Communitygithub.com

remotion-video

Transforme uma ideia em um vídeo curto vertical narrado (1080x1920 MP4) com Remotion. Escreve o roteiro, gera a voz e temporizações de palavras com ElevenLabs, e renderiza um projeto inicial com cinco tipos de cena, legendas palavra por palavra e um mascote com sincronia labial.

O que é remotion-video?

Este skill permite que um agente de IA gere vídeos verticais completos para plataformas como Shorts, Reels e TikTok, a partir de uma ideia fornecida pelo usuário. Utilizando o Remotion como motor de renderização, o skill automatiza todo o fluxo: escreve um roteiro de 4 a 7 cenas, gera áudio narrado e timestamps de palavras via API ElevenLabs, e produz um projeto Remotion renderizado em MP4 (1080x1920). O projeto inclui cinco tipos de cena (hook, points, stat, bars, cta) com legendas sincronizadas palavra por palavra e um mascote animado com sincronia labial. O skill é acionado quando o usuário expressa o desejo de criar um vídeo, por exemplo, ao dizer "/remotion-video", "faça um vídeo sobre X" ou "crie um Short". Antes de começar, ele verifica dependências (Node 24, Python 3, ffmpeg 8) e a chave de API ElevenLabs. O fluxo de trabalho é dividido em etapas claras: escrever o roteiro (com validação contra fontes inventadas), criar o projeto, gerar áudio e timings (com cache para economizar custos), verificar imagens estáticas e, por fim, renderizar o vídeo. O skill também oferece flexibilidade para customização: é possível alterar cores, voz, fonte, layout de cenas e até trocar o mascote, seguindo regras específicas para manter a correção da renderização no Remotion (ex.: sem estado mutável, tudo baseado no frame atual). Caso a licença do Remotion seja um impedimento (empresas com mais de 3 funcionários precisam de licença paga), o skill recomenda usar o `revideo-video`, que é licenciado sob MIT.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/anujkapoor-arch/video-skills/tree/HEAD/skills/remotion-video

Perguntar na sua IA favorita

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

Documentação

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_KEY no ambiente, ou o usuário disposto a colocá-la no .env do 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 um cta. Use points, stat e bars no meio.
  • Cada say é 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 alterarEdite
Cores, nome do canal, rodapé, legendas ativadas ou desativadas, mascote ativado ou desativadoscript.json, depois python3 narrate.py (gratuito, o áudio está em cache)
Vozvoice.id em script.json ou ELEVENLABS_VOICE_ID. Uma nova voz cobra novamente por cada linha.
FonteColoque arquivos .ttf em public/fonts, liste-os em src/fonts.ts, altere FONT em src/util.ts
Layout de um tipo de cenaO componente em src/scenes.tsx
Cabeçalho, cartão, legendas, balão, confetesrc/Video.tsx
O mascotesrc/Mascot.tsx

Adicione um tipo de cena

  1. Escreva um componente em src/scenes.tsx que receba {s: Scene} e envolva seu conteúdo com <Layer s={s}>.
  2. Adicione-o a KINDS no final desse arquivo e ao tipo union kind em src/util.ts.
  3. Adicione-o a KINDS em narrate.py com 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, sem setTimeout, sem Math.random(). O Remotion renderiza quadros em paralelo e fora de ordem, então qualquer coisa com memória quebra. Use random(seed) do remotion.
  • Todas as temporizações vêm de spec.json. Nunca codifique um tempo em segundos. Leia s.start, item.t ou o t de uma palavra, para que uma nova narração re-temporize o vídeo sem alterações no código.
  • As fontes são carregadas em src/fonts.ts atrás de delayRender. 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 com staticFile().
  • 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 auxiliar pop() em util.ts a encapsula.
  • A sincronia labial vem das temporizações das palavras (mouthOpen em util.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).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas