Communitygithub.com

treemation

Crie vídeos educativos 3D verticais curtos (9:16, Shorts/Reels/TikTok) inteiramente em código — personagem host de pele pixelada + mascote, câmera dinâmica, fundos adaptativos, legendas amarelas de palavras-chave, sincronização labial, efeitos sonoros, thumbnail — em Bahasa Indonesia, sincronizado com narração MP3 do ElevenLabs. Fluxo automático em 2 etapas.

O que é treemation?

Treemation é uma skill especializada para agentes de IA (como Claude Code, Cursor, Codex) que permite a criação automatizada de vídeos educacionais 3D verticais no formato 9:16, ideais para Shorts, Reels e TikTok. A skill opera em um fluxo automático de duas etapas: na primeira, o usuário fornece um tópico educacional (ex: "buat konten edukasi apa itu domain") e a skill gera diretamente um roteiro para o ElevenLabs e um plano de cenas, sem explicar o tópico no chat. Na segunda etapa, ao receber o arquivo MP3 da narração, a skill processa automaticamente o áudio, sincroniza as falas, gera as cenas 3D com personagem host personalizado (pele pixelada, estilo sandbox), mascote "Byte", câmera dinâmica, fundos adaptativos ao tema, legendas amarelas para palavras-chave, sincronização labial, efeitos sonoros e thumbnail, produzindo um vídeo MP4 finalizado sem necessidade de perguntas adicionais. A skill suporta revisões via chat e é acionada sempre que o usuário pede conteúdo educacional, vídeos para redes sociais, roteiros para narração, ou envia um MP3, mesmo sem mencionar explicitamente "3D", "vídeo" ou "skill".

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Adytm404/treemation/tree/HEAD/skills/treemation

Perguntar na sua IA favorita

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

Documentação

Treemation — Vídeos Educativos 3D

Esta skill produz vídeos como o exemplo em examples/zenhosta/ ("Kok website bisa online?"): um host de pele pixelada (personagem estilo jogo sandbox com rosto anime pixelado) adaptado ao contexto do usuário, o mascote "Byte", uma câmera que alterna tomadas (close-up do rosto, close-up do mascote, foco em ilustração 3D, aberta, ângulo baixo), fundos cujo tema segue o tópico, um rótulo de etapa no topo com barra de progresso, um palco 3D flutuante para objetos, cenários 3D (salas/locais inteiros — data center, escritório, armazém, cidade, ou o seu próprio — construídos atrás do host, que flutua na frente deles, então a câmera voa para dentro), painéis de UI que aparecem exatamente quando uma palavra é dita, legendas grandes (palavras-chave em amarelo), e um host cuja boca segue a voz.

Toda comunicação com o usuário é em Bahasa Indonesia (roteiros, legendas e respostas no chat).

Regras de ativação (leia primeiro — uma frase do usuário é suficiente)

A. O usuário nomeia um tópico — ex: "buat konten edukasi apa itu domain", "bikin video soal cara kerja email, CTA ke tokoku.id", "konten tiktok: kenapa harga emas naik".

  • Isso é um pedido para criar conteúdo, não uma pergunta. Não explique o tópico no chat, não resuma o material e não pergunte de volta ("mau durasi berapa?", "target penontonnya siapa?", "pakai CTA?").
  • Vá direto para Etapa 1 com os padrões abaixo, então responda no formato da Etapa 1 (references/output-format.md): roteiro pronto para copiar no ElevenLabs, personagem, thumbnail, tabela de cenas, caminho para video-plan.json. Finalize com uma frase: "Kirim MP3 dari ElevenLabs, nanti langsung aku jadikan video."
  • Padrões quando não especificados: duração ±60–70 s (120–150 palavras), 2–4 etapas dependendo do tópico, personagem de karakter.md (contexto do usuário → nicho → predefinição raka), CTA de encerramento "Follow buat konten edukasi lainnya!" (sem marca). Se o usuário nomear uma marca/URL, o CTA a utiliza. Cada padrão pode ser alterado posteriormente — mencione-os brevemente na resposta, não pergunte primeiro.
  • Se o tópico depender de fatos que podem mudar (preços, regulamentações, dados recentes) e você tiver acesso à web, verifique primeiro; caso contrário, escreva um roteiro que não dependa de números atuais.

B. O usuário envia um MP3 (com ou sem mensagem) — execute a Etapa 2 até o fim sem pedir confirmação: encontre o projeto, alinhe, escreva scenes.js, verifique os stills, renderize, thumbnail, codifique, verifique o resultado, então responda no formato da Etapa 2.

  • Encontrar o projeto: python <skill>/scripts/find_project.py lista projetos e seus status. Use o projeto cujo plan.json existe mas ainda não tem áudio (o mais recente). O nome do arquivo MP3 ou uma mensagem do usuário nomeando o tópico supera a ordem cronológica. Faça uma pergunta curta apenas quando vários candidatos forem igualmente plausíveis.
  • Nenhum projeto → peça ao usuário para colar o texto lido no ElevenLabs (o alinhamento precisa do texto exato), então construa plan.json em torno desse texto sem alterar suas palavras, e continue com a Etapa 2.
  • Duração do áudio muito distante da estimativa (> 25 %) ou align.py sinalizar muitas frases com <-- cek → o texto provavelmente foi editado no ElevenLabs. Peça o texto usado, atualize a narração no plano e repita.
  • As únicas razões para parar no meio: uma dependência faltando (peça permissão uma vez para instalá-la) ou um erro que você não consegue corrigir sozinho.
  • Uma renderização completa pode levar um tempo; execute-a em segundo plano, faça o thumbnail enquanto espera e publique pequenas atualizações de progresso quando a sessão permitir.

C. O usuário pede uma revisão ("ganti karakternya jadi cewek berhijab", "judul thumbnail lebih singkat", "warna merek biru") → altere plan.json/scenes.js no mesmo projeto. Antes que um MP3 exista: reenvie apenas as partes da resposta da Etapa 1 que mudaram. Se a narração mudar, lembre o usuário de que o MP3 deve ser regerado. Após o vídeo estar pronto: re-renderize apenas o que for necessário (apenas thumbnail, ou o vídeo completo).

O formato de resposta do chat para ambas as etapas está em references/output-format.md — siga-o exatamente.

Pasta do projeto

Um vídeo = uma pasta video-<topico-curto>/ (minúsculas, hífens, ex: video-apa-itu-domain) no diretório de trabalho. Crie-a na Etapa 1 e configure-a uma vez:

python <skill>/scripts/setup_project.py video-<topico>

Isso copia o motor (index.html, engine.js, pixelchar.js), instala three.js + fontes + ícones via npm, cria icons.js e verifica ffmpeg/numpy/playwright. Se uma linha começar com PERLU:, instale o que ela nomeia primeiro (peça permissão ao usuário antes de instalar algo no sistema deles).

Conteúdo da pasta quando pronto: plan.json (você escreve), scenes.js (você escreve), narasi.mp3, naskah-elevenlabs.txt, video-plan.json, timeline.js/json, frames/, previews/, video.mp4.

Etapa 1 — conceito → roteiro + plano de cenas

  1. Leia references/naskah-dan-plan.md (como escrever o roteiro, o esquema de plan.json, a lista de poses, expressões, ações do mascote e efeitos sonoros).
  2. Escolha o personagem host do contexto do usuário (leia references/karakter.md) e escreva-o em characters no plan.json. Execute python <skill>/scripts/preview_characters.py <projeto> --plan e veja o resultado; inclua previews/karakter.png na resposta quando possível.
  3. Leia references/hook.md. Escreva 3 versões de hook (tipos diferentes) e escolha o mais forte para a primeira frase da narração + hook no plan.json (texto grande na tela, alternativas). A cena 1 deve satisfazer a regra das três camadas: um plano forte em @start, um efeito sonoro na primeira palavra, sem saudação/introdução.
  4. Escreva plan.json: 6–9 cenas seguindo hook → introdução (número de pontos) → etapas 1..n → recapitulação → CTA, além de thumbnail (título da capa, objetos a mostrar, expressão do host) — veja a seção "Thumbnail". Planeie os shots e o background de cada cena ao mesmo tempo (seções "Shot kamera" e "Latar adaptif"). Mire em 120–150 palavras no total (≈ 60–70 segundos no ElevenLabs). Se uma etapa for sobre um lugar (sala de servidores, armazém, escritório, rua, sala de aula, fábrica…), leia references/sets.md e use set para essa cena (1–2 sets por vídeo): o host flutua na frente de uma sala 3D, a câmera se move para o spot: nomeado na narração, mark aponta para suas partes, fx o traz à vida. Um lugar que não estiver entre os sets embutidos → construa-o com defineSet() em scenes.js (Etapa 2).
  5. Execute python <skill>/scripts/plan_timing.py <projeto> → cria video-plan.json (tempo estimado) e naskah-elevenlabs.txt. Verifique a saída: toda palavra de gatilho deve ser encontrada, deve imprimir "Cek hook: OK" e, quando sets forem usados, "Cek set 3D: OK" — corrija cada aviso ⚠ e execute novamente. Opcional para vídeos com sets: plan_timing.py <projeto> --preview também escreve um timeline.js estimado, então render.py --stills pode verificar a aparência do set antes de o MP3 existir (precisa de scenes.js; na Etapa 1, uma única linha é suficiente: import { register } from './engine.js'; register({});).
  6. Responda ao usuário no formato da Etapa 1 de references/output-format.md: bloco de roteiro pronto para copiar, notas de pronúncia, tabela de cenas com minutos e o caminho do video-plan.json. Peça o MP3.

Etapa 2 — MP3 → vídeo

  1. Salve o áudio como <projeto>/narasi.mp3.
  2. Certifique-se de que a narração em plan.json é exatamente o que foi lido (o usuário pode ter editado o roteiro no ElevenLabs — pergunte se não tiver certeza, ou verifique a duração: uma grande diferença da estimativa significa que o texto difere).
  3. python <skill>/scripts/align.py <projeto> --whisper → timeline.js, timeline.json, video-plan.json sincronizados. Com --whisper (precisa de pip install faster-whisper; o primeiro download do modelo é de ±500 MB) o tempo de cada palavra vem do reconhecimento de fala real, então as legendas no estilo karaokê e a sincronização labial acertam exatamente; sem ele, é usado alinhamento de pausa + sílaba. Se o faster-whisper não estiver instalado, o script volta automaticamente para o método antigo. Olhe a lista de frases: linhas marcadas <-- cek têm durações suspeitas, geralmente porque o texto difere do áudio ou o ElevenLabs pausou em algum lugar inesperado. Corrija o texto no plano, se necessário, e execute novamente.
  4. Leia references/engine-api.md (e references/sets.md se o plano usar set), então escreva <projeto>/scenes.js. Comece copiando os padrões em examples/zenhosta/scenes.js. Todos os tempos usam T(id_cena, 'palavra'), nunca segundos brutos — assim tudo permanece sincronizado se o áudio for substituído.
  5. Verificação visual antes da renderização completa: python <skill>/scripts/render.py <projeto> --stills <3–4 segundos por cena> então olhe as imagens em <projeto>/previews/. Tire pelo menos um still por shot (para sets: um por spot: e um enquanto o set está sendo construído). Verifique: painéis não cobrem o rosto do host, nada está cortado nas bordas, legendas são legíveis, objetos aparecem no palco, sem erros de página. Corrija e repita até ficar limpo. Este é o passo mais importante para a qualidade. Para verificar movimento (personagens se afastando, transições de fundo, cortes de câmera), renderize um clipe curto com som: python <skill>/scripts/render.py <projeto> --clip 10 18 → previews/clip_10-18.mp4.
  6. Renderização completa: python <skill>/scripts/render.py <projeto> (retomável se interrompido; --workers N para CPUs com muitos núcleos). Se o computador tiver placa gráfica, primeiro verifique render.py <projeto> --gpu --check-gpu; se o renderizador não for SwiftShader, renderize com --gpu (3–10× mais rápido). Compare um still --gpu com a versão CPU antes da renderização completa. Aproximadamente 0,3–0,6 s por quadro por worker. Execute em segundo plano e monitore o progresso se demorar muito.
  7. Música de fundo: se o usuário enviar um arquivo de música (ou music estiver definido em plan.json), use-o com abaixamento automático (a música abaixa enquanto a narração fala). Sem arquivo, use --music auto (música simples gerada por código, livre de royalties) e mencione na resposta que o usuário pode substituí-la pela música de sua escolha — nunca use músicas protegidas por direitos autorais.
  8. Thumbnail: python <skill>/scripts/thumbnail.py <projeto> → <projeto>/thumbnail.png (capa 1080×1920) e previews/thumbnail-cek.png (guias de área segura). Olhe a imagem de verificação: título e rosto do host dentro da caixa vermelha, título não cobrindo o rosto, objetos visíveis. Ajuste props_from, stage ou title_y e repita. Pode ser feito enquanto a renderização completa roda.
  9. python <skill>/scripts/encode.py <projeto> <nome>.mp4 [--music arquivo.mp3|auto] → efeitos sonoros são gerados automaticamente, mixados suavemente sob a narração (+ música com abaixamento), então codificados para um MP4 H.264 + AAC 1080×1920 a 30 fps.
  10. Verifique alguns quadros do MP4 final (ffmpeg -ss <segundos> -frames:v 1), então responda no formato da Etapa 2 de references/output-format.md.

Princípios

  • Sincronia primeiro, beleza depois. Cada visual aparece na palavra que o explica. Um painel que aparece antes de sua palavra ser dita parece errado.
  • Hook antes do conteúdo. Os primeiros 3 segundos decidem se o vídeo será assistido: frase de hook ≤ 14 palavras sem saudação, texto grande na tela que não copia a narração, personagens/objetos se movendo desde o primeiro quadro, e a promessa começa a ser respondida antes do segundo 8 (references/hook.md).
  • Uma câmera viva, não estática. Cada cena tem pelo menos 2 shots (host_close, host_medium, mascot_close, illustration, wide, low_angle) com um corte ou movimento na palavra certa — close-ups para hook/punchline/CTA, illustration enquanto objetos são discutidos (os personagens desaparecem ou deslizam para fora do quadro primeiro, depois retornam), mascot_close para reações. Painéis de UI devem permanecer dentro da zona segura do shot ativo.
  • Fundos seguem o tópico. Cada cena (ou palavra-chave) tem um background: tema de cor, padrão de partículas e ícones de motivo que combinam com o conteúdo — frio usa azul gelo + neve, servidores usam código binário, o CTA usa cores quentes/de marca. Um fundo estático de cor única para o vídeo inteiro parece chato.
  • A boca segue as vogais. A sincronização labial usa 5 formas de boca A, I, U, E, O seguindo a ordem das vogais de cada palavra — "aku mau makan" → A U A U A A — e fecha nas pausas. Palavras estrangeiras são lidas por sua pronúncia via pronunciation (references/karakter.md).
  • Personagens nunca bloqueiam a câmera. Ao focar em uma ilustração, os personagens desaparecem instantaneamente (hide, para cortes) ou deslizam direto para o lado antes de a câmera se mover (slide, para movimentos) — sem se virar, sem andar na frente da câmera. Para variedade (apenas quando necessário), um personagem pode aparecer de baixo, do lado ou de cima via enter.
  • Um lugar se torna um palco, não um pano de fundo. Quando a narração fala sobre um lugar, construa-o como um cenário 3D atrás do host (não uma imagem de fundo): o host flutua na frente dele explicando, então a câmera se move para a parte sendo mencionada e volta para o host. Objetos únicos permanecem na ilha flutuante.
  • Uma ideia por momento. A área superior (y 230–900 px) contém uma coisa principal de cada vez: um painel de UI ou um objeto 3D grande. Limpe os elementos da cena anterior.
  • Personagens originais e adequados ao contexto. O host de pele pixelada é construído a partir de uma especificação (predefinição + penteado, roupa, cores, acessórios, hijab) escolhida da descrição, marca e nicho do usuário. Não copie peles/personagens de outros criadores, personagens de jogos ou mascotes de marca — de imagens de referência, pegue apenas o estilo.
  • Fatos precisos. Roteiros educacionais devem estar corretos; números de exemplo usam faixas de documentação (ex: IP 203.0.113.x) ou rótulos claros. Nunca invente estatísticas.
  • CTA honesto. Declare a marca/URL do usuário conforme fornecida, sem alegações que ele não deu (preços, promoções, "o melhor", prazos falsos).
  • Vivo a cada segundo. Legendas no estilo karaokê, um zoom em palavras-chave, um aceno em palavras enfatizadas, olhos olhando para o que é apontado, números aparecendo conforme são mencionados — cada quadro avança. Nenhum momento parado.

Referências

Toda a documentação referenciada está na pasta references/ dentro da skill:

ArquivoUso
output-format.mdFormato de resposta do chat para as Etapas 1 e 2 (obrigatório)
naskah-dan-plan.mdComo escrever o roteiro e o esquema de plan.json
karakter.mdPersonagens host: predefinições, estilos, acessórios, hijab, seleção por nicho
hook.mdTipos de hook, regra dos primeiros 3 segundos, alternativas de texto na tela
engine-api.mdAPI do motor 3D: register(), T(), shots, backgrounds, sets, mascote
sets.mdSets 3D embutidos: salas, lugares; como usá-los e definir os próprios

Para respostas do chat (ambas as etapas): veja references/output-format.md.

Habilidades Relacionadas