akachandan1/studio-de-video

Legendar um vídeo

O usuário fornece um vídeo com uma pessoa falando. Ele escolhe a partir do catálogo de estilos de legenda, que é pré-visualizado no próprio vídeo, e você entrega o MP4 legendado. Tudo é executado localmente com HyperFrames. After Effects nunca é necessário.

Kit: .claude/skills/caption-video/kit/ dentro do repositório do estúdio. Os projetos são criados em videos/captions/<nome>/ e os vídeos finalizados vão para out/captions/<nome>.mp4 (ambos relativos à raiz do estúdio).

A partir da raiz do estúdio, defina K="$PWD/.claude/skills/caption-video/kit" e execute python3 "$K/caption.py" … (use aspas nos caminhos; as pastas podem conter espaços). Use o python do venv do estúdio (.venv/bin/python) se numpy/scipy estiverem faltando no python do sistema — setup/setup.sh o cria.

Fluxo

1. Obter o vídeo

Se nenhum caminho de vídeo foi fornecido, peça um. Verifique se ele existe e tem uma pessoa falando. Execute:

python3 "$K/caption.py" new "<caminho do vídeo>" <nome-curto>

Isso copia o vídeo, o recodifica para H.264 e o transcreve palavra por palavra com WhisperX. A primeira execução em um tempo pode levar um minuto. Vídeos longos levam aproximadamente o tempo real ÷ 4.

2. Mostrar a transcrição

Imprima a transcrição da saída do comando em um bloco legível. Aponte quaisquer erros prováveis, especialmente nomes de marcas e jargões (nomes de produtos, "HyperFrames", siglas), e peça ao usuário para confirmar ou corrigi-los. As correções vão em --fix "errado=correto,…" no momento da construção. Se a transcrição parecer sem sentido, ou o áudio não tiver fala, pare e avise. Não legende palavras inventadas.

3. Mostrar todos os estilos no vídeo do usuário

Execute python3 "$K/caption.py" styles para a lista e python3 "$K/caption.py" preview <nome> para a folha visual. A folha está em videos/captions/<nome>/previews/styles.png. Observe-a você mesmo, depois envie-a com SendUserFile (exibição render). Ao lado, forneça a lista numerada com a linha "melhor para" de cada estilo:

1. Lime Hook: o visual padrão (Anton em maiúsculas, palavra falada em verde-limão)
2. Karaoke Pop: grandes explosões de 2 palavras, palavra falada em amarelo
3. One Word: uma palavra gigante de cada vez
4. Clean Box: texto escuro em um cartão branco, marcador na palavra falada
5. Editorial: frase calma em minúsculas, palavras-chave em itálico com serifa
6. Subtitle: legendas pequenas de frase completa
7. Neon: brilho ciano na palavra falada

Recomende um em uma única linha com base no conteúdo: hype ou social → 1 ou 2, explicativo ou anúncio → 4, história de fundador ou premium → 5, entrevista ou podcast → 6, tecnologia ou IA → 7. Em seguida, peça para eles escolherem um número. Se o catálogo em caption.py tiver mudado, liste o que styles imprime em vez desta cópia.

4. Gancho (opcional)

Sugira 3 ganchos retirados do que o falante realmente diz. Comece com o número, resultado ou contradição mais surpreendente, use de 4 a 8 palavras e mantenha o payoff em uma única palavra grande. Formate cada um com a sintaxe de gancho, depois pergunte com AskUserQuestion: três opções de gancho mais "Sem gancho" (o usuário também pode digitar o seu próprio).

A sintaxe do gancho usa uma linha por |, cada uma começando com seu estilo:

• s: introdução em itálico com serifa ("Como", "Por que")
• c: configuração em maiúsculas condensadas brancas
• b: a grande palavra de payoff circulada (1–2 palavras)
• l: reviravolta em maiúsculas verde-limão
• r: pequena etiqueta em itálico

Exemplo: s:Como|c:Eu alcancei|b:300k+|l:sem anúncios|r:visualizações. O gancho deve corresponder ao que o vídeo entrega nos primeiros 10 segundos.

4b. Polimento (ofereça; execute quando pedirem correção de cor, áudio mais limpo, corte ou música)

python3 "$K/polish.py" <nome> [--grade clean|cinematic|none] [--music calm|none] [--music-level 1.0] [--denoise 100]

• Corte: remove silêncio antes da primeira palavra e depois da última (mantém 0,3 s e 0,9 s), e ajusta a transcrição para corresponder.
• Correção de cor: clean (padrão) dá pele quente e saudável, contraste suave e uma vinheta sutil. cinematic é mais profundo e frio. Antes de escolher, compare um quadro de cada um com o original e observe.
• Voz: remoção de ruído DeepFilterNet3 (~/.venvs/dfn, criado por setup.sh; nunca instale globalmente, precisa de numpy<2), em seguida, um passa-altas, realce de presença, de-esser e compressão suave.
• Música: uma base sintetizada de piano calmo e pad. No nível 1, fica cerca de 20 dB abaixo da voz nas pausas e cerca de 25 dB abaixo enquanto falam. Use --music-level 0.6 para mais silencioso ou 1.5 para mais presente.
• Os originais são mantidos como source_orig.mp4 / transcript_orig.json, então o polimento pode ser executado novamente com quaisquer configurações. Após o polimento, execute build e render novamente.
• Mencione quaisquer tropeços ou falsos começos na abertura ("no presente, no momento…"). Cortá-los causa um pequeno corte brusco, então pergunte antes de fazê-lo.

5. Construir, verificar, renderizar

python3 "$K/caption.py" build <nome> --style <chave> [--hook "…"] [--hot "palavra,palavra"] [--fix "a=b"]
cd "videos/captions/<nome>" && npx --yes [email protected] check
python3 "$K/caption.py" render <nome>

• --hot lista palavras que permanecem na cor de destaque. Escolha 2 a 5 palavras de payoff; números são automaticamente marcados como quentes.
• check avisos de contraste no momento de desaparecimento do gancho são esperados. Corrija quaisquer erros reais antes de renderizar.
• Antes de renderizar um gancho, tire um snapshot (npx --yes [email protected] snapshot . --at 1.6 --no-end --describe false) e verifique se ele não cobre o rosto. Quando o rosto estiver no alto do quadro (sentado ou plano médio), mova o gancho para o peito com --hook-y 0.43; o sombreamento o segue automaticamente.
• Antes de enviar, extraia 3 a 4 quadros de out/captions/<nome>.mp4 e observe-os. As legendas não devem cobrir a boca ou os olhos. Se cobrirem, reconstrua com --cap-y (número maior = mais baixo na tela).
• Filmagem gravada de lado (câmera virada de lado, sem metadados de rotação) mostra a pessoa deitada de lado na folha de contato. Gire-a primeiro (ffmpeg -vf transpose=2 = 90° anti-horário, ou transpose=1 = horário; verifique um quadro) para videos/_caption-inputs/, então execute new nesse arquivo.
• Envie o MP4 com SendUserFile e forneça seu caminho como um link.

6. Revisões

As configurações persistem em videos/captions/<nome>/caption.json, então uma revisão é apenas build <nome> --<opção> … seguido por render <nome>. Pedidos comuns:

• Estilo diferente: --style.
• Maior ou menor: --size 1.2.
• Mais alto ou mais baixo: --cap-y 0.7.
• Menos palavras por legenda: --words 2.
• Cor diferente: --accent "#FF4D3D".
• Alterar o gancho: --hook; --hook "" o remove.
• Duração do gancho: --hook-dur 3.5.

Eles também podem abrir no HyperFrames Studio por conta própria com cd videos/captions/<nome> && npm run dev.

Fatos de configuração (se algo quebrar)

• A transcrição chama ~/.claude/skills/embedded-captions/scripts/transcribe.cjs com HYPERFRAMES_ROOT=~/.hyperframes-root, uma instalação do HyperFrames CLI 0.8.147 com um link simbólico packages/cli/dist/cli.js. Se algum estiver faltando, reinstale: npx hyperframes skills update embedded-captions, então reconstrua ~/.hyperframes-root (npm install [email protected] e crie o link simbólico node_modules/hyperframes/dist/cli.js para packages/cli/dist/cli.js).
• As fontes estão em kit/fonts/ (todas SIL OFL) e são copiadas para cada projeto.
• setup/doctor.sh verifica cada peça abaixo; setup/setup.sh as repara.
• Legendas que vão atrás da pessoa são possíveis com o fluxo /embedded-captions, mas é muito mais lento (cerca de 4 minutos a cada 10 segundos) e precisa de HYPERFRAMES_ROOT definido. Ofereça apenas se for solicitado.