Communitygithub.com

auto-tutorial-studio

Dado um endereço de site, nome de software e um esboço de capítulos, esta skill conduz operações reais, informa o usuário para gravar a tela com ferramentas externas, e então edita, adiciona efeitos, transições, ajusta o volume da música de fundo, verifica quadros e exporta o vídeo finalizado para criação de tutoriais práticos.

O que é auto-tutorial-studio?

Esta é uma skill especializada para criação de vídeos tutoriais práticos e profissionais. Ela gerencia todo o fluxo de produção, desde a execução real das operações (usando automação de navegador ou janela) até a pós-produção automatizada, que inclui edição quadro a quadro com correspondência de narração, sobreposição de efeitos visuais, transições, mixagem de áudio com redução de volume da música de fundo (ducking) e verificação de poluição visual (consoles, notificações, etc.) frame a frame. A gravação da tela é feita exclusivamente pelo usuário com ferramentas como OBS ou ShareX, garantindo máxima qualidade. A skill não ocupa o mouse físico do usuário, usa apenas CDP para automação de navegador. É ideal para engenheiros que precisam demonstrar ferramentas, criar cursos online ou documentar processos complexos, dividindo o trabalho entre o usuário (gravação) e a automação (execução e pós).

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/wildmai/video-skills/tree/main/auto-tutorial-studio

Perguntar na sua IA favorita

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

Documentação

Auto-Tutorial-Studio (Estúdio de Tutoriais Automatizados)

Dado um endereço de site ou nome de software, e um esboço da sequência de capítulos, esta skill é responsável por:

Executar operações reais → Notificar o usuário para gravar → Importar o material capturado → Criar um índice pesquisável → Editar com correspondência frase a frase → Adicionar efeitos e transições → Verificar quadro a quadro → Exportar o vídeo final

Divisão: O que a skill faz e o que o usuário faz

Quem fazDescrição
Gravar a telaUsuárioO usuário grava com OBS / ShareX / ferramenta de gravação de sistema. A skill não grava a tela. A gravação externa preserva a resolução e nitidez originais, permitindo também capturar o som do sistema.
Executar as operações reaisSkillA skill executa cada passo usando automação de navegador (CDP) ou automação de janelas, e registra as localizações dos cliques.
Edição, narração, efeitos, verificaçãoSkillTudo automatizado, com portões de validação.
Importar materialUsuárioApós as operações, o usuário fornece o caminho do vídeo gravado para a skill.

A skill não ocupa o mouse físico do usuário: as operações no navegador usam CDP para clicar em elementos, sem mover o ponteiro real.

Sete Regras de Ouro

  1. A captura é de responsabilidade do usuário; a skill não grava a tela. A skill apenas executa as operações e faz a pós-produção. O usuário deve entregar o arquivo gravado à skill.
  2. As operações são da skill; a janela de gravação é do usuário. A skill só executa as ações depois que o usuário declara "iniciar gravação", e imediatamente notifica o usuário para parar de gravar quando as operações terminam.
  3. Durante a gravação, nenhum console pode aparecer na tela. Cada comando executado pela skill deve ser sem janela, e o guard deve ativar para ocultar imediatamente qualquer console ou pop-up que surgir – eles serão capturados.
  4. Oculte a janela, não a feche. Use SW_HIDE e use guard stop para restaurar tudo de uma vez.
  5. Cada cena deve estar vinculada a uma frase da narração. No plan.json, cada batida declara a qual frase da narração ela serve. A duração total do capítulo deve ser igual à duração total da narração daquele capítulo.
  6. Números ditados devem ser lidos diretamente da interface real. Contagem de vértices, preços, números de versão – sempre com base na interface exibida.
  7. A auditoria de oclusão é um portão, não um relatório. Antes da construção, o OCR quadro a quadro varre a janela de saída; se encontrar console / notificação / tela inicial, rejeita a saída. A música de fundo deve dar lugar à voz; o vídeo final deve ter -16 LUFS e pico verdadeiro ≤ -1,5 dBFS.

Fase 0 · Iniciação do Projeto

Confirme três itens obrigatórios:

  • Alvo: endereço do site ou nome e versão do software de desktop.
  • Roteiro: sequência de capítulos (o usuário fornece um esboço, a skill detalha).
  • Plano de gravação: qual ferramenta de gravação de tela o usuário usará, qual monitor será gravado, se o som do sistema será capturado, formato de saída e resolução.

Determine também o escopo da captura (tela inteira ou uma janela específica) e se a gravação será em segmentos. Gravações separadas por funcionalidade são mais fáceis de manter; uma gravação contínua de todo o fluxo também funciona, contanto que a indexação localize corretamente as partes.

Fase 1 · Roteiro

build/script.md, cada capítulo com um cabeçalho ## no formato ## <ID do capítulo> | <Título exibido>:

## ch00 | Abertura

Veja primeiro o que eu fiz.

Este boneco foi gerado a partir de uma imagem.

## ch01 | Cadastro e Login

O site oficial é hi3d.ai, abra no navegador e use.
  • ID do capítulo: apenas letras minúsculas, números, sublinhados e hífens (exigido pela lista de TTS). Deve corresponder exatamente ao id do capítulo no plan.json. Múltiplos segmentos do mesmo capítulo são automaticamente nomeados ch01, ch01_1, ch01_2.
  • Título exibido: usado para os cards de capítulo, pode ser em português.
  • IDs de capítulo não devem ser prefixos entre si (ch0 e ch01 podem causar conflitos). Recomenda-se usar chNN.
  • Comece mostrando o resultado (a imagem mais reconhecível) e depois volte para a operação.
  • Funcionalidades marginais devem ser descritas em poucas palavras; o foco deve estar nos "parâmetros que determinam o resultado" e em "como verificar se está correto".
  • Prompts, códigos e configurações devem ser salvos em blocos de código com ``` – blocos de código não serão lidos, apenas exibidos como imagem.
  • Cada parágrafo da narração deve ter uma cena real correspondente; parágrafos sem cena devem ser reescritos para usar uma cena que prove o ponto.

Fase 2 · Narração (TTS)

python scripts/studio.py voice --project <projeto>

Segmenta por ## <ID do capítulo> | <Título>, quebra em parágrafos por linha em branco, pula blocos de código e anotações >, e gera build/audio_map.json, com a duração real medida de cada segmento.

Verifique a saída chars/s: segmentos abaixo de 3,0 indicam anomalia no TTS (uma síntese mais longa). Refaça a narração e gere novamente, sem prosseguir com esses segmentos para a edição.

Fase 3 · Execução Real e Gravação Externa ★

Esta é a fase central da skill.

3.1 Preparar o Ambiente de Gravação

python scripts/studio.py windows                      # Encontrar a janela alvo
python scripts/studio.py prep --project <projeto> \
    --keep-title "Chrome" --maximize-title "Chrome"   # Ocultar janelas irrelevantes, maximizar a alvo

prep nunca oculta o próprio terminal da skill (exclui por PID ancestral).

3.2 Iniciar o Guardião de Tela ★

Este passo não pode ser pulado. Durante a execução das operações, a skill invocará comandos (ffmpeg, ffprobe, subprocessos Python), cada um dos quais pode abrir uma janela de console que cai exatamente sobre a área de captura do usuário e será gravada.

python scripts/studio.py guard start --project <projeto> \
    --protect "DeepSeek Harness" --protect "Chrome"

O guardião é um processo de fundo independente que verifica a lista de janelas a cada 0,25 segundos e imediatamente oculta (SW_HIDE) qualquer janela de console que aparecer (ConsoleWindowClass, cmd, PowerShell, terminal, xshell, etc.) e pop-ups de método de entrada / notificação. Ele lembra quais janelas ocultou e as restaura com guard stop.

  • --protect protege os programas que estão sendo demonstrados (correspondência por título, obrigatório).
  • Por padrão, oculta apenas janelas de console da própria árvore de processos da skill, não janelas GUI – a interface do usuário permanece visível.
  • Se for necessário ocultar também a GUI da skill, adicione --hide-own-gui.
  • O guardião usa critérios de sobreposição real: janelas que tocam apenas alguns pixels da área de captura (em outro monitor) não são ocultadas indevidamente.

3.3 Notificar o Usuário para Iniciar a Gravação

Instrua claramente o usuário: Por favor, inicie a gravação. Quando terminar, responda "Gravei". Não execute nenhuma ação antes da confirmação do usuário – caso contrário, essa preparação será gravada.

3.4 Executar as Operações Reais

Execute as operações na ordem dos capítulos. A cada passo:

  • Navegador: use CDP para clicar em elementos, sem mover o mouse real. Antes do clique, registre as coordenadas para anotações posteriores: python scripts/studio.py aim <projeto> <x> <y> --note "Formato de exportação".
  • Software desktop: ative a janela + use teclado como prioridade; se precisar de cliques com mouse real, avise o usuário para não mexer no mouse durante a gravação.
  • Se precisar confirmar o estado, não interrompa o usuário: capture um quadro e verifique rapidamente:
python scripts/studio.py shot --out <projeto>/build/check.png
  • Login, autorização, captcha: mantenha a gravação, deixe o usuário fazer manualmente. A skill apenas confirma se foi bem-sucedido. Corte as credenciais, captchas e chaves – pode-se gravar em segmentos separados antes e depois do login, e depois juntar na ordem de dependência.
  • Cada comando da skill deve ser executado sem janela: scripts/h.ps1 inicia subprocessos com CreateNoWindow, e subprocessos internos da skill sempre usam CREATE_NO_WINDOW.

3.5 Notificar o Usuário para Parar a Gravação

Assim que todas as operações forem concluídas, avise o usuário imediatamente: Operações concluídas. Pare a gravação e me forneça o caminho do arquivo de vídeo. Aguarde o usuário retornar o caminho. Não procure ou exclua nenhum arquivo de gravação.

3.6 Finalização

python scripts/studio.py guard stop --project <projeto>      # Parar o guardião e restaurar janelas
python scripts/studio.py guard status --project <projeto>    # Confirmar que não há console residual na área de captura

guard status lista todas as janelas do tipo console ainda visíveis na área de captura – deve estar vazio para ser considerado limpo. Se houver resíduos, significa que algum programa está abrindo janelas repetidamente. Peça ao usuário para regravar aquele segmento.

Fase 4 · Importar Material e Criar Índice

python scripts/studio.py import --project <projeto> --file "D:\video\rec.mp4"
python scripts/studio.py index  --project <projeto> --clip rec.mp4 --step 2

index varre todo o vídeo com um passo fixo, aplica OCR quadro a quadro e registra:

  • Que texto está na tela em cada momento (para consultar o que está acontecendo em um segundo específico);
  • Pontos de mudança visual (cortes naturais);
  • Intervalos de poluição (console / balão de notificação / tela inicial, a serem evitados).

Gera build/index_<nome>.txt (pesquisável) e .json (estruturado). Leia o índice antes de planejar as cenas – não adivinhe os timecodes.

Fase 5 · Planejamento de Cenas

build/plan.json:

{
  "display": {"region": [0, 0, 1920, 1080]},
  "voice": {"voice": "pt-BR-FranciscaNeural", "rate": "+8%"},
  "chapters": [
    {
      "id": "ch02", "num": "02", "title": "Imagem para Texto", "sub": "Indicador de três partes determina a fidelidade",
      "beats": [
        {"seg": 0, "src": "rec.mp4", "in": 120,  "out": 134},
        {"seg": 1, "src": "rec.mp4", "in": 136,  "out": 152, "zoom": 1.0}
      ],
      "callouts": [
        {"seg": 1, "offset": 1.0, "text": "Indicador em três partes\nPersonagem → Material → Composição",
         "x": 120, "y": 680, "pointer": "up"}
      ]
    }
  ]
}
  • src é o nome do arquivo em raw/ (importado pelo usuário), in/out são em segundos.
  • seg é o índice da frase da narração que esta cena atende, contado dentro do capítulo, começando em 0.
  • zoom > 1 faz aproximação (corte estático ampliado).
  • callouts usam seg + offset para posicionar no momento da anotação, sincronizado com a narração; x/y são a posição da anotação (podem ser coordenadas registradas por aim).
  • O id do capítulo deve ser igual ao ID do capítulo no script.md e também ao prefixo do segmento no audio_map.json.
  • Exemplo completo em assets/plan.example.json.

Regras para planejamento de cenas:

  • Uma cena serve a um ponto específico da operação; a duração da cena é determinada pela frase da narração.
  • O nome do elemento deve aparecer antes ou simultaneamente ao destaque; feedbacks importantes devem dar tempo de leitura.
  • Elementos próximos devem, sempre que possível, ser capturados em um mesmo enquadramento, evitando cortes frequentes.
  • Comprima esperas reais de forma razoável, mas mantenha o tempo reconhecível de "ação → feedback".
  • Segmentos sem cena devem ser reescritos para usar cenas que provem o ponto, ou então complementados com nova gravação.
  • Evite os intervalos de poluição identificados no índice.

Fase 6 · Edição, Verificação e Entrega

python scripts/studio.py build  --project <projeto>
python scripts/studio.py verify --video <projeto>/final.mp4 --expect-duration <duração total da narração>

build faz tudo automaticamente: cortar quadro a quadro com correspondência de narração → cards de título de capítulo → sobreposição de anotações → árvore de transições crossfade → ducking da música de fundo → normalização de loudness.

Música de fundo: Coloque o arquivo de música em build/bgm.wav (ou build/bgm_final.wav). O construtor calcula a curva de ducking com base no envelope da voz e mistura a música. Sem esse arquivo, o vídeo será produzido sem música de fundo.

Quando a auditoria falhar: Consulte os timecodes em build/audit.txt, substitua a janela ou regrave, ajuste o plan.json e execute novamente. A abordagem comum é mover os in/out contaminados para intervalos limpos, ou pedir ao usuário para regravar aquele segmento.

Auto-verificação antes da entrega:

  • O arquivo deve ser reproduzível integralmente, com trilhas de vídeo e áudio completas, e duração próxima à duração total da narração.
  • Auditoria OCR quadro a quadro sem nenhum problema.
  • Assista e ouça o vídeo completo em velocidade normal, com foco nos primeiros 3–10 segundos, em cada transição de funcionalidade, na submissão e nos resultados, em números e nomes próprios, em segmentos de espera e no final.
  • Cada ponto explicado deve ter um cursor correspondente na tela; sem longos trechos de estática, sem pausas sem conteúdo, música de fundo não deve abafar a voz.

Comandos Rápidos

studio init   <projeto>                     # Criar estrutura do projeto
studio windows                                # Listar janelas, localizar alvo
studio prep   --project <projeto> --maximize-title "Chrome"
studio guard  start --project <projeto> --protect "Chrome"    # ★ Manter tela de captura limpa durante gravação
studio shot   --out check.png                # Capturar um quadro para verificar estado
studio aim    --project <projeto> 1001 720 --note "Formato de exportação"
studio guard  stop  --project <projeto>      # Parar guardião e restaurar janelas
studio guard  status --project <projeto>     # Confirmar que não há console residual
studio import --project <projeto> --file rec.mp4
studio index  --project <projeto> --clip rec.mp4
studio voice  --project <projeto>
studio build  --project <projeto>
studio audit  --project <projeto>
studio verify --video final.mp4
studio status --project <projeto>

Referências

  • references/production.md — Detalhes de gravação, narração, edição, mixagem e aceitação
  • references/troubleshooting.md — Sintomas → Causa raiz → Solução
  • assets/plan.example.json — Exemplo completo de plano de cenas

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

outline-to-video

把「一份视频大纲 + 一个素材视频目录」做成完整的知识/干货讲解成片:清点并转写素材视频、按大纲匹配相关片段、编写带钩子与节奏设计的口播脚本、用免费的 Edge TTS 出试听稿等用户确认,确认后再用豆包声音复刻配音并渲染输出 MP4。当用户说"按大纲做视频""把这些录屏剪成讲解视频""根据大纲配音出片""大纲出片""outline to video"时使用。

web-video-presentation

把一篇文章或口播稿,做成"看起来像视频"的点击驱动 16:9 网页演示,可选合成口播音频。流程:原始文章 → **一次产出**口播稿 + outline 开发计划 → 用户**一次对齐** 5 件事(稿子 / outline / 主题 / 素材 / 开发模式)→ 网页开发(逐章 / 顺序 / 并行)→ 可选音频合成(provider-agnostic:内置 MiniMax mmx-cli + OpenAI TTS,可换 ElevenLabs / edge-tts / Azure / 自带 TTS)。**outline 只规划节奏与信息密度,不规划动画** —— 动画由章节开发时按 PRINCIPLES + ANTI-AI 法则即时设计。每次点击推进口播稿的一个节拍,每一步独占整屏,进度条平时隐藏只在悬浮时出现。适用场景:用网页做视频(动态 PPT 但不像 PPT)、把口播稿 / 文章变成可交互的解说、为 B 站 / YouTube / 视频号录屏教程、做有电影感的产品 / talk demo。本 Skill 沉淀的是设计方法论 + 协作流程 —— 不绑定任何特定样式 / 字体 / 颜色 —— 因此能复用到任意主题与美学。

youtube-viral-thumbnail-designer

Create high-click-through YouTube thumbnails from a video summary, script opening, product test result, or brief topic description. Use this skill when the user asks to design, redesign, generate, or evaluate a YouTube thumbnail, especially for AI, AI coding, agents, software development, model benchmarks, technical tutorials, product tests, workflow automation, and industry-opinion videos. The skill automatically extracts the strongest click hook, compresses it into a short judgment-led headline, selects one visual composition, preserves mobile readability, and follows the formula: one strong judgment + one strong visual subject + one credible proof + generous whitespace.

Habilidades Relacionadas