Communitygithub.com

Vansaar UGC video

Crie vídeos verticais ultra-realistas de 20 a 60 segundos no estilo UGC (Instagram Reels, YouTube Shorts, anúncios Meta) para a Vansaar 45+ a partir de uma foto do rosto do personagem, uma foto do produto e um roteiro. Um personagem de IA fala o roteiro para a câmera do celular em uma casa indiana realista, segura o produto, com cortes de cenas B-roll, legendas palavra por palavra (inglês, hinglish ou hindi), rótulo de divulgação de IA e cartão final personalizado. Use sempre que o usuário quiser um vídeo UGC, reel de depoimento ou talking-head, avatar/porta-voz de IA ou vídeo com sincronia labial, ou pedir para transformar um roteiro mais uma foto de rosto em vídeo para qualquer produto Vansaar, mesmo que nunca diga "UGC". Não serve para animar carrosséis de PDF (vansaar-animate) ou construir carrosséis.

O que é Vansaar UGC video?

Esta skill transforma uma foto de rosto, uma foto de produto e um roteiro em um vídeo vertical MP4 (9:16, 1080×1920, 30 fps) que simula um cliente indiano com mais de 45 anos gravando com o celular em casa. O usuário fornece os insumos e o assistente de IA atua como diretor: escreve o plano, verifica alegações de compliance, revisa todas as imagens geradas e orquestra um motor Python (scripts/ugc.py) que chama modelos de IA no fal.ai e edita o resultado com ffmpeg. O fluxo completo inclui: geração de voz (ElevenLabs), criação de keyframes (Nano Banana Pro), clipes de fala (OmniHuman 1.5) e cenas B-roll (Kling 3), edição com cortes jump-cut, trepidação de mão, granulação e áudio simulando microfone de celular, legendas sincronizadas, rótulo de IA e cartão final com a foto real do produto. A skill é projetada para Claude Code (execução local) e usa o diretório ./ugc_jobs/ <slug> para organizar os trabalhos. Inclui verificações de segurança (consentimento facial, divulgação de IA, alegações seguras para produtos ayurvédicos), checkpoint de custos (voz e keyframes são baratos; clipes de fala são caros) e validação final de qualidade. O usuário precisa de uma chave de API fal.ai com créditos, ffmpeg com libass, fontes e acesso de rede aos serviços mencionados.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Adnan36dan/ugc-video-skill/tree/HEAD/vansaar-ugc-video

Perguntar na sua IA favorita

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

Documentação

Vansaar vídeo UGC

Foto do rosto + foto do produto + roteiro → um MP4 9:16, 1080×1920, 30 fps que parece ter sido filmado por um cliente indiano com mais de 45 anos em seu celular em casa. Claude é o diretor: escreve o plano, verifica alegações, revisa cada imagem e comanda um motor Python integrado (scripts/ugc.py) que chama modelos de IA no fal.ai e edita o resultado com ffmpeg.

roteiro ─► voz (ElevenLabs) ─► temporização das palavras ─► pausas ajustadas ─► um segmento de áudio por take
rosto+produto ─► keyframes (Nano Banana Pro) ─► clipes de fala (OmniHuman 1.5) / B-roll (Kling 3)
tudo ─► edição com jump-cuts + trepidação de mão + granulação de celular + áudio de microfone de celular
      ─► legendas + rótulo de IA + cartão final (foto real do produto) ─► QA ─► final.mp4

Regras básicas

Elas protegem a marca e as pessoas no vídeo. Explique-as ao usuário quando surgirem; não apenas recuse.

  1. O rosto deve ser utilizável. Deve ser um personagem gerado por IA ou uma pessoa real que tenha dado permissão por escrito para o uso de sua semelhança em anúncios. Nunca uma celebridade, influenciador, médico ou figura pública, e nunca alguém fotografado sem consentimento. Se não tiver certeza de onde o rosto veio, pergunte uma vez.
  2. Mantenha o rótulo "Gerado por IA". Ele está ativado por padrão, como um pequeno rótulo no topo. As diretrizes de influenciador virtual da ASCI e as regras de conteúdo de IA das plataformas esperam isso. "Realista" significa boa produção, não enganar os espectadores. Se o usuário quiser removê-lo, diga o que as regras esperam e deixe a decisão para o responsável pela conformidade dele (disclosure.show: false).
  3. As alegações devem ser seguras. Produtos ayurvédicos estão sujeitos à Lei de Medicamentos e Remédios Mágicos e às regras de alegações de saúde da ASCI. Antes de gerar qualquer coisa, execute check, depois reescreva cada sinalização ALTA e sinalize cada uma MÉDIA para o usuário. O personagem de IA nunca deve descrever seus próprios resultados de saúde ("meu açúcar baixou"): isso é um depoimento fabricado. Ele pode falar sobre rotina, ingredientes, sabor e facilidade de uso. Detalhes estão em references/compliance-india.md.
  4. Dinheiro só após um "vai". Voz e keyframes custam centavos; clipes de fala custam dólares. Pare nos dois pontos de verificação abaixo e mostre o custo antes de cada etapa paga.
  5. Nunca peça ao usuário para colar uma chave de API no chat. Direcione-o para as etapas de configuração (arquivo .env, setkey no próprio terminal ou configurações de ambiente).

Configuração (uma vez por máquina / sessão)

SKILL_DIR é a pasta que contém este arquivo. Os trabalhos vão para uma pasta que o usuário pode abrir: no Claude Code use ./ugc_jobs/<slug> no projeto atual; em um chat claude.ai use /mnt/user-data/outputs/ugc/<slug>.

pip install -r "$SKILL_DIR/requirements.txt"     # adicione --break-system-packages se o pip recusar
python3 "$SKILL_DIR/scripts/ugc.py" doctor        # verifica bibliotecas Python, ffmpeg+libass, fontes, chave, rede
  • Sem chave fal.ai. Diga ao usuário para criar uma em fal.ai (Dashboard → Keys) e adicionar crédito (US$ 10-20 cobre alguns vídeos). Depois ele a armazena de uma das três formas: um arquivo .env contendo FAL_KEY=... na pasta onde o Claude executa; executando python3 scripts/ugc.py setkey no terminal dele; ou, em uma sessão em nuvem, uma variável de ambiente FAL_KEY nas configurações de ambiente.
  • Rede bloqueada (doctor mostra "cannot reach fal.ai"). O sandbox precisa permitir queue.fal.run, rest.fal.ai, *.fal.media e storage.googleapis.com, além de api.elevenlabs.io para a opção de voz direta. Diga exatamente isso ao usuário. Onde alterar está em references/troubleshooting.md.
  • ffmpeg ausente. Veja references/troubleshooting.md.
  • Teste grátis. python3 "$SKILL_DIR/scripts/ugc.py" demo --out <pasta> executa todo o pipeline com substitutos offline (--mock). Isso prova que a instalação funciona antes de gastar dinheiro.

Fluxo de trabalho

Execute comandos como python3 "$SKILL_DIR/scripts/ugc.py" <comando> --job <pasta do trabalho>. Todo resultado pago é armazenado em cache no state.json do trabalho. Reexecutar um comando nunca paga duas vezes pela mesma entrada, e uma solicitação interrompida é retomada na próxima execução.

1. Captação

Você precisa de três entradas: a imagem do rosto, a imagem do produto e o roteiro. Pergunte em uma mensagem por qualquer item ausente, além do que você não puder inferir:

  • idioma: inglês, ou hindi/hinglish
  • o nome exato do produto
  • duração alvo (padrão: o que o roteiro precisar naturalmente, entre 20 e 60 s)
  • o gênero da pessoa ou preferência de voz
  • qualquer preferência de cenário (padrão: um apartamento indiano iluminado pelo sol)

Confirme o consentimento facial aqui se não estiver claro.

Em seguida, examine você mesmo ambas as imagens:

  • Rosto. Escreva character.description: idade aparente, cabelo, tom de pele, características notáveis e roupas. Isso reforça a identidade em cada prompt. Se a foto tiver baixa resolução, estiver de perfil ou coberta por óculos escuros, mãos ou máscara, peça uma frontal nítida, pois a qualidade da sincronia labial depende disso.
  • Produto. Verifique se o rótulo está legível. Observe se o fundo é branco liso ou transparente (o cartão final pode recortá-lo) ou ocupado (o cartão final o mostra como um card). Se o usuário tiver um PNG de embalagem com fundo transparente, peça-o.

2. Passagem do roteiro

Execute init com --face, --product, --script (ou --text), --lang, --title e --product-name. Em seguida, execute check --job <job>.

Reescreva o roteiro para UGC falado usando references/script-and-voice.md:

  • um gancho nos primeiros 2 segundos
  • frases curtas e faladas
  • uma ideia por segmento
  • um CTA suave

Corrija todas as alegações ALTAS e mantenha o significado do usuário. A duração é de cerca de 2,5 palavras por segundo, então 20 s são cerca de 50 palavras e 60 s cerca de 150. Para hindi, escreva say em devanágari (palavras de marca em inglês podem ficar em escrita latina), porque o TTS pronuncia muito melhor. Coloque uma caption em escrita romana junto se o usuário quiser legendas em hinglish.

3. Plano

Edite plan.yaml. A referência de campos é references/plan-reference.md; um exemplo completo está em templates/plan.example.yaml. O que o torna realista (detalhes em references/realism-playbook.md):

  • 2-3 cenários em uma casa (ex.: sofá médio, sofá próximo, produto na cozinha). Deve parecer que uma pessoa está filmando algumas tomadas, não uma produção.
  • Segmentos de fala de 2 a 8 s. Segmentos consecutivos com o mesmo cenário recebem zoom automático de jump-cut.
  • Um B-roll a cada 2-3 segmentos de fala: mãos despejando, produto no balcão, caminhada matinal. B-roll esconde cortes e mostra o produto adequadamente. Use with_person: false para close-ups do produto para que rostos não sejam gerados duas vezes.
  • O produto é segurado em no máximo um cenário (framing: product). Produtos podem distorcer enquanto as pessoas gesticulam, então deixe o B-roll e o cartão final carregarem o produto.
  • Dê a cada segmento uma dica curta de performance que corresponda à emoção da fala.
  • Cartão final por último. A foto real do produto e o logotipo real são compostos ali, então o rótulo está sempre correto.
  • Voz. Escolha-a com references/script-and-voice.md. As vozes predefinidas do fal são principalmente americanas ou britânicas. Para um sotaque indiano, use provider: elevenlabs com uma voz indiana da Biblioteca de Vozes do ElevenLabs, ou provider: file com uma gravação real (a opção mais realista de todas).

Em seguida, execute validate (corrija todos os erros) e estimate.

PONTO DE VERIFICAÇÃO 1. Envie uma mensagem contendo:

  • a tabela de segmentos (id, take, cenário, fala)
  • as alegações que foram sinalizadas e o que você alterou
  • a escolha da voz
  • os cenários em uma linha cada
  • a duração e o custo estimados

Pergunte "vai?" e não continue até que o usuário diga sim.

4. Voz e keyframes (baratos)

Execute voice. Leia a tabela de duração. Se aparecer um aviso "transcript matches only N%", o TTS pronunciou ou pulou palavras: reescreva essa linha (escreva números por extenso, use devanágari) e execute voice --only <id> --force. Se o total estiver fora de 20-60 s, corte o roteiro ou ajuste voice.speed (0,9-1,15).

Execute frames, depois abra work/frames/contact.jpg e os candidatos em tamanho real em work/frames/<key>/. Revise cada um contra a lista de verificação de keyframes em references/realism-playbook.md: identidade corresponde à foto do rosto, pele natural, mãos corretas, o rótulo do produto corresponde à foto do produto, uma casa real, luz de câmera de celular. Defina pick: para o melhor candidato. Se nenhum passar, refine a cena ou descrição e execute frames --only <setup> --force. Faça no máximo 2 rodadas por cenário, depois mostre ao usuário o que está errado.

PONTO DE VERIFICAÇÃO 2. Envie work/voice/vo_preview.mp3 e a folha de contato, diga quais candidatos você escolheu e por quê, e dê o custo dos clipes de fala (a parte cara). Aguarde o OK. Alterar a voz depois significa refazer os clipes de fala.

5. Clipes

Execute clips. Os clipes de fala levam cerca de 1 a 5 minutos cada e são executados 3 de cada vez. Se um falhar, os outros são mantidos, então reexecute clips para tentar novamente apenas os que falharam. Certifique-se de que nenhum aviso diga que um clipe é mais curto que seu áudio.

6. Montagem e QA

Execute assemble, depois qa. Abra out/<slug>_contact.jpg e verifique:

  • nenhuma deriva facial entre os cortes
  • nenhuma mão ou produto distorcido
  • legendas não cobrem a boca ou o rótulo do produto
  • o texto do cartão final está legível

Se um clipe estiver ruim, execute clips --only <id> --force, depois assemble novamente. Corrija cada FALHA que o QA reportar; investigue cada VERIFICAR.

7. Entrega

Envie out/<slug>.mp4 (e a folha de contato se for útil). Em 3 a 5 linhas, forneça:

  • duração e gasto estimado (state.json mantém o total acumulado)
  • qualquer alegação que o usuário ainda precise que seu responsável de conformidade aprove
  • que o rótulo de IA está ativado
  • um ou dois ajustes com maior probabilidade de melhorar o próximo vídeo

Para também produzir uma cópia sem legendas para editores, defina captions.clean_copy: true.

Correções rápidas

SintomaCorreção
Rosto não se parece com a fotocharacter.description mais rico, candidates: 3, uma foto frontal nítida de origem
Pele plástica ou com filtro de belezaregenere; evite "belo/impecável" nas cenas; mantenha grain ≥ 0,4
Rótulo do produto distorcidoregenere esse keyframe, ou remova o produto dos cenários de fala (cartão final + B-roll carregam)
Lábios deslizam ou borrão na bocasegmento mais curto (≤ 6 s), keyframe frontal com boca visível, tente o modelo Kling Avatar em config/models.yaml
Voz robóticareduza stability (0,35-0,45), vírgulas para respirações, uma gravação real, ou o modelo eleven-v3
Muito lento / muito longofinish.tighten_pauses: 0,22, voice.speed: 1,08, corte palavras
B-roll parece falsomovimento mais simples (uma ação), with_person: false, ou motion: kenburns em um still bom

Mais em references/troubleshooting.md.

Arquivos de referência (leia quando necessário)

  • references/realism-playbook.md: o que faz o UGC de IA parecer real; listas de verificação de keyframe e revisão final do vídeo. Leia antes de planejar cenários e ao revisar imagens.
  • references/script-and-voice.md: estrutura de roteiro UGC para um público indiano com mais de 45 anos, escrevendo para TTS (hindi/hinglish), escolhendo e ajustando vozes, exemplos de roteiros.
  • references/compliance-india.md: consentimento de semelhança, divulgação de IA, regras da Lei DMR / ASCI, uma tabela de redação segura. Leia quando check sinalizar algo.
  • references/plan-reference.md: todos os campos do plan.yaml.
  • references/models-and-costs.md: qual modelo faz o quê, preços, como trocar por modelos mais novos.
  • references/troubleshooting.md: instalação, chaves, listas de permissão de rede, erros de API, correções.

Habilidades Relacionadas