Communitygithub.com

demo-video

Esta skill deve ser usada quando o usuário pedir para "gravar uma demonstração", "fazer um vídeo de demonstração", "gravar uma tela de workflow", "fazer um GIF de", "fazer um vídeo do YouTube de", "adicionar narração", "adicionar narração TTS", "fazer legendas/" ou quiser um passo a passo de um workflow de terminal + navegador transformado em MP4 com voz e um .srt, e/ou um GIF curto de destaques. Abrange posicionamento de janelas, captura em resolução nativa no Windows, localização de momentos com folhas de contato, tempo de cena, narração edge-tts, legendas do YouTube e limites de tamanho de GIF.

O que é demo-video?

Esta skill permite que um agente de IA transforme um workflow real na tela (terminal, navegador ou aplicativo) em um vídeo de demonstração completo com formato MP4, narração TTS (texto-para-fala) e arquivo de legenda .srt, otimizado para upload no YouTube. Ela também gera um GIF animado de destaques com os passos principais, compacto o suficiente para ser incluído em um README. A skill é compatível com Windows (usando scripts PowerShell) e depende do ffmpeg e Python 3 para processamento de áudio e vídeo. O processo inclui planejamento com o usuário, posicionamento preciso das janelas em resolução nativa (evitando problemas de escala DPI), gravação com Desktop Duplication para captura em pixels nativos, localização de momentos-chave via folhas de contato com timestamps, narração gerada pelo edge-tts com controle de voz, e construção final com corte e aceleração de cenas. O resultado são arquivos prontos para publicação com legendas sincronizadas, miniaturas e documentação do processo.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/shannonbay/claude-demo-video-skill/tree/HEAD

Perguntar na sua IA favorita

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

Documentação

Vídeos de demonstração: gravar, cortar, narrar, legendar, GIF

Transforma um workflow real na tela (terminal, navegador, aplicativo) em:

  • um corte para YouTube: MP4 com narração TTS, sem legendas fixas, mais um .en.srt;
  • um GIF de destaques: apenas os passos principais, sem áudio, sem legendas, pequeno o suficiente para um README;
  • opcionalmente, um MP4 legendado (com legendas inseridas) para locais sem suporte a legendas.

Os scripts em scripts/ são modelos: copie-os para uma pasta do vídeo (fora de qualquer repositório: as gravações têm centenas de MB) e edite seus blocos de configuração. Necessita ffmpeg (no PATH, ou variáveis de ambiente FFMPEG/FFPROBE), Python 3 e pip install edge-tts para a voz.

1. Planejar com a pessoa

  • Combine a história em passos, e quais passos são deles (cliques, digitação) versus espera. Escreva a lista de passos com o que pressionar, para que eles possam conduzir enquanto gravam.
  • Escolha o assunto (um issue, uma tarefa) que mostre algo visível.
  • Prepare o cenário: remova duplicatas do que a demo cria, feche abas pessoais (abra uma nova janela do navegador apenas com o site), oculte notificações. Mencione qualquer coisa barulhenta (banners de atualização).
  • Avise que qualquer coisa que digitarem para o Claude enquanto gravam aparecerá na tela: mantenha apenas "próximo" / "concluído".

2. Enquadrar ambas as janelas em uma única caixa de captura

Coloque todas as janelas que a demo usa exatamente no mesmo retângulo (1920×1080 é um bom padrão) e grave essa caixa: qualquer janela que estiver na frente é a cena, então alternar janelas é a edição.

scripts/rec.ps1 place -X <px> -Y <px> faz isso no Windows. Coisas que pegam:

  • Escala DPI: coordenadas de um processo não ciente de DPI são escaladas (125% → uma janela "1920" tem 1536 físicos). place define a consciência de DPI por monitor (SetThreadDpiAwarenessContext(-4)) para que tudo seja em pixels físicos. Liste monitores com rec.ps1 monitors.
  • Bordas invisíveis: janelas do Windows 10/11 têm ~7 px de bordas invisíveis. Dimensione pelos limites visíveis do DWM (DWMWA_EXTENDED_FRAME_BOUNDS), não GetWindowRect; place mede e corrige.
  • Capture um quadro e observe-o antes de gravar (Leia o PNG).

3. Gravar

scripts/rec.ps1 start <nome> / stop / mark <texto>. Notas:

  • gdigrab não é ciente de DPI e captura uma área de trabalho redimensionada em um monitor escalado (e __COMPAT_LAYER=HighDpiAware não resolve). Use Desktop Duplication (ddagrab), que são pixels nativos por monitor. Seus offset_x/y são relativos a esse monitor.
  • Um monitor em uma segunda GPU (laptop + monitor externo) não está no adaptador 0: -init_hw_device d3d11va=dx:<adapter> -filter_hw_device dx com ddagrab=output_idx=<n> em -filter_complex. rec.ps1 start aceita -Adapter e -Output; tente 0/1 se "Falha ao enumerar saída DXGI".
  • Escreva MPEG-TS (-f mpegts): o processo é morto para parar, e MP4/MKV perdem seu cabeçalho assim.
  • Divida em clipes nas pausas naturais (configuração / entrada da pessoa / uma longa tomada de espera). Uma longa tomada de um processo lento é aceitável; a edição acelera as esperas.
  • Enquanto a pessoa conduz, relate brevemente o que cada passo em segundo plano relata e o que pressionar em seguida.

4. Encontrar os momentos

Não navegue pelo vídeo. Crie folhas de contato com timestamps e leia-as: python scripts/sheets.py <clip.ts> --every 10 (clipe inteiro), depois --from 170 --to 236 --every 2 --crop 900:560:1020:0 ao redor de cada clique para encontrar os segundos exatos em que uma proposta aparece, um botão é pressionado, uma página carrega. Anote: (clipe, início, fim) para cada passo, e quais intervalos são esperas.

5. Narração

lines.txt: uma linha por cena (um passo da história), escrita como texto de legenda. Inglês falado, frases curtas, diz o porquê, não apenas o quê. voice.py tem um mapa SAY de como símbolos são falados (#92 → "ninety-two", /goal-new → "goal new", CI → "C I"); as legendas mantêm o original. Voz padrão en-US-AndrewNeural a +4%; liste vozes com python -m edge_tts --list-voices. Re-narre uma linha com --only N.

6. Construir

scripts/build.py: SCENES é uma lista de cenas, cada uma é uma lista de segmentos (clipe, início, fim, velocidade):

  • cliques da pessoa a 1–2×; páginas do navegador a 2–4×; trabalho de máquina a 6–40× com um selo ▶▶ N× (desenhado quando velocidade ≥ 3);
  • uma cena mais curta que LEAD + sua linha + TAIL tem seu último quadro segurado (tpad), para que a voz nunca ultrapasse;
  • produz youtube/<nome>-youtube.mp4 (vídeo + voz, -c copy), youtube/<nome>-youtube.en.srt (cada linha dividida em cues de ~70 caracteres temporizadas por compartilhamento de caracteres) e uma miniatura.
  • --burn também escreve <nome>-captioned.mp4 com legendas inseridas.

Aponte para 1,5–3,5 min. Se a narração deixar longos silêncios, acelere a cena em vez de preencher com palavras.

7. GIF

Um GIF não é o vídeo na velocidade: são apenas os passos principais. scripts/gif.py: HIGHLIGHTS = (clipe, início, fim, velocidade, corte), cada um com 3–7 s, cortados (janela de 1280×720 do quadro: o painel, a página web, um menu) e redimensionados para 960×540 a 8 fps, uma paleta (palettegen stats_mode=diff, paletteuse dither=none diff_mode=rectangle). Sem legendas, sem selos. Mantenha abaixo de 10 MB (limite de imagem do GitHub) e abaixo de ~60 s. Verifique colocando lado a lado o último quadro de cada destaque e lendo a imagem.

8. Entrega

Um README.md na pasta do vídeo: o que o vídeo mostra, tabela de saídas, o que cada fonte/script é, o quadro do gravador e quaisquer peculiaridades de captura, e como reconstruir (re-narrar → construir → gif). Ofereça-se para lembrar a localização da pasta na memória.

Habilidades Relacionadas