Communitygithub.com

delorenj/skills

Gere narrações profissionais usando IA ElevenLabs. Utilize quando o usuário precisar criar narrações para vídeos, áudio de narração ou conteúdo de texto para fala. Suporta múltiplas vozes com predefinições de personagem (narrador, vendedor, especialista) para uma entrega natural. Inclui regeneração de cena individual para ajustes finos.

O que é skills?

Esta skill permite a geração de narrações profissionais com IA usando a API da ElevenLabs, otimizada para projetos Remotion e outras plataformas de vídeo. Ela oferece predefinições de personagens (como narrador, vendedor, especialista) que garantem uma entrega natural e envolvente, em vez de uma simples leitura literal do texto. A skill suporta geração baseada em cenas com 'request stitching', mantendo a prosódia consistente entre todas as cenas de um projeto, além de permitir a regeneração de cenas individuais para ajustes precisos de timing ou conteúdo. Também inclui validação automática de áudio para detectar problemas como silêncio excessivo ou duração incorreta, e permite a incorporação de miniaturas em vídeos MP4. Plataformas suportadas incluem ElevenLabs e Remotion, com o fluxo de trabalho integrado a ferramentas de linha de comando para automação.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/delorenj/skills/tree/HEAD/elevenlabs-remotion

Perguntar na sua IA favorita

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

Documentação

Geração de Narração com ElevenLabs

Gere narrações profissionais com IA para vídeos Remotion usando a API ElevenLabs.

Pré-requisitos

  • ELEVEN_API_KEY no arquivo .env.local

Início Rápido

# Gera narração a partir de texto
node ~/.agents/skills/elevenlabs-remotion/generate.js --text "Seu texto aqui" --output public/audio/voiceover.mp3

# Gera com estilo de narrador (mais natural)
node ~/.agents/skills/elevenlabs-remotion/generate.js --text "Seu texto" --character narrator --output voiceover.mp3

# Gera cenas com request stitching
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes remotion/scenes.json --output-dir public/audio/project/

# Regenera uma única cena
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes scenes.json --scene scene2 --new-text "Texto atualizado"

# Lista vozes e predefinições de personagens disponíveis
node ~/.agents/skills/elevenlabs-remotion/generate.js --list-voices
node ~/.agents/skills/elevenlabs-remotion/generate.js --list-characters

Predefinições de Personagens

Use predefinições de personagens para narrações mais naturais, em vez de leitura literal do texto da tela:

PersonagemDescriçãoMelhor Para
literalLê o texto exatamente como escritoTexto de tela, citações
narratorContador de histórias profissional, suave e envolventeExplicativos, documentários
salespersonEntusiasmado, persuasivo, energéticoMarketing, anúncios
expertAutoritativo, confiante, conhecedorConteúdo jurídico, tutoriais
conversationalCasual, amigável, naturalMídias sociais, conteúdo casual
dramaticIntenso, emocional, impactanteGanchos, declarações de problema
calmSuave, reconfortante, gentilConstrução de confiança, conclusões
# Usa estilo narrador globalmente
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes scenes.json --character narrator --output-dir public/audio/

# Ou define por cena no scenes.json
{
  "scenes": [
    { "id": "scene1", "text": "Declaração do problema", "character": "dramatic" },
    { "id": "scene2", "text": "Solução", "character": "calm" }
  ]
}

Geração Baseada em Cenas com Request Stitching

Gere múltiplas cenas com prosódia consistente usando o request stitching da ElevenLabs:

Formato do scenes.json

{
  "name": "product-demo",
  "voice": "George",
  "character": "narrator",
  "scenes": [
    {
      "id": "scene1",
      "text": "Texto genético para fala soa robótico. Sua marca merece mais.",
      "duration": 4.5,
      "character": "dramatic"
    },
    {
      "id": "scene2",
      "text": "Com clonagem de voz, você pode usar sua própria voz para conteúdo ilimitado.",
      "duration": 5.5
    },
    {
      "id": "scene3",
      "text": "Grave uma pequena amostra. Clone-a. Crie narrações profissionais em minutos.",
      "duration": 6,
      "delay": 0.3
    }
  ]
}

Gerar Todas as Cenas

node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/product-demo-scenes.json \
  --output-dir public/audio/product-demo/

Isso cria:

  • product-demo-scene1.mp3 até sceneN.mp3
  • product-demo-combined.mp3 (todas as cenas costuradas)
  • product-demo-info.json (metadados com durações)

Regeneração de Cena Única

Se uma cena começar muito cedo, tiver o timing errado ou precisar de texto diferente:

# Regenera scene2 com novo texto
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene2 \
  --new-text "Texto atualizado da cena 2" \
  --output-dir public/audio/project/

# Regenera scene3 com personagem diferente
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene3 \
  --character salesperson \
  --output-dir public/audio/project/

# Apenas regenera (mesmo texto, mesmo personagem)
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene1 \
  --output-dir public/audio/project/

# Incorpora uma miniatura em um vídeo MP4
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/my-video.mp4 \
  --thumbnail public/videos/my-thumbnail.png \
  --output public/videos/my-video-with-thumb.mp4

A ferramenta automaticamente:

  • Usa request stitching das cenas anteriores para prosódia consistente
  • Atualiza o arquivo info.json com novos metadados
  • Atualiza scenes.json se --new-text for fornecido

Incorporação de Miniatura

Incorpore uma imagem de miniatura em vídeos MP4 para que plataformas como Twitter, YouTube e players de vídeo exibam sua miniatura personalizada em vez do primeiro quadro.

Incorporar Miniatura em Vídeo

# Uso básico - saída para video-thumb.mp4
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/promo.mp4 \
  --thumbnail public/videos/thumbnail.png

# Caminho de saída personalizado
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/promo.mp4 \
  --thumbnail public/videos/thumbnail.png \
  --output public/videos/promo-final.mp4

Fluxo de Trabalho com Remotion

# 1. Renderize seu vídeo
npx remotion render MyVideo public/videos/my-video.mp4

# 2. Renderize sua miniatura (use composição Still)
npx remotion still MyVideoThumbnail public/videos/my-thumbnail.png

# 3. Incorpore a miniatura
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/my-video.mp4 \
  --thumbnail public/videos/my-thumbnail.png \
  --output public/videos/my-video-final.mp4

Formatos Suportados

  • Vídeo: MP4 (H.264/H.265)
  • Miniatura: PNG, JPG, JPEG

A incorporação usa a flag -disposition:v:1 attached_pic do ffmpeg para definir a miniatura como uma imagem anexada, que a maioria dos players de vídeo e plataformas reconhece.

Validação de Timing

A skill valida automaticamente o timing após a geração usando ffprobe:

O que é Verificado

VerificaçãoLimiteDescrição
Discrepância de duração>15%Avisa se a duração real difere da esperada
Silêncio inicial>200msÁudio começa tarde (narração atrasada)
Silêncio final>500msSilêncio desnecessário no final
Taxa de fala2-4.5 palavras/sIdeal ~3 palavras/segundo

Validar Áudio Existente

# Valida todas as cenas de um projeto
node ~/.agents/skills/elevenlabs-remotion/generate.js --validate public/audio/product-demo/

Exemplo de saída:

🔍 Validando product-demo (6 cenas)

❌ cena1: 3.00s (esperado: 4.5s)
   ❌ Áudio 1.50s mais curto que o esperado
   👍 8 palavras @ 3.1 palavras/s
⚠️ cena2: 6.35s (esperado: 5.5s)
   ⚠️ Silêncio inicial: 235ms (pode começar tarde)
   🐢 10 palavras @ 1.8 palavras/s
✅ cena4: 4.36s (esperado: 4s)
   👍 9 palavras @ 2.3 palavras/s

📊 Duração total: 30.80s (esperado: 30.00s)

info.json Atualizado

Após a validação, o info.json inclui medições reais:

{
  "scenes": [
    {
      "id": "scene1",
      "duration": 4.5,
      "actualDuration": 3.0,
      "leadingSilence": 0.05,
      "wordsPerSecond": 3.1
    }
  ]
}

Use actualDuration em sua composição Remotion para sincronia precisa.

Opções

OpçãoDescriçãoPadrão
--text, -tTexto a ser convertido em falaObrigatório (ou --file/--scenes)
--file, -fLer texto de um arquivo-
--output, -oCaminho do arquivo de saídaoutput.mp3
--output-dirDiretório de saída para cenaspublic/audio
--voice, -vNome ou ID da vozGeorge
--model, -mID do modeloeleven_multilingual_v2
--character, -cPredefinição de personagemliteral
--scenesArquivo JSON com cenas-
--sceneRegenerar ID de cena única-
--new-textNovo texto para regeneração de cena-
--validateValidar diretório de áudio existente-
--skip-validationPular validação automáticafalse
--embed-thumbnailArquivo de vídeo para incorporar miniatura-
--thumbnailArquivo de imagem de miniatura (PNG/JPG)-
--stabilityEstabilidade da voz (0-1)varia por personagem
--similaritySimilaridade da voz (0-1)varia por personagem
--styleExagero de estilo (0-1)varia por personagem
--no-combinedPular arquivo combinadofalse

Vozes Recomendadas

VozEstiloMelhor Para
GeorgeBritânico caloroso e cativanteNarração, explicativos
AntoniProfissional e calorosoConteúdo jurídico, tutoriais
ArnoldAutoritativo e profundoTópicos corporativos e sérios
JoshAmigável e conversacionalMarketing, conteúdo casual

Integração com Remotion

Após gerar as narrações das cenas, use-as em sua composição:

import { Audio, Sequence, staticFile } from "remotion";

// Use arquivos de áudio individuais das cenas para sincronia precisa
const SCENE_DURATIONS = {
  scene1: 4.5,  // Do info.json
  scene2: 5.5,
  scene3: 8.0,
};

export const VideoWithVoiceover: React.FC = () => {
  const { fps } = useVideoConfig();

  const scene1Frames = Math.round(SCENE_DURATIONS.scene1 * fps);
  const scene2Frames = Math.round(SCENE_DURATIONS.scene2 * fps);

  return (
    <>
      <Sequence from={0} durationInFrames={scene1Frames}>
        <Audio src={staticFile("audio/project/project-scene1.mp3")} />
        <Scene1Visual />
      </Sequence>

      <Sequence from={scene1Frames} durationInFrames={scene2Frames}>
        <Audio src={staticFile("audio/project/project-scene2.mp3")} />
        <Scene2Visual />
      </Sequence>
    </>
  );
};

Dicas para Melhores Resultados

  1. Use predefinições de personagens: Não leia o texto da tela literalmente - use narrator ou expert para um fluxo natural
  2. Pontuação é importante: Use pontos para pausas, vírgulas para breves intervalos
  3. Números: Escreva os números por extenso ("quinhentos" não "500") para fala natural
  4. Abreviações: Escreva palavras completas ("vinte e quatro horas" não "24h")
  5. Cena por cena: Cenas diferentes podem ter personagens diferentes (introdução dramática, CTA calma)
  6. Ajuste fino: Use --scene para regenerar cenas individuais sem refazer tudo
  7. Request stitching: Mantém a voz consistente em todas as cenas

Exemplo de Fluxo de Trabalho

# 1. Crie scenes.json com seu roteiro
# 2. Gere todas as cenas com estilo narrador
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/my-video-scenes.json \
  --character narrator \
  --output-dir public/audio/my-video/

# 3. Visualize no Remotion, note que a cena2 começa muito cedo
# 4. Regenera apenas a cena2 com texto atualizado
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/my-video-scenes.json \
  --scene scene2 \
  --new-text "Texto um pouco mais longo para preencher o timing visual" \
  --output-dir public/audio/my-video/

# 5. Atualize a composição do vídeo com a nova duração do info.json
# 6. Repita até que o timing esteja perfeito

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

delorenj/skills

Plan and generate terminal ASCII animations/screensaver-style output (FPS, refresh rules, loop policy, low-flicker guidance), with a static poster frame and an optional local demo script.

delorenj/skills

ASCII video: convert video/audio to colored ASCII MP4/GIF.

delorenj/skills

Plan, build and quality-check a premium short commercial for a real business (roofing, property, ecommerce, B2B software) using AI-generated footage, code-built motion (HTML/GSAP), selective Three.js and an independent-critic "Gauntlet" loop. Use when asked to make a launch-style / SaaS-style video, business ad, explainer, sample reel or pitch video, or to review and improve one. Encodes motion principles distilled from 28 professional launch films, a quality bar, audio rules and a business-offer playbook.

delorenj/skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

delorenj/skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

delorenj/skills

Asset preprocessing for HyperFrames compositions — text-to-speech narration (Kokoro), audio/video transcription (Whisper), and background removal for transparent overlays (u2net). Use when generating voiceover from text, transcribing speech for captions, removing the background from a video or image to use as a transparent overlay, choosing a TTS voice or whisper model, or chaining these (TTS → transcribe → captions). Each command downloads its own model on first run.

delorenj/skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

delorenj/skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

delorenj/skills

Manim CE animations: 3Blue1Brown math/algo videos.

delorenj/skills

Join a Google Meet or Zoom call as a video meeting agent via PikaStreaming. Trigger: user drops a Google Meet or Zoom link, or asks to join a meeting.

delorenj/skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

delorenj/skills

Generate speech using the self-hosted voxxy (vox) TTS service at https://vox.delo.sh. Use when the user asks to speak, say, narrate, synthesize speech, clone a voice, create a voice, add or register a voice, pipe TTS, or control voice qualities by description (e.g. "a young woman with a cheerful voice"). Handles HTTP API usage, voice profile management, description-based voice design, cloning, MCP registration, and integration patterns for new platforms.

delorenj/skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

delorenj/skills

YouTube transcripts to summaries, threads, blogs.

Habilidades Relacionadas