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
- Ler o que o cliente enviou: para quem, relação, ocasião, mensagem, gênero desejado.
- 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.
- 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]. - Rima consoante/assonante limpa, versos de 9–12 sílabas, refrão grudento.
- 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.
- Merengue:
- 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). Criarfotos/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), reescreverfotos.jsoncom esses nomes efotos_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:falsepara o plano Cancionarte "Canção + vídeo com fotos" (14,90): só títulos, sem karaokê. Plano karaokê (19,90): omitir outrue.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, semflash, 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: trueao 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 comoclip.
Erros já resolvidos (não repetir)
- Partículas semitransparentes:
ImageDrawsobre uma imagem RGBA substitui pixels (fica opaco). Desenhar em uma camada separada e usaralpha_composite(assim oSnowfaz). - 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).