Communitygithub.com

Annie-246/tabcom-skills

Edita vídeos verticais (9:16) para Tabcom a partir de fontes de fala + ativos de ilustração, usando pipeline ffmpeg + Pillow.

O que é tabcom-skills?

Este skill automatiza a produção de vídeos verticais (9:16) no estilo Tabcom, sem usar editores visuais como CapCut. Ele combina transcrição de fala com timestamps (via faster-whisper), remoção de fundo de pessoas com IA (BirefNet), e renderização frame a frame com Pillow e ffmpeg para criar cenas com texto animado, imagens ilustrativas contínuas, logotipos da marca, efeitos de zoom, flash e som. O objetivo é produzir vídeos de alta qualidade (1080×1920, 25fps, H.264 CRF 19) que mantenham todo o áudio original, adicionando uma vinheta final (OUTRO). O skill é usado quando o usuário coloca um vídeo fonte na pasta 'Tabcom editar vídeo' e solicita comandos como 'editar vídeo', 'montar vídeo', 'fazer vídeo novo', 'cortar vídeo', 'editar vid', ou pede para revisar/rerrenderizar um rascunho de vídeo Tabcom. Ele é compatível com Claude Code, Cursor, Codex e outras ferramentas de agente de IA para desenvolvimento, bastando configurar as variáveis de ambiente TABCOM_SRC, TABCOM_OUT e TABCOM_ASSETS. O fluxo de trabalho inclui: (1) extrair timestamps de fala, (2) coletar imagens (obrigatório, com verificação de contexto), (3) remover fundo de pessoas para cenas divididas, (4) montar cenas com diversos layouts e animações de texto, e (5) aplicar sobreposições sobre o falante para manter o fluxo visual sem cortes bruscos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Annie-246/tabcom-skills/tree/HEAD/plugins/tabcom-video-edit/skills/tabcom-video-edit

Perguntar na sua IA favorita

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

Documentação

Edição de vídeo Tabcom — pipeline de vídeo vertical

Monte vídeos usando código (ffmpeg + renderização frame a frame com Pillow), sem usar CapCut para a montagem. O usuário só insere música de fundo no CapCut após receber o arquivo — a legenda já é gerada pelo pipeline (fechado em 18/08/2026).

Parâmetros padrão: 1080×1920, 25fps, H.264 crf 19, mantendo toda a fala original da fonte. Adicione OUTRO TABCOM no final (converta 30fps→25fps e concatene).

Passo 0 — Leia antes de começar

  1. tai-lieu/Phan-tich-video-mau.md (neste skill) — análise de vídeos de exemplo, 5 tipos de cena padrão.
  2. tai-lieu/quy-tac-video-tabcom.md (neste skill) — convenções de logotipo da marca, convenções de salvamento de saída, convenções de coleta de imagens ilustrativas. Obrigatório ler antes de reunir ativos.

Conteúdo legal/de política: os ativos devem ser extraídos do texto original ou fontes oficiais, com o nome do texto abaixo da imagem.

Preparação (faça apenas uma vez por máquina)

Ativos fixos (fontes, fundos, cards gradiente, OUTRO, logotipos da plataforma, stickers de exemplo) já estão em assets/ deste skill — não é necessário baixar mais nada. Verifique com:

python scripts/tabcom_paths.py     # exibe tabela OK/FALTANDO para cada ativo

Ambiente necessário: veja cai-dat/README-cai-dat.md no pacote (ffmpeg, python + rembg, faster-whisper, Playwright). Se faltar bibliotecas, informe o usuário para instalá-las antes, não crie soluções alternativas.

Entrada

Cada vídeo é uma pasta yy.mm.dd - Nome do vídeo/ contendo o arquivo fonte do falante. Especifique via variáveis de ambiente, não codifique caminhos nos scripts:

# PowerShell
$env:TABCOM_SRC    = "D:\Video\26.08.20 - Nome do video\source.mp4"     # arquivo fonte do falante
$env:TABCOM_OUT    = "D:\Video\26.08.20 - Nome do video\26.08.20 - Nome do video (rascunho v1).mp4"
$env:TABCOM_ASSETS = "D:\Video\26.08.20 - Nome do video\assets"          # imagens ilustrativas específicas deste vídeo

Todos os scripts leem caminhos de scripts/tabcom_paths.py:

VariávelAponta paraNotas
P.FIXassets/co-dinh/Fundo, card gradiente de cena dividida, OUTRO, logotipo em fundo claro
P.LOGOassets/logo/Logotipos Shopee, TikTok, Facebook, Zalo com fundo removido — adicione novos aqui
P.FONTSassets/fonts/ps-display/PS Anton - Regular V1.0.otf (texto grande), Big Shoulders ExtraBold Viet Hoa.otf (linha secundária). Multiplique o tamanho da fonte por 1.22 pois a fonte é condensada
P.STICKERSassets/stickers/Stickers, badges da plataforma, flashes PNG de exemplo
P.src() / P.out_file()TABCOM_SRC / TABCOM_OUTRelate erro claro se não estiverem definidos
P.assets()TABCOM_ASSETSImagens ilustrativas específicas do vídeo sendo montado
P.work()./build ou TABCOM_WORKLocal para salvar frames, clipes, máscaras intermediárias

Passo 1 — Extrair timestamps de fala (obrigatório)

ffmpeg -i "fonte....mp4" -ac 1 -ar 16000 audio.wav

Modelo faster-whisper small, language='vi', word_timestamps=True, vad_filter=True.

O Whisper pode reconhecer nomes próprios incorretamente ("shop"→"SOAP", "Tabcom"→"TAPCOM", "Shopee"→"Soppy") — ignore, precisamos apenas dos marcos de tempo. Crie uma tabela: marco → ideia sendo dita → cena planejada.

Passo 2 — Coletar imagens (OBRIGATÓRIO, determina a qualidade do vídeo)

Exigência do usuário: as imagens devem ser contínuas, toda cena deve ter uma imagem, nenhuma cena pode ter apenas texto puro. Um vídeo de ~115 segundos precisa de 25–30 imagens.

Fontes em ordem:

  1. Ativos da sessão já coletados na pasta TABCOM_ASSETS do vídeo (P.assets()) — use todos, não desperdice.
  2. Imagens de interface da plataforma/app: scripts/17_collect_platform_images.py — veja SOP abaixo.
  3. Imagens stock gratuitas: execute scripts/16_get_stock_photos.mjs (Playwright + Chrome).
    • Pexels está bloqueado pelo Cloudflare ("Just a moment...") — não perca tempo.
    • Unsplash e Pixabay podem ser raspados. Wikimedia só serve para logotipos, não para imagens stock.
  4. Ilustrações do vendedor / imagens geradas (opcional): coloque em <VIDEO_ROOT>/tai-nguyen/carousel-hook-video-ban-hang/ e <VIDEO_ROOT>/tai-nguyen/generated-carousel/, chame com P.extra("..."). Pode montar sem elas.

Verifique as imagens antes de usar — o usuário pega esse erro: abra e veja o que a imagem realmente mostra. Exemplo de erro já ocorrido: imagem de gráfico de velas de ações usada para "dashboard ads" (errada), imagem de porta de carregador de celular usada para CTA de comentário (irrelevante). Imagens fora de contexto devem ser descartadas, não insira apenas para completar a quantidade.

SOP para encontrar imagens de interface da plataforma (Shopee, TikTok Shop, Zalo, Facebook)

Se o conteúdo mencionar um recurso específico da plataforma, deve haver uma imagem de interface real desse recurso específico. Quatro fontes, executadas com scripts/17_collect_platform_images.py:

Precisa de quêComandoNotas
Interface do app (comprador e vendedor)play <pacote>Fonte oficial, em vietnamita, corta automaticamente o quadro do celular
Interface não acessível por bot (Shopee Live, TikTok LIVE)page <url-do-tutorial> <slug>Encontre o artigo primeiro com WebSearch
Site público (fanpage, grupo, Zalo OA, Academy, website)shot <url> <nome>Playwright + Chrome do sistema
Imagens ilustrativas geraisbing "<consulta>" <slug>A consulta deve ser específica

Pacotes Play já usados: com.shopee.vn · com.shopee.shopeeseller (tem tela Eficácia de vendas com quadro de 7/30 dias — imagem padrão para qualquer frase "abra a análise, veja 30 dias") · com.tiktokshop.seller · com.zing.zalo · com.facebook.katana.

Já testados e bloqueados, não perca tempo: shopee.vn (retorna "Página indisponível"), tiktok.com/shop e páginas pessoais do TikTok (captcha), API banhang.shopee.vn e Shopee Uni/TikTok Academy no formato SPA (WebFetch/curl retornam apenas moldura vazia, API precisa de token de login), Google Images (HTML não contém mais URLs de imagem originais — use Bing).

Artigos em vietnamita com screenshots reais que podem ser reutilizados: shopee.vn/blog (oficial, prioridade), misaeshop.vn, cellphones.com.vn/sforum, ghn.vn. Não use imagens de concorrentes (tukigroup.vn).

Após coletar: execute sheet out/<slug> e depois leia a planilha de contato para selecionar — não selecione por nome de arquivo.

Entrega de ativos com README (obrigatório)

Na pasta de ativos do vídeo (TABCOM_ASSETS) deve haver um README.md contendo: qual imagem para qual parte do roteiro · URL da imagem + URL da página + data de coleta · o que não foi possível coletar · observações para a montagem. Inclua _preview-all.png (planilha de contato) para o usuário revisar rapidamente.

Três coisas que sempre devem ser registradas e feitas:

  • Os números nas imagens do app são números de exemplo do desenvolvedor — não os leia como dados reais, não os use como evidência de resultados.
  • Imagens com nome de conta, nome de loja, nome de comentarista → corte ou desfoque antes de colocar no vídeo.
  • Números de loja em queda/gráfico de fonte de tráfego: não procure imagens de dashboard para fingir que são dados reais, também não coloque rótulo "ilustrativo" na tela (veja seção "Não usar rótulo ilustrativo").

Passo 3 — Remover fundo de pessoas para cena dividida

Lições importantes: a abordagem de gate (birefnet em frames de amostra + isnet por frame) não é suficientemente limpa — a máscara de união através de vários frames ainda engole objetos de fundo próximos à cabeça (estrelas de troféu, folhas, bordas de cadeira), e a etapa "escurecer áreas claras" apenas os transforma em blocos pretos feios.

Maneira correta:

  • Mantenha as janelas divididas curtas (≤ 4 segundos). Segmentos mais longos devem ser convertidos em tela de ativo em tela cheia (imagem maior, mais legível).
  • Execute scripts/15_cutout_birefnet.py: birefnet-portrait frame a frame (~17 s/frame; 90 frames ≈ 25 minutos). Esta é a única maneira de obter bordas de cabelo perfeitamente limpas.
  • Corte de frame: crop=940:1040:70:340 (verifique novamente com drawgrid para cada fonte).

Layout da cena dividida já aprovado:

  • Card gradiente 800×690 posicionado em (140, 1226) — centro do quadro.
  • Pessoa scale=760:842, overlay=160:1074 — centralizada corretamente, pés tocando a borda inferior.
  • Deixe metade superior do quadro vazia para a legenda. Coloque apenas um pequeno rótulo no canto esquerdo + 1 imagem + 1 cápsula.
  • Use este layout várias vezes no vídeo, não apenas no CTA final — o usuário exige variedade (18/08/2026). Ao planejar, considere o custo do recorte: birefnet-portrait executa ~50 segundos/frame nesta máquina, ou seja, cada segundo de cena dividida custa ~21 minutos. 3–4 janelas × 2,5–3 segundos são cerca de 4 horas — execute em segundo plano e faça outras tarefas enquanto espera, não deixe para o último minuto.

Passo 4 — Montagem de cenas

scripts/10_scene_helpers.py (Layer, cápsula, textoimg, ícone, render) + 11_scenes_images.py (imagens em todas as telas) + 12_layout_archetypes.py (layouts diversos).

Efeitos de texto — devem ser variados, acertar o ritmo da fala

pop (ease-out-back), slide, wipe, slideL/slideR (alternados para criar ritmo zigue-zague), blurin (para imagens), flip (esticar/achatar horizontalmente), shakein (cápsula de alerta), none (já visível, sem animação), float (flutuando com leve vibração), fly (voar do ponto A ao B), TypeLayer (digitar texto para hook/CTA), CountLayer (contar números, ex. 0→50%, com boom quando o número para), MarkerLayer (marca-texto varrendo o fundo atrás do texto).

Amplitude dos efeitos — o usuário reclama de "confuso, doloroso" (09/08/2026)

Ser dinâmico não significa pular forte. Parâmetros aprovados: pop amplia de 74% (não 60%), flip comprime para 48% da largura (não 15%), shakein reduz para 84% + vibração ≤4px a 7 oscilações/segundo por ≤0,45s. Multiplique toda a duração por ~18%.

O trecho inicial deve ser mais espaçado que o corpo: itens separados por ≥0,4 segundos, TypeLayer ≤16 caracteres/segundo.

Imagens que já apareceram na cena anterior devem estar presentes na cena seguinte (anim="none", t0=0), não as faça aparecer novamente — caso contrário, o texto nessa cena fica sobrecarregado de efeitos e o espectador percebe como apressado.

Não usar rótulo ilustrativo (fechado em 20/08/2026)

Não coloque o texto "ILUSTRATIVO" em lugar nenhum — nem em objetos gráficos (notas, ícones), nem em gráficos gerados, e não coloque rótulo "imagem ilustrativa da interface…" abaixo de fotos de app. O usuário acha que atrapalha e polui a tela. Maneira correta de manter os limites de alegação sem rótulo:

  • Gráficos/colunas gerados: deixe sem números, apenas com comparação visual alto–baixo (ex. coluna "TREO LIVE" baixa · coluna "LIVE AI" alta). Sem números, não há compromisso com resultados.
  • Fotos de app/plataforma: escolha imagens que não mostrem números (corte a barra de receita, nome da loja, nome do comentarista) já na etapa de coleta de ativos, em vez de manter o original e depois colocar rótulo.

Sobreposição sobre o falante — um tipo de montagem obrigatório, usado ao longo do vídeo (20/08/2026)

Em vez de cortar para uma tela gráfica em quadro cheio, renderize sequência PNG RGBA sobreposta à própria imagem do falante: texto float flutuando com leve vibração no espaço vazio acima da cabeça (evite a área do rosto, meça com drawgrid antes), imagens ilustrativas organizadas em faixa horizontal abaixo da pessoa, na altura da mesa. Combine usando o mesmo mecanismo da cena dividida: -framerate 25 -start_number 1 -i seq_XXX/%04d.png e depois overlay=0:0:enable='between(...)'.

Não use apenas no trecho inicial. O usuário exige (20/08/2026) que a sobreposição seja tratada como um tipo de montagem equivalente às telas gráficas em quadro cheio e às cenas divididas, e que alterne entre os três tipos ao longo do vídeo:

TipoQuando usarCusto
Tela gráfica em quadro cheioFrase com várias ideias para listar, números, grade, checklistBarato, renderização Pillow
Sobreposição sobre o falanteFrase com apenas 1–2 ideias; quer manter o rosto da pessoa e o ritmo da falaBarato, renderização Pillow
Cena dividida (pessoa com fundo removido)Destaque, fechamento de ideia, CTACaro, ~50 s/frame de recorte

Objetivo de ritmo: a cada 2–3 telas em quadro cheio, insira 1 segmento de sobreposição, cada vídeo com ≥ 3–4 janelas de sobreposição, cada janela de 2,5–5 segundos. A sobreposição é a maneira mais barata de ter "imagens contínuas" sem cortar o falante.

Regras para montagem de sobreposição:

  • Meça o espaço vazio antes com drawgrid no frame exato daquela janela. O falante pode estar deslocado/gesticulando em cada segmento — não reutilize coordenadas da janela anterior sem verificar.
  • Não cubra o rosto e não cubra as mãos gesticulando. Coloque o texto no espaço vazio acima da cabeça ou ao lado do ombro vazio; imagens ilustrativas em faixa horizontal na altura da mesa, ou coluna vertical ao lado do ombro vazio.
  • O fundo da sobreposição deve ser semitransparente, não um bloco sólido: painel branco com alpha 200–225 e cantos arredondados de 28, ou scrim gradiente navy com alpha 0→150 na borda superior/inferior. 100% opaco vira uma tela em quadro cheio, perdendo o sentido da sobreposição.
  • O texto deve ter borda/sombra forte porque o fundo é uma filmagem real, com claridade variável.
  • Efeitos preferidos: float, blurin, slideL/slideR com pequena amplitude — a sobreposição fica sobre imagem em movimento, então efeitos fortes poluem. Não use shakein na sobreposição.
  • Mantenha a zona segura do Reels: texto em y ≈ 1500, evite coluna direita com x > 900.
  • A legenda da fala continua ativa na janela de sobreposição (este quadro é espaçoso), a menos que a sobreposição já seja um checklist de várias linhas.

Layout — evite que duas telas consecutivas sejam iguais

Arquétipos já aprovados: imagem em tela cheia + texto sobreposto (com scrim claro para texto navy legível) · grade 2×2 com rótulos · coluna de imagem à esquerda + checklist à direita · imagem na metade superior + painel branco flutuante na metade inferior · faixa de 3 imagens horizontais · imagem cortada em círculo com borda colorida · imagem à esquerda + cápsula deslizando à direita · bloco duplo com imagem interna · número grande + imagem auxiliar · fluxo de setas verticais.

Terminologia deve ser precisa

"treo live" — não "chèo live". É como os vendedores chamam a reprodução de vídeo pré-gravado como sessão ao vivo. O Whisper sempre ouve como "chèo live"/"TeoLive"; corrija manualmente na legenda e no texto na tela.

Margens de segurança superior e inferior do quadro (fechado em 20/08/2026)

O fundo Tabcom tem logotipo em y 48–122 e hotline/website em y 1829–1872. O usuário reclama de "texto grudado no logotipo, imagem grudada na borda inferior":

  • Cápsula de título de tela CHEIA centralizada em y ≥ 240 (borda superior distante do logotipo ≥ 90px).
  • Borda inferior de qualquer imagem ≤ 1820. A faixa de imagens da sobreposição centralizada em y ≈ 1670 (altura ~300) em vez de 1770.
  • Mantenha o teto antigo para texto: texto e números terminam acima de y ≈ 1500.

Laranja Shopee é a terceira cor de destaque

ORANGE = (238, 77, 45) — laranja Shopee #EE4D2D, use intercalado com teal e navy para cápsulas de destaque relacionadas à Shopee, setas, bordas de números grandes e fundo de palavras-chave "SHOPEE"/"SHOP" na legenda (caption(..., hi_col=ORANGE) — texto sobre fundo laranja é branco, sobre fundo teal é navy). Dosagem: cerca de 8–12 pontos de laranja em um vídeo de ~100 segundos, não substitua teal/navy como cores principais.

A imagem Live AI da Tabcom deve ficar em quadro cheio, sem cortar (fechado em 20/08/2026)

O conjunto avatar-* em TABCOM_ASSETS/avatar-ai/ tem 941×1672 = proporção 9:16 (0,563) — são imagens de produto/serviço, cortar significa perder o cenário de filmagem e o produto dos lados. O usuário exige ver o quadro inteiro:

  • Toda célula que contiver essa imagem deve ter a proporção exata de 0,563: 170×302 · 200×355 · 240×426 · 300×533.
  • Não coloque esta imagem em circle_photo() (corte circular) ou célula horizontal — use outra imagem reutilizável para o quadro circular.
  • Grade com várias imagens Live AI: organize em linha horizontal (4 imagens 230×408) ou 3×2, não organize 2×2 porque a imagem estreita deixará dois grandes espaços vazios na tela.

Margens de segurança (o usuário reclama de corte)

Coluna direita: cx ≤ 806 e maxw ≤ 490 (s...

... [truncado para tradução]

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Habilidades Relacionadas