⚙️ A skill por dentro

O motor detecta os trechos de voz por energia de áudio (silencedetect) e remove silêncios, pausas, repetições e erros, ficando sempre com a última tomada de cada frase.

É a base: um corte previsível e sempre igual para a mesma entrada — nada de "achismo" no timing.

silencedetect, ilhota de voz, última tomada, determinismo.

O motor olha os fotogramas (via /watch), entende o conteúdo e propõe o opening, o tipo de B-roll e o ritmo — montando um plano de montagem (beat sheet).

É o que faz o tratamento se adaptar AO vídeo, em vez de aplicar sempre o mesmo molde.

/watch, tratamento, beat sheet, opening.

O Hyperframes monta as animações e o Firecrawl traz capturas reais de sites/repos. O cold open é obrigatório e nenhum trecho fica mais de 4s sem um golpe visual.

São as fases que dão o "nível pro": ritmo, credibilidade do real e um gancho logo no início.

Hyperframes, Firecrawl, cold open, regra dos 4s.

Efeitos sonoros sutis (whoosh, ching) entram sob a voz — por padrão sem música. Renderiza-se o arquivo e um QC automático caça lacunas e sobreposições, regenerando o que falhar.

SFX bem colocado "produz" o corte; o QC evita entregar um render com furo de sincronia.

SFX, render, QC, regeneração.

Um subagente limpo assiste ao render (via /watch) e dá um veredito PASS ou FAIL. Se FAIL, o motor corrige e repete o ciclo até passar.

É a última comporta antes de entregar — nada sai sem um olhar independente aprovar.

Revisor, subagente, PASS/FAIL, loop.

O revisor é um subagente que não viu como o vídeo foi montado. Ele julga só o resultado, sem o viés de quem construiu.

Quem monta tende a "não ver" os próprios erros; um olhar limpo pega o que o agente principal deixou passar.

Contexto limpo, viés do autor, verificação independente.

Três ideias que amarram a trilha: a comporta dura (verificação bloqueante), o beat sheet (plano de ritmo) e o loop de qualidade (repetir até passar).

Com esse vocabulário você entende por que o motor é confiável, não só "esperto".

Comporta dura, beat sheet, loop de qualidade.

O corte usa os limites exatos de silêncio do áudio, não os timestamps do Whisper (que têm jitter de ±0,2–0,3s). O script islands.py acha as ilhotas de voz.

Cortar pelo Whisper deixa restos de silêncio e meias-palavras; cortar pela energia é preciso.

silencedetect, jitter, ilhota, islands.py.

islands.py propõe o que manter (KEEP/DROP), cut.py monta o corte e verify-cut.py confere que ficou limpo — saindo com exit 0 quando passa.

É uma cadeia com checagem no fim: você não anima nada antes do corte passar.

KEEP/DROP, exit 0, comporta dura.

Um lint estático da timeline do Hyperframes: se houver mais de 4s sem um beat visual, ele acusa erro e não deixa renderizar.

A regra dos 4s deixa de ser intenção e vira verificação automática do ritmo.

Lint, beat visual, --max-gap, comporta de ritmo.

Gera "beats" de legenda de 2–3 palavras, sincronizados com a voz, com uma palavra-chave (que você passa em --keywords) pintada na sua cor de acento.

Legendas curtas e com destaque próprio evitam o "look-IA" de legendinha genérica.

Beat de legenda, keyword, área segura.

make-sfx.sh sintetiza a paleta de efeitos (whoosh, boom, ding…) sem baixar nada; mix-sfx.py sobrepõe cada efeito no tempo certo, por baixo da voz, com limitador.

SFX sintetizado é leve, livre de direitos e sempre igual — cabe no pipeline determinístico.

Paleta de SFX, eventos, ducking, limitador.

As animações não usam Math.random() nem Date.now(); nada de repeat infinito (repetições finitas calculadas); timelines em estado paused e registradas.

Só assim o mesmo projeto renderiza o mesmo frame toda vez — condição para lint e QC confiáveis.

Determinismo, repeat finito, paused, reprodutibilidade.