Communitygithub.com

gerador-de-scripts-tts

Comprime e reescreve documentos de forma inteligente para scripts adequados para TTS. Usa IA Claude para analisar, comprimir para duração alvo, converter para estilo falado com linguagem emocional e segmentar automaticamente. Perfeito para narração de vídeos.

O que é gerador-de-scripts-tts?

Esta skill capacita o Claude AI a transformar documentos longos em scripts otimizados para síntese de fala (TTS) para narração de vídeos, podcasts e outras aplicações de áudio. Ela analisa o conteúdo para determinar automaticamente a duração ideal do vídeo (3-8 minutos) e o estilo visual mais adequado (como ukiyo-e para história, New Yorker para humanidades ou flat para tecnologia). Em seguida, comprime o texto para a duração alvo, reescreve em linguagem coloquial natural, adiciona palavras emocionais para tornar a fala mais envolvente e segmenta o texto em blocos de 10 a 20 segundos, cada um adequado para uma imagem. A skill gera dois arquivos JSON: `tts_script.json` contendo o script TTS com marcações de animação (fade-in, write, typewriter) e `visual_config.json` com descrições para um gerador de ilustrações. É projetada para plataformas como Claude Code e pode ser chamada automaticamente por outras skills, como `image-to-video` e `podcast-generator`.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huangserva/servasyy_skills/tree/HEAD/tts-script-generator

Perguntar na sua IA favorita

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

Documentação

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:

  1. O Claude lê o documento original.
  2. 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)
  3. O Claude reescreve de forma inteligente:
    • Extrai as ideias principais
    • Comprime para a duração ideal
    • Converte para expressões coloquiais
    • Adiciona palavras emocionais e pausas
  4. O Claude segmenta automaticamente (cada segmento adequado para uma imagem).
  5. Determina o melhor estilo de ilustração com base no tema.
  6. Gera descrições de ilustração para cada segmento (usando o estilo definido).
  7. 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:

  1. 1º segmento (abertura) → fade_in
  2. Ideia principal (1º segmento de cada capítulo) → write
  3. Dados/fatos → typewriter
  4. Outro conteúdo → none (legendas ASS)
  5. 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

  1. Narração de Vídeos: Uso principal com image-to-video
  2. 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

  1. Preservar o essencial: Manter as ideias e histórias mais importantes.
  2. Linguagem coloquial:
    • "Porém" → "Mas"
    • "Porque... então..." → "Por quê? Porque..."
    • Adicionar palavras de ênfase: "sabe?", "não é mesmo?"
  3. Palavras emocionais:
    • Ênfase: "realmente", "muito", "extremamente"
    • Surpresa: "uau", "nossa", "imagine só"
  4. 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

Habilidades Relacionadas