3DVID: curtas de histórias em cartoon 3D, do tópico ao YouTube
Um curta vertical de ~55-70 s (1440x2560, 30 fps) no qual personagens 2D planos atuam em uma história real em um mundo cartoon 3D colorido. Uma ideia da física é explicada com uma analogia do cotidiano. Comprovado em "Slower Than Molasses in January" (Inundação de Melado de Boston, 1919, 69,7 s), que está em templates/molasses/ e examples/molasses/.
Config (editar para outro usuário ou canal)
| Chave | Valor |
|---|---|
| Canal / link de inscrição | https://www.youtube.com/@easswad |
| Playlist | `#Shorts |
| PC de renderização + pasta sincronizada | PC Windows via Remote Control; C:\ZapierAi Folder\3D\<nome>-render (Google Drive para desktop sincroniza C:\ZapierAi Folder) |
| Caminho de upload | Zapier: Google Drive "Encontrar um arquivo" → YouTube "Enviar vídeo" → YouTube "Adicionar vídeo à playlist" |
| Voz | Kokoro TTS bm_fable (grátis, voz masculina do Reino Unido) |
Regras permanentes
- História: verdadeira e pesquisada, com fonte para cada fato. Roteiro, personagens e cenas próprios. Nunca copiar, nomear ou enviar vídeos de um canal de referência.
- Tom: piadas direcionadas às pessoas ou empresas responsáveis, nunca às vítimas.
- Idioma e voz: apenas inglês, tom de narrador constante. Apenas ferramentas gratuitas: não gastar créditos do vidIQ ou Higgsfield sem perguntar.
- Aprovações: obter a aprovação do usuário sobre o tópico e o roteiro. Depois disso, apenas executar.
- Mixagem: voz inalterada, trilha musical cerca de 10 LU abaixo da voz (padrão "+3 dB música"), faixa de efeitos sonoros -6 dB. Master -15 LUFS, pico verdadeiro ≤ -1,2 dBTP, 48 kHz.
- Texto na tela está LIGADO: legendas adesivadas mais uma tag de fonte no topo (etapa 7).
- Cada upload: público, não feito para crianças, categoria Educação. A descrição termina com o link de inscrição e o vídeo vai para a playlist acima.
- Salvamento: salvar o trabalho após cada etapa. Colocar os entregáveis na pasta de arquivos do projeto.
Pipeline
1. Tópico
Encontrar histórias verdadeiras em alta nos últimos dias, com evidência de demanda (5M+ visualizações em curtas semelhantes, links do YouTube). Preferir uma história com causa e efeito físicos visíveis, e uma analogia cotidiana que a explique. Apresentar ao usuário uma tabela de opções para escolher. Nunca oferecer paródias de IA de pessoas reais ou boatos.
2. Roteiro (≈3,7 palavras/s, 55-70 s, cerca de 250 palavras)
Escrever SCRIPT.md com os fatos e suas fontes no topo. Fórmula de batida (ver examples/molasses/SCRIPT.md):
- Gancho: o fato absurdo em uma linha.
- Cenário.
- Escalada em 3-4 batidas.
- Estalo: o momento em que quebra.
- "Felizmente… / Infelizmente…" em tom seco.
- "Você vê…" mais a analogia cotidiana.
- Consequência: a regra ou lei que criou.
- Reviravolta de retorno.
Nunca narrar o que o espectador já vê.
3. Voz (grátis)
Configuração:
pip install kokoro-onnx soundfile librosa
Colocar kokoro-v1.0.onnx e voices-v1.0.bin dos releases do GitHub de thewh1teagle/kokoro-onnx (model-files-v1.0) em $KOKORO_DIR (padrão ~/tts). HuggingFace e edge-tts podem estar bloqueados.
Gerar a narração:
python scripts/voice/narrate_timed.py bm_fable 1.32 lines.txt voice/ 0.08 # uma linha de roteiro por linha de texto
python scripts/voice/align.py bm_fable 1.32 voice/ # tempos das palavras DTW → voice/words.json
- A velocidade é muito não linear: 1.30 deu 71,6 s, 1.32 deu 69,6 s e 1.35 deu 60,8 s para 254 palavras.
- Tudo a jusante é temporizado com base em
words.json(quadro = início da palavra × 30).
4. Mundo 3D + cenas (Remotion + three.js)
- Copiar
templates/molasses/(o mais novo) outemplates/bridge/parasrc/videos/<nome>/. - Registrar a composição em
src/Root.tsx(1080x1920, 30 fps). - Instalar
@remotion/three,[email protected],@react-three/fiber@8,@react-three/postprocessing@2,postprocessing@6e@remotion/google-fonts(mesma versão do remotion).
Onde as coisas ficam:
story.ts: SHOTS, XFADE, FLASH_AT, câmeras por cena, kicks, DOF.- Toda reação visual ocorre 0-3 quadros antes de sua palavra.
- Toda pausa tem um zoom suave (push-in), e cortes acontecem em saltos grandes.
world.ts: céu, chão, edifícios com eliminação de linha de visão, objetos da história posicionados por quadro. O sol está congelado por cena e relativo à câmera.cast.ts/toon.ts/cardshade.ts: personagens em billboard desenhados com aPendo Canvas2D (cabeças de feijão, membros de palito, tinta preta, camada NOINK).- Pós-processamento (
<Nome>.tsx,ink.ts,lensblur.ts,grade.ts):- Ordem: tinta → desfoque de lente → bloom → tone map NEUTRO → grade, MSAA 4.
- Parâmetros de pixel escalam com altura / 1920.
Alvos de olhar e armadilhas de legibilidade estão listados em "Regras visuais" abaixo.
5. Verificações visuais
Renderizar stills em meia escala:
npx remotion still src/index.ts <Comp> out/x.png --frame=N --scale 0.5 --props='{"post":{"dpr":0.5},"text":false}'
- Em uma caixa Linux na nuvem, adicionar
--browser-executable=<chromium> --gl=swangle. - Corrigir z-fighting movendo conjuntos interiores para longe (±600 m), junto com objetos que bloqueiam a câmera.
- Remover grandes manchas próximas à lente e qualquer coisa que pareça errada.
- Opcional: folhas lado a lado (
scripts/qa/sbs_sheet.py) e uma passagem de verificação.
6. Som (original, sintetizado)
templates/audio/molasses_example/molasses_audio.py é um pipeline completo de arquivo único. Ele importa dsp.py, instruments.py e sfx_gen.py de templates/audio/. A versão da ponte é dividida em timeline.py, sfx.py, music.py e mix.py.
- Copiá-lo.
- Definir FPS/TOTAL, SHOTS e os quadros de eventos de story.ts.
- Escrever os eventos de SFX e a lista de cues musicais.
- Executar com
WORDS_JSON=... VOICE_WAV=... python molasses_audio.py.
Ele gera mix.wav (comprimento exato), stems e cues.md. A voz atenua a música em cerca de 3 dB, e a limitação de curto prazo mantém os SFX pelo menos 5 LU abaixo da voz.
Travar a temporização da imagem antes de fazer o som. Qualquer mudança na temporização significa executá-lo novamente.
7. Texto na tela (estilo adesivo da casa)
- Copiar
templates/molasses/Captions.tsx. - Escrever
captions_spec.txt:- Uma linha por linha de roteiro, com grupos de 1-3 palavras separados por
|. - Marcar palavras-chave com
*. Elas vão para uma caixa amarela. - Escrever números como dígitos, e usar
#nquando a contagem de palavras exibida diferir da falada. - Colocar
TAG: FONTE: …antes de cada linha de fato. A primeira tag é uma tag de data/local, ex.BOSTON · 15 DE JANEIRO DE 1919.
- Uma linha por linha de roteiro, com grupos de 1-3 palavras separados por
- Gerar o arquivo de dados:
python scripts/captions/make_captions.py voice/words.json captions_spec.txt src/videos/<name>/captions-data.ts -v - No componente principal, renderizar
{getInputProps().text !== false && <Captions />}por último, sobre tudo.
O estilo:
- As legendas ficam ~68% abaixo. Poppins Black em maiúsculas brancas com um contorno preto grosso e sombra dura.
- Palavras-chave recebem uma caixa inclinada #FFD43B com borda preta, aparecendo com uma mola.
- A tag de fonte é uma pequena caixa branca com borda preta perto do topo (128 px em 1080).
- A fonte é carregada do Google Fonts no momento da renderização, então a renderização precisa de internet.
8. Renderização final (no PC; a CPU da nuvem leva horas)
Empacotar o projeto sem node_modules, mais mix.wav, na pasta sincronizada/de renderização. Então, em uma sessão Remote Control:
npm i
npx remotion render src/index.ts <Comp> out/<nome>_video.mp4 --codec h264 --crf 16 --scale 1.3333333333333333 --concurrency 4 --timeout 300000
ffmpeg -i out/<nome>_video.mp4 -i mix.wav -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -b:a 256k -shortest out/<nome>_final_text.mp4
--scaledeve ser exatamente 4/3, ou o Remotion rejeita a altura não inteira.- Concurrency 8 ficou sem memória em um laptop 890M. Concurrency 4 renderiza ~5,5 fps, cerca de 6-7 min para 70 s.
- No efeito de limpeza, chamar
InkPass.prototype.dispose.call(fx.ink), nãofx.ink.dispose(). - QA:
python scripts/qa/short_qa.py final.mp4 qa/ shots.jsonverifica quadros pretos, brancos, congelados e de pop e a sonoridade. Também verificar quadros aleatórios para fonte, corte e rostos.
9. Capa / miniatura
- Renderizar um still de 1080x1920 do momento mais dramático com
{"text":false}. - Executar:
python scripts/cover/make_cover.py frame.png <nome>_cover_1080x1920.jpg --font Poppins-Black.ttf --top "UMA ONDA DE 7,6 METROS" --key "MELAÇO" --big "INUNDAÇÃO" --badge "BOSTON 1919" --sub "@easswad"
A saída é um JPEG abaixo de 2 MB (limite de miniatura do YouTube). Salvá-lo ao lado do mp4 na pasta sincronizada com Drive.
10. Upload (sincronização Drive + Zapier, sem links públicos)
- Aguardar até que a ação "Encontrar um arquivo" do Google Drive do Zapier encontre tanto o mp4 quanto a capa. Ela retorna uma referência
fileque pode ser passada diretamente. - Executar o "Enviar vídeo" do YouTube do Zapier com:
video: a referência do arquivo.thumbnail: a referência da capa.- Um título (≤ 70 caracteres, gancho + emoji + "(História Real)").
- Tags.
privacy_status=public,made_for_kids=false,category_idEducação,default_language=en,notify_subscribers=true.- Uma descrição nesta ordem: linha de gancho, marcadores de fato com emoji, uma pergunta de comentário, Fontes, hashtags terminando em
#Shorts, depois "Inscreva-se para mais: https://www.youtube.com/@easswad".
- Executar "Adicionar vídeo à playlist" do YouTube em #Shorts | Para vídeos muito curtos. Resolver o ID da lista de playlists da ação. Não usar a outra playlist simplesmente chamada "Shorts".
- Verificar através da API do YouTube que o vídeo está público, processado e possui a miniatura. Fornecer o link ao usuário.
Notas:
- Se a miniatura falhar, executar "Atualizar miniatura do vídeo" (precisa de um canal verificado por telefone).
- Cada chamada do Zapier usa uma tarefa do plano. Se o limite mensal for atingido, informar o usuário e parar.
Regras visuais (dos curtas comprovados)
- Tinta: linhas do mundo #030303, 5,1 px perto → 3,3 px longe em 1080. Sem tinta nos cards de personagens.
- Luz do dia: céu #3e7fd2 → #b8d0ec, névoa = cor do horizonte. Sombra é fria apenas nas sombras. Melaço/líquidos ganham marrom quente (#4f240f), com o sol atrás da câmera em cenas de ondas.
- DOF: cerca de 1/3 do tempo de tela (close-ups 12-16 px em 1080), cenas abertas permanecem nítidas.
- Personagens: 3,5 alturas de cabeça, piscadas a cada 0,5-2,3 s, balanço de caminhada 5%, sombras de contato.
- Armadilhas:
- Objetos a menos de 2 m da lente viram manchas.
- Um balanço desenhado com uma corda parece uma forca.
- Placas iluminadas lateralmente ficam cinzas.
- Pausas planas parecem congelamentos. Toda pausa precisa de um zoom suave de aproximação.
- Grão: manter grão de filme DESLIGADO, pois quadruplica o tamanho do arquivo.
- Disco: os pacotes do Remotion copiam
public/para a pasta temporária toda vez. Excluir pastasremotion-webpack-bundle-*antigas quando terminar.
Arquivos nesta skill
templates/molasses/: o código fonte completo mais recente, incluindo Captions.tsx e captions-data.ts.templates/bridge/: o primeiro código fonte comprovado (MIT, ver arquivo LICENSE).templates/audio/: o motor de som emolasses_example/.scripts/voice/: narração Kokoro e alinhamento de palavras.scripts/captions/make_captions.pyscripts/cover/make_cover.pyscripts/qa/: ferramentas de stills, QA e lado a lado.examples/molasses/: roteiro, especificação de legendas e a descrição do YouTube.