O que Gerador de Script TTS faz?
Comprime e reescreve documentos de forma inteligente em roteiros prontos para TTS.
Capacidades Principais
- 🤖 Análise Inteligente por IA: Claude analisa o conteúdo do artigo, determina a duração ideal do vídeo e o estilo visual mais adequado.
- ⏱️ Decisão Inteligente de Duração: Decide automaticamente a duração ideal com base no conteúdo (3-8 minutos).
- 🎨 Decisão Inteligente de Estilo: Seleciona automaticamente o estilo visual com base no tema (New Yorker, ukiyo-e, flat, realista, etc.).
- 📉 Compressão Inteligente: Comprime o conteúdo para a duração ideal (ex: 19 minutos → 5 minutos).
- 💬 Conversão para Linguagem Coloquial: Transforma texto escrito em fala natural.
- 😊 Otimização Emocional: Adiciona palavras e expressões emocionais para tornar o TTS mais vivo e envolvente.
- 🎯 Segmentação Automática: Divide o conteúdo em segmentos ideais (10-20 segundos cada).
- 📊 Estimativa de Duração: Calcula com precisão o tempo de leitura de cada segmento.
Como Funciona
Executado em uma conversa com Claude:
- Claude lê o documento original.
- Claude analisa o conteúdo:
- Tema e estrutura do artigo.
- Número de ideias centrais.
- Densidade do conteúdo.
- Determina a duração ideal do vídeo (3-8 minutos).
- Decide o estilo visual mais adequado (ex: história → ukiyo-e, tecnologia → flat, humanidades → New Yorker).
- Claude reescreve de forma inteligente:
- Extrai as ideias centrais.
- Comprime para a duração ideal.
- Converte para linguagem coloquial.
- Adiciona palavras emocionais e pausas.
- Claude segmenta automaticamente o roteiro (cada segmento ideal para uma imagem).
- Com base no tema, decide o estilo visual mais adequado.
- Para cada segmento, gera uma descrição de imagem (usando o estilo definido).
- Gera dois arquivos:
tts_script.json(texto do script TTS + marcações de animação).visual_config.json(descrições de imagem para o ilustrador).
Formato do tts_script.json (com novas marcações de animação):
[
{
"segment": 1,
"text": "Hoje vamos falar sobre a vida real na dinastia Tang. Quer viajar no tempo? Espere um pouco!",
"duration": 15,
"animation_style": "fade_in",
"emphasis": true
},
{
"segment": 2,
"text": "Na dinastia Tang não havia papel higiênico. O que eles usavam no banheiro?",
"duration": 12,
"animation_style": "none",
"emphasis": false
}
]
Regras de Marcação de Animação (Decisão Inteligente por Claude):
animation_style:"fade_in"- Para títulos, aberturas e pontos de destaque."write"- Para ideias centrais e conclusões-chave."typewriter"- Para dados e declarações de fatos."none"- Para conteúdo comum (usar legendas ASS).
emphasis: Indica se é um segmento importante (true/false).
Princípios de Decisão:
- Primeiro segmento (abertura) →
fade_in. - Ideias centrais (primeiro segmento de cada capítulo) →
write. - Dados/fatos →
typewriter. - Outros conteúdos →
none(legendas ASS). - Sugestão: de 24 segmentos, 3 a 5 com animação é o ideal.
Scripts de Execução
generate.py - Gerar Script TTS
python ~/.claude/skills/tts-script-generator/scripts/generate.py <arquivo_markdown>
- Lê o arquivo Markdown.
- Extrai seções H2.
- Converte para linguagem coloquial.
- Segmenta por duração.
- Gera
tts_script.json.
Casos de Uso
- Narração de Vídeos: Usado com
image-to-video(principal uso). - Geração de Podcasts: Usado com
podcast-generator.
Saída
Esta skill gera:
- ✅
tts_script.json- Script de texto TTS. - ✅
visual_config.json- Descrições de imagens.
Não inclui:
- ❌ Geração de áudio TTS (responsabilidade da skill
image-to-video). - ❌ Geração de imagens (requer a skill
illustration-generator). - ❌ Composição de vídeo (requer a skill
image-to-video).
Modo de Chamada
Chamada automática pela skill image-to-video:
image-to-video detecta um documento longo
→ chama tts-script-generator
→ Claude reescreve na conversa
→ gera o script TTS comprimido
→ image-to-video continua o processamento
Chamada manual (em uma conversa com Claude):
Usuário: "Use o tts-script-generator para reescrever este artigo."
Claude:
1. Lê o documento (5947 palavras, 19 minutos).
2. Analisa o conteúdo:
- Tema: Vida na dinastia Tang (história/humanidades).
- Ideias centrais: 4 (higiene, alimentação, leis, classes sociais).
- Duração ideal: 5 minutos (densidade moderada).
- Estilo visual: ukiyo-e (tema histórico, estética clássica oriental).
3. Reescreve em 1350 palavras.
4. Divide em 20 segmentos (15 segundos cada).
5. Para cada segmento, gera descrições de imagem no estilo ukiyo-e.
6. Salva tts_script.json + visual_config.json.
Formatos de Saída
tts_script.json
[
{
"segment": 1,
"text": "Hoje vamos falar sobre a vida real na dinastia Tang. Quer viajar no tempo? Espere um pouco! Na dinastia Tang não havia papel higiênico...",
"duration": 15
}
]
visual_config.json
{
"article_title": "A Verdade Sobre Viajar para a Dinastia Tang",
"style": "ukiyo-e",
"sections": [
{
"section": 1,
"visual_description": "Uma pessoa parada em uma encruzilhada entre uma cidade moderna e o palácio antigo da dinastia Tang, parecendo confusa, estilo ukiyo-e com estética tradicional de gravura japonesa em madeira."
}
]
}
Regras de Decisão de Estilo Visual
Claude seleciona automaticamente o estilo mais adequado com base no tema do artigo:
- História/Clássico →
ukiyo-e(estilo ukiyo-e): Dinastia Tang, Dinastia Song, história japonesa, etc. - Humanidades/Sociedade →
new-yorker(estilo New Yorker): Observações sociais, histórias de pessoas, etc. - Tecnologia/Negócios →
flat(estilo plano): Produtos de tecnologia, análises de negócios, etc. - Natureza/Viagem →
realistic(estilo realista): Paisagens, animais, viagens, etc. - Arte/Criatividade →
abstract(estilo abstrato): Críticas de arte, pensamento criativo, etc.
Princípios de Reescrita
- Manter o essencial: Preservar as ideias e histórias mais importantes.
- Linguagem coloquial:
- "mas" → "mas é que..."
- "porque... então..." → "por que? porque..."
- Adicionar partículas de conversação: "né", "sabe", "olha".
- Palavras emocionais:
- Ênfase: "realmente", "muito", "especialmente".
- Surpresa: "uau", "nossa", "imagine só".
- Controle de ritmo:
- Frases curtas.
- Pausas adequadas.
- Um ponto central por segmento.
Pode Ser Chamado Por
- Skill
image-to-video(principal). - Skill
podcast-generator. - Outras skills que precisem de TTS.