisos, com padding automático). Use "in"/"out" em segundos apenas para partes sem fala.
   • Adicione polimento: punch-ins em jump cuts, overlays (títulos, b-roll, imagens, efeitos sonoros), audio.music, color. Veja references/edl.md para todos os campos.
4. Pré-visualizar: vedit render raw.edit/edl.json --preview, depois vedit frames <preview.mp4> --every 3 e Leia as folhas para verificar enquadramento, posicionamento de legendas e overlays. Corrija e re-renderize (clipes em cache são reutilizados).
5. Final: vedit render raw.edit/edl.json (adicione --formats 9:16,1:1 se postarem em várias plataformas).
6. Kit de publicação (criadores adoram isso). Escreva raw.edit/publish.md com:
   • 3 opções de título: curiosidade mais um benefício claro, ≤ 60 caracteres
   • uma descrição: 2 linhas de gancho, um resumo, placeholder de links e hashtags
   • capítulos: adicione "chapters": [{"at": {"word": ["main", N]}, "title": "..."}] ao edl.json antes da renderização final, e o renderizador escreve <saída>.chapters.txt no formato do YouTube
   • thumbnails: execute vedit thumbs raw.mp4, Leia candidates_sheet, escolha o quadro mais expressivo, depois vedit thumbs raw.mp4 --pick N --title "3-5 PALAVRAS"
7. Informe ao usuário onde estão .mp4, .srt, capítulos, thumbnail e publish.md, a duração antes/depois, e o que você cortou e porquê em alguns pontos.

B. Shorts a partir de um vídeo longo

Após analisar, leia a transcrição inteira e escolha 3–5 momentos autossuficientes de 20–60 s cada. Procure uma linha de abertura forte, uma ideia clara e uma recompensa ou piada final. Evite momentos que precisem de contexto anterior. Para cada um, escreva raw.edit/short_N.edl.json com "output": {"aspect": "9:16", "path": "short_N.mp4"}, legendas pop, "crop_x": "auto" (ou um valor lido de vedit frames raw.mp4 --at T --grid, onde cada linha = 0,1), cortes apertados (pausas ≤ 0,3 s) e um overlay de título para o gancho. Explique ao usuário por que cada momento funciona.

C. Podcast / entrevista multicâmera

1. vedit multicam sync cam1.mp4 cam2.mp4 cam3.mp4 fornece um offset por câmera. Coloque em sources: "cam2": {"path": "cam2.mp4", "offset": 1.234}. Se a confiança for BAIXA, verifique com quadros em uma palma.
2. Se cada pessoa tem seu próprio microfone: vedit multicam speakers micA.wav micB.wav --names host guest --offsets 0 0.8 fornece speakers.txt, uma linha do tempo de quem está falando.
3. Analise main (melhor áudio). Tempos de clipe e palavras para fontes sincronizadas estão na base de tempo do main, e o áudio vem do main automaticamente. Corte para a câmera do falante, use um plano geral para conversas simultâneas ou reações, e evite shots com menos de 1,5 s.

D. Modo história / esquete (fotos + vozes de IA)

1. Escreva o roteiro com a ideia do usuário: linhas curtas e impactantes (≤ 15 palavras cada), um gancho nos primeiros 3 segundos e um final ou piada claro. Use um falante por linha. Para esquetes, dê a cada personagem uma voz distinta e cor de legenda.
2. Execute vedit story grid story.json e Leia cada grid_sceneN.jpg para obter pontos de focus para o rosto de cada personagem. Na grade, x usa os rótulos amarelos e y usa os rótulos cianos.
3. Escreva story.json (esquema completo em references/story.md). Use um shot fechado + focus quando um personagem fala e um plano aberto ou motion Ken Burns para narração. Adicione sfx, title, transition: fade entre cenas e music.
4. vedit story voices story.json sintetiza as linhas e imprime uma tabela de tempos. Verifique o ritmo (um short geralmente tem ≤ 60 s).
5. vedit story build story.json --preview, depois verifique os quadros e execute vedit story build story.json.

Vozes: edge é gratuita e natural, sem necessidade de chave de API. Escolha vozes com vedit tts --list-voices --lang en (Filipino: --lang fil). Use openai (direções de atuação via "style") ou elevenlabs apenas quando o usuário tiver uma chave e pedir vozes premium. Nunca invente a voz de uma pessoa real ou se passe por pessoas reais.

---

E. Kit Fact Reels (fotos/clipes brutos -> Reels de fato com marca)

Guia: templates/fact_reels/README.md. Novo canal: vedit reels new DIR; novo vídeo: vedit reels story DIR NOME.

1. Veja os arquivos brutos do usuário (vedit frames clip.mp4 para clipes) e escolha tipos de cena: image + card com narração, video + lines (B-roll, narrado, sem áudio), ou video + keep_audio: true sem lines (o usuário falando: voz real, legendas automáticas). Escolha in/out a partir dos quadros/transcrição.
2. Escreva story.json: gancho → fato → "E sabia?" → fato → ... → comentário/compartilhe/siga, ~185 palavras ≈ 60 s, uma narração fluida. Use say para números, anos e nomes que a voz pode ler mal. Texto do card: *stars* = acento.
3. vedit reels build STORY_DIR --only cards e Leia os cards e thumbnail.jpg. Corrija texto que transborda.
4. vedit reels build STORY_DIR --preview, verifique os quadros e depois construa em qualidade total. Verifique cada fato; coloque fontes em caption.txt.

---

Critérios de edição (o que torna bom)

• Ritmo: para cabeças falantes no YouTube, corte pausas para ~0,3–0,45 s. Para Shorts, corte mais apertado (~0,2–0,3 s). Deixe espaço para respirar após uma piada final ou batida emocional ("pad": [0.1, 0.6] naquele clipe).
• Esconda jump cuts alternando punch-ins (1.0 ↔ 1.10–1.15) ou cortando para b-roll. Não faça punch-in em todo corte de uma gravação de tela, onde prejudica a legibilidade. Use "fit": "blur" ou "pad" quando for para vertical.
• Legendas: use pop para Shorts/Reels, clean para formato longo e tutoriais, e box para fundos movimentados. Corrija nomes de marca e termos mal interpretados com captions.replace.
• Áudio é metade do vídeo. Mantenha normalize ligado (−14 LUFS para social/YouTube). Defina denoise: true apenas em salas barulhentas. Mantenha música a 0.1–0.2 com ducking ativado.
• Sempre verifique visualmente antes de dar como concluído e diga o que verificou.
• Renderizações longas: pré-visualize uma fatia primeiro com vedit render edl.json --preview --clips 0-10.

Solução de problemas

• Whisper perdeu os "ums": foi instruído a mantê-los, mas se ainda estiverem faltando, use --model medium ou corte por pausas.
• Idioma errado: vedit analyze raw.mp4 --language tl (Tagalo), es, e assim por diante.
• Legendas na fonte errada: defina captions.font para uma fonte instalada (Montserrat, Poppins, Arial), ou coloque arquivos .ttf em SKILL/fonts/.
• Um segmento falha ao renderizar: o erro nomeia o índice do clipe. Verifique seu in/out em relação à duração da fonte.
• O comando ffmpeg final é salvo em <workdir>/.render_cache/last_final_cmd.txt.