
maquina-cortes-gta
Vídeo longo vira vários cortes de Shorts (metade streamer, metade vídeo), com legenda palavra por palavra e a marca d'água do seu perfil.
- GitHub stars
- 44
Install
/plugin install maquina-cortes-gta@maquina-cortes-gtaRun it inside Claude Code after adding the marketplace with /plugin marketplace add pedroxcardoso/maquina-cortes-gta.
Contents
Discovered from sourceSkills 2
máquina-cortes-gta
Você recebe um vídeo longo e entrega vários cortes prontos em 9:16, cada um sobre um assunto diferente, com o gancho escolhido por você a partir da transcrição. Edição feita em Remotion; transcrição local com whisper.cpp. Tudo roda no computador do usuário.
Escreva pouco no chat: nunca despeje a transcrição nem JSON inteiro; mostre só o que o usuário precisa decidir ou receber.
<skill> = a pasta onde este SKILL.md está. ~/.maquina-cortes-gta = pasta de dados do usuário (motor, whisper, nome do perfil e logo).
0. Conferir a instalação
node "<skill>/scripts/setup.mjs" --check
engine: falseouwhisperModel: false: rodenode "<skill>/scripts/setup.mjs"(instala o Remotion e o whisper.cpp; leva alguns minutos e baixa arquivos grandes; avise o usuário antes).ffmpeg: false: peça para o usuário instalar o FFmpeg (o script mostra o comando do sistema dele) e pare.ytdlp: false: só aceite arquivo de vídeo (não link) e diga como instalar o yt-dlp.- Opcionais:
efeitosGerados: 0(sem efeitos sonoros ainda),elevenlabsKeyepython(para gerá-los) egoogleImagens(para buscar imagens). Veja a seção "Cortes rápidos, imagens e efeitos sonoros". - Avise uma vez, em 3 linhas, e dê as opções quando faltar algo opcional (não pare o trabalho por isso):
efeitosGerados: 0eelevenlabsKey: false: "Sem efeitos sonoros. Opções: (a) criar uma chave na ElevenLabs e definirELEVENLABS_API_KEY(gasta créditos seus, 3 efeitos curtos); (b) colocar sons seus em~/.maquina-cortes-gta/sfx/(impacto,whoosh,pop, mp3 ou wav); (c) seguir sem efeitos."googleImagens: false: "Sem busca de imagens no Google. Opções: (a) configurarGOOGLE_API_KEYeGOOGLE_CSE_ID(gratuito até 100 buscas por dia); (b) mandar as imagens como arquivo; (c) seguir sem imagens." O Google bloqueia a pesquisa por navegador automático (CAPTCHA), então não tente raspar a página; se você achar uma imagem por outro meio permitido (ex.: arte oficial no site da Rockstar), baixe e use comofile.- Depois da escolha do usuário, não pergunte de novo na mesma conversa.
1. Perfil (só na primeira vez)
Se perfilConfigurado for false, peça numa única mensagem:
- o nome do perfil como deve aparecer na marca d'água (ex.:
SEU CANAL); - a logo (o usuário anexa a imagem; PNG ou JPG, de preferência quadrada).
Ache o caminho do arquivo anexado na conversa e rode:
node "<skill>/scripts/setup.mjs" --profile "NOME DO PERFIL" --logo "CAMINHO/DA/LOGO.png"
A marca d'água é a logo em corte circular à esquerda e o nome ao lado, no canto superior direito, em todos os cortes. Depois disso não pergunte de novo, a menos que o usuário peça para trocar.
2. Pedir o vídeo
Peça ao usuário o vídeo de origem (o streamer ou podcast): um link ou um arquivo. Na mesma mensagem, ofereça o vídeo da metade de baixo (gameplay, trailer ou B-roll, link ou arquivo). Se ele não tiver um, use o trailer oficial da Rockstar: https://www.youtube.com/watch?v=rz1B4B2yBZY (se o link falhar, peça outro).
3. Preparar a pasta de trabalho
Use ./cortes/<slug>/work/ na pasta atual (<slug> = o assunto do vídeo, em minúsculas e com hífen).
yt-dlp -S "res:1080" -f "bv*+ba/b" --merge-output-format mp4 --no-playlist -o "work/source.%(ext)s" "LINK_DA_ORIGEM"
yt-dlp -S "res:720" -f "bv*+ba/b" --merge-output-format mp4 --no-playlist -o "work/bottom.%(ext)s" "LINK_DA_METADE_DE_BAIXO"
Se for arquivo, copie-o para work/source.mp4 (e work/bottom.mp4); se não for mp4, converta com ffmpeg -i ARQ -c:v libx264 -c:a aac work/source.mp4. Se o yt-dlp devolver HTTP 429, espere um pouco e tente de novo; se persistir, peça o arquivo. Se disser que o vídeo tem restrição de idade ("Sign in to confirm your age"), peça o arquivo de vídeo ao usuário: não use os cookies do navegador dele sem ele pedir.
4. Transcrever
node ~/.maquina-cortes-gta/engine/scripts/transcribe.mjs work/source.mp4 work pt
(Troque pt pelo idioma do vídeo. Um 4º argumento opcional limita a transcrição aos primeiros N segundos, útil para testar rápido em vídeo longo; no meu teste, 6 minutos de áudio levaram ~3,5 min com o modelo small.) Gera captions.json (palavra por palavra), silences.json e meta.json. Para ler a transcrição sem despejar o JSON:
node ~/.maquina-cortes-gta/engine/scripts/transcript-text.mjs work
Isso imprime linhas [mm:ss] frase. Leia em blocos.
5. Analisar os ganchos e escolher os cortes (você faz isso sozinho)
O usuário não escolhe os trechos. Você lê a transcrição e decide, seguindo references/ganchos.md. Resumo:
- Mapeie os assuntos do vídeo: divida a conversa em blocos por tema e anote o minuto de cada um.
- Escolha de 3 a 5 cortes (2 se o vídeo tiver menos de 5 minutos), de 20 a 60 s, cada um sobre um assunto diferente e com um gancho diferente. Sem sobreposição de tempo e sem dois cortes abrindo com a mesma ideia.
- Procure o gancho de cada um numa frase que já abre uma curiosidade, traz um fato específico (número, nome, comparação com GTA V), um conflito ou uma opinião forte. Comece o corte nessa frase, sem "então, galera" nem aquecimento.
- Termine no payoff: a frase que responde o gancho, sem deixar a ideia pela metade.
- Dê uma nota de 0 a 10 a cada gancho (ver o guia) e descarte o que ficar abaixo de 6. Se faltar corte bom, entregue menos e diga por quê.
- Se o streamer não estiver no centro da imagem, extraia um quadro (
ffmpeg -ss 5 -i work/source.mp4 -frames:v 1 work/frame.jpg), olhe e ajustefocus(xey, de 0 a 100) para o rosto ficar enquadrado na metade de cima. - Grave
work/cuts.json:
{
"clips": [
{
"id": "01-tamanho-do-mapa",
"start": 312.4,
"end": 358.0,
"focus": {"x": 50, "y": 35},
"assunto": "tamanho do mapa",
"hook": "O mapa do GTA 6 é a soma de três mapas.",
"nota": 8
}
]
}
(id com número e assunto; bottomStart é opcional e dá um ponto de partida diferente para o vídeo de baixo.)
Live com várias câmeras ou tela do jogo ocupando o quadro (ex.: um react com 4 câmeras pequenas ao lado do jogo): o focus sozinho não acha o streamer. Olhe o quadro extraído e adicione "crop": {"x": 1092, "y": 118, "w": 146, "h": 130} ao corte, em pixels do vídeo de origem, em volta da câmera de quem está falando (proporção ~1,125:1 para preencher a metade de cima). Câmera pequena ampliada fica borrada; avise o usuário e sugira uma origem com o streamer em plano grande.
Cortes rápidos, imagens e efeitos sonoros
Cortes (padrão, estilo dos cortes de referência de 12/11): além de tirar pausas, o build.mjs quebra planos longos a cada ~2,8 s, sempre no começo de uma palavra (não remove conteúdo). Cada quebra é um jump cut seco: muda só o zoom (107% ↔ 100%), sem flash e sem swoosh. O swoosh (e o flash) é só para virada de seção: liste os segundos (do vídeo de origem) em "turns": [312.8, 331.0] no corte (3 a 5 por corte): quando o assunto muda, quando entra um b-roll ou quando o streamer cita um console. "ritmo": "normal" só tira as pausas; "ritmo": "rapido" volta ao estilo antigo (swoosh em todo corte; não use, o usuário achou repetitivo). Pausas: entre frases, acima de 0,3 s fica em 0,2 s (padrão aprovado pelo usuário no CapCut, 12/11); dentro da frase não mexa.
Menção a console (PlayStation, PS5, PS2, Xbox): quando o streamer citar, marque o segundo em turns e liste uma image (ou o vídeo do console, curto, achado e baixado com o Playwright/yt-dlp): swoosh → vídeo/foto do console por ~1–2 s → volta ao ponto onde estava, com a fala e a legenda sem perder a sincronia (exemplo: Download(14)).
Escolha do trecho pelo "mais reproduzido": para live ou vídeo longo do YouTube, use o Playwright (e o agent-reach para ler a página) para abrir o vídeo e ler o gráfico "mais reproduzido" (mapa de calor da barra de tempo). O pico mais alto é candidato a corte (mais retenção e engajamento); cruze com o gancho da transcrição e registre o minuto do pico. Se o gráfico não aparecer, diga e siga só pela transcrição.
Imagens aparecendo (GTA, mapas, prints): escolha 1 a 3 momentos do corte em que a fala cita algo mostrável (ex.: "mapa", "PS5", um personagem) e liste em images no cuts.json, com at em segundos do vídeo de origem e dur em segundos:
"images": [
{"query": "GTA 6 mapa Leonida", "at": 312.8, "dur": 2.2},
{"file": "C:/imagens/ps5.png", "at": 318.0}
]
Popups com imagem real, nunca só texto: capa/arte do jogo quando falar o nome dele (ex.: "GTA 6"), logo com fundo transparente vindo em direção à tela quando o jogo é citado pela primeira vez, ícone da Rockstar quando disser "Rockstar", mapa/aérea quando falar de mapa, personagem quando falar dele; para comparar, dois mapas lado a lado ("GTA 5" e "GTA 6"). Sem as chaves do Google, use arquivos do usuário ou arte oficial baixada (o Google bloqueia a pesquisa de imagens por navegador automático). A imagem entra na metade de baixo com animação e um pop. file usa uma imagem do usuário. query busca no Google pela API oficial (Custom Search) e baixa a primeira imagem que servir; precisa das variáveis GOOGLE_API_KEY e GOOGLE_CSE_ID do usuário (gratuito até 100 buscas por dia; veja o cabeçalho de template/scripts/buscar-imagens.mjs). Sem elas, a imagem é pulada com um aviso: peça arquivos ao usuário. Prefira buscas que tragam material oficial (trailer, arte de divulgação).
Efeitos sonoros (whoosh, impacto, pop): ficam em ~/.maquina-cortes-gta/sfx/ e o build.mjs os usa sozinho: impacto no quadro 0, whoosh só nas viradas de seção (turns), pop em cada popup de imagem, menos de 15 efeitos por 35 s, bem abaixo da voz (mix final ≈ −14 LUFS) (sfxGain no config.json, padrão 0,6). Se efeitosGerados for 0, pergunte uma vez se o usuário quer gerar (usa créditos da conta ElevenLabs dele, 3 efeitos curtos) e, só com o OK, rode:
node "<skill>/scripts/gerar-paleta-sfx.mjs"
Isso usa a skill sound-effects (glebis, MIT) que vem junto no repositório e a variável ELEVENLABS_API_KEY. Nunca peça nem escreva a chave no chat. Sem efeitos gerados, o corte sai mudo de efeitos.
6. Renderizar
node ~/.maquina-cortes-gta/engine/scripts/build.mjs work .
O build.mjs tira as pausas longas, refaz as legendas na nova linha do tempo e renderiza cada corte com o Remotion em ./01-....mp4, ./02-....mp4 etc. (1080×1920, 30 fps, H.264). O primeiro render pode baixar o Chrome headless do Remotion. Se algum corte falhar, mostre o erro e renderize os outros.
7. Entregar
Responda curto: a lista dos arquivos gerados e uma tabela com assunto, gancho (a frase), duração e nota de cada corte, mais um título curto sugerido por corte. Nada além disso.
Regras
- Estilo de referência (12/11/2026, ver
references/estilo-referencias.md): corte seco sem swoosh; swoosh só em virada de seção e junto de popups; popups com imagem real; pausas ≤ 0,2 s; final "Seguir → Seguindo" (animação de seguir, reutilizável) nos últimos ~3 s. - Estilo fixo: metade de cima o streamer (corte com zoom nos cortes), metade de baixo o vídeo; legenda palavra por palavra na divisa, caixa alta, palavra falada em amarelo; marca d'água no canto superior direito. Detalhes em
references/estilo-metade-metade.md. - Não mude a marca d'água nem peça a logo de novo depois da primeira vez.
- Cada execução é independente: não reaproveite
cuts.jsonde outro vídeo. - Se algo falhar, veja
references/problemas.md.
Sound Effects
Announce at start: "I'm using the humane:sound-effects skill to make a small, coherent sound palette for this interface."
Sound is feedback, not wallpaper. Generate a short cue only when it acknowledges a change that the interface needs to make felt: a panel catching after a drag, a confirmed action, a changed mode, or a boundary reached. It is never added merely because something moves.
Before generating
- Name the moment and the change it confirms. If the interface already makes it obvious, do not add a sound.
- Read the project's token set or
DESIGN.mdwhen it exists. It supplies the material vocabulary; do not invent a second brand in audio. - Ask whether sound is opt-in, and identify motion-reduction and system sound settings. Effects must never autoplay, convey the only meaning, or prevent a task from being completed silently.
Generate a palette, not isolated noises
Start with three to five roles. Keep each effect short and quieter than a notification.
| Moment | Duration | Prompt shape |
|---|---|---|
| Press / select | 0.50 s | dry tactile click, no voice, no melody |
| Panel drag | 0.50–0.60 s | restrained low-friction mechanical glide, soft analogue texture |
| Snap / settle | 0.50 s | soft magnetic catch, rounded transient, short decay |
| Boundary | 0.50 s | muted non-alarming low pulse |
| Completion | 0.50–0.80 s | small upward confirmation tone, restrained and non-game-like |
For Humane, begin with precise, editorial, retro-futurist, tactile, quiet and exclude voice, melody, fanfare, harsh alarms, and bright game UI. Generate alternatives, then choose the family by listening side by side.
Provider adapters
ElevenLabs is the first adapter, not the architecture. The generator takes a
--provider name and loads scripts/providers/<name>.py; every adapter shares
the same prompt, duration, loop, output, and receipt contract. Read
references/provider-adapters.md before adding one. This is where another
hosted provider or local sound model can be integrated later without changing
the skill's UI rules, prompt palette, generated files, or review handoff.
The ElevenLabs adapter calls POST /v1/sound-generation with
ELEVENLABS_API_KEY. The key belongs in the project's approved secret manager
or local environment, never in humane.json, a prompt, source code, or a
committed .env file. Read setup/references/secrets.md when setting up or
changing secret access.
python3 scripts/generate_sound.py --provider elevenlabs --name panel-snap --text "A soft magnetic mechanical catch; tactile analogue electronics, warm low mid tone, precise and quiet, no voice, no melody, no alarm" --duration 0.5 --out <resolved-sound-directory>/panel-snap.mp3
Resolve <resolved-sound-directory> with artifact_path(palette, "sound-effects"), which produces .design/sound-<palette>/ under the project;
never construct that path from the current working directory. ElevenLabs accepts
explicit durations from 0.5 seconds, so the generation table does not promise a
shorter value than the adapter can request. Use --duration only when
interaction timing needs it. --loop is for ambience only, never a click, drag,
or completion cue. The script writes audio plus a JSON receipt containing its
prompt and parameters, never a key.
Wire and check
- Preload only selected, compressed effects; never fetch a key or generate in the browser.
- Trigger after a visual state change begins. A sound that predicts a change that later fails is misleading.
- Use one sound per completed gesture and rate-limit rapid hover, drag, and click events.
- Offer a visible mute control when sound recurs, preserving that choice for the current device.
- Hand the live interaction to
humane:walkthrough. Check whether the cue clarifies what happened; do not judge it in isolation.
Boundaries
- Never generate speech here; use a speech tool for narration.
- Never claim an effect improves accessibility without testing it with people who use sound differently or not at all.
- Never spend credits or call the API until the user approves the selected prompts and variation count.
Sponsors
Details
- Marketplace
- pedroxcardoso/maquina-cortes-gta
- Author
- Pedro Cardoso
- Category
- Video