Vertical Reels Video Studio (pro)

O que Vertical Reels Video Studio (pro) faz?

End-to-end: (primeira execução: pergunte pelo handle/watermark/CTA/voz do usuário) → tópico → pesquisa → rascunho → aprovação → narração → timing → cenas Remotion → render → exportação Reels → QA → capas + legendas → entrega. Esta é a versão mais completa de vertical-reels-video-studio (básico). A configuração da marca fica em brand.config.json (lido por src/brand.ts e passado para as composições como a prop brand).

0a. Primeira execução: pergunte ao usuário PELAS CONFIGURAÇÕES DELE (nunca use padrões)

Antes do primeiro vídeo, se brand.config.json estiver faltando, tiver "configured": false ou ainda contiver @yourhandle, pergunte ao usuário (uma pergunta por vez) e salve as respostas em brand.config.json:

1. Handles sociais: Instagram, Threads, TikTok, X (quais ele usa).
2. Texto da marca d'água (exatamente como deve aparecer, ex. @yourhandle ou @ig / @x) e posição (bottom-center, bottom-left, top-left, top-right).
3. CTA texto e o handle mencionado.
4. Voz: o ID da voz ElevenLabs + modelo + idioma, ou "Vou gravar minha própria voz". A chave da API é solicitada apenas como segredo ELEVENLABS_API_KEY.
5. Idioma e tom; como a voz deve dizer o nome/handle dele.

Em seguida, defina "configured": true. Nunca invente um handle, nunca reutilize o de outra pessoa (incluindo o autor deste kit) e nunca renderize uma marca d'água que ainda diga @yourhandle.

0b. Configuração da marca (brand.config.json, preenchido pelas respostas do usuário)

Chave	Placeholder	Notas
Handles	{{IG_HANDLE}}, {{THREADS_HANDLE}}, {{TIKTOK_HANDLE}}, {{X_HANDLE}}	handles.*, do próprio usuário
Marca d'água	{{WATERMARK}} + posição	watermark.text / watermark.position, texto exato fornecido pelo usuário; nunca codificar em cenas
Idioma / tom	{{LANGUAGE}}, {{TONE}}	ex. indonésio casual gua/lu, emoji esparso
Nome falado	{{SPOKEN_NAME}}	Como a voz deve dizer seu handle (ex. "Jane Doe" para @janedoe_). As legendas ainda mostram o handle real
Aviso legal	{{DISCLAIMER}}	Para tópicos financeiros, ex. "Educação, não é conselho financeiro"
Voz	{{VOICE_ID}}, {{TTS_MODEL}}, {{LANGUAGE_CODE}}	voice.*, escolha do usuário (ou sua própria gravação)
Chave da API	env ELEVENLABS_API_KEY	Nunca imprimir, registrar ou commitá-la
CTA	{{CTA}}, {{CTA_HANDLE}}	cta.text / cta.handle, perguntado ao usuário (ex. "Siga {{CTA_HANDLE}} para mais", "Comente TUTORIAL")
Regras rígidas	{{HARD_RULES}}	Marcas a nunca ridicularizar, nomes a borrar, palavras a nunca dizer
Dispositivo de render	{{RENDER_DEVICE}}	Máquina GPU ou CPU. Sempre reportar qual foi realmente usado

1. Pesquisa e rascunho (sem áudio, sem render)

1. Verifique cada afirmação com fontes primárias: documentos oficiais/PRs, postagem do próprio autor, registros, capturas de tela datadas. Postagens de executivos contam como declarações oficiais. Rotule estimativas (ESTIMATE · não oficial) e alegações (ALLEGED). Descarte o que não puder verificar em vez de suavizar.
2. Uma história por vídeo, palavras do dia a dia, ritmo lento. Nomes de produtos difíceis vão na tela, não na narração.
3. Ofereça 2–4 opções de gancho (H1, H2, …): uma pergunta por que/como ou um contraste ousado. Deixe o usuário escolher.
4. Tabela com tempo: tempo | na tela | VO. Alvo 45–65 s, máximo rígido 90 s (mire ≤ 88 s para que uma revisão ainda caiba).
5. Escreva factcheck.md (afirmação → fonte → status) e sources.md.
6. Envie o rascunho e aguarde aprovação. "Não renderize" do usuário é final até que ele diga para prosseguir.

2. Narração (ElevenLabs)

• Dois scripts: script-display.txt (o que as legendas mostram) e script-tts.txt (soletrado para a voz). Mantenha um mapa display↔TTS.
• Pronúncia (veja docs/VOICEOVER.md): A.I. com pontos para soar em inglês; tickers letra por letra em VO não-inglês (ETH → E, T, H); números como palavras; termos em inglês com ortografia inglesa simples (sem hifenização); uma vírgula após um /t/ final antes de uma vogal; nomes de marcas soletrados novamente apenas quando testes provarem que ajuda.
• Pós-processamento atempo 1.05 (1.1 para conteúdo rápido). Loudness −14 LUFS integrado, ≤ −1 dBTP.
• Sem linhas duplicadas. Se uma linha repetir o gancho ou uma batida anterior, corte ou reformule.
• Verifique a cota de caracteres primeiro. Regrave apenas linhas com falha (passe previous_text para continuidade).

3. Timing

• Carimbos de tempo das palavras do alinhamento TTS (dividir pelo fator de tempo) ou faster-whisper → timing.json {duration, phrases:[{s,e,words:[{w,s,e}]}], scenes:[{id,start}]} (scripts/build-timing.py).
• Mescle tokens soletrados novamente para palavras de exibição (A.I.→AI, E, T, H→ETH) ou as legendas começam atrasadas.
• Cenas dependem das palavras faladas: wt(scene, word) → quadro onde aquela palavra começa.

4. Estilo de movimento (Remotion, 1080x1920, 30 fps)

Visual: fundo #0A1016, creme #EFE6D2, âmbar #FFB000, vermelho #E2553F, verde #7BD88F. Fontes via @remotion/google-fonts: Big Shoulders 800 (títulos), Plus Jakarta Sans (corpo/legendas), JetBrains Mono (chips/código). Layout: conteúdo importante y 200–1500. Cluster do rodapé: legendas karaokê ~y 1310–1353, marca d'água (se o usuário escolheu embaixo) ~y 1427–1446, progresso ~y 1474, todos à esquerda de x 960 (Reels desenha seus botões à direita). Sem quadros vazios: o gancho é legível no quadro 0; a abertura e o fechamento são tão completos quanto o meio (uma imagem herói, o apresentador, um chip), nunca uma linha solitária em um fundo em branco.

Auxiliares de easing (src/motion/ease.ts):

const clamp01=(x:number)=>Math.max(0,Math.min(1,x));
const P=(t:number,a:number,b:number)=>clamp01((t-a)/(b-a));
const eOut=(x:number)=>1-Math.pow(1-x,3);
const eIn=(x:number)=>x*x*x;
const backOut=(x:number,s=1.70158)=>1+(s+1)*Math.pow(x-1,3)+s*Math.pow(x-1,2);
const sec=(f:number,at:number)=>(f-at)/30;
const ap=(f:number,at:number,d=0.3)=>eOut(P(sec(f,at),0,d));
const pop=(f:number,at:number)=>Math.max(0,backOut(P(sec(f,at),0,0.35),2.2));
const punch=(f:number,at:number)=>{const t=sec(f,at);if(t<0)return 1;return 1+0.12*eOut(P(t,0,0.2))-0.06*eOut(P(t,0.2,2.5));};
const shake=(f:number,at:number)=>{const t=sec(f,at);return t<0||t>0.4?0:14*Math.exp(-t*10)*Math.sin(t*70);};

Movimentos: tipo cinético (palavra pousa no seu tempo de VO, scale(0.6+0.4*pop)), ±4° assentando em 0.25 s, palavras enfatizadas maiores + âmbar/vermelho), zoom punch em imagens-chave, revelação com máscara circular, transições zoom-through (scale 1→4.2 em ~9 quadros, próxima cena 1.3→1), carimbos rotacionados e chips mono, caixas de destaque vermelhas em capturas de tela, contador de passos, legendas karaokê (palavra atual âmbar + 1.08×), CTA pop com shake, SFX whoosh/pop sob a VO. Cerca de uma batida a cada 1.5–3 s.

Clipes de vídeo: envolva cada <OffthreadVideo> em um <Sequence from={at}> e defina startFrom relativo a ele; caso contrário, o clipe trava em seu último quadro e parece congelado. Faça loop de clipes curtos para batidas longas. Clipes começam no primeiro quadro utilizável.

Transições de áudio: quando uma abertura usa áudio ao vivo (uma música, um clipe) antes da narração, fade para silêncio e deixe ~0.3–0.5 s (uma transição flash/whoosh) antes da primeira palavra do VO para que nunca seja mascarada.

Apresentador opcional (mascote) com sincronia labial

• Identidade de personagem consistente em todos os vídeos. Camadas separadas: corpo (boca fechada pintada), braço em um pivô de ombro sob a borda do casaco, uma capa de ombro estática, sprites de boca closed/half/open/wide/round.
• Conduza a boca a partir do wav do VO, não de um loop: scripts/build-mouth-track.py → estados por quadro (fechado em silêncio e hold final, hold mínimo de 2 quadros). Prenda o braço ao alcance do rig; apenas um balanço de imagem inteira não é suficiente.
• Monte o apresentador apenas enquanto estiver na tela; capas usam o corpo estático de boca fechada.

5. Render

• Prefira uma máquina GPU se tiver uma (Remotion --hardware-acceleration, uma config sem encodingBufferSize/encodingMaxRate, que quebram o NVENC necessário); recorra a CPU apenas se permitido. Sempre informe qual dispositivo renderizou.
• Render cru: yuv420p + bt709 em remotion.config.ts, depois a passagem Reels.

6. Exportação otimizada para Reels (scripts/reels-export.sh, detalhes em docs/REELS_SAFE_EXPORT.md)

1080x1920 SAR 1, H.264 High level 4.1, yuv420p TV range, tags BT.709, CFR 30, GOP 60 fechado, 10 Mbps (mín 8, máx 12), two-pass loudnorm −14 LUFS / −1.5 dBTP, AAC 192k 48 kHz estéreo, +faststart, < 90 s. Também uma prévia pequena < 40 MB (scripts/make-preview.sh).

7. QA (obrigatório, antes da entrega)

• Whisper no MP4 final (scripts/whisper-check.py): pronúncias erradas, gaguejos, sons estranhos, linhas duplicadas, primeira palavra de cada cena audível.
• Folha de contato em cada limite de cena (scripts/contact-sheet.sh): falhas, sobreposições, texto cortado, zona segura, clipes congelados, abertura/fechamento vazios, marca d'água presente, correspondendo a brand.config.json e soletrado exatamente.
• scripts/qa-check.sh: codec/profile/level, pix_fmt, range, tags de cor, CFR, AAC 48k, moov antes de mdat, duração < 90 s, −14 LUFS.
• Corrija e re-renderize. Mantenha a versão anterior quando revisar.

8. Sempre entregue junto com o vídeo

1. Legendas para IG (gancho, corpo, CTA, hashtags leves), Threads (mais curtas, sem hashtags), TikTok, mais um .srt.
2. Quatro capas A–D: 1080x1920 + grade 1080x1350, texto chave dentro do centro 1080x1080; um gancho, uma foto principal, no máximo 2–3 cartões numéricos; folha de contato + deixe o usuário escolher.
3. Créditos das fontes e arquivo de verificação de fatos.
4. Uma linha em videos-log.md: título, arquivos, duração, loudness, dispositivo, fontes, status "não postado".

Regras

• Nunca poste, envie DM, faça upload ou compre. Entregue arquivos.
• Sem fatos, estrelas, preços ou resultados inventados. Dê crédito a autores de código aberto na tela.
• Apenas fotos, logotipos e clipes reais; nenhum rosto gerado por IA de pessoas reais. Marque mock-ups como ilustração.
• Use apenas mídia para a qual você tem direitos; avise o usuário quando músicas ou clipes forem protegidos por direitos autorais (risco de muting/reivindicação).
• Sem segredos em arquivos. Faça qualquer pergunta por último, em sua própria mensagem.