Communitygithub.com

Gerador de Vídeos com IA — Pipeline de Conteúdo Curto

Gere vídeos curtos com IA — roteirização, narração por texto-para-fala, seleção de imagens de arquivo, geração de legendas e montagem do vídeo. Use quando: criar conteúdo para TikTok/YouTube Shorts/Reels, automatizar produção de vídeo, construir pipelines de conteúdo.

O que é Gerador de Vídeos com IA — Pipeline de Conteúdo Curto?

Esta skill automatiza a criação de vídeos curtos (TikTok, YouTube Shorts, Instagram Reels) usando IA em todas as etapas: pesquisa de tópicos, escrita de roteiro, narração por texto-para-fala, correspondência de imagens de arquivo, geração de legendas e montagem final. Inspirada pelo projeto MoneyPrinterTurbo (mais de 53 mil estrelas), ela fornece um pipeline completo em Python que transforma um tópico em um vídeo finalizado em formato retrato (1080x1920) com legendas e narração. A skill suporta diversas APIs: Anthropic ou OpenAI para roteiros, ElevenLabs ou OpenAI TTS para voz, e Pexels para vídeos de arquivo gratuitos. É ideal para criadores de conteúdo, profissionais de marketing e desenvolvedores que desejam escalar a produção de vídeos curtos de forma econômica (~$0,05 por vídeo). Inclui exemplos práticos de geração em lote e agendamento diário, além de diretrizes sobre direitos autorais, divulgação de IA e otimização de engajamento.

Funciona com✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/TerminalSkills/skills/tree/HEAD/skills/ai-video-generator

Perguntar na sua IA favorita

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

Documentação

O que Gerador de Vídeos com IA — Pipeline de Conteúdo Curto faz?

Visão Geral

Automatize a criação de vídeos curtos (TikTok, YouTube Shorts, Instagram Reels) usando IA em cada etapa: pesquisa de tópicos, escrita de roteiro, narração por texto-para-fala, correspondência de imagens de arquivo, geração de legendas e montagem final. Inspirado pelo MoneyPrinterTurbo (mais de 53 mil estrelas).

Instruções

Passo 1: Configure o Ambiente

pip install anthropic openai requests moviepy pydub whisperx srt
sudo apt install ffmpeg  # Linux — ou: brew install ffmpeg (macOS)

Chaves de API necessárias: Anthropic ou OpenAI (roteiros), ElevenLabs ou OpenAI TTS (voz), Pexels (imagens de arquivo gratuitas).

Passo 2: Escrita de Roteiro com IA

import anthropic

def generate_script(topic, duration_seconds=45):
    """Gera um roteiro de vídeo otimizado para conteúdo curto."""
    client = anthropic.Anthropic()
    prompt = f"""Escreva um roteiro de vídeo de {duration_seconds} segundos sobre: {topic}
    Formato:
    GANCHO (primeiros 3 segundos): Uma declaração chocante ou pergunta que faz parar a rolagem
    CORPO (conteúdo principal): 3-5 fatos ou pontos impactantes, cada um com 1-2 frases
    CTA (últimos 5 segundos): Chamada para ação — siga, curta, comente
    Regras:
    - Conversacional, sem frases complexas
    - Cada frase em sua própria linha
    - ~{duration_seconds * 2.5:.0f} palavras ({duration_seconds}s a 150 ppm)
    - Use palavras de poder: segredo, chocante, ninguém te conta, na verdade
    - Sem emojis ou hashtags — este é um roteiro para narração
    """
    response = client.messages.create(
        model="claude-sonnet-4-20250514", max_tokens=500,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

Passo 3: Narração por Texto-para-Fala

import requests, os

def generate_voice_elevenlabs(text, output_path='narration.mp3'):
    """Gera narração usando ElevenLabs."""
    url = "https://api.elevenlabs.io/v1/text-to-speech/21m00Tcm4TlvDq8ikWAM"
    headers = {"xi-api-key": os.environ["ELEVENLABS_API_KEY"], "Content-Type": "application/json"}
    data = {"text": text, "model_id": "eleven_turbo_v2_5",
            "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}}
    response = requests.post(url, json=data, headers=headers)
    with open(output_path, 'wb') as f:
        f.write(response.content)
    return output_path

def generate_voice_openai(text, output_path='narration.mp3'):
    """Gera narração usando OpenAI TTS (alternativa mais barata)."""
    from openai import OpenAI
    client = OpenAI()
    response = client.audio.speech.create(model="tts-1-hd", voice="onyx", input=text)
    response.stream_to_file(output_path)
    return output_path

Passo 4: Seleção de Imagens de Arquivo

def search_pexels_videos(query, count=5):
    """Pesquisa no Pexels clipes de vídeo em orientação retrato."""
    url = "https://api.pexels.com/videos/search"
    headers = {"Authorization": os.environ["PEXELS_API_KEY"]}
    params = {"query": query, "per_page": count, "orientation": "portrait", "size": "medium"}
    response = requests.get(url, headers=headers, params=params)
    videos = response.json().get('videos', [])
    results = []
    for v in videos:
        files = sorted(v['video_files'], key=lambda x: x.get('height', 0), reverse=True)
        hd = next((f for f in files if f.get('height', 0) >= 720), files[0])
        results.append({'id': v['id'], 'url': hd['link'], 'duration': v['duration']})
    return results

Passo 5: Geração de Legendas

def generate_subtitles(audio_path, output_srt='subtitles.srt'):
    """Gera legendas no nível da palavra usando WhisperX."""
    import whisperx, srt
    from datetime import timedelta
    model = whisperx.load_model("base", device="cpu")
    audio = whisperx.load_audio(audio_path)
    result = model.transcribe(audio)
    align_model, metadata = whisperx.load_align_model(language_code="en")
    aligned = whisperx.align(result["segments"], align_model, metadata, audio)
    subs = []
    words = [w for seg in aligned["segments"] for w in seg.get("words", [])]
    for i in range(0, len(words), 4):
        group = words[i:i + 4]
        if not group: continue
        start = timedelta(seconds=group[0].get('start', 0))
        end = timedelta(seconds=group[-1].get('end', 0))
        text = ' '.join(w['word'] for w in group)
        subs.append(srt.Subtitle(index=len(subs)+1, start=start, end=end, content=text))
    with open(output_srt, 'w') as f:
        f.write(srt.compose(subs))
    return output_srt

Passo 6: Montagem do Vídeo com FFmpeg

import subprocess

def assemble_video(clips, narration, subtitles, output='final.mp4'):
    """Monta o vídeo final: concatena clipes, adiciona narração e legendas."""
    concat_list = 'concat_list.txt'
    with open(concat_list, 'w') as f:
        for clip in clips:
            f.write(f"file '{clip}'\n")
    subprocess.run([
        'ffmpeg', '-y', '-f', 'concat', '-safe', '0', '-i', concat_list,
        '-vf', 'scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920',
        '-c:v', 'libx264', '-preset', 'fast', '-an', 'temp_video.mp4'
    ], check=True)
    subtitle_filter = (f"subtitles={subtitles}:force_style='"
        "FontName=Arial,FontSize=18,PrimaryColour=&H00FFFFFF,"
        "OutlineColour=&H00000000,Outline=2,Bold=1,Alignment=2'")
    subprocess.run([
        'ffmpeg', '-y', '-i', 'temp_video.mp4', '-i', narration,
        '-vf', subtitle_filter, '-c:v', 'libx264', '-c:a', 'aac',
        '-shortest', output
    ], check=True)
    return output

Passo 7: Pipeline Completo

def generate_video(topic, output_dir='./output'):
    """Pipeline completo: tópico -> vídeo finalizado."""
    import os
    os.makedirs(output_dir, exist_ok=True)
    script = generate_script(topic)
    narration = generate_voice_elevenlabs(script, f'{output_dir}/narration.mp3')
    keywords = topic.split()[:3]
    videos = search_pexels_videos(' '.join(keywords), count=3)
    clips = []
    for i, v in enumerate(videos):
        path = f'{output_dir}/clip_{i}.mp4'
        requests.get(v['url'], stream=True)  # baixar clipe
        clips.append(path)
    subs = generate_subtitles(narration, f'{output_dir}/subs.srt')
    return assemble_video(clips, narration, subs, f'{output_dir}/final.mp4')

Exemplos

Exemplo 1: Gere um Lote de Vídeos de Fatos Tecnológicos

Um criador produz 5 vídeos curtos com tema de tecnologia para o TikTok em uma única execução:

topics = [
    "Ferramentas de IA que ninguém fala",
    "Aplicativos que parecem ilegais de usar de graça",
    "Sites que vão explodir sua mente",
    "Ferramentas de IA gratuitas que todo estudante precisa",
    "Gadgets de tecnologia abaixo de $50 que mudaram minha vida"
]
for topic in topics:
    output = generate_video(topic, output_dir=f'./output/{topic[:30]}')
    print(f"Vídeo pronto: {output}")
# Cada vídeo: ~45 segundos, retrato 1080x1920, com legendas e narração
# Custo total: ~$0,25 (5 x $0,05 por vídeo) usando ElevenLabs + Claude Sonnet

Exemplo 2: Shorts Financeiros Diários para o YouTube

Um canal de finanças automatiza o upload diário de Shorts com tópicos de dinheiro em alta:

import schedule

def daily_finance_video():
    topic = "3 ideias de renda passiva que realmente funcionam em 2025"
    script = generate_script(topic, duration_seconds=55)
    # Saída do roteiro:
    # GANCHO: "Você está perdendo dinheiro todos os dias por não saber disso."
    # CORPO: 1. Lojas print-on-demand ($500-2k/mês)
    #       2. Licenciamento de conteúdo gerado por IA ($300-1k/mês)
    #       3. Acumulação de ETFs de dividendos ($200-800/mês passivo)
    # CTA: "Siga para mais dicas de dinheiro que ninguém te conta."
    narration = generate_voice_openai(script, './daily/narration.mp3')
    videos = search_pexels_videos("money finance investing", count=4)
    # Baixa 4 clipes retrato de dinheiro/gráficos/estilo de vida
    # Monta com legendas brancas em negrito, gera Short de 55 segundos
    final = assemble_video(['./daily/clip_0.mp4', './daily/clip_1.mp4'],
                           narration, './daily/subs.srt', './daily/final.mp4')

schedule.every().day.at("08:00").do(daily_finance_video)

Diretrizes

  • Respeite os direitos autorais — use apenas imagens de arquivo isentas de royalties (Pexels, Pixabay) ou seu próprio conteúdo
  • Divulgue o uso de IA — YouTube e TikTok exigem divulgação de conteúdo gerado por IA
  • Revise antes de publicar — sempre assista ao vídeo final; roteiros de IA podem conter imprecisões
  • Otimize os primeiros 3 segundos — o gancho determina se os espectadores ficam ou rolam para frente
  • Teste várias vozes — ElevenLabs oferece dezenas de vozes; encontre uma que se encaixe no seu nicho
  • Monitore o desempenho — acompanhe visualizações, retenção e taxa de cliques para iterar no estilo do conteúdo

Referências

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

TerminalSkills/skills

>- Run GitHub Actions locally with act. Use when a user asks to test GitHub Actions workflows locally, debug CI pipelines without pushing, or run workflows offline.

TerminalSkills/skills

>- You are an expert in AG2 (formerly AutoGen), the open-source multi-agent conversation framework. You help developers build systems where multiple AI agents collaborate through structured conversations — with tool use, human-in-the-loop, code execution, group chat orchestration, and nested conversations — for complex tasks like software development, research, and data analysis.

TerminalSkills/skills

>- Animate 3D objects and characters in Blender with Python. Use when the user wants to keyframe properties, create armatures and rigs, set up IK/FK chains, animate shape keys for facial animation, edit F-Curves, use the NLA editor to blend actions, add drivers for expression-based animation, or script any animation workflow in Blender.

TerminalSkills/skills

>- Automate motion capture and tracking workflows in Blender with Python. Use when the user wants to import BVH or FBX mocap data, retarget motion to armatures, track camera or object motion from video, solve camera motion, clean up motion capture data, or script any tracking pipeline in Blender.

TerminalSkills/skills

>- You are an expert in Bolt.new by StackBlitz, the AI-powered full-stack development environment that runs entirely in the browser. You help developers go from idea to deployed app in minutes using natural language prompts — Bolt generates complete applications with frontend, backend, database, and deployment, all running in a WebContainer without local setup.

TerminalSkills/skills

>- Assists with using Bun as an all-in-one JavaScript/TypeScript runtime, package manager, bundler, and test runner. Use when building HTTP servers, managing packages, running tests, or migrating from Node.js. Trigger words: bun, bun serve, bun install, bun test, bun build, javascript runtime, bun runtime.

TerminalSkills/skills

>- Self-host customer support with Chatwoot. Use when a user asks to set up open-source customer support, add live chat without SaaS costs, build a multi-channel inbox, or deploy a free Intercom alternative.

TerminalSkills/skills

>- You are an expert in Chi, the lightweight, idiomatic Go HTTP router built on `net/http`. You help developers build composable HTTP services using Chi's middleware stack, route groups, URL parameters, sub-routers, and context-based request scoping — providing Express-like ergonomics while staying 100% compatible with Go's standard library.

TerminalSkills/skills

When the user wants to edit, review, or improve existing marketing copy. Also use when the user mentions 'edit this copy,' 'review my copy,' 'copy feedback,' 'proofread,' 'polish this,' 'make this better,' or 'copy sweep.' This skill provides a systematic approach to editing marketing copy through multiple focused passes.

TerminalSkills/skills

>- Add live chat and customer support with Crisp. Use when a user asks to add a chat widget, implement live customer support, set up a help desk, create a knowledge base, or add a chatbot to a website.

TerminalSkills/skills

>- Assists with building custom interactive data visualizations using D3.js. Use when creating charts, graphs, maps, force layouts, or hierarchical diagrams that require fine-grained control beyond what charting libraries provide. Trigger words: d3, data visualization, chart, svg, scales, force graph, treemap, choropleth.

TerminalSkills/skills

dbt (data build tool) transforms data in your warehouse using SQL SELECT statements. Learn project setup, models, tests, documentation, incremental materializations, and integration with data warehouses like PostgreSQL, BigQuery, and Snowflake.

TerminalSkills/skills

>- You are an expert in dlt, the open-source Python library for building data pipelines. You help developers load data from any API, file, or database into warehouses and lakes using simple Python decorators — with automatic schema inference, incremental loading, and built-in data contracts. dlt is the "requests library for data pipelines.

TerminalSkills/skills

Data Version Control for ML projects. Track large datasets and models alongside Git, build reproducible ML pipelines, and run experiments with metric comparison. Works with any storage backend including S3, GCS, Azure, and local filesystems.

TerminalSkills/skills

>- You are an expert in E2B, the cloud platform for running AI-generated code in secure sandboxes. You help developers give AI agents the ability to execute code, install packages, read/write files, and run long processes in isolated cloud environments — each sandbox is a lightweight VM that boots in ~150ms with full Linux, filesystem, and networking.

TerminalSkills/skills

>- Transcode, convert, edit, and process audio and video with FFmpeg. Use when a user asks to convert video formats (webm to mp4, mkv to mp4), extract audio from video, compress video files, trim or cut clips, concatenate videos, add subtitles, create thumbnails, apply filters, change resolution or bitrate, re-encode media, create GIFs from video, add watermarks, normalize audio, stream media, or build automated media processing pipelines.

TerminalSkills/skills

>- Create advanced animations with GSAP. Use when building complex timelines, scroll-driven animations, SVG morphing, text animations, or high-performance web animations beyond CSS capabilities.

TerminalSkills/skills

>- Generate deterministic MP4 videos from HTML, CSS, media, and seekable animations using HeyGen's HyperFrames framework. Use when someone asks to "render HTML to video", "make a video with HyperFrames", "create a programmatic video", "turn an animation into MP4", "build a launch/product video from HTML", "render GSAP/Lottie/Three.js to video", or set up an agent-driven video pipeline. Covers init/preview/render/add/lint/inspect commands, data-* timing attributes, animation adapters, and the component catalog.

TerminalSkills/skills

When the user wants to perform load testing, stress testing, or performance testing of APIs and websites using k6. Also use when the user mentions "k6," "load test," "performance test," "stress test," "spike test," "soak test," "thresholds," "virtual users," or "VUs." For browser-based testing, see selenium.

TerminalSkills/skills

>- Lovable (formerly GPT Engineer) is a browser-based AI app builder that turns a natural-language description into a working full-stack web app with a built-in backend, authentication, database and one-click publishing. Use when the user wants to prototype or ship a web app with Lovable, write effective Lovable prompts, connect Supabase or GitHub, review generated security rules, or move a Lovable project into their own editor.

Habilidades Relacionadas