Do roteiro ao reel ilustrado, sem pagar nada

🎨 Ilustrado, sem lip-sync

Avatar ilustrado do Nei grande, embaixo (≈ 43 % da altura), em 11 poses ligadas à emoção da fala (susto, dúvida, aponta, explica, polegar…), um desenho-herói por cena e um mascote robô. Ninguém precisa gravar nada.

🎙️ Voz do Nei, local

Voz por TTS local (inemavox chatterbox), 160–190 palavras por minuto, Whisper local marcando o tempo de cada palavra para a legenda e os gatilhos de cena.

✅ QA automático

Mede duração, ritmo da fala, volume (−14 LUFS), trocas visuais por minuto, prova até 20 s, opções da isca plantadas antes, CTA sem promessa de entrega, cartão final e silêncio antes da máxima. Sai um qa.md e um contact.jpg.

1. Gancho no quadro 0, de um destes tipos: contrário (manda parar algo que todo mundo faz), perda (e se X sumisse?), estatística de medo com fonte, ou história de terceiro com número. Proibido: lista ("5 coisas…"), "você sabia que…", "eu fiz…".
2. Manchete do quadro 0 com até ~6 palavras, caixa alta, uma palavra em amarelo, mais agressiva que a fala. Um objeto com dano desenhado (riscado de vermelho, quebrado), o avatar reage no 1º segundo e algo muda a cada ~1 s nos 3 primeiros segundos. O quadro 0 serve de capa.
3. Prova até 20 s: o print real da página da fonte, o número na manchete e a linha fonte: embaixo.
4. O problema de quem assiste, com absolvição ("não é culpa sua, ninguém te deu o mapa"). Aqui a pergunta final já é plantada: as opções aparecem em amarelo.
5. Um tema por vídeo, em 2–5 peças com índice visível e barra de pílulas no topo; um objeto por frase, mudando a cada 2–3 s.

6. Todo número tem fonte escrita na tela (fonte: …).
7. Ressalva honesta falada, num cartão de alerta (vermelho = problema, verde = certo).
8. Máxima em antítese, depois de 0,8 s de silêncio real (voz e trilha param).
9. CTA de opinião: o Nei diz o lado dele e faz uma pergunta forte, respondida com uma palavra ("comenta PAGO ou LOCAL"). O cartão mostra a pergunta e as opções, a caixa de comentário digita uma opção, publica e confirma; fica ~10 s, sem despedida. Nunca promete entrega ("te mando", "eu envio"): ninguém responde comentários. Link e fonte ficam parados no comentário fixado.

Isca de opinião

A pergunta do fim, com duas opções de uma palavra (no 1º vídeo, PAGO ou LOCAL). A tensão aparece no quadro 0, as opções são plantadas cedo e só elas (e a palavra quente da manchete) ficam em amarelo.

Máxima

A frase-resumo do fim, em antítese ("Ser dono do teu sistema nunca foi saber cada linha. É saber o que segura o quê."). Vem depois de um silêncio curto.

Palco

A página motor/palco.html que desenha cada cena. O render tira uma foto dela por quadro.

Cama musical

Trilha baixa por baixo da voz, que abaixa quando a voz fala e para no silêncio antes da máxima.

LUFS

Medida de volume percebido. −14 LUFS é o volume que as redes usam como padrão.

CTA

"Chamada para ação": o pedido final do vídeo. Aqui é sempre um só, uma pergunta de opinião respondida com uma palavra.

TTS e lip-sync

TTS é a voz gerada a partir do texto. Lip-sync é a boca mexendo junto com a fala; o rtexjp não faz, o avatar só muda de pose.

Whisper e Playwright

Whisper transcreve a voz e dá o tempo de cada palavra. Playwright abre o palco num navegador sem janela e tira a foto de cada quadro.

Flash tipográfico

Uma tela rápida só com texto grande entre as peças, para o vídeo não ficar parado.

Tipos de bloco

tese = afirmação (o gancho, o problema); autoridade = a prova com fonte; virada = o índice que anuncia as peças; metodo = cada peça; planta é só o id do bloco que planta as opções da pergunta final.

Batida

Um trecho do bloco que troca manchete, desenho e pose na palavra marcada em em. É o que faz algo mudar a cada 2–3 s.

Desenho-herói

O objeto ilustrado grande no meio da tela (terminal quebrado, mapa, cadeado), tirado da biblioteca motor/assets/objetos/.

1. Rótulo em monoespaçada (≥ 30 px) e, nas peças, as pílulas 01–03.
2. Manchete em Sora ExtraBold, centrada, 2–3 linhas, ≥ 96 px, quase branca, com uma palavra em azul-aço claro (amarela só no quadro 0).
3. Desenho-herói ou print real, grande, entre a manchete e o avatar.
4. Legenda karaokê numa faixa própria, com a palavra dita destacada.
5. Avatar grande, embaixo e centralizado, na pose da batida; o rosto fica acima dos 80 % da altura.

O fundo tem holofote e grão leve e alterna entre o marinho e um papel azul-gelo ("tema": "claro" na cena), com letras marinho. No silêncio antes da máxima o último quadro fica congelado com o avatar pensativo: nunca tela vazia.

Portão de beleza: o QA mede no próprio palco, em duas amostras por bloco, a manchete (≥ 96 px), todo texto (≥ 30 px), a área ocupada (≥ 55 % do quadro útil), o contraste do texto (≥ 4,5:1) e a altura do avatar (≥ 38 %). Vale para roteiros com "versao": "rtexjp/3".

Roteiro e validação

checar confere o esqueleto pelo campo tipo: começa em tese, virada antes do primeiro metodo (2–5 peças), ressalva antes da maxima, maxima logo antes do cta no fim. O 2º exemplo usa tese (gancho) → autoridade (prova) → tese (problema + opções) → virada → metodo ×3 → ressalva → maxima → cta.

Voz e cena

voz gera um áudio por bloco, acelera até 1,15× e junta; cena cruza o roteiro com o tempo de cada palavra.

Render, mix e QA

render fotografa o palco quadro a quadro; mix põe a trilha (que para no silêncio da máxima); qa mede tudo.

Voz: inemavox + ambiente chatterbox

O projeto inematds/inemavox clonado em ~/projetos/inemavox (o motor chama o tts_direct.py e o whisper_daemon.py dele). O TTS chatterbox e o Whisper large-v3 rodam num ambiente Python à parte (no Nei, o conda env chatterbox em ~/miniconda3/envs/chatterbox); se o seu estiver em outro lugar, aponte as variáveis abaixo. Se clonar em outro lugar, exporte RTEXJP_INEMAVOX com o caminho. O Whisper large-v3 ocupa cerca de 10 GB na placa de vídeo (GPU NVIDIA), mais o chatterbox. Testado em Linux.

git clone https://github.com/inematds/inemavox ~/projetos/inemavox
cd ~/projetos/inemavox && python3 -m venv venv
./venv/bin/pip install -r requirements.txt   # o rtexjp chama venv/bin/python tts_direct.py
# chatterbox + faster-whisper num ambiente próprio (ver o README do inemavox)
export CHATTERBOX_PYTHON=/caminho/do/env/bin/python3   # TTS
export CS_WHISPER_PY=/caminho/do/env/bin/python3       # Whisper

Imagem: flux2-klein

O servidor inematds/inemaimg com o modelo flux2-klein (padrão http://localhost:8000/generate, ou o endereço em RTEXJP_IMG_URL), mais a foto de referência do avatar (RTEXJP_AVATAR_REF). Só é preciso nos passos opcionais 4 e 5 (poses e desenhos de cena); as poses do Nei e a biblioteca de desenhos já vêm prontas.

Node, ffmpeg, Python

Node 18 ou mais novo, ffmpeg (com o ffprobe, que vem junto) e Python 3 com Pillow e numpy.

git clone https://github.com/inematds/rtexjp
cd rtexjp
npm i
npx playwright install chromium
pip install --user pillow numpy   # ou dentro de um venv

Campos de cada bloco

tipo (ordem acima) · fala (por extenso, sem algarismo) · fala_tts (opcional, grafia para o TTS pronunciar certo) · tela (texto grande e a palavra em destaque) · cena.comp + cena.params (o que o palco desenha; params.gatilhos liga uma mudança de cena a uma palavra da fala) · pose do avatar · destaque_fala (palavras coloridas na legenda) · fonte (id em fontes) · rotulo e n (número da peça). Só na maxima: silencio_antes_s (0,5–0,9). Só no cta: hold_s, quanto o cartão fica depois da última palavra (5–9 s; com a fala, o cartão inteiro dá ~10 s). No topo: gancho.tipo (contrario, perda, estatistica, historia) e gancho.objeto; isca com tipo: "opiniao", pergunta, opcoes e lado.

Componentes do palco (cena.comp)

Formato atual: gancho (quadro 0 com objeto danificado), contador (aceita decimais), duas (problema + as opções da isca), indice, mapa, explica, impacto, ressalva, flash, opiniao (cartão da pergunta). Da 1ª edição, ainda no palco: titulo, frase, pasta, repo, carro, equipe, cta (legado). O mascote robô é desenhado pelo próprio palco, ao lado do avatar, e reage à cena (interrogação, alerta, visto). Poses: bracos, queixo, apontando, segurando, surpreso, mostrando. Os parâmetros de cada componente estão nos exemplos edicoes/2026-10-28-china-fecha/roteiro.json e edicoes/2026-10-28-paga-200/roteiro.json.