Codex Images
Imagens feitas pela ferramenta de imagem integrada do Codex, executadas a partir do terminal: um codex exec por imagem, vários ao mesmo tempo. Usa o plano ChatGPT deles (Plus ou Pro), sem chave de API.
Fale com eles no idioma deles. <out> = a pasta de saída: video-agent/edits/<slug>/images/ para um vídeo, senão video-agent/images/<nome>/.
1. Codex (uma vez)
codex --version
codex login status
- Não instalado:
npm i -g @openai/codex(precisa Node 20+), oubrew install codexno macOS. - Não logado: eles executam
codex login(abre o navegador, "Entrar com ChatGPT"). Nunca peça chave da OpenAI ou senha no chat.
2. O briefing
Uma imagem = um prompt. Nunca coloque várias ideias em um único job.
Pergunte apenas o que está faltando, em uma única mensagem:
- Para que: miniatura (1280x720, 16:9), capa de short (1080x1920, 9:16), post quadrado (1:1), uma imagem estática para um quadro de imagens ou B-roll (o formato do vídeo).
- Quantas: 1 por padrão; 3 variantes para uma miniatura (cada uma com uma ideia diferente, não a mesma três vezes).
- Rosto deles: uma miniatura com a presença deles precisa de 1 a 3 fotos nítidas (um frame de uma gravação funciona:
ffmpeg -v error -y -ss <t> -i <take> -frames:v 1 -q:v 2 <out>/ref-face.jpg). Passe os caminhos absolutos.
Escreva cada prompt em inglês, concreto: o assunto, o enquadramento, o fundo, a iluminação, as cores, o texto na imagem (no máximo 3 palavras, escritas exatamente entre aspas, no idioma do vídeo), e o formato. Para uma miniatura: um assunto, texto grande e legível, contraste forte, um rosto com uma emoção clara, nada no canto inferior direito (o YouTube coloca a duração ali). Toda afirmação na imagem vem do vídeo.
Mostre os prompts em uma lista numerada e aguarde um sim (cada imagem usa um pouco do limite de uso do Codex deles).
3. Gerar
Um job por prompt, no máximo 3 por vez, cada um em segundo plano. Sempre termine com < /dev/null (sem ele codex exec espera por entrada para sempre), e mantenha a última mensagem em um arquivo:
mkdir -p <out>/logs
codex exec --skip-git-repo-check -s workspace-write -C "$PWD" \
--output-last-message <out>/logs/<n>-<nome>.txt \
"Use sua ferramenta image_gen integrada para gerar exatamente uma imagem raster para o prompt abaixo. Não edite nenhum arquivo. Não faça perguntas. Sem SVG, sem HTML, sem placeholder.
Imagens de referência (passe-as para image_gen como referenced_image_paths): <caminhos absolutos, ou nenhum>
Quando terminar, responda exatamente com estas duas linhas:
ASSET_NAME: <nome-em-kebab-case>
IMAGE_PATH: <caminho absoluto da imagem gerada>
Prompt da imagem:
<prompt>" \
< /dev/null > <out>/logs/<n>-<nome>.log 2>&1
Um job leva cerca de 1 a 3 minutos. Quando terminar, leia o .txt, pegue IMAGE_PATH e copie a imagem:
cp "<IMAGE_PATH>" <out>/<n>-<nome>.png
Sem IMAGE_PATH na resposta: o arquivo mais novo em ~/.codex/generated_images/ (ls -t ~/.codex/generated_images/*/* | head -3) criado após o início do job. Nada novo lá: o job falhou, mostre o final do .log (geralmente um limite de uso, ou codex login necessário) e execute aquele job novamente uma vez.
4. Verificar e entregar
- Uma imagem por prompt, e nenhuma idêntica (
shasum <out>/*.png). - O tamanho:
sips -g pixelWidth -g pixelHeight <arquivo>(macOS) ouffprobe -v error -show_entries stream=width,height -of csv=p=0 <arquivo>. Uma miniatura deve ser 16:9: corte ou redimensione para 1280x720 com ffmpeg (-vf "scale=1280:720:force_original_aspect_ratio=increase,crop=1280:720"), abaixo de 2 MB como JPG. - Olhe para cada imagem: o texto escrito corretamente, o rosto parecido com eles, nada estranho (mãos, letras extras). Uma errada: corrija o prompt e execute aquele job novamente.
Escreva <out>/manifest.json: uma entrada por imagem com file, prompt, refs, date. Mostre as imagens, então:
- Uma miniatura ou capa:
/publishusa<edit>/images/(eles escolhem uma, ela é copiada como<edit>/cover.jpg, a capa e a miniatura do YouTube). - Uma imagem estática para um vídeo:
/short-editingpode colocá-la como um itemimgem um quadro (copie paraassets/images/do short).
Exclua <out>/logs/ assim que tudo estiver certo.
Limites honestos
- A ferramenta de imagem é da OpenAI, dentro do Codex: o resultado depende dela, e ela muda. O texto na imagem pode sair errado: sempre verifique.
- Um rosto a partir de fotos de referência fica próximo, raramente perfeito. Fotos reais deles continuam sendo as mais seguras para uma miniatura.
- Cada imagem conta contra os limites do Codex do plano ChatGPT deles; um limite atingido significa esperar ou um plano maior.
- Use apenas fotos de pessoas que concordaram, e nenhum logotipo ou personagem que eles não possuem.