Communitygithub.com

Canción personalizada + video karaoke

Cria uma canção personalizada (letra + estilo Suno) e um vídeo karaokê vertical a partir das fotos do cliente, com a letra sincronizada palavra por palavra com a batida. Ideal para aniversários, datas comemorativas ou presentear alguém especial com uma música e um vídeo karaokê legendado.

O que é Canción personalizada + video karaoke?

Esta habilidade permite criar uma canção personalizada completa e um vídeo karaokê vertical no formato 1080×1920, tudo em português (LATAM). O processo é dividido em duas fases: (A) composição da letra para a plataforma Suno, incluindo estrutura de estrofes, rima e sugestões de estilo musical (merengue, cúmbia, balada, bachata, etc.), e (B) produção do vídeo karaokê, com análise de áudio, geração de beat, seleção e tratamento das fotos, e renderização final com textos sincronizados, zoom, confete e corações. A habilidade é compatível com Claude Code, Cursor ou Codex, e utiliza scripts Python (faster-whisper, librosa, Pillow, ffmpeg com libass) para toda a automação. O resultado são dois arquivos MP4: um completo para TV/IG e outro otimizado para WhatsApp. Os scripts e a estrutura de pastas garantem reprodutibilidade e qualidade profissional, com verificações de estilo visual (fundo desfocado, pulso da batida, flash, títulos na área inferior para não cobrir rostos) e movimentos com vida (ease-in-out, escalonamento, Ken Burns).

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dialejo0720-maker/skills-edicion-video/tree/HEAD/skills/cancion-video-karaoke

Perguntar na sua IA favorita

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

Documentação

Canção personalizada + vídeo karaokê

Processo testado com pedidos reais (aniversários, merengue — o cliente disse que ficou "espetacular"). Duas fases: (A) letra para Suno e (B) vídeo vertical 1080×1920 com fotos + karaokê. Tudo em português (LATAM), caloroso e próximo. Responder ao usuário em português.

Estrutura de pastas (uma por pedido)

<pasta de pedidos>/cancao-<nome>/
  letra-suno.md          ← fase A
  fotos/                 ← o usuário envia as fotos
  <cancao>.mp3          ← o usuário envia o MP3 do Suno (qualquer nome)
  video/                 ← tudo técnico (projeto.json, linhas.txt, json, chunks…)
  Feliz-Aniversario-<Nome>.mp4 / -WhatsApp.mp4   ← entregáveis

Scripts em ${CLAUDE_SKILL_DIR}/scripts/ (referir como $S). Executar com python normal (NÃO python -I: não vê faster_whisper/librosa instalados no site-packages do usuário).

Requisitos: ffmpeg com libass, Python com faster-whisper, librosa, numpy, Pillow (pip install faster-whisper librosa numpy pillow). Na primeira vez, verifique (ffmpeg -version, python -c "import faster_whisper, librosa") e instale o que faltar com permissão da pessoa. Fontes: Segoe UI Black (letra), Segoe Script (títulos) no Windows; no Mac/Linux use equivalentes instaladas.


FASE A — Letra para Suno

  1. Ler o que o cliente enviou: para quem, relação, ocasião, mensagem, gênero desejado.
  2. Colocar TODAS as ideias da mensagem do cliente na letra (se ele disser "companheiro, amigo e parceiro", que apareça exatamente assim de forma natural). Isso é o que toca a fibra de quem recebe.
  3. Estrutura: [Intro] com grito/dedicatória com o nome → [Verse 1] 8 linhas → [Pre-Chorus] 2 → [Chorus] 8 (o nome repetido no início: "Valentina, Valentina!") → [Verse 2] → [Pre-Chorus] → [Chorus] → [Instrumental Break] → [Bridge] festivo ("que toque a güira!", "Feliz Aniversário!") → [Final Chorus] → [Outro] ("Te amo, X!") → [End].
  4. Rima consoante/assonante limpa, versos de 9–12 sílabas, refrão grudento.
  5. Dar 2 prompts de estilo (em inglês, para "Style of Music"). Exemplos:
    • Merengue: festive dominican merengue, accordion, güira, tambora, bright saxophone section, warm joyful male vocal, party backing choir, romantic birthday celebration, danceable, 140 bpm, spanish
    • Cúmbia: colombian cumbia, accordion lead, guacharaca, caja vallenata, bass, warm romantic male vocal, festive choir shouts, birthday celebration, danceable, 95 bpm, spanish
    • Adaptar: balada, vallenato, bachata, ranchera, salsa conforme o pedido; voz masculina/feminina conforme quem presentear.
  6. Salvar em cancao-<nome>/letra-suno.md (título, estilo A/B, letra em bloco de código, dicas: gerar 2–4 versões, se pronunciar o nome errado, escrevê-lo fonético). Criar fotos/ vazia e pedir fotos + MP3.

FASE B — Vídeo karaokê

B1. Analisar (≈4–6 min, rodar em background)

python $S/analisar.py <diretorio_video> <caminho_mp3> <diretorio_fotos> "<primeiras linhas da letra como prompt>"

Gera words.json, beats.json, fotos.json, folha-fotos.jpg e imprime a transcrição com tempos (= mapa de seções).

B2. Revisar fotos (olhar folha-fotos.jpg com Read)

  • Classificar: apenas a pessoa festejada, casal/família, grupo/festa. Detectar capturas com barras pretas (render.py corta apenas essas).

  • Para cada foto, anotar focus = posição horizontal (0..1) do rosto/pessoa principal. Chave para que o panning não corte ninguém.

  • Fotos horizontais (largura/altura > 0.75) → são exibidas como "cartão" com borda branca e panning; verticais → tela cheia com Ken Burns.

  • Capturas de status do WhatsApp/Facebook (barra "Responder", barra de status, botões): render.py só corta preto puro, NÃO a interface. Cortar manualmente para fotos-limpas/NN.jpg (frações para cima/baixo foto a foto), reescrever fotos.json com esses nomes e fotos_dir: "../fotos-limpas". Descartar duplicadas (mesma foto em captura e original).

B2b. Vídeo do cliente (opcional)

Mover para clip/video.mp4. No projeto.json: "clip": "../clip/video.mp4" (opcional clip_inicio), e uma seção com fotos ["clip"] e beats_por_foto 99, de duração ≈ a do clipe (reproduz em velocidade real, sem seu áudio; vertical = tela cheia). Ideal em um instrumental + início de verso. focus aceita "clip".

B3. Escrever video/linhas.txt

Letra oficial na ordem exata em que Suno cantou (ver transcrição: Suno às vezes omite ou altera versos — p.ex., omitiu o 2º "Valentina, Valentina!" do refrão). Uma linha por linha, refrões repetidos completos, # para comentários de seção.

B4. Escrever video/projeto.json (ver exemplo-projeto.json)

  • audio, fotos_dir, saida (relativos a video/), nome, titulo, fechamento, linhas.
  • focus: {"n": x}.
  • pulso: "suave" por padrão em pedidos novos = apenas nos refrões, uma respiração lenta a cada compasso (o zoom em cada batida enjoo; caso Maria Paula). false = sem pulso; true = a cada batida (não usar a menos que peçam).
  • letra: false para o plano Cancionarte "Canção + vídeo com fotos" (14,90): só títulos, sem karaokê. Plano karaokê (19,90): omitir ou true.
  • tema: "infantil" (crianças/bebês): balões nas laterais, estrelas que piscam, bolhas, confete suave; corações nos refrões. Com "fonte_titulo": "Segoe Print" (mais lúdica que Segoe Script). Usar 8 beats por foto também nos versos → dinâmico.
  • tema: "nostalgia" (ausência, distância, reconciliação, luto; caso Mariana CNA-8YHTM2): neve suave + luzes cálidas tênues nos refrões, sem confete nem corações; títulos branco/creme com contorno escuro. Usar com "pulso": false, "crossfade": 1.0, sem flash, 12–16 beats por foto. Ler a letra antes de escolher o tema: fotos de menina ≠ canção infantil.
  • gaps: títulos nos instrumentais [inicio, fim, "texto"] (ex.: "Uma canção feita com amor", "Vamos dançar, minha rainha!", "Viva a aniversariante!").
  • sections: [inicio, fim, beats_por_foto, [fotos], flash, coracoes] cobrindo 0→duração sem lacunas:
    • Versos / intro / instrumentais: 16 beats por foto (~6–7 s a 140 BPM).
    • Refrões e ponte: 8 beats (~3,3 s) → dinâmico.
    • Refrões: coracoes: true. flash: true ao entrar cada seção (exceto intro).
    • Narrativa: intro → a melhor foto da pessoa festejada; versos de admiração → fotos dela sozinha; refrões de amor → fotos de casal; ponte/festa → fotos de grupo; fechamento → a melhor foto de casal (fica abaixo do título final).
    • Repetir fotos é ok (17 fotos em 4 min → cada uma aparece ~2–3 vezes); não repetir a mesma foto consecutivamente.

B5. Gerar timeline + karaokê

python $S/timeline.py <diretorio_video>
python $S/karaoke.py <diretorio_video>     # deve dizer "sem match: 0" ou quase; senão, corrigir linhas.txt

B6. Visualização (~1 min) — SEMPRE antes do render completo

python $S/build.py <diretorio_video> --preview 62 70     # entrada de um coro

Olhar prev/preview.jpg (Read). Verificar: rostos não cortados, texto legível, nada tampando rostos.

B7. Render final (em background)

python $S/build.py <diretorio_video>

8 blocos em paralelo → junta → queima karaokê + áudio → versão WhatsApp (crf 27, ~50 MB). Tempo real medido (8 núcleos, canção 4:00): ~15 min render + ~3 min final + ~2 min WhatsApp ≈ 20 min. Aguardar com until grep -q "FINAL\|rro" <output>; do sleep 5; done (Bash background), não com sleep.

B8. Verificar e entregar

  • ffprobe (1080x1920, duração = canção, h264+aac).
  • Folha de 8 quadros (2, 20, 45, …, final) → revisar com Read. Se um título tampá rostos ou algo falhar no texto: python $S/build.py <diretorio_video> --solo-karaoke (~5 min, reutiliza fotos já renderizadas).
  • Entregar com links para os dois MP4 (completo para TV/IG, WhatsApp para enviar), tempo que levou, e resumo do que tem.

Estilo visual (já implementado nos scripts)

  • Fundo: a mesma foto desfocada e escurecida (nunca barras pretas).
  • Pulso de zoom em cada beat (mais forte em beats pares), crossfade 0,35 s entre fotos, flash branco ao iniciar seções.
  • Confete colorido em todo o vídeo; corações rosados nos refrões.
  • Karaokê embaixo: linha atual 74 px, preenchimento dourado palavra por palavra (\kf) com pop de escala; linha seguinte em cinza abaixo.
  • Títulos: "" em Segoe Script rosa + "" grande dourado, embaixo (região 1400–1780) para não tapar rostos; fechamento com " ♥" + frase.

Movimento com vida (ao adicionar títulos, temas ou efeitos novos)

Siga as regras de ${CLAUDE_SKILL_DIR}/../video-con-vida/references/principios.md:

  • Títulos e stickers novos entram com ease-out + rebote 5–10 % (ícones/corações até 20 %) e saem com ease-in; nada linear exceto o preenchimento do karaokê.
  • Vários elementos ao mesmo tempo → escalonados 80–120 ms; as palavras de um título, letra por letra 40–70 ms.
  • Ken Burns sempre com ease-in-out, nunca linear; nenhuma foto completamente parada (zoom 1–3 % mínimo).
  • Sutil vence: o "pulso em cada batida" já mostrou que enjoo (caso Maria Paula). Se um movimento for percebido conscientemente, reduza.
  • Se o cliente enviar um vídeo próprio falando para a câmera (dedicatória), pode-se aplicar efeitos de video-con-vida (p. ex., 16 capa com o nome atrás da cabeça, 14 rabisco vivo com coração) antes de inseri-lo como clip.

Erros já resolvidos (não repetir)

  • Partículas semitransparentes: ImageDraw sobre uma imagem RGBA substitui pixels (fica opaco). Desenhar em uma camada separada e usar alpha_composite (assim o Snow faz).
  • Mosaicos/colagens do cliente: detectar as faixas brancas, cortar cada foto, redimensionar ×3 Lanczos + UnsharpMask; separar fotos duplas e remover marcas d'água.
  • Whisper às vezes agrupa um verso inteiro no mesmo instante (todas as palavras com o mesmo s): distribuir manualmente em words.json (salvar words-original.json) antes do karaoke.py.
  • Balões no centro tapavam rostos → vão nas laterais (x <190 ou >890).
  • python -I → ModuleNotFoundError faster_whisper. Usar python normal.
  • Passar JSON como argumento no PowerShell quebra as aspas → tudo vai em projeto.json.
  • Panning/zoom forte em fotos horizontais cortava a pessoa → cartão de 940 px de altura + focus.
  • Títulos centralizados tapavam rostos → vão na zona inferior (sem karaokê no intro e fechamento).
  • Segmento final de seção muito curto (<60% do normal) é unido ao anterior (timeline.py faz isso).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas