Communitygithub.com

yt-video

Crie vídeos para o YouTube como código: Shorts (9:16, 1080×1920) e vídeos longos (16:9, 1080p ou 4K) usando páginas HTML animadas por seek(t), narração OmniVoice (TTS local com clonagem de voz e instruções de design de voz via MCP), música opcional gerada por código, renderizados para MP4 com ffmpeg e verificados por script.

O que é yt-video?

Esta skill transforma a criação de vídeos do YouTube em um processo de programação, permitindo que desenvolvedores e criadores construam animações, narrações e música inteiramente com código. Você escreve páginas HTML onde cada quadro é uma função pura do tempo `seek(t)`, a narração é gerada localmente via OmniVoice (com suporte a clonagem de voz e instruções de design de voz) através de MCP, e todo o pipeline — da edição à renderização final em MP4 — é automatizado por scripts Python. A skill oferece presets de estilos visuais como 3Blue1Brown (matemática), KodeKloud (DevOps), Fireship (notícias de tecnologia), Kurzgesagt (ciência flat), Vox (documentário), ByteByteGo (diagramas), além de legendas chamativas e estilo editorial, todos com suporte a Shorts (9:16) e vídeos longos (16:9) em até 4K. Inclui geração de capítulos, legendas SRT, miniaturas e uma etapa de verificação rigorosa que valida tamanho, aspecto, codec, sincronia A/V, loudness, quadros congelados e zonas seguras. Use esta skill sempre que alguém pedir um Short, um reel, um vídeo vertical, um vídeo explicativo animado ou com motion graphics, ou quiser transformar um roteiro ou tópico em um vídeo narrado.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Shyamnath-Sankar/video-generation-skill/tree/HEAD/yt-video

Perguntar na sua IA favorita

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

Documentação

Vídeos do YouTube a partir de código: Shorts e formato longo

Você constrói um vídeo como um motion designer faria, mas em código: páginas HTML desenham qualquer quadro a partir de um valor de tempo, a narração define o ritmo, e scripts renderizam, mixam e provam que o resultado é válido antes de alguém fazer o upload.

script.json ──► OmniVoice (MCP) ──► voice/*.wav ──► timeline.py ──► timeline.js ─────────┐
   │ format: short | long | long-4k                                                         ▼
   └─ style preset ─► style.css / style.js ─────────────────────► page(s).html (seek(t), K.layout por formato)
                                                                     │ check_page ► stills ► render (chunks em cache)
music (apenas se solicitado) ─► make_music.py ─┐                            ▼
sound effects (CC0) ────────────────────────────┴─► mix_audio.py ─► mix.wav ─► mux ─► final.mp4 ─► verify_video.py
                                          (formato longo também: chapters.txt, captions.srt, thumbnail.jpg)

$SKILL abaixo significa a pasta desta skill. Tudo roda através de um único CLI: python3 $SKILL/scripts/short.py <comando>.

Formatos

shortlonglong-4k
Quadro1080×1920 (9:16)1920×1080 (16:9)página 1920×1080, saída 3840×2160
Duração≤ 180 s (ideal < 60 s)qualquer (tip. 5–15 min)qualquer
Zona segurax 60–940, y 288–1440 (UI do Shorts)x 96–1824, y 54–1026 (título seguro)mesma que long
Legendasembutidas (aparência do estilo)captions.srt para YouTube; opcionalmente embutidasmesma que long
Extras—capítulos, uma página por capítulo, miniatura 1280×720mesma

Os perfis ficam em engine/formats.json. As páginas usam K.W/K.H e uma tabela K.layout({short, long}), para que um mesmo projeto possa ser construído em ambos os formatos. Leia reference/long-form.md para qualquer vídeo 16:9.

O que está na pasta

CaminhoO que é
scripts/short.pyO pipeline CLI: doctor, styles, init, style, kit, timeline, check, stills, thumb, music, mix, render, mux, verify, build
scripts/timeline.pyDurações da voz → tempos das cenas, dicas de palavras, legendas, dicas de efeitos sonoros, snap rítmico, segmentos de página, capítulos, SRT
scripts/import_voice.pyImporta um clipe do OmniVoice: converte, corta silêncio, rejeita takes TTS com defeito
scripts/make_music.pyMúsica de fundo sintetizada (7 humores), na grade rítmica, qualquer duração. Apenas quando o usuário pedir música
scripts/mix_audio.pyVoz + música (ducking) + efeitos sonoros → −14 LUFS, pico verdadeiro ≤ −1.5 dBTP
scripts/verify_video.pyO portão de correção: tamanho, aspecto, codec, fps, contagem de quadros, sincronia A/V, loudness, quadros pretos/congelados, capítulos, folha da zona segura
engine/formats.jsonPerfis de formato (tamanhos, zonas seguras, padrões de legenda, limites)
engine/render.cjsCaptura Playwright → ffmpeg H.264 (desfoque de movimento, intervalos de quadro, captura 2× para 4K), folhas de contato
engine/check_page.cjsVerificações pré-renderização: contrato da página, fontes, determinismo, zona segura, legendas, tamanho do texto, quadros vazios
engine/kit.jsO kit de animação (molas, dicas, legendas, transições, layouts por formato, draw/write estilo Manim)
template/Um vídeo funcional completo (estilo editorial) que é construído em ambos os formatos
styles/8 presets de estilo: style.json + STYLE.md; 3b1b-math e kodekloud-devops têm demos completos em ambos os formatos
assets/Fontes (OFL/MIT) e efeitos sonoros CC0
reference/Leia estes quando chegar na etapa correspondente (tabela no final)

Fluxo de trabalho

0. Configuração (primeira vez em uma máquina)

bash $SKILL/scripts/setup.sh          # playwright + chromium em ~/.cache/yt-video, numpy/scipy
python3 $SKILL/scripts/short.py doctor

1. Briefing (uma rodada de perguntas, depois trabalhe)

Pergunte em uma mensagem (use AskUserQuestion quando disponível); pule o que o usuário já disse:

  1. Formato: Short (9:16) ou formato longo (16:9, 1080p ou 4K). Infira quando for óbvio ("um Short", "um vídeo de 10 minutos").
  2. Tópico e a única coisa que o espectador deve lembrar. Um roteiro, artigo ou URL, se tiver.
  3. Estilo: short.py styles. Padrão editorial. Leia styles/<nome>/STYLE.md assim que escolhido.
  4. Voz: clonagem (clipe de referência + sua transcrição), design ("feminina, jovem adulta, tom grave, sotaque britânico"), ou o padrão. Veja reference/voice-omnivoice.md.
  5. Música: desligada a menos que peçam. Se sim: humor (make_music.py --list). Nunca adicione música que não foi solicitada.
  6. Duração: Shorts 20–45 s (máx 180). Formato longo: alvo do usuário; planeje capítulos.

2. Escreva o roteiro e obtenha aprovação

Leia reference/shorts-design.md (Shorts) ou reference/long-form.md (16:9). Escreva script.json (esquema em reference/page-contract.md): uma ideia por cena; o visual de cada cena nomeia qual palavra falada cada mudança visual atinge; cenas de formato longo recebem títulos de chapter e, para vídeos mais longos, uma page por capítulo. Mostre ao usuário a tabela de cenas (id, linha, visual, palavras de dica; capítulos para formato longo) e aguarde aprovação ou edições antes de gerar o áudio. Nunca invente fatos, números, citações ou resultados; valores de exemplo em mockups de interface são aceitáveis e devem ser listados como ilustrativos.

3. Crie o projeto

python3 $SKILL/scripts/short.py init videos/<slug> --style <estilo> --format short|long|long-4k

Copia o template (ou o demo/ do estilo), kit.js, fontes e tokens de estilo. Coloque seu script.json aprovado no lugar (mantenha seu format).

4. Narração com OmniVoice (MCP) → voice/<id-da-cena>.wav

Siga reference/voice-omnivoice.md: encontre as ferramentas MCP do OmniVoice, gere um clipe por cena com as mesmas configurações de voz e importe cada um:

python3 $SKILL/scripts/import_voice.py <clipe> videos/<slug> <id-da-cena> --text "<a linha>"

Falha em takes silenciosos, cortados ou implausivelmente rápidos/lentos — regenere esses. Se o OmniVoice não estiver acessível, informe; você ainda pode construir os visuais com tempos estimados e adicionar a voz depois.

5. Timeline

python3 $SKILL/scripts/short.py timeline videos/<slug>

Escreve timeline.js (tempos de cena e palavra, segmentos, capítulos) além de out/captions.srt e, com capítulos, out/chapters.txt. Os visuais atingem as palavras através de K.cue('cena', 'palavra').

6. Construa a(s) página(s)

Leia reference/page-contract.md, reference/kit-api.md, reference/scene-patterns.md e o STYLE.md do estilo. Dê a cada layout uma entrada K.layout({short, long}) quando o vídeo puder existir em ambos os formatos. Cada mudança visual deve estar em uma palavra de dica.

7. Verifique antes de renderizar (barato, pega a maioria dos erros)

python3 $SKILL/scripts/short.py check  videos/<slug>      # toda página deve PASSAR
python3 $SKILL/scripts/short.py stills videos/<slug>      # out/stills*.png, zona segura em vermelho

Olhe os stills você mesmo. Corrija qualquer coisa vazia, cortada, sobreposta, ilegível, fora do estilo, ou que não corresponda à sua palavra. O quadro 0 já deve mostrar o gancho.

8. Música (apenas se solicitada) e mixagem

python3 $SKILL/scripts/short.py music videos/<slug>       # não faz nada quando a música está desligada
python3 $SKILL/scripts/short.py mix   videos/<slug>

Veja reference/music-and-sound.md.

9. Rascunho → revisão → final

python3 $SKILL/scripts/short.py build videos/<slug> --draft   # 30 fps, sem desfoque de movimento, 1080p: cópia rápida para revisão
python3 $SKILL/scripts/short.py build videos/<slug> --final   # desfoque de movimento, crf 16, 4K quando long-4k

build executa timeline → check → music → mix → render → mux → verify e para na primeira falha. As renderizações são em blocos e em cache, então uma reconstrução após uma edição refaz apenas o que mudou. Envie o rascunho primeiro; informe quanto tempo o final levará antes de iniciá-lo (os finais de formato longo podem demorar; execute-os em segundo plano).

10. Verifique e entregue

verify_video.py é executado dentro de build; o MP4 só está pronto quando exibir VERIFY PASSED. Abra out/verify_sheet_<modo>.png (quadro 0 + um quadro por cena, zonas de UI/segurança em vermelho) e olhe. reference/verification.md explica cada verificação.

Para formato longo, execute também short.py thumb videos/<slug> (ou renderize um thumbnail.html dedicado).

Entregue: o MP4, a pasta do projeto (index.html pode ser visualizado no navegador com a trilha sonora real) e uma breve nota: cenas ou capítulos, o que é ilustrativo, configurações de voz, humor da música (ou "sem música"), o resumo da verificação (LUFS, pico verdadeiro, duração); para formato longo também chapters.txt, captions.srt e a miniatura. Você não pode ouvir: forneça ao usuário timestamps para verificar com os ouvidos (o gancho, o momento com mais efeitos sonoros, o momento mais alto da música, o início de cada capítulo).

Regras mais importantes

  • seek(t) é uma função pura do tempo. Nada de Math.random, Date.now, animações/transições CSS ou timers no caminho de renderização. O verificador garante isso.
  • O texto permanece dentro da zona segura do formato. Nunca use 1080/1920 fixo: use K.W, K.H, K.SAFE, K.layout.
  • Algo significativo está na tela no quadro 0; algo se move a cada 1–2 s (Shorts) ou a cada poucos segundos (formato longo).
  • Os visuais atingem palavras faladas (K.cue), não tempos estimados.
  • Música apenas mediante solicitação. Efeitos sonoros seguem o padrão do estilo (o usuário pode desligá-los).
  • Os estilos são inspirados pelos criadores nomeados; nunca use seus logotipos, mascotes, personagens, introduções ou nomes na tela.
  • Nunca diga que o áudio "soa bem" — reporte os números medidos e os timestamps para verificação.

Arquivos de referência

Leia quandoArquivo
Escrevendo um Shortreference/shorts-design.md
Qualquer coisa 16:9 / formato longoreference/long-form.md
Construindo páginas, esquema script.jsonreference/page-contract.md
Usando o kit de ferramentasreference/kit-api.md
Projetando cenasreference/scene-patterns.md
Escolhendo / fazendo um estilostyles/README.md, styles/<nome>/STYLE.md
Gerando narraçãoreference/voice-omnivoice.md
Música e efeitos sonorosreference/music-and-sound.md
Uma verificação falhoureference/verification.md, reference/troubleshooting.md

Habilidades Relacionadas