yuyurun73-dev/bw-song-ad

/bw-song-ad — Anúncio Cantado em Cartoon Preto e Branco até o Pacote Final

2026-10-18, procedimento criado com H-OHI-023a da Ohisama Pants. Referência: WhiteHat MRR no X (densidade óssea, cartoon preto e branco, cerca de 4 min.). A reação do autor foi "a música é fogo demais, é divina". A verdadeira natureza do vídeo de referência é: não é um jingle curto, mas sim o roteiro de um VSL longo cantado quase na íntegra.

Ordem (não pular)

Letra → Música (Suno) → Sincronização caractere por caractere → Divisão de cenas → Ficha de personagens → Keyframes → Animação → Exportação do fundo → Remotion → Inspeção de qualidade. A música é o relógio. Se você criar as imagens primeiro, elas não vão se alinhar com a pausa da música e você terá que refazer tudo.

S=~/.agents/skills/bw-song-ad
AD=<pasta_do_projeto>/<ID_do_anuncio>        # lyrics.md / captions.txt / song/ / shots.py / keys/ / clips/ / remotion/
cp -R $S/remotion $AD/remotion && cd $AD/remotion && NODE_USE_ENV_PROXY=1 npm install

0. Verifique o estoque primeiro

Se houver imagens ou vídeos feitos anteriormente para a mesma marca, use-os primeiro (consulte a tabela de estoque de ativos ASSETS.md da marca; adicione novos itens conforme forem criados). Quando for necessário gerar algo, informe antes "X imagens, Y vídeos, aproximadamente Z créditos". Resultado desta vez: 61 imagens ~15 créditos, 61 vídeos Grok ~265 créditos.

1. Letra (lyrics.md) — modelo em reference/lyrics.md

• Cante o fluxo do VSL parágrafo por parágrafo. Não rime. Progressão 1:1 com a referência: Abertura do profissional → Clássicos com "não é isso" ×3 → Algo mais importante → A causa não está onde se pensa → Aliados e vilões dentro do corpo → Antes funcionava → Agora os vilões estão vencendo → O problema daqui em diante (cadeia de negligência) → O mercado só tem as mesmas coisas → Mas algo mudou (solução) → Artigo (sem registro) → Estoque → "Não precisa mais..." ×3 → "Tudo bem. Toque abaixo"
• Tudo em hiragana. Números também em hiragana (Suno quebra com kanji e números).
• Não cante o nome do produto (ele aparece no rótulo da tela). Sem valores. As promessas estão no escopo da página do produto.
• Mostre antes de compor.

2. Música (Suno · Playwright)

• Apenas o login é pessoal. Depois, injete a letra, o estilo e o título em suno.com/create?mode=CUSTOM e crie.
• Estilo (funciona): 1930s vintage upbeat jazz, old cartoon soundtrack, swing, clarinet, muted trumpet, ragtime piano, brushed snare, upright bass, warm female vocal, Japanese, clear diction, storytelling sung melody
• De cada vez saem 2 músicas. Transcreva ambas com whisper e compare com a letra; escolha a que não estiver distorcida.
• Download: na página da música, More options → Download → MP3 → "Unlock & Download" (usa 1 vez do plano gratuito). cdn1.suno.ai retorna 403, o m4a de reprodução é criptografado. Não extraia o blob do navegador para evitar o limite.
• Coloque em song/song.mp3.

3. Texto das legendas (captions.txt)

• 1 parágrafo da letra = 1 linha. Dentro da linha, separe com / (1 bloco = texto que aparece uma vez na tela; até cerca de 12 caracteres).
• Converta para japonês legível com kanji e kana misturados (a letra está em hiragana, mas as legendas usam notação normal).
• Onde quiser 2 linhas, use | (ex.: Pelo botão abaixo|leia o artigo).

4. Sincronização caractere por caractere

uv run --python 3.12 --with openai-whisper python $S/scripts/align.py $AD

→ Gera $AD/cap_events.json (tempo de início e fim de cada bloco) e $AD/line_starts.json (início de cada linha cantada).

• Não use os timestamps por linha do whisper-cli. A introdução (alguns segundos sem canto) é tratada como se o canto começasse em 0 segundo, e dentro da linha ele distribui uniformemente, então as legendas avançam "sem cantar".
• Onde a música pausa (mais de 0,8 segundos), apague a legenda.
• Se a taxa de correspondência ficar abaixo de 80%, a música está distorcida ou o captions.txt está desalinhado com a letra.

5. Divisão de cenas (shots.py)

• Defina STYLE (descrição do estilo visual comum a todos os cortes) e SHOTS = [(número da linha, número do corte naquela linha, cena, movimento), ...].
• Cada corte: 2 a 5 segundos. Linhas longas divida em 2 a 3 cortes. 3 minutos e meio = cerca de 60 cortes.
• Nem tudo precisa ser vídeo em longa duração: misture cortes com imagem estática com zoom lento para reduzir pela metade a geração de vídeos.
• Personagens: Professor (bob avental) / Mamãe (coque baixo, listrado) / Criança (corte chanel) / Dois mensageiros do corpo (macacão listrado, chapéu) / Vilão (círculo preto, chifres, esponja e canudo) / Produto (estampa real).

6. Ficha de personagens e keyframes (Higgsfield gpt_image_2_5 · 9:16 · 0,25 crédito cada)

• Primeiro crie 1 ficha de personagens, depois para todos os cortes seguintes passe a ficha + 1 quadro de referência como image_references.
• No início do prompt, coloque STYLE: black and white 1930s rubber-hose cartoon, thick clean ink lines, cross-hatching, grayscale only, vintage Fleischer-era look, slightly grainy film, soft dark round vignette, no text.
• python3 $S/scripts/make_reqs.py $AD image → gere em lotes de 12 com generate_image_batch.
• Vista a criança (roupa íntima/fralda cai como NSFW). Se o quadro de referência mostrar roupa íntima, ele sozinho já derruba.
• Escreva a estampa real do produto no prompt (se sair uma estampa inexistente, refaça).
• Veja tudo em uma folha de contato: verifique estilo, sem texto, conforme a ficha.

7. Animação (Grok Imagine grok_video_v15_lite · 720p · apenas start_image · 1 segundo ≈ 1 crédito)

• python3 $S/scripts/make_reqs.py $AD video → gere em lotes de 12 com generate_video_batch. Duração: trecho responsável + 0,5 segundo (3 a 8 segundos).
• Prompt: "Anime esta imagem: . Mantenha o mesmo estilo, composição e personagens, movimento rubber-hose saltitante, cintilação de filme, câmera fixa, sem cortes, sem novos textos."
• Se cair e retornar um preset, coloque declined_preset_id nos parâmetros e tente novamente.
• Examine todos os quadros finais lado a lado. Se o produto virar de lado ou girar e a estampa distorcer, use apenas até o segundo antes da distorção (SRC_MAX) ou faça um vaivém da parte frontal.

8. Exportação do fundo (sem texto)

python3 $S/scripts/bg.py $AD          # → $AD/bg.mp4 (1080x1920 · 30fps) e shot_starts.json

• A transição de cortes deve coincidir com o início do canto de cada linha (line_starts.json). O primeiro corte começa em 0 segundos.
• Para a introdução sem canto, uma sugestão é usar cortes rápidos de cenas fortes (vilão, enchente, esmagamento com carimbo, etc.) para preencher.

9. Remotion ($AD/remotion)

• Coloque public/bg.mp4 (fundo), public/song.mp3 e src/data.json: python3 $S/scripts/make_data.py $AD --hook-end 29.3 --cta 192.9 --brand 44,46,47,50 --hook-top "Para mães no treino do penico" --hook-main "A fralda não sai" --hook-mark "O verdadeiro motivo" --brand-name "<nome do produto>" --keys "<palavras-chave em amarelo, separadas por vírgula>"
• Elementos a colocar (src/SongAd.tsx):
  • Hook superior: um cartão de papel (borda preta grossa, sombra deslocada, levemente inclinado) que "para quem + sobre o quê" fique claro no primeiro segundo. Ex.: "Para mães no treino do penico / A fralda não sai o verdadeiro motivo".
  • Legendas: cantos arredondados pretos com texto branco em negrito, aparecendo com um pulo. Apenas as palavras-chave em amarelo (a única cor no preto e branco).
  • Rótulo do nome do produto: apenas nos cortes em que o produto aparece, pequeno no topo.
  • CTA: do último "toque abaixo" até o fim, 3 setas amarelas em cascata descendo e pulando + "Pelo botão abaixo | leia o artigo".
• Exportação (este Mac usa headless Chrome que cai sozinho → chrome-wrap.sh, fora do sandbox):

cd $AD/remotion && NODE_USE_ENV_PROXY=1 npx remotion render src/index.ts SongAd out/<ID_do_anuncio>.mp4 --browser-executable=./chrome-wrap.sh --concurrency=6 --crf=20

• Entrega: re-encodar com -crf 23 -movflags +faststart (pesado devido aos grãos do preto e branco; cerca de 200 MB para 3,5 min).

10. Inspeção de qualidade (obrigatório antes de abrir)

• Leia uma folha de contato com aproximadamente 1 quadro a cada 1 segundo: verifique se as legendas não estão dessincronizadas com a música / não aparecem onde não há canto / a estampa do produto não distorceu / as setas do CTA cabem na tela / não há texto extra.
• Veja os primeiros 3 segundos separadamente (o hook é compreendido de relance?).
• Crie uma página de visualização HTML e abra. O nome do anúncio deve ser o nome emitido pelo AdLab (H-XXX-000a) usado diretamente no nome do arquivo.

Problemas enfrentados (medidos desta vez)

• Legenda dessincronizada desde o início: o início do canto era em 4,9 segundos, mas o whisper-cli considerou como 0 segundo → resolvido com align.py (word_timestamps do openai-whisper + difflib para alinhamento de caracteres).
• Keyframes NSFW: criança de roupa íntima, imagem de referência com roupa íntima → vista a criança / use a referência apenas para o estilo descrito.
• Produto girando e distorcendo: Grok frequentemente vira de lado. Use apenas os segundos frontais.
• Excesso de criação: 61 imagens + 61 vídeos usados em um único anúncio. Da próxima vez, reduza à metade com estoque e zoom de imagem estática.
• Último caractere de uma linha longa caindo sozinho na linha seguinte → use | para especificar a quebra.

Relacionados: reference/lyrics.md (modelo e exemplo de letra), /zackd-ad (tipo animação 3D), AdLab (registre a hipótese antes de criar).