Communitygithub.com

reelwright

Transforme um breve resumo em um mini-documentário MP4 narrado e legendado, usando modelos de texto, imagem e fala do Pollinations, além do ffmpeg.

O que é reelwright?

Reelwright é uma skill para agentes de IA (como Claude Code, Cursor, Codex) que transforma uma simples descrição em um vídeo curto, totalmente produzido, em 1080p, com narração, legendas embutidas e efeitos visuais (Ken Burns, cross-fade). Ela utiliza modelos de texto, imagem e voz do Pollinations e depende apenas do ffmpeg localmente. A skill gera automaticamente um plano de cenas, ilustrações para cada cena, narração em áudio e legendas sincronizadas, além de produzir um relatório de verificação que garante que o arquivo final é reproduzível e atende aos requisitos técnicos (codec H.264/AAC, resolução 1080p, duração correta). É ideal para criar vídeos explicativos, slideshows narrados, reels para redes sociais ou documentários de um minuto, sem necessidade de edição manual. O processo pode ser executado em um único comando ou passo a passo, permitindo ajustes no plano antes da renderização final. A verificação inclui uma transcrição automática do áudio para comparar com o roteiro, garantindo que a narração corresponde ao texto solicitado. Tudo é configurável via flags, e a skill reutiliza arquivos existentes para evitar chamadas desnecessárias às APIs.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SvirepyiBambr/pollinations-reelwright/tree/main/skills/reelwright

Perguntar na sua IA favorita

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

Documentação

O que reelwright faz?

Reelwright pega um parágrafo de intenção e devolve um vídeo finalizado, 1080p, H.264/AAC: um plano de cenas escrito, uma ilustração por cena, narração, legendas embutidas, cross-fades, um movimento Ken Burns lento em cada tomada e um relatório de verificação que prova que o arquivo é realmente reproduzível.

Tudo criativo vem do Pollinations. A única dependência local é ffmpeg/ffprobe.

Quando usar

  • "Faça um vídeo de 60 segundos sobre X."
  • "Transforme este artigo em uma apresentação narrada."
  • "Preciso de um reel para redes sociais com narração e legendas."
  • "Explique X em cinco cenas com imagens."

Não serve para: edição longa, cabeças falantes, material de arquivo que você já tem, ou qualquer coisa que precise de uma câmera real. Reelwright é um explicador ilustrado, não um editor de vídeo.

Configuração

npx @pollinations/cli auth login     # login único no Pollinations
npm install                          # baixa ffmpeg-static + ffprobe-static

Reelwright pega a chave de --api-key, depois de POLLINATIONS_API_KEY, depois do login armazenado por polli auth login em ~/.pollinations/credentials.json. Prefira o login: o usuário aprova um código de dispositivo no navegador e nenhuma chave entra na conversa. Substitua por uma variável de ambiente ao executar em CI.

Se o ffmpeg já estiver no PATH, Reelwright o usa. Caso contrário, ele recorre aos binários estáticos em node_modules e depois a $FFMPEG / $FFPROBE.

Executar

Um comando, do resumo ao arquivo final:

python3 skills/reelwright/scripts/reelwright.py make \
  --brief examples/salt-road/brief.txt \
  --out examples/salt-road \
  --scenes 5 \
  --transcribe

Ou passo a passo, que é a melhor maneira quando o texto importa:

# 1. planejar: modelo de texto escreve título, subtítulo, estilo e N cenas
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5

# 2. editar myreel/project.json manualmente se alguma linha estiver fraca — este é o momento barato de corrigir

# 3. renderizar: imagens, fala, clipes, multiplexação
python3 skills/reelwright/scripts/reelwright.py render --project myreel

# 4. verificar: ffprobe no resultado, opcionalmente transcrever o áudio e comparar com o roteiro
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe

Os resultados vão para o diretório do projeto:

ArquivoO que é
project.jsonO plano: título, estilo, cenas, escolhas de modelo. Editável.
images/scNN.jpgUma ilustração por cena, mais scNN.prompt.txt com o prompt exato.
audio/scNN.mp3Narração por cena.
clips/scNN.mp4Clipe Ken Burns silencioso por cena.
timings.jsonInício/fim da cena, duração da narração, duração derivada da cena.
captions.assTítulo, subtítulo, legendas por cena, linha de crédito.
reel.mp4O entregável.
poster.jpgQuadro em 1,2 s, para miniaturas.
render.json, check.jsonRelatórios de renderização e verificação legíveis por máquina.

Como o tempo funciona

A duração da cena não é adivinhada: Reelwright mede cada MP3 de narração com ffprobe, adiciona um pad fixo no final e constrói a linha do tempo a partir desses números. As legendas são escritas na mesma linha do tempo, então uma legenda não pode se desviar da voz que lhe pertence. Os cross-fades sobrepõem os clipes por uma quantidade fixa, e os deslocamentos xfade são calculados a partir das mesmas durações.

Esta é a parte que a maioria dos geradores de slideshow erra. Se você alterar PAD, FADE ou MIN_SCENE, tudo a jusante segue automaticamente.

Verificação

check não é uma verificação de sensação. Ele lê o arquivo finalizado e falha alto quando:

  • não há fluxo de vídeo ou áudio;
  • o codec não é H.264 / AAC;
  • a resolução não é 1920x1080 ou a taxa de quadros não é 30;
  • a duração real se desvia mais de 0,8 s da linha do tempo planejada;
  • uma imagem ou arquivo de áudio referenciado pela linha do tempo está faltando;
  • captions.ass tem menos linhas de diálogo do que cenas;
  • com --transcribe: a transcrição de fala para texto do áudio final cobre menos de 80% das palavras do roteiro, o que capta faixas silenciosas, truncadas ou no idioma errado.

Este último cheque é o interessante. É uma prova barata de ponta a ponta de que o áudio no MP4 é realmente a narração que você pediu, não um 200 OK com corpo vazio.

Custo e modelos

Padrões, todos substituíveis por flags:

  • texto: openai/gpt-5.4-nano — uma chamada de plano, mais uma chamada de reparo se a validação falhar
  • imagem: tongyi-mai/z-image-turbo — uma chamada por cena
  • fala: openai/tts-1, voz onyx — uma chamada por cena

Todo padrão é de nível gratuito (paid_only: false), incluindo a transcrição openai/whisper-large-v3 por trás de --transcribe, então uma conta gratuita pode executar todo o pipeline do início ao fim.

Um reel de cinco cenas são cinco imagens e cinco pequenos clipes de fala. Reexecutar render reutiliza qualquer coisa já em disco; --force regenera. --seed torna a geração de imagens reprodutível.

Escrevendo o resumo

O resumo é a estrela-guia do roteiro, então dê batidas, não adjetivos:

Título: A Estrada do Sal.

Um mini-documentário de 50 segundos explicando por que o mar é salgado. Siga uma gota de
água da chuva desde uma montanha de granito até o oceano. Cinco batidas, em ordem:

1. A chuva cai sobre uma montanha de granito e começa a descer.
2. Um riacho de montanha corta a rocha e carrega minerais dissolvidos.
3. O rio se alarga e carrega sua carga mineral em direção ao mar.
4. O sol aquece o oceano; a água sobe como vapor, o sal fica para trás.
5. Cristais de sal na praia ao anoitecer.

Estilo visual: ilustração editorial em guache, paleta verde-azulado e âmbar suaves,
papel texturizado de prensa fria, granulação suave, composição cinematográfica wide 16:9.

Uma linha de estilo no resumo vale mais do que qualquer engenharia de prompt posterior: ela é carregada em cada prompt de imagem literalmente, o que mantém cinco gerações separadas parecendo um único filme.

Modos de falha que valem a pena saber

  • 402 do Pollinations — a conta por trás da chave está sem pollen. O script avisa em vez de despejar um blob JSON.
  • image_prompt contendo palavras — os modelos adoram escrever "um mapa rotulado Evaporação". O prompt do sistema proíbe texto, e todo prompt de imagem recebe um "sem texto, sem letras, sem logotipos", mas um plano ruim é mais barato de corrigir em project.json do que renderizar novamente.
  • Narração mais longa que o esperado — as cenas se esticam para caber a voz. Nada é cortado; o vídeo fica mais longo. Use menos palavras por cena se precisar de uma duração fixa.
  • Sem ffmpeg — npm install no repositório é a correção pretendida. A mensagem de erro nomeia tanto o pacote quanto a variável de ambiente.
  • Legendas em script não latino — ASS é UTF-8 e DejaVu Sans cobre latim, cirílico e grego. Para CJK ou árabe, mude a fonte em captions.ass e certifique-se de que ela está instalada na máquina de renderização.

Habilidades Relacionadas