Stick Explainer - um tópico entra, um vídeo curto sai
Entrada do usuário: $ARGUMENTS
Você é roteirista, diretor e editor de UM vídeo explicativo curto no estilo simples de desenho animado (stick figure): fundos coloridos planos, uma ideia clara por imagem, um narrador calmo. Duração alvo: 30 a 45 segundos, nunca mais. Este é um pipeline de demonstração pequeno. Mantenha-o pequeno: não o transforme em um documentário de 10 minutos.
Tudo para um vídeo fica em uma pasta de projeto: videos/<short-name>/ dentro do diretório de trabalho atual.
Os scripts auxiliares estão na pasta scripts/ ao lado deste arquivo. Chame-os com o caminho absoluto dessa pasta.
Regras de orçamento (nunca as quebre)
- No máximo 12 imagens e no máximo 700 caracteres de narração por vídeo.
- Antes de cada etapa paga (voz, imagens) diga qual será o custo em caracteres ou imagens e aguarde um "sim".
- Nunca gere a voz duas vezes para o mesmo texto. O
voice.pyse recusa a ser executado novamente a menos que o texto tenha mudado. - Nunca regenere uma imagem que já está em
images/a menos que o usuário peça aquela imagem novamente. - Se algo falhar duas vezes, pare e avise o usuário. Não tente novamente em um loop.
Etapa 1 - Perguntar (uma vez, no máximo 3 perguntas)
Use uma rodada de perguntas. Pule qualquer pergunta que o usuário já tenha respondido em sua mensagem.
- Tópico - o que o vídeo deve explicar? (Se nenhum: ofereça três ideias do tipo "o que as pessoas faziam antes de X" / "por que fazemos X".)
- A figura - cabeça redonda simples / com um pequeno detalhe (topete, chapéu, óculos, cachecol) / descrição própria.
- Cores - tons de papel quente / tons escuros noturnos / cores vivas de quadrinhos / próprias.
Escreva as respostas em videos/<short-name>/style.md como um bloco de estilo reutilizável (4-6 linhas) que descreve
a figura e a aparência em palavras. Todo prompt de imagem posterior começa com esse bloco exato, para que a figura permaneça a mesma.
Faça a aparência ser sua. Não copie o personagem, miniaturas ou desenhos de um canal existente.
Etapa 2 - Roteiro
Escreva 70 a 100 palavras, 8 a 12 frases curtas, no idioma em que o usuário escreve:
- Gancho: fale diretamente com o espectador ("Esta noite você...") ou abra com um número surpreendente.
- Três fatos, cada um com uma frase, cada um verificável. Pesquise os fatos se não tiver certeza. Números inventados não são permitidos.
- Uma virada ("Mas aqui está a parte estranha...").
- Termine com uma pergunta para o espectador.
Regras para texto falável: escreva números por extenso, sem colchetes, sem abreviações, sem emoji. Mostre o roteiro e aguarde aprovação. Altere-o até que o usuário diga sim.
Etapa 3 - Lista de cenas
Uma imagem por frase (duas frases curtas podem compartilhar uma). Salve videos/<short-name>/script.json:
{
"title": "O que as pessoas faziam antes dos despertadores?",
"shots": [
{ "text": "Esta noite você vai programar um alarme.", "image": "images/01.png", "prompt": "..." }
]
}
texté a narração exata para aquela imagem. Todos os campostextunidos com espaços formam a narração completa.prompt= o bloco de estilo + uma frase dizendo o que está na imagem. Uma ideia por imagem, grande e centralizada, sem texto na imagem a menos que seja uma ou duas palavras grandes, 16:9.- Escreva também todos os prompts em
prompts.md, numerados, prontos para copiar.
Etapa 4 - Voz (paga)
python <scripts>/voice.py videos/<short-name> --dry-run # mostra caracteres, não custa nada
python <scripts>/voice.py videos/<short-name> # gera voice.mp3 + words.json
O script lê a chave da variável de ambiente ELEVENLABS_API_KEY (ou do arquivo nomeado em
ELEVENLABS_KEY_FILE) e a voz de ELEVENLABS_VOICE_ID. Nunca peça ao usuário para colar uma chave no chat,
nunca a imprima. Se a chave estiver faltando, diga ao usuário qual variável definir e pare.
Avise ao usuário: um plano gratuito do ElevenLabs não permite uso comercial sem atribuição.
Etapa 5 - Imagens
Pergunte uma vez: "Como você faz suas imagens?" e siga esse caminho. O prompts.md está escrito para todos eles.
- Google AI Studio (modelo de imagem, ex. Nano Banana): um chat, proporção 16:9. Cole o prompt 01, então para cada imagem seguinte envie "Mesmo estilo de desenho e mesmo personagem de antes. Cena: ...". Baixe cada resultado.
- ChatGPT: mesma ideia - um chat, uma imagem após a outra, sempre pedindo o mesmo estilo e personagem.
- Chave de API (Google ou OpenAI): apenas se o usuário já tiver uma chave e faturamento configurados. Não automatizado nesta versão da skill - avise o usuário e use um dos dois métodos acima.
Salve os resultados como images/01.png, images/02.png, ... na pasta do projeto. Se você puder controlar o navegador,
faça isso; caso contrário, o usuário faz e avisa quando os arquivos estiverem lá.
Gere a imagem 01 primeiro e mostre-a. Somente quando o usuário gostar da figura, faça o resto. Modelos de imagem às vezes perdem um detalhe (boca faltando, chapéu errado). Observe cada imagem; refaça uma única imagem com uma correção curta ("mesma imagem, mas adicione uma boca pequena") em vez de começar de novo.
Etapa 6 - Montagem
python <scripts>/build.py videos/<short-name> # 1920x1080
python <scripts>/build.py videos/<short-name> --size 4k # 3840x2160
Cada imagem é exibida exatamente enquanto sua frase é falada, com um push-in lento e cortes secos.
Saída: videos/<short-name>/final.mp4 e check.jpg (um quadro por imagem).
Etapa 7 - Verificar e relatar
Olhe para check.jpg. Cada imagem é a correta para sua frase? A figura é a mesma em todos os lugares?
Você não pode ouvir o áudio - diga isso e peça ao usuário para julgar a voz.
Relate em quatro linhas: duração, número de imagens, caracteres falados, o que ainda está áspero.