Gerador de Scripts TTS
Comprime e reescreve documentos de forma inteligente para scripts adequados para leitura por TTS.
Capacidades Principais
- 🤖 Análise Inteligente com IA: O Claude analisa o conteúdo do artigo e decide a melhor duração do vídeo e estilo de ilustração.
- ⏱️ Decisão Inteligente de Duração: Determina automaticamente a duração ideal (3-8 minutos) com base no conteúdo.
- 🎨 Decisão Inteligente de Estilo: Seleciona o estilo de ilustração mais adequado (New Yorker, ukiyo-e, flat, realista, etc.) de acordo com o tema.
- 📉 Compressão Inteligente: Comprime o conteúdo para a duração ideal (ex.: 19 minutos → 5 minutos).
- 💬 Conversão para Linguagem Coloquial: Transforma texto escrito em fala natural.
- 😊 Otimização Emocional: Adiciona palavras emocionais para tornar o TTS mais vívido.
- 🎯 Segmentação Automática: Determina o número ideal de segmentos (cada um com 10-20 segundos) com base no conteúdo.
- 📊 Estimativa de Duração: Calcula com precisão o tempo de leitura de cada segmento.
Como Funciona
Executado em uma conversa com o Claude:
- O Claude lê o documento original.
- O Claude analisa o conteúdo:
- Tema e estrutura do artigo
- Número de ideias principais
- Densidade do conteúdo
- Determina a melhor duração do vídeo (3-8 minutos)
- Escolhe o estilo de ilustração mais adequado (ex.: história → ukiyo-e, tecnologia → flat, humanidades → New Yorker)
- O Claude reescreve de forma inteligente:
- Extrai as ideias principais
- Comprime para a duração ideal
- Converte para expressões coloquiais
- Adiciona palavras emocionais e pausas
- O Claude segmenta automaticamente (cada segmento adequado para uma imagem).
- Determina o melhor estilo de ilustração com base no tema.
- Gera descrições de ilustração para cada segmento (usando o estilo definido).
- Gera dois arquivos:
tts_script.json(script de texto TTS + marcações de animação)visual_config.json(descrições de ilustração para uso pelo illustration-generator)
Formato do tts_script.json (com novas marcações de animação):
[
{
"segment": 1,
"text": "Hoje vamos falar sobre a vida real na Dinastia Tang. Quer viajar no tempo? Espere um pouco!",
"duration": 15,
"animation_style": "fade_in",
"emphasis": true
},
{
"segment": 2,
"text": "Na Dinastia Tang não havia papel higiênico. O que eles usavam no banheiro?",
"duration": 12,
"animation_style": "none",
"emphasis": false
}
]
Regras para Marcações de Animação (Decisão Inteligente do Claude):
animation_style:"fade_in"- Títulos, aberturas, ênfase especial"write"- Ideias principais, conclusões-chave"typewriter"- Dados, fatos"none"- Conteúdo normal (usa legendas ASS)
emphasis: Indica se é um segmento importante (true/false)
Princípios de Decisão:
- 1º segmento (abertura) →
fade_in - Ideia principal (1º segmento de cada capítulo) →
write - Dados/fatos →
typewriter - Outro conteúdo →
none(legendas ASS) - Recomendação: em 24 segmentos, apenas 3-5 devem usar animação
Scripts de Execução
generate.py - Geração de Script TTS
python ~/.claude/skills/tts-script-generator/scripts/generate.py <arquivo_markdown>
- Lê o arquivo Markdown
- Extrai seções H2
- Converte para linguagem coloquial
- Segmenta por duração
- Gera
tts_script.json
Casos de Uso
- Narração de Vídeos: Uso principal com image-to-video
- Geração de Podcasts: Uso com podcast-generator
Descrição da Saída
Gerado por esta skill:
- ✅
tts_script.json- Script de texto TTS - ✅
visual_config.json- Descrições de ilustrações
Não inclui:
- ❌ Geração de áudio TTS (responsabilidade da skill image-to-video)
- ❌ Geração de ilustrações (requer chamada à skill illustration-generator)
- ❌ S��ntese de vídeo (requer chamada à skill image-to-video)
Modo de Chamada
Chamada automática pela skill image-to-video:
image-to-video detecta documento longo
→ chama tts-script-generator
→ Claude reescreve na conversa
→ gera script TTS comprimido
→ image-to-video continua o processamento
Chamada manual (em conversa com o Claude):
Usuário: "Use o tts-script-generator para reescrever este artigo."
Claude:
1. Lê o documento (5947 palavras, 19 minutos)
2. Analisa o conteúdo:
- Tema: Vida cotidiana na Dinastia Tang (história/humanidades)
- Ideias principais: 4 (higiene, alimentação, regulação, classes sociais)
- Duração ideal definida: 5 minutos (densidade moderada)
- Estilo de ilustração definido: ukiyo-e (tema histórico, estética clássica oriental)
3. Reescreve para 1350 palavras
4. Divide em 20 segmentos (15 segundos cada)
5. Gera descrições de ilustrações no estilo ukiyo-e para cada segmento
6. Salva tts_script.json + visual_config.json
Formato da Saída
tts_script.json
[
{
"segment": 1,
"text": "Hoje vamos falar sobre a vida real na Dinastia Tang. Quer viajar no tempo? Espere um pouco! Na Dinastia Tang não havia papel higiênico...",
"duration": 15
}
]
visual_config.json
{
"article_title": "A Verdade Sobre Viajar para a Dinastia Tang",
"style": "ukiyo-e",
"sections": [
{
"section": 1,
"visual_description": "Uma pessoa parada em uma encruzilhada entre uma cidade moderna e um palácio antigo da Dinastia Tang, parecendo confusa, estilo ukiyo-e com estética tradicional de xilogravura japonesa"
}
]
}
Regras de Decisão para Estilo de Ilustração
O Claude seleciona automaticamente o estilo mais adequado com base no tema do artigo:
- História/Clássico →
ukiyo-e(xilogravura japonesa): Dinastia Tang, Dinastia Song, história japonesa, etc. - Humanidades/Sociedade →
new-yorker(New Yorker): Observações sociais, histórias de pessoas, etc. - Tecnologia/Negócios →
flat(estilo plano): Produtos de tecnologia, análises de negócios, etc. - Natureza/Viagem →
realistic(estilo realista): Paisagens, animais, viagens, etc. - Arte/Criatividade →
abstract(estilo abstrato): Críticas de arte, pensamento criativo, etc.
Princípios de Reescrita
- Preservar o essencial: Manter as ideias e histórias mais importantes.
- Linguagem coloquial:
- "Porém" → "Mas"
- "Porque... então..." → "Por quê? Porque..."
- Adicionar palavras de ênfase: "sabe?", "não é mesmo?"
- Palavras emocionais:
- Ênfase: "realmente", "muito", "extremamente"
- Surpresa: "uau", "nossa", "imagine só"
- Controle de ritmo:
- Frases curtas
- Pausas adequadas
- Uma ideia principal por segmento
Pode ser Chamado por
- Skill image-to-video (principal)
- Skill podcast-generator
- Outras skills que precisam de TTS