Pipeline de Vídeo Sem Rosto
Construa um vídeo de canal sem rosto como um pipeline determinístico de 4 estágios. Desmontagem da fonte:
~/2nd Brain/2nd Brain/Wiki/research-faceless-youtube-claude-code-pipeline-2026-06-26.md.
Regras rígidas (risco de plataforma + qualidade)
- Voz = ElevenLabs Voice Artist (plano pago do Phill), NENHUMA gravação humana. O medo de "voz de IA te bane" do vídeo original está ERRADO — veja a política de divulgação do YouTube em
Sources/youtube-synthetic-content-disclosure-policy-2026-06-26.md. A regra real: a divulgação de conteúdo alterado/sintético do YouTube é necessária para música de IA, uma voz sintética que NÃO seja um clone do próprio criador, ou IA realista de pessoas/lugares/eventos reais — e NÃO é necessária para animação/rabiscos. A divulgação não tem custo (nenhum impacto no público/monetização), então padrão = SIM sempre que o vídeo tiver música de IA ou uma voz sintética não própria (nosso pipeline sempre tem). Configure no YouTube Studio → Atributos → "Uso de IA" → Sim. Configure "Feito para crianças" = Sim apenas para conteúdo direcionado a crianças (STORY/cuidados infantis). - Um token de estilo, cada imagem. Trave uma única descrição de estilo desde o início; toda imagem gerada a carrega literalmente para que o canal permaneça visualmente consistente.
- Autoridade adequada ao modo (veja a chave do Estágio 0). FACT/não-ficção: cite estudos/datas/estatísticas reais, pesquise antes de escrever, valide a precisão das afirmações. STORY/ficção: narrativa inventada; a autoridade é a ressonância emocional, não os fatos; ao invés disso, valide a adequação à idade e à marca (ex.: cuidados infantis = suave, seguro, adequado à idade). NUNCA apresente ficção como fato ou invente "fatos" no modo fact.
- Imagens paradas + narração, não animação. Este é o formato de canal de rabiscos. Se o usuário quiser animação/polimento de edição, repasse para
video-director.
Substrato — Distinção IMPORTANTE
O vídeo original usa Higgsfield (Claude Code MCP). Nós NÃO usamos Higgsfield. A plataforma de imagens do Phill é Artlist (artlist.io, AI Toolkit), operada no navegador via browser-harness. Obs.: "artist.io" é um erro de digitação para artlist.io.
- Geração de imagens (principal): Artlist AI Toolkit em
toolkit.artlist.io/image-video-generator?mode=image(modelo Nano Banana 2, 16:9 / 2K). Mecânicas comprovadas no Estágio 3. - Geração de imagens (fallback):
mcp__margot__image_generate(também Nano Banana 2) — apenas para execuções de teste não supervisionadas. Nunca Higgsfield. - Narração: ElevenLabs TTS via API REST. Chave + voz padrão em
~/.hermes/.env(ELEVENLABS_API_KEY,ELEVENLABS_VOICE_ID) — resolva programaticamente, nunca cole. Sem gravação humana. - Extração de transcrição:
yt-dlp. Timestamps: alinhamento ElevenLabs (principal) ouwhisper-cli(fallback). Costura:ffmpeg.
Pasta de trabalho
Crie ~/faceless-video/<slug-do-topico>/ e mantenha todos os artefatos lá: reference-format.md, script.md, voiceover.mp3, transcript.json, images/NN.png, final.mp4.
Estágio 0 — CHAVE DE MODO (PERGUNTE PRIMEIRO, antes de qualquer coisa)
O mecanismo atende a trabalhos opostos em diferentes clientes/aplicações, então a PRIMEIRA pergunta de cada execução é:
"Isso é um roteiro FACT (não-ficção) ou STORY (ficção)?" Grave
modena pasta de trabalho (mode.txt). Isso ramifica toda a execução:
| FACT (não-ficção) | STORY (ficção) | |
|---|---|---|
| Caso de uso | produto educacional, explicadores, "você sabia" | contos infantis, parábolas, histórias para dormir/marca |
| Referência de formato | gancho + corpo de 3 pilares + conclusão | personagem → falha → jornada → lição → resolução |
| Autoridade | estudos/dados/estatísticas reais pesquisados; validação de precisão | ressonância emocional; validação de adequação à idade/marca |
| Regra rígida | nunca invente fatos | nunca apresente ficção como fato |
| Divulgação YouTube | Uso de IA = Sim (música/voz de IA presentes) | Uso de IA = Sim + Feito para crianças = Sim (direcionado a crianças) |
Se o chamador já implica o modo (ex.: "uma história infantil para minha esposa" → STORY; "explique X para meu produto" → FACT), confirme em uma linha em vez de perguntar novamente. O tratamento padrão da referência, o modelo de roteiro e a validação seguem todos a partir desta chave.
Estágio 0b — Token de estilo (uma vez por canal, depois reutilize)
Peça ao usuário de 3 a 5 capturas de tela de referência do estilo visual alvo. Solicite a análise:
"Analise o estilo visual desta imagem para um gerador de imagens de IA. Forneça (1) uma descrição curta de estilo positivo que eu possa colar como prompt, (2) uma lista de prompts negativos para evitar desvio para resultados polidos/realistas. Foco apenas no estilo, não no assunto." Salve o resultado como
style-token.mdna raiz do canal (reutilizado em todos os vídeos daquele canal).
Estágio 1 — Roteiro (ramifica com base no modo do Estágio 0)
- Peça pelo tópico e uma URL de vídeo de referência comprovada na mesma via do modo escolhido (um canal factual para FACT, um canal de histórias para STORY — não cruze as vias).
- Baixe a transcrição de referência:
yt-dlp --write-auto-sub --sub-lang en --skip-download --sub-format vtt -o 'ref-%(id)s.%(ext)s' '<URL>'. Limpe o.vtt(remova timestamps/tags, desduplique linhas de legendas automáticas contínuas). - Decomponha em um modelo reutilizável, por modo:
- FACT: gancho (os micro-beats), introdução/promessa, o corpo de 3 pilares, frases de transição, duração total.
- STORY: protagonista + uma falha compartilhada, a necessidade, incidente incitante, jornada, uma demonstração MOSTRADA (não contada), uma linha de sabedoria digna de citação, percepção interna, encerramento que leva adiante.
Salve como
reference-format.md.
- Escreva um NOVO roteiro sobre o tópico nesse modelo. FACT: primeiro execute a skill
source-ingestpara puxar dados confiáveis de Nível 1-2 para a bibliotecaSources/, depois escreva o roteiro citando apenas essas fontes armazenadas e valide a precisão de cada afirmação em relação a elas. STORY: invente livremente, valide adequação à idade/marca. Gere um roteiro LIMPO (sem direções de cena) emscript.md. - Confirme o roteiro com o usuário antes de gerar a narração.
Estágio 2 — Narração + timestamps (ElevenLabs, automatizado)
- Gere a narração a partir de
script.mdvia endpoint with-timestamps do ElevenLabs (retorna áudio + alinhamento de caracteres em uma chamada):curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/$ELEVENLABS_VOICE_ID/with-timestamps" -H "xi-api-key: $ELEVENLABS_API_KEY" -H "content-type: application/json" -d '{"text":"<script>","model_id":"eleven_multilingual_v2"}'→ salve o áudio base64 emvoiceover.mp3e o alinhamento emtranscript.json. - Derive segmentos de timestamp por frase/sentença do alinhamento — cada segmento se torna um beat de imagem. (Fallback se o alinhamento for inutilizável:
whisper-cli -f voiceover.wav -ml 1 --output-json -of transcriptapósffmpeg -i voiceover.mp3 voiceover.wav.) - A voz é por canal/cliente, não fixa — escolha a voz ElevenLabs que se adequa ao modo/marca (ex.: narrador caloroso e suave para ficção infantil; voz clara e autoritária para um produto educacional factual). Passe esse
voice_idem vez do padrão emELEVENLABS_VOICE_ID. Navegue pela biblioteca de vozes ElevenLabs do usuário ao escolher. - Sem pausa humana — o Estágio 2 executa sem supervisão.
Estágio 3 — Uma imagem por timestamp (Artlist AI Toolkit, comprovado no navegador)
Por beat: prompt da cena + token de estilo travado literalmente. Opere o Artlist via browser-harness (precisa do Chrome do Phill logado; depuração remota Way-1 habilitada). Mecânicas conquistadas com esforço:
- Abra
toolkit.artlist.io/image-video-generator?mode=image. O prompt é uma div[contenteditable=true]; o botão Generate corresponde ao innerTextGenerate. As configurações padrão já são 16:9 / 2K / 1 imagem (bom). - Por imagem: tire um snapshot dos UUIDs gerados existentes → clique na caixa,
document.execCommand('selectAll'),type_text(prompt)→ clique em Generate → espere até que o texto do carregador (on its way|Almost ready|Generating) desapareça E um novo UUID apareça. - O resultado reside em
ai-toolkit-generations.imgix.net/...png?...&s=<sig>. Extraia o UUID com a regex GENERIC[0-9a-f]{8}-[0-9a-f]{4}-...{12}\.png(o prefixo do nome do arquivo varia:image-<uuid>OU-t-e-x-t_-t-o_-i-m-a-g-e-<uuid>). Baixe o src EXATO — reescrever qualquer parâmetro imgix (ex.:w=) quebra a assinatura → 403. - VÁ UM DE CADA VEZ. Rajadas rápidas enfileiram/limitam e a visualização em grade virtualiza o DOM, ambos quebram a detecção de novo UUID. Se uma geração for concluída após a janela de espera, recupere-a da grade (baixe UUIDs distintos não mapeados, faça montagem, mapeie visualmente).
Fallback (apenas não supervisionado):
mcp__margot__image_generate— salva<save_as>.jpg, considere a extensão.
Estágio 4 — Costura
Construa uma concatenação FFmpeg que segure cada imagem por (next_start - this_start) segundos e multiplexe a narração:
- Gere uma lista de concatenação com durações por imagem a partir dos timestamps.
ffmpeg -f concat -safe 0 -i list.txt -i voiceover.wav -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest final.mp4- Recomende imagens fonte 2K para uploads reais (apenas baixa resolução para execuções de teste).
Estágio 5 — Finalização (para um upload real, não execuções de teste)
Transforme a costura bruta em um entregável finalizado:
- 1080p — renderize a concatenação redimensionada/preenchida para
1920:1080(preenchimento branco mescla o fundo de caderno de esboços),crf 19. - Fades —
fade=t=in:st=0:d=0.6:color=whiteefade=t=outnos últimos ~0,8s. Mantenha cortes secos nos beats entre as imagens (no estilo — NÃO faça crossfade). - Base musical — gere uma faixa calma via Artlist AI Music (
toolkit.artlist.io/music-generator?mode=music, Lyria 3; mesmo fluxo do navegador das imagens, resultado é um.wavassinado emcms-toolkit-artifacts.artlist.io/...music-<uuid>— baixe o src EXATO). Misture ABAIXO da VO:volume≈0.13(~−18 dB),afadein 1,5s / out ~1,8s,amix=inputs=2:normalize=0. Verifique comvolumedetect: pico geral < 0 dB (sem clipping), média musical ~15+ dB abaixo da VO.
Saída
final-1080p-music.mp4 (o entregável) + um style-token.md reutilizável. Informe o caminho e os artefatos por estágio. Para estratégia de publicação/canal, repasse para video-distribution-strategist; lembre-se da divulgação de conteúdo sintético no upload.