Anúncios IA Lab 是做什么的?
Roteiro → personagens → cenas → imagens → vídeo da cena 01 → fila do resto → edição. Nenhuma etapa começa sem o usuário aprovar a anterior. Cada etapa gasta crédito do KIE, e o que ele reprova não deve virar vídeo.
Três estilos
| Estilo | Quando | Referência (leia antes da etapa 4) |
|---|---|---|
pixar (padrão) | "criativo animado", "estilo Pixar", "animação" | referencias/pixar-referencia.md |
novelinha | "com novelinha", "modelo novelinha", "realista", "avatar real" | referencias/novelinha-referencia.md |
office | "estilo The Office", "falso documentário", "mockumentário", "visual antigo", "depoimento para a câmera" | referencias/office-referencia.md |
O fluxo das 7 etapas é o mesmo nos três. Muda o visual (os campos de referencias/estilos/<estilo>.json, aplicados por kie.py estilo) e, no novelinha e no office, a gramática das cenas (etapa 4). Na dúvida sobre o estilo, pergunte junto com a etapa 3, sem travar a etapa 2. Os personagens de um estilo não servem no outro: o personagem Pixar não entra numa novelinha.
Modelos de prompt: referencias/prompts.md. Leia antes das etapas 2, 5 e 6.
Onde fica cada coisa
- Chave:
KIE_API_KEYna variável de ambiente ou no arquivo.envda pasta desta skill (KIE_API_KEY=...). O script lê sozinho. Nunca mostre a chave no chat. Sem chave, peça ao usuário que crie uma em kie.ai e salve no.env. - Script:
python3 ~/.claude/skills/anuncios-ia-lab/scripts/kie.py. Usa só a biblioteca padrão e o ffmpeg; qualquer python3 a partir do 3.9 serve. - Projeto:
~/Criativos animados/<AAAA-MM-DD nome-curto>/, assim:roteiro.md o roteiro como ele mandou projeto.json personagens, cenas, prompts e o que já foi gerado (formato abaixo) cenas.md o texto das cenas que ele aprovou personagens/ <id>_v1.png, <id>_v2.png… (versões refeitas vão para antigas/) imagens/cenaNN.png primeiro quadro de cada cena videos/cenaNN.mp4 cena animada tarefas.jsonl log de cada geração: task do KIE, crédito, link edicao/ montagem, legenda e vídeo final (scripts de edicao/) - Modelos no KIE (todos por
POST /api/v1/jobs/createTask, depoisrecordInfo):grok-imagine-image-2-0/text-to-image: personagem sem referência.grok-imagine-image-2-0/image-edit: cena com até 5 imagens de referência (os personagens e o ambiente).- Vídeo, padrão:
grok-imagine-video-1-5-preview(apelidogrok15). Parte do primeiro quadro (first_frame_url), de 1 a 15 s, em 9:16, a 720p, com áudio e fala gerados juntos. Custa 4,5 créditos/s. - Alternativa:
google/gemini-omni-flash-1-2(apelidoomni), 9 créditos/s em 720p. Só se usa quando o usuário pedir ou quando o projeto já começou nele ("modelo_video": "omni"noprojeto.json), para a voz não mudar no meio do anúncio.
Comandos do script
K="$HOME/.claude/skills/anuncios-ia-lab/scripts/kie.py" # sempre chamar como python3 "$K" (o zsh não separa $K)
python3 "$K" saldo
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office # cria o projeto no estilo
python3 "$K" lote --projeto "$P" --tipo personagens # variações de cada personagem sem aprovação
python3 "$K" lote --projeto "$P" --tipo imagens # primeiro quadro de toda cena sem imagem
python3 "$K" lote --projeto "$P" --tipo imagens --cenas 03,07 --refazer
python3 "$K" lote --projeto "$P" --tipo videos --cenas 01 # etapa 6
python3 "$K" lote --projeto "$P" --tipo videos --cenas 02- --paralelo 3 # etapa 7, a fila
python3 "$K" folha --projeto "$P" --tipo personagens # ou --tipo imagens: folha de contato
python3 "$K" juntar --projeto "$P" --aparar # final.mp4 simples, sem edição
python3 "$K" status <taskId>
Cenas que usam como referência a imagem de outra cena do mesmo lote vão numa leva seguinte, já esperando aquela ficar pronta.
--simular mostra o que seria enviado, sem gastar nada. Rode com ele uma vez antes de cada lote novo para conferir prompts e referências. O lote mostra o saldo antes e depois e informa quanto gastou. Repita esse número ao usuário. Quando uma tarefa falha, rodar o mesmo comando de novo refaz só a que faltou. Lote de vídeo demora: rode em segundo plano (run_in_background) e espere o aviso, sem ficar consultando.
Etapa 1: receber o roteiro
- Crie o projeto já no estilo certo, com
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office. O comando cria oprojeto.jsona partir dereferencias/modelo-projeto.jsoncom os campos do estilo (estilo,estilo_personagem,estilo_videoeregras_video). Salve o roteiro como veio emroteiro.md. - Leia o roteiro e marque quem fala cada linha. Se o roteiro não disser, deduza: diálogo vira dois personagens, monólogo vira o expert falando para a câmera. Não reescreva a fala. O texto do roteiro vai palavra por palavra para o vídeo.
- Se algo for ambíguo (quem diz a linha, se a pessoa é o expert real), pergunte junto com a etapa 3, sem travar a etapa 2.
Etapa 2: criar os personagens
- Para cada personagem, escreva em
projeto.jsona ficha em português (descricao), ovisual(uma linha em inglês com cabelo, rosto, roupa e cores, a mesma em toda cena), opromptem inglês e avoz(modelos emreferencias/prompts.md). Defina uma roupa só para o anúncio inteiro, com peças e cores exatas. - Gere
variacoes: 2por personagem:lote --tipo personagens. Personagem que é pessoa real: a foto dela vai emrefs. - Olhe cada imagem com o Read antes de mandar. Uma imagem com defeito óbvio (texto, mãos deformadas, mais de uma pessoa, roupa diferente da ficha) é refeita uma vez antes de ir para o usuário, e você conta a ele que refez.
No novelinha, o personagem é uma pessoa fotorrealista: rosto, pele e roupa de verdade, sem traço de desenho (estilo_personagem do novelinha.json e o modelo de personagem realista em prompts.md). Se o expert real aparece, a foto dele vai em refs, só quando o anúncio é dele e ele autorizou o uso da imagem. A roupa é fixa dentro de cada "dia" da história. Se o roteiro tem salto de tempo ou de lugar ("30 dias depois", "no casamento"), gere uma segunda imagem do mesmo personagem com a roupa nova (refs = a imagem aprovada), mande para aprovação e use essa nas cenas daquele trecho. Em emagrecimento, o "depois" também muda o corpo (receita em prompts.md).
No office, o personagem também é fotorrealista, mas a foto de elenco já sai no visual antigo: a pessoa de corpo inteiro, em pé, dentro do escritório dos anos 2000 (divisória cinza, monitor de tubo, luz fluorescente), no estilo_personagem do office.json. Assim o usuário aprova a pessoa e a "pegada" juntas. Roupa de escritório da época (blusa de botão, cardigã, calça social, crachá sem texto). O contraste de corpo (quem emagreceu x quem não) segue a receita de prompts.md.
Etapa 3: aprovação dos personagens
Mande as imagens com o SendUserFile (todas numa chamada, com legenda "Ana v1, Ana v2, Rafa v1…") e escreva a ficha de cada um em 2 linhas. Pergunte qual versão fica, ou o que mudar. Quando ele aprovar, grave imagem (o arquivo escolhido) e aprovado: true no personagem. Um ajuste vira um prompt novo e um --refazer só daquele personagem (--cenas <id> também filtra personagens).
Etapa 4: dividir em cenas
Uma cena é um trecho de fala com no máximo 8 s estimados, que vira uma imagem e um vídeo. Com o Grok 1.5, estime 3,9 palavras/s + 0,5 s + 0,3 s por troca de quem fala, arredondado para cima, com mínimo de 3 s. Com o Omni, 3 palavras/s + 0,5 s + 0,7 s por troca. Depois que a cena 01 sair na etapa 6, recalibre essa conta pela fala real.
O que já se viu do Grok 1.5:
- Fala emendada, sem pausa na troca de quem fala, a ~3,8 a 4 palavras/s.
- Quando sobra tempo no clipe, ele inventa fala ("É, continua mesmo", "Calma, eu vou te ajudar"). Por isso a duração é justa, não se pede corte seco para depois do fim da fala, e a
regras_videodiz que ninguém fala depois da última fala entre aspas. Na conferência, toda frase transcrita que não está no roteiro é motivo para refazer a cena. Fala inventada só no fim do clipe sai na edição, que mantém só as palavras do roteiro, mas os segundos já foram pagos. - Personagem numa tela (vídeo no celular, TV) fala junto se o prompt não disser
the video on the phone is muted. Use o campona_tela. - Close sem rosto com câmera solta inventa gente. Em close de corpo, escreva
Static locked camera, no camera movement, the head never enters the frame, nobody else appears. - Palavra repetida entre duas falas seguidas some. Em "Posso começar hoje?" / "Hoje.", o Grok corta uma das duas. Fala que ecoa a anterior vai em clipe separado, ou a cena é dividida em duas.
Regras que valem para toda cena, nos três estilos:
- Sempre interação. Os personagens olham um para o outro e reagem ao que o outro diz. Ninguém olha para a câmera, a não ser o expert na chamada final ("clica em saiba mais") e, no office, os depoimentos e as encaradas. Vale na imagem e no vídeo: escreva no prompt para onde cada um olha (
Rafa looks at Ana). - Quem fala aparece falando. Em cada plano, quem está falando está em quadro, grande o bastante para ver a boca, de frente ou 3/4 para quem escuta, com a boca livre (nada de mão na boca, rosto escondido em abraço ou de costas). A primeira fala do anúncio é o gancho: plano médio ou mais perto em quem fala, nunca a pessoa pequena lá no fundo, e fala articulada, sem atropelar.
- O erro que gerou esta regra: um gancho pedido como "frozen in shock with one hand over her mouth", num plano aberto. A personagem falou pequena, na porta, com a mão tapando a boca, e quem assistiu não entendeu quem estava falando.
- Quem é quem, sempre explícito. Já aconteceu de a fala da especialista sair da boca de outra personagem. Cada personagem tem uma linha
visualna ficha (cabelo, rosto, roupa e cores, em inglês). A imagem de cada cena tem de mostrar exatamente os personagens da listapersonagensda cena, reconhecíveis por essa ficha. O prompt de vídeo diz, em cada fala, quem fala, com o visual (Carla (short curly black hair, white lab coat), warm: "..."). O script acrescenta sozinho o bloco "Who is who" (nome, visual e voz de cada um em quadro; quem fala fora de quadro; quem não fala no clipe; e que cada linha sai só da boca de quem está nomeado). - Tudo o que a cena usa já está na imagem. O vídeo só anima o que existe no primeiro quadro. Se a pessoa vai desligar a esteira, o painel da esteira está na imagem. Se vai abrir a geladeira, a geladeira está lá. Se vai espiar por cima da divisória e se abaixar atrás dela, a divisória está inteira na frente dela, na altura certa. Quando falta, o Grok improvisa: a pessoa segura o ar e o objeto surge no meio do clipe.
- O erro que gerou esta regra: num esquete office, duas colegas "espiavam por cima da divisória da baia", mas a imagem não mostrava a divisória na frente delas. No vídeo, as duas seguraram uma divisória invisível, e ela só apareceu quando elas se abaixaram.
- Como aplicar: ao escrever a cena, leia a ação inteira, do primeiro ao último segundo do clipe, e liste tudo em que alguém toca, segura, abre, usa, se apoia, se esconde atrás ou põe alguma coisa em cima. A lista vai na linha
Elementos:docenas.mde no campoelementos(em inglês) doprojeto.json. - O script escreve a lista no prompt da imagem ("já está inteiro no primeiro quadro, no lugar e no tamanho certos") e no do vídeo ("só mexe no que está visível; nada aparece nem some; ninguém finge segurar algo invisível"). As
regras_videodos três estilos também trazem essa trava. - Na conferência da imagem, cada elemento é um item da lista: se faltou, cortado pela borda ou no lugar errado, refaça antes de animar.
- Congruência de cenário. Cada lugar tem um cenário fixo, e ele não muda quando a câmera troca de um personagem para o outro. No plano e contraplano, o fundo de cada um é o outro lado da mesma sala: a janela continua do mesmo lado, os armários no mesmo lugar, a mesma luz e a mesma hora do dia. O que alguém pegou continua na mão dela na cena seguinte, o prato não troca de lugar e a caneca não some.
- Como aplicar: descreva cada lugar uma vez em
ambientes(em inglês, com a disposição: o que fica à esquerda, à direita e ao fundo) e marque em cada cena oambiente. O script repete a mesma descrição em toda cena daquele lugar. A cena que abre o lugar é gerada primeiro e vai emrefsdas outras. - Quem está em pé ou sentado continua assim até a cena mostrar a pessoa mudando.
- Na conferência, compare cada imagem com a anterior do mesmo lugar: parede, móveis, lado da janela, luz, objetos e postura.
- Como aplicar: descreva cada lugar uma vez em
Regras de dinamismo do Pixar (a referência troca de plano a cada ~2 s):
- Não repita o enquadramento da cena anterior. Alterne dois em quadro, por cima do ombro, close de reação, expert sozinho falando para a câmera e ilustração.
- Uma cena de 6 a 8 s leva 2 ou 3 planos dentro dela (por exemplo, dois em quadro e depois um corte seco para o close da reação de quem escuta). Cena de 3 a 4 s leva um plano só.
- O que se fala vira imagem. Parte do corpo, número, comparação, "vídeo no TikTok", "aula gravada": ilustre de forma literal e exagerada (metabolismo com um cadeado, barriga queimando como brasa, alma saindo do corpo, mão segurando o celular com a cena na tela). Uma cena assim pode durar 3 s.
- Reações exageradas de Pixar em quem escuta: choque, raiva, dúvida, risada.
- Troque o ambiente na virada do argumento (do problema para o mecanismo, do mecanismo para a oferta).
- Chamada final: o expert sozinho, olhando para a câmera, apontando para baixo. Feche com os dois juntos reagindo.
No novelinha, a gramática é outra (detalhes em novelinha-referencia.md):
- **Uma pesso…
[truncado para tradução]