Vídeos explicativos 'recorte de papel' (multiagente)
Saída: 1080×1920, 24 fps, 60–95 s MP4 com narração, música com redução de volume e efeitos sonoros sincronizados.
Visual: adereços SVG planos com contorno branco de 'adesivo' + sombra projetada, fundos de meio-tom ou explosão solar, legendas em inglês EM CAIXA ALTA em papel rasgado (Bebas Neue), leve separação RGB + granulação de filme + vinheta.
Tudo é renderizado a partir de HTML/SVG pelo Chrome headless quadro a quadro (determinístico), então as cenas são
arquivos JS puros escritos por agentes contra um pequeno motor (template/engine.js, documentado em template/ENGINE.md).
Requisitos
- Ambiente virtual Python 3 com:
playwright(usa Chrome do sistema viaCHROME_PATH, ouplaywright install chromium),numpy,opencv-python-headless(opcional),faster-whisper(temporização/QA),edge-tts(locução gratuita de fallback). ffmpeg,curl,bc. Opcional: conector MCP ElevenLabs para o narrador + música.
Pipeline (siga em ordem)
1. Agente de pesquisa + roteiro (segundo plano)
Crie UM agente de propósito geral com o prompt em references/agent_prompts.md#research. Ele deve verificar
cada fato na web, atribuir alegações, sinalizar boatos e retornar: ROTEIRO (14–17 falas curtas, ~950–1.150 caracteres,
números escritos por extenso, nomes no roteiro de narração), TABELA (tags de legenda / ideia visual / fundo por linha),
FATOS com URLs, INCERTO/NÃO USADO. Para tópicos muito recentes, informe a data de hoje e peça para primeiro confirmar
a que o tópico realmente se refere. Enquanto ele executa: scripts/new_project.sh <dir> e desenhe quaisquer adereços
compartilhados que a história precisar (um design consistente por objeto/pessoa recorrente) no final de <dir>/engine.js;
renderize um quadro de teste para verificá-los.
2. Locução
- Preferido: ElevenLabs
eleven_v4, um narrador documental (ex.: Hindi "Natraj – Apresentador de Documentários Informativos"), 2 tomadas, roteiro com tags[curioso]/[dramático]/[reflexivo]com moderação. Verifique créditos primeiro. - Alternativa (gratuita, fornece temporizações exatas por linha): coloque as linhas simples em
<dir>/script.txt, executescripts/edge_tts_lines.sh <dir> hi-IN-MadhurNeural +20%→vo.wav+lines.txt. - QA em cada tomada: Modelos TTS podem distorcer números/datas. Transcreva com
scripts/words.py; o próprio Whisper formata incorretamente números em Hindi, então re-verifique anos suspeitos com dígitos suprimidos (vejareferences/qa.md). Escolha a tomada que diz todos os números corretamente. - Temporizações de linha para um arquivo de tomada única: detecção de silêncio (
ffmpeg -af silencedetect=n=-38dB:d=0.15) + temporizações de palavras;scripts/align_lines.pyfornece uma primeira estimativa. Escrevalines.txt(lNN inicio= fim= | texto) com o deslocamento de vídeo que você usará (ex.: +0,25 s) e umwords.txtdeslocado.
3. Três agentes de cena em paralelo (segundo plano)
Divida a linha do tempo nas quebras de linha em partes de ~25–30 s. Crie três agentes de propósito geral em UMA mensagem usando
references/agent_prompts.md#scene — cada um possui apenas scenes_N.js, recebe seu intervalo de tempo exato, suas falas de narração
com horários de início/término, batidas de palavras-chave, um storyboard (da TABELA), os assets compartilhados e as regras:
IIFE + prefixos pN_, as cenas cobrem o intervalo exatamente, tag superior ~0,1 s após um corte, algo novo a cada ~1 s,
renderize quadros de teste e OLHE para eles, exclua os PNGs.
4. Integre + revise (você)
- Renderize ~30 quadros uniformemente espaçados em uma folha de contato (
render_html.py ... 999 t1,t2,...em seguidaffmpeg -pattern_type glob -i 'test_*.png' -vf scale=170:-1,tile=11x3) e Leia. - Corrija: números/alegações inventados na tela (agentes às vezes os adicionam — remova), mapas/fronteiras imprecisos, logotipos, caricaturas de pessoas reais, sobreposições, texto fora da tela, quadros vazios.
5. Renderize, misture, publique
scripts/render_video.sh <dir> <duração> <narração> <música> <vo_atraso_ms> <saida.mp4> renderiza todos os quadros,
constrói a trilha de efeitos sonoros a partir de eventos do motor, reduz o volume da música sob a voz (~-14 LUFS),
e multiplexa. Para re-dublar um vídeo existente sem reconstruir as cenas, renderize com WARP=anchors.json (mapeia novos inícios
de linha → inícios de linha antigos; veja references/qa.md). Entregue pelo canal preferido do usuário.
Regras de conteúdo (sempre)
- Fatos apenas da lista com fontes do agente de pesquisa; números de dinheiro/bilheteria/votação rotulados como "RELATADO"/com fonte; contagens incertas mostradas como valores mínimos ("250+").
- Pessoas reais: busto
A.figgenérico + tag de nome em inglês, nunca caricatura; nenhuma divindade religiosa desenhada — use motivos abstratos; sem logotipos de marcas/partidos (desenhe emblemas/pássaros/letras genéricos). - Mapas: evite mapas de contorno de países com fronteiras contestadas/sensíveis; use quadros sem bordas ou grades de blocos, e rotule visuais ilustrativos como tal.
- Política: neutro, atribuído, sem zombaria ou previsões.
Arquivos
template/—index.html,engine.js(motor + pacotes de assets),ENGINE.md(API para agentes),scenes_1..3.jsexamples/— código de cena de quatro vídeos finalizados (Efeito Streisand, Estátua da Liberdade, selo azul do Twitter, eleições de meio de mandato dos EUA em 2026): a referência de qualidade/ritmo para agentesscripts/— renderização, SFX, alinhamento, transcrição, TTS gratuito, inicialização de projeto, mixagem finalreferences/agent_prompts.md,references/qa.md