Communitygithub.com

Agents365-ai/video-podcast-maker

Use quando o usuário fornecer um tópico e desejar um vídeo explicativo narrado, podcast ou resumo de conhecimento gerado automaticamente (Bilibili / YouTube / Xiaohongshu / Douyin / WeChat Channels), ou pedir para aprender padrões de design visual a partir de um vídeo/imagem de referência. Dispare quando o usuário mencionar criar um vídeo de conhecimento, vídeo explicativo narrado, videocast ou vídeo estilo infográfico animado a partir de um tópico — mesmo que não diga "videocast" explicitamente. Também dispare quando o usuário quiser regenerar, re-renderizar, reconstruir, atualizar ou iterar sobre um vídeo narrado que esta skill já produziu — por exemplo, eles editaram o roteiro/prompt, mudaram os visuais ou trocaram a música de fundo e querem o vídeo final refeito (reutilizar o diretório existente `videos/{name}/`, nunca iniciar um novo projeto). NÃO dispare para edição de vídeo genérica, corte, conversão de formato, correção de cor ou tarefas de vídeo não narrativas. Produz vídeo 4K via pesquisa → roteiro → TTS → Remotion → MP4 + BGM.

O que é video-podcast-maker?

Esta skill (Video Podcast Maker, de `Agents365-ai/video-podcast-maker`) automatiza a criação de vídeos de conhecimento narrados em 4K para plataformas como Bilibili, YouTube, Xiaohongshu, Douyin e WeChat Channels, a partir de um tópico fornecido pelo usuário. Ela usa um pipeline completo que integra um agente de codificação, um backend de TTS (Text-to-Speech), a biblioteca Remotion e o FFmpeg. O usuário pode optar pelos backends TTS locais `edge` (gratuito) ou `azure` (requer chave da Microsoft). A skill é ideal para desenvolvedores e criadores que desejam produzir vídeos explicativos de alta qualidade sem edição manual. Ela suporta dois modos: Automático (padrão, com revisão visual automática) e Interativo (com lançamento do Remotion Studio para revisão antes da renderização). Um recurso importante é a capacidade de regenerar vídeos existentes de forma incremental, reutilizando o diretório do projeto e aplicando apenas as alterações necessárias (por exemplo, edições de roteiro ou visuais). A skill segue regras rígidas, como saída sempre em 4K (3840x2160), sincronização de áudio como clock mestre e verificações obrigatórias de validação, garantindo produção consistente e de qualidade profissional.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Agents365-ai/video-podcast-maker/tree/HEAD/skills/video-podcast-maker

Perguntar na sua IA favorita

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

Documentação

Recomendado: Carregar Remotion Best Practices

Esta skill se beneficia de remotion-best-practices (não incluído) para a biblioteca completa de padrões do Remotion. É opcional — as regras mínimas estão abaixo se ausente.

  • Pi: leia a skill carregada em remotion-best-practices (listada nas skills disponíveis).
  • Claude Code: invoque a skill/ferramenta remotion-best-practices antes de prosseguir.

Não instalado? Obtenha em remotion-dev/skills (docs: remotion.dev/docs/ai/skills).

Se remotion-best-practices não estiver instalado, regras mínimas: chromium deve estar disponível, sempre envolva conteúdo 4K em <Scale4K>, use <TransitionSeries> com linearTiming e trate o áudio como clock mestre.

Video Podcast Maker

Pipeline automatizado para vídeos de conhecimento horizontais 4K para Bilibili a partir de um tópico. Agente de codificação + backend TTS + Remotion + FFmpeg.

Conteúdo


Bootstrap

Resolva SKILL_DIR para o diretório que contém este SKILL.md:

  • Pi: o agente conhece o caminho da skill a partir da lista de skills carregadas — defina SKILL_DIR para esse diretório antes de executar comandos.
  • Claude Code: ${CLAUDE_SKILL_DIR} é preenchido automaticamente.
SKILL_DIR="${SKILL_DIR:-${CLAUDE_SKILL_DIR}}"

# Pré-requisitos (CLIs + variáveis de ambiente do backend)
python3 "${SKILL_DIR}/scripts/check_prereqs.py"

As atualizações são feitas através do CLI de skills (npx skills update video-podcast-maker -g); instalações diretas via git-clone usam git pull conforme o README. Esta skill não realiza verificações de atualização.

Falhas de pré-requisitos — veja o README.md para configuração. A verificação é consciente do backend (resolve TTS_BACKEND env → user_prefs.json global.tts.backend → edge padrão), portanto apenas as variáveis de ambiente exigidas pelo backend ativo são validadas.

Primeiro vídeo em um novo projeto? Prefira reutilizar um projeto Remotion existente com node_modules/ já instalado — criar um novo projeto baixa ~2.2 GB de pacotes npm mais um shell headless Chrome de 90 MB (uma vez por projeto). Se o usuário tiver um projeto de um vídeo anterior, use-o. Se um novo projeto for necessário, execute npm install em segundo plano enquanto você faz os Passos 1-4 (pesquisa do tópico e escrita do roteiro).

Toda renderização vai para videos/{name}/ — cada output.mp4, final_video.mp4 e thumbnail_*.png vai diretamente para o diretório por vídeo. Nunca renderize para um diretório out/ ou dist/; a convenção --public-dir videos/{name}/ mantém tudo autocontido.

Mecanismo TTS — dois backends locais, sem skill externa:

  • edge (padrão) — gratuito, sem chave, via edge-tts.
  • azure — precisa de AZURE_SPEECH_KEY + AZURE_SPEECH_REGION (Microsoft Speech SDK).

Cada um sintetiza internamente (scripts/tts/backends/native.py) — pronúncia (exibição → falado → de volta para exibição para legendas) e aplicação de fonemas são integrados. check_prereqs.py valida as variáveis de ambiente do backend ativo.

TTS multiplataforma? A antiga skill de componente ttscn que fornecia a matriz de 9 backends não é mais uma dependência desta skill. Se você quiser essas plataformas, instale Agents365-ai/ttsCN separadamente e chame-a diretamente — esta skill fornece apenas edge + azure.

Atalho de Aprendizagem de Design: Se o usuário fornecer um vídeo/imagem de referência ou pedir para salvar/listar/excluir perfis de estilo, veja references/design-learning.md em vez de executar o fluxo de trabalho abaixo.


Modos de Execução

Detecte o Modo Automático (padrão) vs Modo Interativo no início do fluxo de trabalho — a tabela de decisão padrão Automático e as substituições por solicitação estão em references/workflow-script.md.


Regenerando um Vídeo Existente

Se videos/{name}/ já existe e o usuário está iterando sobre um vídeo finalizado ou em andamento, reutilize esse diretório. NÃO inicie um novo projeto ou um novo videos/{newnome}/.

Escolha a menor reexecução para o que realmente mudou:

MudouReexecutarReutilizar (não refaça)
Roteiro de narração (podcast.txt)Passo 7 (TTS) → Passo 8 pré-visualização → renderizar+mixpesquisa do tópico + design das seções
Apenas visuais (componentes, layout, cores)Passo 8 pré-visualização → renderizar+mixáudio (podcast_audio.wav / timing.json)
Apenas música de fundoRemixar BGMoutput.mp4 (sem re-renderizar)
Apenas legendasPasso 10.1 finalizaroutput.mp4 / video_with_bgm.mp4

Qualquer reexecução que altere o que o espectador vê ou ouve reentra na barreira do Passo 8: aplique a mudança, deixe o Studio recarregar a quente e aguarde uma nova confirmação explícita "renderizar 4K" — a confirmação anterior não é válida. Uma alteração de roteiro desloca todos os timestamps downstream, então sempre regenere timing.json através do TTS — nunca edite manualmente. Após qualquer reexecução, verifique novamente:

python3 ${SKILL_DIR}/scripts/verify_output.py videos/{name}/

Fluxo de Trabalho

Iterando sobre um vídeo finalizado? Se videos/{name}/ já existe, veja Regenerando um Vídeo Existente acima para a reexecução mínima — NÃO comece no Passo 1.

No início do Passo 1, crie uma tarefa para cada passo no seu rastreador de agente. Marque in_progress no início, completed ao finalizar. Os arquivos em videos/{name}/ são o registro durável — se interrompido, inspecione o diretório para determinar onde retomar.

#PassoSaídaArquivo de fase
1Definir direção do tópicotopic_definition.mdworkflow-script.md
2Pesquisar tópicotopic_research.mdworkflow-script.md
3Projetar 5-7 seções(em memória)workflow-script.md
4Escrever roteiro de narraçãopodcast.txtworkflow-script.md
4.5Pré-verificação de pronúncia (zh-CN)phonemes.jsonworkflow-script.md
5Plano de ativos e resoluçãoassets/manifest.jsonworkflow-assets.md
6Gerar miniaturas (16:9 + 4:3)thumbnail_*.pngworkflow-production.md
7Gerar áudio TTSpodcast_audio.wav, timing.jsonworkflow-production.md
8Composição Remotion + pré-visualização Studio—workflow-production.md
9Renderizar 4K + mix BGMoutput.mp4, video_with_bgm.mp4workflow-production.md
10Informações de publicação + verificar saídapublish_info.md, final_video.mp4workflow-publish.md
11Gerar verticais curtas (opcional)shorts/workflow-publish.md

Paradas obrigatórias (linhas em negrito acima):

  • Passo 8 — Revisão Studio. DEVE lançar npx remotion studio e aguardar feedback do usuário antes de renderizar. NUNCA renderize 4K até que o usuário confirme explicitamente ("renderizar 4K" / "renderizar final"). Uma resposta contendo solicitações de ajuste não é confirmação — aplique as alterações, deixe o Studio recarregar a quente e pergunte novamente. Cada rodada de ajustes precisa de sua própria confirmação antes do Passo 9.
  • Passo 10 — verify_output.py. DEVE passar antes de declarar o vídeo concluído. Saída 0 = verde; saída 2 = avisos ainda publicáveis. Corrige automaticamente omissões comuns (cria final_video.mp4 se ausente). Valida informações de publicação (título, descrição, tags, capítulos) em relação à matriz de plataformas — gere-as nos Passos 5.5 e 10.2. Para saída legível por máquina, adicione --format json.

Auditoria pré-renderização (recomendada) — antes do Passo 8:

python3 ${SKILL_DIR}/scripts/audit_beat_sync.py <Video.tsx> <timing.json>

Sinaliza batidas que desviam > 1.5s da narração.

Modo Automático: auto-revisão visual. Ao executar no Modo Automático (sem usuário assistindo Studio), renderize 3-5 quadros-chave estáticos antes de pedir confirmação de renderização:

npx remotion still src/remotion/index.ts <CompositionId> videos/{name}/_review_001.png --public-dir videos/{name}/ --frame=<midpoint_frame>

Escolha quadros em: título principal (~10% de início), meio de uma seção densa e final. Leia os quadros estáticos como imagens e execute as listas de verificação de design-guide.md e visual-taste.md contra a saída renderizada real. Capture transbordamento, contraste e regressões de layout antes da renderização 4K. Exclua _review_*.png após a revisão.

Pontos de Verificação de Validação

Após PassoVerificar
7 (TTS)podcast_audio.wav toca · timing.json cobre todas as seções · SRT é UTF-8
9 (Render)output.mp4 é 3840×2160 · sincronia áudio-vídeo · sem quadros pretos
10 (Verificar)verify_output.py saída 0 (ou 2 com avisos revisados)

Regras Rígidas

RegraRequisito
Projeto ÚnicoTodos os vídeos em videos/{name}/ no projeto Remotion do usuário. NUNCA crie um novo projeto por vídeo.
Saída 4K3840×2160 (ou 2160×3840 vertical), use wrapper scale(2) sobre espaço de design 1920×1080
Sincronia de ÁudioÁudio (podcast_audio.wav + podcast_audio.srt) é o clock mestre. timing.json DEVE ser gerado a partir da saída TTS real, nunca estimado manualmente. Antes de renderizar, a duração do vídeo final deve corresponder ao áudio dentro de ±0.5s. Veja Clock Mestre de Áudio e Sincronia.
MiniaturaDEVE gerar ambos 16:9 (1920×1080) E 4:3 (1200×900) — veja design-guide.md
Studio Antes de RenderizarDEVE lançar remotion studio para revisão. NUNCA renderize 4K até que o usuário confirme explicitamente. Feedback de ajuste ≠ confirmação — aplique, recarregue a quente, pergunte novamente.
--public-dirTodo comando Remotion usa --public-dir videos/{name}/. Todos os arquivos de saída (output.mp4, final_video.mp4, miniaturas) vão diretamente para videos/{name}/ — nunca para um diretório out/ ou dist/.

Mínimos visuais (tamanhos de texto, largura de conteúdo, zonas seguras, segurança de animação) estão em references/design-guide.md. DEVE carregar antes do Passo 8.

Clock Mestre de Áudio e Sincronia

Regras de ouro

  1. Áudio é o clock mestre. Cada início de slide, legenda, capítulo e batida de animação é derivado de podcast_audio.wav e podcast_audio.srt.
  2. Gere temporização a partir do TTS, não de estimativas de texto. Pipeline: podcast.txt → generate_tts.py → podcast_audio.wav + podcast_audio.srt + timing.json → composição → renderizar.
  3. Nunca escreva timing.json manualmente antes do áudio existir. Se você já tiver slides curados, execute align_timing_from_srt.py para ancorá-los ao SRT real.
  4. Compense a sobreposição do TransitionSeries. TransitionSeries renderiza sum(section.duration_frames) - (N-1) * transitionFrames quadros. Escale cada seção proporcionalmente para manter o comprimento renderizado igual a timing.total_frames. Não coloque todos os quadros de sobreposição na primeira seção. O padrão corrigido está em templates/Video.tsx.

Pontos de verificação de sincronia obrigatórios

QuandoVerificar
Após Passo 7 (TTS)timing.json.total_duration corresponde a podcast_audio.wav dentro de ±0.5s
Antes de renderizarVideo.tsx escala todas as seções para sobreposição de transição
Após renderizarfinal_video.mp4 duração corresponde a podcast_audio.wav dentro de ±0.5s
Passo 10 (verificar)verify_output.py saída 0 e relata verde em áudio/temporização

Se qualquer ponto de verificação falhar, pare. Não publique.

Especificações de Saída

ParâmetroHorizontal (16:9)Vertical (9:16)
Resolução3840×2160 (4K)2160×3840 (4K)
Taxa de quadros30 fps30 fps
CodificaçãoH.264, 16MbpsH.264, 16Mbps
ÁudioAAC, 192kbpsAAC, 192kbps
Duração1-15 min60-90s (destaque)

Estrutura por Vídeo

project-root/                           # Raiz do projeto Remotion
├── src/remotion/                       # Código fonte Remotion (Root.tsx, composições, index.ts)
├── videos/{video-name}/                # Diretório por vídeo
│   ├── topic_definition.md             # Passo 1
│   ├── topic_research.md               # Passo 2
│   ├── podcast.txt                     # Passo 4: roteiro de narração
│   ├── phonemes.json                   # Passo 4.5: substituições de pronúncia zh-CN
│   ├── assets/manifest.json            # Passo 5: registro de ativos por seção
│   ├── publish_info.md                 # Passo 10: título/descrição/tags
│   ├── podcast_audio.wav               # Passo 7: áudio TTS
│   ├── podcast_audio.srt               # Passo 7: legendas
│   ├── timing.json                     # Passo 7: linha do tempo (direciona animações)
│   ├── thumbnail_*.png                 # Passo 6
│   ├── output.mp4                      # Passo 9: renderização 4K
│   ├── video_with_bgm.mp4              # Passo 9: com BGM
│   ├── final_video.mp4                 # Passo 10: saída final
│   └── bgm.mp3                         # Música de fundo
└── remotion.config.ts

--public-dir por vídeo

Todo comando Remotion usa --public-dir videos/{name}/ — os ativos de cada vídeo permanecem em seu próprio diretório, permitindo renderizações paralelas:

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/
npx remotion render ... videos/{name}/output.mp4 --public-dir videos/{name}/ --video-bi

…

[truncado para tradução]

Recursos Adicionais

FaseArquivoQuando carregar
Modos de execuçãoreferences/workflow-script.mdAntes do Passo 1
Plano de ativosreferences/workflow-assets.mdAntes do Passo 5
Produção & Remotionreferences/workflow-production.mdAntes do Passo 7
Publicaçãoreferences/workflow-publish.mdAntes do Passo 10
Guia de designreferences/design-guide.mdAntes do Passo 8
Paleta visualreferences/visual-taste.mdAntes do Passo 8
Aprendizagem de designreferences/design-learning.mdQuando o usuário fornecer referência visual
Modelos de componentestemplates/Ao projetar composições Remotion específicas

Preferências do Usuário

As preferências são armazenadas em user_prefs.json na raiz do projeto. Este skill as aplica silenciosamente:

  • global.tts.backend: "edge" | "azure" — o backend check_prereqs.py valida
  • global.tts.voice: string de voz (ex.: "zh-CN-XiaoxiaoNeural")
  • global.bgm.path: caminho personalizado para BGM padrão (ex.: "/music/bgm.mp3")
  • global.output.platform: string de plataforma padrão ("bilibili" | "youtube")
  • global.output.resolution: "3840x2160" ou "2160x3840"
  • global.subtitle.enabled: booleano — ativar/desativar legendas queimadas
  • global.subtitle.language: para seleção de idioma de legenda TTS
  • Por projeto: videos/{name}/.prefs.json substitui chaves globais para aquele vídeo.

Solução de Problemas

"Falha no check_prereqs"

  • Verifique TTS_BACKEND em .env ou user_prefs.json → global.tts.backend.
  • Certifique-se de que edge-tts ou azure-cognitiveservices-speech está instalado (pip list | grep tts).
  • Para Azure: confirme AZURE_SPEECH_KEY e AZURE_SPEECH_REGION.

Renderização falha com erro de memória

  • Reduza concurrencyPerFrame em remotion.config.ts.
  • Feche outros aplicativos pesados (navegador, IDE).

Dessincronia áudio-vídeo

  • Execute audit_beat_sync.py — veja Clock Mestre de Áudio e Sincronia.
  • Verifique se timing.json foi gerado a partir do TTS real, não de estimativa textual.
  • Certifique-se de que --public-dir está definido e os caminhos dos recursos estão corretos.

"verify_output.py" reporta falha

  • Leia a saída — ela geralmente indica o arquivo exato e o problema (ex.: final_video.mp4 ausente).
  • Se saída 2 com aviso que você revisou, publique mesmo assim.
  • Execute com --format json para análise programática.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Habilidades Relacionadas