Communitygithub.com

Texto para Vídeo Animado

Transforme uma ideia, roteiro, URL de blog, PDF ou PPT em um vídeo animado completo: roteiro cena por cena, estilo consistente (cartoon 2D, anime, história em quadrinhos, conto de fadas/fantasia, lousa, tipografia cinética), narração, legendas sincronizadas com as palavras, efeitos sonoros/música — tudo desenhado em código e renderizado em MP4 nos formatos 9:16, 16:9 ou 1:1.

O que é Texto para Vídeo Animado?

Esta skill permite que um agente de IA crie vídeos animados completos a partir de diversas fontes: uma simples ideia, um roteiro, uma URL de blog, um arquivo PDF, uma apresentação PPT ou até mesmo um arquivo de narração MP3. O processo gera um roteiro segmentado por cena, um estilo visual consistente (como cartoon 2D, estilo anime, história em quadrinhos, fantasia, lousa ou tipografia cinética), narração (via arquivo do usuário ou ElevenLabs), legendas sincronizadas com a palavra falada, e efeitos sonoros, tudo renderizado em MP4 nos formatos 9:16 (para Reels/Shorts), 16:9 (YouTube) ou 1:1 (feed). Diferente de ferramentas como Fliki, este pipeline desenha cada quadro em código, eliminando limites de duração, marcas d'água ou créditos de modelo. A skill é ideal para vídeos explicativos, aulas, histórias, conteúdo infantil, episódios de YouTube sem rosto ou anúncios animados. Para vídeos com modelos generativos (Veo, Kling, Seedance), deve-se usar a skill `ai-video-generator`; para animações cinéticas de motion graphics, usar `claude-motion-graphics`. O fluxo inclui coleta de briefing, transformação da fonte em roteiro, criação de um plano de cenas, geração de narração (ou uso da fornecida), alinhamento de áudio com legendas, criação de uma ficha de personagens (se houver), renderização do vídeo quadro a quadro via HTML/Canvas, mixagem de áudio e entrega de arquivos MP4 otimizados.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/1Harsh88/Video-skill/tree/HEAD/.claude/skills/text-to-animated-video

Perguntar na sua IA favorita

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

Documentação

Texto → Vídeo Animado

Este é um pipeline estilo Fliki para "texto para animação" (veja references/fliki-notes.md), mas os visuais são desenhados em código e renderizados neste contêiner, portanto não há créditos de modelo Fliki, nem marca d'água, nem limite de 3 minutos.

Entrada: uma das opções:

  • Uma ideia de uma linha
  • Um roteiro
  • Uma URL de blog
  • Um PDF ou PPT
  • Um MP3 de narração existente

Saída: um MP4 finalizado, mais uma cópia para WhatsApp, na proporção escolhida pelo usuário.

Etapas

  1. Briefing. Colete estes itens, usando os padrões quando o usuário não especificar:

    • idioma (padrão: o idioma do usuário; Hinglish/Hindi é aceitável)
    • tom (neutro)
    • duração (60 s)
    • proporção (9:16 para Reels/Shorts, 16:9 para YouTube, 1:1 para feed)
    • predefinição de estilo (veja abaixo)
    • voz: o MP3 do usuário, ElevenLabs ou nenhum

    Pergunte apenas sobre o que não pode ser padronizado.

  2. Fonte → roteiro.

    • Ideia: escreva você mesmo.
    • URL / PDF / PPT: leia a fonte, mantenha apenas os fatos que ela suporta e cite-a no cartão final.
    • Comprimento: escreva um roteiro segmentado por cena com cerca de 140 palavras/min para inglês, 120 para hindi.
    • Estrutura: um gancho nos primeiros 3 s, uma ideia por cena, uma chamada para ação (CTA) no final.
    • Verificação: mostre o roteiro e aguarde OK, a menos que o usuário tenha fornecido o roteiro.
  3. Plano de cenas. Escreva plan.json (formato abaixo) com 1 cena a cada 4–8 s e mostre-o como uma tabela curta.

    {"W":1080,"H":1920,"fps":30,"style":"2d-cartoon","scenes":[
      {"id":1,"t0":0,"t1":5.2,"text":"<linha de voz>","visual":"<o que é desenhado>","motion":"<câmera/animacão>","sfx":["whoosh:0.1"]}]}
    
  4. Voz. Escolha uma:

    • MP3 do usuário: use como está. Se houver música sob a voz, separe os vocais primeiro (demucs) antes de alinhar.
    • ElevenLabs: o usuário precisa de uma chave. Peça com request_credential para o host api.elevenlabs.io, cabeçalho xi-api-key. Nunca peça para colar a chave no chat. Em seguida, chame POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id} com model_id eleven_multilingual_v2 (ou o modelo multilíngue mais recente que a API listar), uma requisição por cena ou para o roteiro inteiro.
    • Sem voz: use apenas legendas e SFX, cronometrando cada cena em sua duração planejada.
  5. Alinhar.

    • python scripts/align.py voice.wav script.txt words.json 30 fornece os tempos das palavras, além de words_mouth.json para sincronização labial.
    • Requer pip install --break-system-packages torch torchaudio uroman librosa soundfile e baixa seu modelo de download.pytorch.org, o que este ambiente permite.
    • Reajuste os tempos das cenas em plan.json para as palavras alinhadas. Nunca adivinhe os tempos quando existe uma voz.
  6. Ficha de personagens primeiro (se o vídeo tiver personagens). Desenhe cada personagem uma vez como uma função com algumas poses (parado, falando, apontando, surpreso) e salve uma folha PNG. Reutilize as mesmas funções em todas as cenas para que os personagens pareçam idênticos ao longo do vídeo. Os personagens devem ser originais; nunca copie um personagem de cartoon ou anime existente.

  7. Construir scene.html.

    • Uma tela de tamanho W×H.
    • window.renderAt(t) deve ser determinística: aleatório com semente, sem Date.now(), sem animação CSS.
    • window.ready resolve após o carregamento das fontes. Use arquivos woff2 locais: Baloo 2 ou Noto Sans Devanagari para hindi, Inter/Anton/Bangers/Caveat conforme o estilo.
    • Legendas são desenhadas na tela:
      • 2–5 palavras por bloco, quebrando na pontuação ou em pausas acima de 0,35 s
      • a palavra ativa é destacada no momento em que começa
      • o texto permanece dentro da zona segura; para 9:16, nada no topo 250 px ou no fundo 420 px
    • Movimento: movimentos suaves, piscadas a cada 2–5 s, balanço parado, um zoom lento por cena e um movimento de transição entre cenas.
  8. Verificação de quadros fixos. Execute node scripts/render.cjs stills scene.html <8–12 vezes> stills/ W H, depois monte os quadros fixos em uma folha de contato com ffmpeg tile. Olhe você mesmo para a folha, corrija problemas, depois mostre-a ao usuário e aguarde OK antes da renderização completa.

  9. Renderizar e mixar.

    • Vídeo: node scripts/render.cjs video scene.html 0 DUR v.mp4 30 W H
    • SFX: python scripts/sfx.py DUR sfx.wav whoosh:3.2 pop:8.1 chime:10.5
    • Misture a voz a 0 dB e os SFX a cerca de −12 dB. Use música apenas se o usuário a fornecer; abaixe-a sob a voz com sidechaincompress.
    • Multiplexe, depois loudnorm=I=-14:TP=-1.5.
  10. Entregar.

    • Verifique se há quadros pretos com blackdetect.
    • Faça uma cópia para WhatsApp/720p com menos de 20 MB.
    • Envie ambos os arquivos com SendUserFile.
    • Para outras proporções, escreva o layout como uma função de (W,H) e renderize novamente.

Predefinições de Estilo

predefiniçãoaparênciamovimento
2d-cartoonformas arredondadas, cor chapada com um tom, contorno escuro de 4–6 px, fundos brilhantessaltitante (easing back/elastic), compressão em aterrissagens
anime-styleolhos grandes, linhas limpas e grossas, cor chapada + sombra dura, gradientes de céulinhas de velocidade, quadros de impacto, pequena tremedeira de tela em golpes
comic-booktinta preta pesada, sombreamento pontilhado, painéis, adesivos de explosão (POW, WAAH!)batidas de painel, zoom-soco, transições de virar página
storybook (fantasia)gradientes suaves pictóricos, textura de papel, luz quente, serifa arredondadaparalaxtem lento, partículas à deriva, desvanecimentos suaves
whiteboardquadro branco, traços de marcador preto desenhados com stroke-dashoffset, uma cor de destaqueuma mão/caneta segue o traço sendo desenhado; apagar com limpeza
kinetic-typetipo em negrito (Anton/Inter Black), 2–3 cores, formas como destaquespalavras batem, deslizam e escalam no ritmo; máscaras e cortes de combinação
cinematic-2dilustração plana semirrealista, luz dramática de fonte única, paleta suaveapenas zoom-ins lentos e panorâmicas; ritmo documental

Regras

  • Desenhar em código. Tudo é desenhado em código: sem imagens de arquivo e sem geradores de imagem ou vídeo, a menos que o usuário forneça mídia ou solicite clipes gerados (então use ai-video-generator).
  • Pessoas reais. Não crie semelhanças realistas de IA de pessoas reais e vivas, figuras públicas. Use imagens simbólicas, silhuetas ou a própria caricatura do usuário desenhada a partir de suas fotos.
  • Fatos. Fatos na tela devem vir da fonte do usuário ou de pesquisa verificada. Nunca invente estatísticas, citações ou depoimentos.
  • Sobrescrita. Pergunte antes de sobrescrever um arquivo de saída existente.

Individual skills in this repo

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

Habilidades Relacionadas