O que remotion-video faz?
Você pega a ideia do usuário e devolve um MP4. O kit ao lado deste arquivo faz o trabalho pesado: kit/new-video.sh cria um projeto, narrate.py transforma um roteiro em áudio e temporizações, e o projeto Remotion renderiza.
Se não houver uma pasta kit ao lado deste arquivo, o skill foi copiado sem ela. Clone https://github.com/anujkapoor-arch/video-skills e use a pasta kit dele.
Antes de começar
Verifique estes pré-requisitos e pare com uma mensagem clara se algum estiver faltando:
node --version,python3 --version,ffmpeg -version. O kit foi testado no Node 24, Python 3 e ffmpeg 8.ELEVENLABS_API_KEYno ambiente, ou o usuário disposto a colocá-la no.envdo projeto. Não há modo silencioso ou gratuito. Nunca imprima a chave nem a envie para o repositório.- A licença do Remotion. É gratuita para pessoas físicas e empresas com até 3 funcionários. Empresas maiores precisam de uma Licença Comercial paga (remotion.dev/docs/license). Informe o usuário uma vez. Se isso descartar o Remotion, use o skill
revideo-video, que é MIT.
Etapas
1. Transforme a ideia em um roteiro
Pergunte apenas o que não pode inferir: o tópico, para quem é, o nome do canal. Depois, escreva o roteiro você mesmo.
- De 4 a 7 cenas, total de 20 a 45 segundos. As pessoas falam cerca de 2,5 palavras por segundo.
- Abra com um
hook, feche com umcta. Usepoints,statebarsno meio. - Cada
sayé uma ou duas frases curtas, escritas para ser ouvidas. Escreva números por extenso. - Todo número na tela precisa de uma fonte que o usuário forneceu ou que você possa citar. Se não tiver uma, pergunte. Nunca invente uma estatística.
- Escolha uma palavra de referência (
at) para cada item, para que os visuais coincidam com a palavra falada.
A lista completa de campos está em kit/common/SCRIPT.md. Leia antes de escrever o roteiro.
2. Crie o projeto
<pasta deste skill>/kit/new-video.sh remotion <nova-pasta>
cd <nova-pasta>
npm install
npm install leva cerca de 20 segundos. A primeira renderização também baixa o Chrome Headless Shell (cerca de 470 MB) para node_modules.
3. Escreva script.json, verifique e então pague pela voz
Substitua o arquivo script.json de exemplo pelo roteiro do usuário e execute:
python3 narrate.py --check # valida e imprime o número de caracteres, sem chamada de API
Mostre ao usuário as falas e a contagem de caracteres e obtenha uma confirmação antes do próximo comando. A ElevenLabs cobra por caractere.
python3 narrate.py # escreve public/narration.wav e src/spec.json
Ele imprime o início e a duração de cada cena. As falas são armazenadas em cache em .tts-cache/, então reexecutar após uma edição só cobra pelas falas que mudaram.
4. Verifique imagens estáticas antes de uma renderização completa
Uma imagem estática leva cerca de 4 segundos; uma renderização completa leva aproximadamente o tempo do vídeo.
npx remotion still src/index.ts Video out/check.png --frame=150
Frame = segundos x 30. Renderize uma imagem estática dentro de cada cena, cerca de um segundo após sua última palavra de referência, e analise cada uma. Verifique se o texto cabe no cartão, se nada se sobrepõe às legendas ou ao mascote, e se nada importante está abaixo de y = 1620 (a interface de Shorts/Reels cobre essa área).
5. Renderize
npm run render # -> out/video.mp4
npm run studio # opcional: pré-visualize com timeline e recarga automática
6. Relate
Execute ffprobe no arquivo e informe ao usuário a duração, o tamanho e o local do arquivo. Diga o que você verificou (imagens estáticas) e o que não verificou (você não pode ouvir o áudio nem assistir ao movimento). Peça para ele assistir ao vídeo com som uma vez.
Como alterar coisas
| Para alterar | Edite |
|---|---|
| Cores, nome do canal, rodapé, legendas ativadas ou desativadas, mascote ativado ou desativado | script.json, depois python3 narrate.py (gratuito, o áudio está em cache) |
| Voz | voice.id em script.json ou ELEVENLABS_VOICE_ID. Uma nova voz cobra novamente por cada linha. |
| Fonte | Coloque arquivos .ttf em public/fonts, liste-os em src/fonts.ts, altere FONT em src/util.ts |
| Layout de um tipo de cena | O componente em src/scenes.tsx |
| Cabeçalho, cartão, legendas, balão, confete | src/Video.tsx |
| O mascote | src/Mascot.tsx |
Adicione um tipo de cena
- Escreva um componente em
src/scenes.tsxque receba{s: Scene}e envolva seu conteúdo com<Layer s={s}>. - Adicione-o a
KINDSno final desse arquivo e ao tipo unionkindemsrc/util.ts. - Adicione-o a
KINDSemnarrate.pycom seus campos necessários.
Troque o mascote
Converta o SVG do personagem em src/Mascot.tsx como JSX. Não carregue o arquivo .svg. Mantenha cinco coisas controladas por quadro: altura da boca a partir de open, scaleY do olho a partir de blink, deslocamento da pupila, deslocamento da sobrancelha e um grupo da cabeça que inclina. Se o SVG mudar posteriormente, a conversão deve ser refeita.
Regras que mantêm as renderizações do Remotion corretas
- Tudo na tela é uma função do quadro atual. Sem
useState, sem transições CSS, semsetTimeout, semMath.random(). O Remotion renderiza quadros em paralelo e fora de ordem, então qualquer coisa com memória quebra. Userandom(seed)doremotion. - Todas as temporizações vêm de
spec.json. Nunca codifique um tempo em segundos. Leias.start,item.tou otde uma palavra, para que uma nova narração re-temporize o vídeo sem alterações no código. - As fontes são carregadas em
src/fonts.tsatrás dedelayRender. Sem isso, um quadro pode ser capturado antes de a fonte estar pronta. - Arquivos que o navegador carrega no momento da renderização (áudio, fontes, imagens) estão em
public/e são referenciados comstaticFile(). - O HTML quebra texto longo, mas nada o encolhe. O projeto inicial escolhe tamanhos de fonte com base no número de caracteres. Se você adicionar texto, faça o mesmo, senão ele transbordará do cartão.
- Uma mola é
spring({frame: frame - at * fps, fps, config}). O auxiliarpop()emutil.tsa encapsula. - A sincronia labial vem das temporizações das palavras (
mouthOpenemutil.ts), sem análise de áudio. - A duração do vídeo é arredondada para cima até um quadro inteiro, então o MP4 pode ser até 1/30 s mais longo que
spec.total.
Números da nossa máquina de teste (Apple M2, 8 GB RAM)
- Vídeo de 25 s: 26,5 s para renderizar, 4,9 MB.
node_modules: 240 MB após a instalação, cerca de 950 MB após a primeira renderização (Chrome Headless Shell mais o cache do webpack).