make-video

O que make-video faz?

Transforma uma ideia em um MP4 renderizado e verificado usando apenas ferramentas gratuitas e locais. Um projeto feito a partir desta skill tem suas próprias regras em AGENTS.md, então siga-as (pureza de animação, useScale, sec(), estrutura de pastas).

0. Configurar um projeto de vídeo (uma vez)

Se a pasta atual não possui tools/make-story.sh, ainda não é um projeto de vídeo:

1. Verifique a máquina antes de qualquer coisa: uname -sm (precisa ser Darwin arm64), node --version (20+), brew --version, df -h ~ (cerca de 8 GB livres). Em outro SO, diga o que não funcionará (Chatterbox e o verificador de takes rodam na GPU da Apple) antes de prosseguir. Se Node ou Homebrew estiver faltando, forneça ao usuário o comando de instalação e aguarde.

2. Informe ao usuário o que será baixado e aguarde sua aprovação. Nunca inicie os downloads sem ela. Mostre esta tabela (tudo gratuito, das fontes oficiais):

   Download	Tamanho	Usado para	Onde vai
   pacotes npm (Remotion etc.)	~500 MB	renderização	node_modules/
   ffmpeg, uv, FluidSynth (Homebrew, apenas se ausentes)	~150 MB	ferramentas de áudio/vídeo	Homebrew
   pacotes Python (PyTorch, Chatterbox…)	~1.5 GB	voz, QA	.venv/
   soundfont GeneralUser GS	~30 MB	música	tools/soundfonts/
   pesos do Chatterbox	~3 GB	a voz	cache do Hugging Face (~/.cache/huggingface), compartilhado por todos os projetos
   Whisper small.en	~590 MB	legendas	tools/models/
   Whisper large-v3-turbo (verificador de takes opcional)	~1.6 GB	regrava linhas pouco claras	cache do Hugging Face

   Total cerca de 6 GB e 10-20 minutos. Ofereça a opção mais leve: SKIP_TAKE_CHECK=1 pula o verificador de takes (4.4 GB total). Pergunte onde criar o projeto (padrão ~/videos).

3. Com a aprovação, copie a pasta template/ que está ao lado deste SKILL.md para o projeto, incluindo arquivos ocultos (cp -R <dir da skill>/template/. <dest>/), depois git init.

4. Execute tools/setup.sh em segundo plano e mantenha o usuário informado: diga em qual etapa está (imprime linhas ▶) e, durante o download grande, o progresso (du -shL ~/.cache/huggingface/hub/models--ResembleAI--chatterbox, alvo ~3 GB). É seguro reexecutar: etapas concluídas são puladas e downloads interrompidos são retomados. Se um download travar (tamanho não aumenta por 5 minutos), pare-o e execute a configuração novamente. Se falhar, leia o erro, corrija a causa (ferramenta ausente, espaço em disco, rede) e reexecute; não contorne um modelo faltante.

5. Prove que funciona: tools/make-story.sh stories/fridge-drama FridgeDrama cria o exemplo de 33 s (três vegetais discutem em uma geladeira) em cerca de 4 minutos. Mostre ao usuário out/FridgeDrama.mp4, então pergunte o que ele quer criar.

As ferramentas encontram os modelos por conta própria (Chatterbox e o verificador de takes do cache do Hugging Face, legendas de tools/models/), então nada precisa ser configurado após a instalação. Um segundo projeto reutiliza os pesos em cache, então sua configuração é muito mais rápida.

1. Fixar o briefing (pergunte apenas se estiver faltando)

Campo	Padrão
Plataforma / formato	Reel/Short: 1080×1920, 30 fps · YouTube: 1920×1080, 30 fps · Post de feed: 1080×1350
Duração	Reel/Short: 15-45 s · YouTube: 3-10 min
Tipo	História (personagens falam, então use §3B) ou Motion graphics (texto, dados, diagramas, então use §3A)
Tópico + único aprendizado	A única coisa que o espectador deve lembrar
Áudio	Voz (Chatterbox), música + SFX (tools/music.py), ou apenas música
Voz	Voz embutida do Chatterbox, ou um clone da gravação do próprio usuário (§3B). Nunca clone alguém sem seu consentimento.

2. Escreva o roteiro antes de qualquer código

Orçamento de duração: a fala em inglês no ritmo do Chatterbox tem cerca de 2.6 palavras/s. Duração alvo ≈ palavras ÷ 2.6 + Σ pausas + encerramento. Verifique antes de gerar. (Fridge Drama: 62 palavras + 6.4 s pausas + 3 s encerramento = 33 s.)

Regras de ritmo para formato vertical curto:

• Gancho na tela e audível a partir do quadro 0. Os primeiros 1.5 s determinam a retenção, e o quadro 0 geralmente é a miniatura, então nunca comece com um quadro vazio ou esmaecendo.
• Cada linha ≤ 12 palavras. Legendas mostram ≤ 3 palavras por vez.
• Algo se move a cada segundo.
• Zona segura para 1080×1920: nada importante acima de y=220 ou abaixo de y=1540 (interface da plataforma), e nada à direita de x≈940 abaixo de y≈1000: os botões de like/comentar/compartilham ficam na borda direita (tools/qa.py --layout falha nisso). Coloque um apresentador no canto inferior esquerdo.
• Termine com um payoff ou punchline, seguido de um cartão de call-to-action de 2-3 s.

Modelo de vídeo explicativo (