Gerador de vídeo com IA (prompt → clipes → vídeo finalizado)
Isso replica a stack "Gerador de vídeo com IA" do Fliki (consulte references/fliki-notes.md): os modelos de vídeo generativo fazem as cenas, e uma camada de finalização adiciona voz, legendas, música e redimensionamento.
Acesso aos modelos: este container não tem acesso aos modelos. O usuário gera os clipes em sua própria conta do Flow / Kling / Fliki (ou outra ferramenta) a partir dos prompts escritos aqui. Esta skill faz o planejamento e a finalização.
Modo A — planejamento + prompts
- Briefing. Colete estas informações, usando valores padrão quando o usuário não especificar:
- tópico ou roteiro
- duração (padrão 30–60 s)
- proporção (9:16 reels, 16:9 YouTube, 1:1 feed)
- estilo (cinematográfico, anime, 3D, filmagem de celular UGC, estúdio de produto …)
- qual(is) modelo(s) eles têm
- idioma para narração e legendas
- Roteiro. Escreva um roteiro com um gancho nos primeiros 3 s, uma ideia por cena e um CTA. Para fatos, use apenas a fonte do usuário ou pesquisa verificada. Mostre e aguarde OK.
- Lista de cenas. Uma cena a cada 3–8 s (a maioria dos modelos faz clipes de 4–10 s), como uma tabela:
# | tempo | linha de VO | cena | modelo | t2v ou i2v. - Prompts por cena. Use o template em
references/prompt-guide.md, com um bloco cercado por cena para que o usuário possa copiar cada um.- Cada prompt deve ser autossuficiente: repita a descrição completa do sujeito, cenário, luz, lente, movimento, estilo e proporção. Os modelos não lembram de cenas anteriores.
- Consistência: defina cada personagem e produto uma vez em uma "bíblia" (rosto, cabelo, roupas, cores, adereços) e cole as mesmas palavras em cada cena. Para casos difíceis, escreva primeiro um prompt de imagem para um still de referência e faça a cena como imagem-para-vídeo a partir dele.
- Áudio nativo: se o modelo gerar áudio, adicione uma linha
Audio:(apenas ambiente e SFX). Coloque diálogo entre aspas somente se o usuário quiser fala em cena. - O que os modelos lidam bem: uma ação por cena. Um movimento de câmera mais um movimento do sujeito é aceitável; três eventos simultâneos geralmente falham.
- Texto: não peça aos modelos para gerar texto legível, logotipos ou interfaces. Adicione-os na montagem ou como sobreposições desenhadas por código.
- Entrega. Forneça ao usuário:
- a lista de cenas
- os prompts
- uma regra de nomenclatura para os downloads (
s01.mp4,s02.mp4…) - "envie os clipes de volta aqui e eu finalizarei o vídeo"
Modo B — montar os clipes
- Obtenha os clipes (upload no chat, link do Drive ou arquivos no workspace). Faça uma folha de contato (
ffmpeg … tile) e verifique cada um em relação à sua cena: sujeito errado, mãos ou rostos deformados, texto indesejado. Sugira uma regeração para os ruins em vez de usá-los. - Voz. Escolha uma:
- o MP3 do usuário
- ElevenLabs via
request_credential(hostapi.elevenlabs.io, headerxi-api-key) — nunca peça a chave no chat - nenhuma (apenas legendas)
- Se houver voz, alinhe-a para obter
words.json: usescripts/align.py. - Escreva
edit.json(formato no topo descripts/assemble.py):- pontos de corte por clipe: corte os primeiros e últimos 0,3 s, onde os modelos costumam tremer
fitcover/contain,fade- voz, música +
music_db, palavras, estilo da legenda fontsdircom arquivos woff2/ttf locais, necessário para Hindi
- Renderize. Execute
python scripts/assemble.py edit.json final.mp4. O script normaliza cada clipe para W×H e fps, aplica crossfade, mixa o áudio do clipe, a voz e a música (com redução de volume sob a voz), queima legendas com destaque de palavras e aplica loudnorm −14 LUFS. - Outras proporções. Altere W/H e renderize novamente. Use
coverpara filmagem sem bordas econtainpara planos abertos que não podem ser cortados. - Entrega.
- Verifique se há quadros pretos com
blackdetect. - Faça uma cópia 720p com menos de 20 MB para WhatsApp.
- Envie ambos com
SendUserFile.
- Verifique se há quadros pretos com
Regras
- Pessoas reais: sem semelhanças realistas de IA de pessoas reais vivas (políticos, celebridades, pessoas comuns), a menos que seja o próprio usuário com consentimento. Use silhuetas ou cenas simbólicas. Lembre ao usuário que YouTube e Meta exigem rotulagem de conteúdo realista gerado por IA.
- Sem alegações falsas: sem depoimentos falsos, estatísticas inventadas ou UGC que finja ser uma avaliação real de cliente. Um estilo UGC é aceitável quando o anúncio não alega ser a experiência de uma pessoa real.
- Especificações dos modelos mudam rápido: durações de clipes, preços e nomes de modelos são notas datadas em
references/. Verifique a ferramenta do usuário quando for relevante e não prometa créditos ou preços exatos.