Série Prática Codex: Gere Vídeos Virais Automaticamente sem Edição

Anteriormente, fazer um vídeo — roteiro, narração, edição e legendas — cada etapa exigia um tempo significativo de aprendizado, muitas vezes fazendo com que as pessoas desistissem antes mesmo de começar.

Agora, essas tarefas podem ser entregues diretamente ao Codex.

Você dá a ele um artigo ou apenas um tema, fornece as Skills de vídeo correspondentes, e o Codex pode completar o roteiro falado, a voz, o storyboard, as legendas, os efeitos de movimento e o vídeo final. Você não precisa aprender edição primeiro, nem precisa entender código; desde que consiga descrever claramente o vídeo que deseja, você pode começar.

Neste artigo, explicarei todo o processo do início ao fim. Vamos começar fazendo um vídeo a partir de um artigo sem mostrar o rosto e, em seguida, adicionar o método de edição para narrações com pessoas reais. Mesmo alguém novo em vídeo pode acompanhar para produzir sua primeira versão.

Meu fluxo de trabalho é: Artigo ou Tema → Roteiro Falado → Narração → Linha do Tempo → Storyboard → HyperFrames → Verificar Vídeo Final.

Este tutorial começa pelo caminho mais simples. Você só precisa saber como abrir o Codex, criar uma pasta e colocar o artigo nela; você pode dizer a ele o que fazer frase por frase para o restante.

Primeiro, Entregue as Ferramentas Necessárias ao Codex

Uma Skill pode ser entendida como um manual de instruções de trabalho para o Codex. Ela diz ao Codex quais ferramentas chamar, em que ordem completá-las e quais problemas verificar ao encontrar tarefas de narração, storyboard ou edição.

O método de instalação pode ser unificado em uma frase: Copie o link do GitHub abaixo para o Codex e deixe-o ler a descrição do projeto, completar a instalação e verificar se está utilizável. Deixe os comandos específicos para o Codex; você não precisa copiá-los você mesmo.

As ferramentas usadas neste fluxo de trabalho de vídeo podem ser visualizadas por etapa:

O HyperFrames já inclui várias funções: /faceless-explainer é responsável por organizar artigos ou temas em explicações sem mostrar o rosto, /hyperframes-creative lida com o ritmo da narração e o storyboard, /media-use gerencia imagens, som e legendas, e /hyperframes-animation cuida das mudanças visuais. Normalmente, você só precisa dizer ao Codex "use /hyperframes para fazer este vídeo", e ele selecionará as partes necessárias.

Estilos visuais também podem ser adicionados conforme necessário. Se você quiser fazer um vídeo de conhecimento no estilo colagem, pode dar ao Codex o vox-explainer do HyperFrames Community Skills; se quiser efeitos de escrita à mão ou desenho, escolha p5-paint-animation do mesmo repositório; para introduções de produtos, demonstrações de interface ou cenas promocionais, deixe o Codex consultar o video-shotcraft. Estas são extensões de estilo e não precisam ser todas instaladas para o seu primeiro vídeo.

Depois de colocar as ferramentas no fluxo de trabalho, o Codex primeiro realizará a edição de conteúdo, depois lidará com o som, o storyboard e a verificação final do vídeo. Você só precisa confirmar se os resultados em cada etapa correspondem à sua intenção.

Agora crie uma nova pasta, por exemplo, codex-video, e abra-a no Codex. Coloque seu artigo, imagens e o áudio gerado posteriormente nela, depois dê o link do repositório HyperFrames ao Codex para completar a preparação para a primeira linha principal.

Por que Alguns Vídeos de Artigos Trazem Tráfego Contínuo

Serena fez uma tentativa muito específica: em vez de falar vagamente sobre "IA pode fazer vídeos", ela escolheu o nicho de conteúdo "resenha de livros" e usou Codex e HyperFrames para criar vídeos adequados para o Douyin.

Os leitores clicam porque veem um caminho completo: escolha um nicho que as pessoas já assistem, encontre um livro, escreva um roteiro, faça um vídeo e repita a mesma estrutura para o próximo livro. A produção de vídeo é apenas o método de execução no meio; o que realmente atrai as pessoas no início é "esse método pode me ajudar a crescer minha conta?"

A sequência de produção real dela também vale a pena ser seguida: primeiro determine a duração de 30 segundos, formato vertical e plataforma de publicação; escreva o roteiro separadamente; divida o roteiro em segmentos; gere a voz final; obtenha o tempo das legendas com base na voz; depois deixe o HyperFrames organizar os visuais; visualize, modifique e finalmente renderize.

Há uma ordem muito importante aqui: Finalize as palavras e o áudio final primeiro, depois faça os visuais. Se você mudar uma frase de áudio, as legendas e o tempo dos takes mudarão todos. Fazer efeitos de movimento muito cedo só leva a retrabalhos repetidos depois.

Você não precisa fazer uma conta de livros. Você pode analisar ferramentas de IA, explicar métodos de trabalho, falar sobre casos do setor ou transformar seus artigos longos em séries de vídeos. Fixe o escopo do conteúdo primeiro e use a mesma estrutura para cada vídeo, para que o Codex possa ajudá-lo a trabalhar cada vez mais rápido.

Passo 1: Transforme o Artigo ou Tema em um Roteiro Falado

O roteiro falado é o esqueleto de todo o vídeo. Não importa quão bonitos sejam os visuais, se o início não prender as pessoas ou o método não for claro, o vídeo será difícil de terminar.

Existem três caminhos aqui.

Opção 1: Apenas um Tema, Deixe o Codex Escrever Diretamente

Por exemplo, se você planeja fazer um vídeo sobre "Como o Codex Faz Vídeos", diga quatro coisas ao Codex: quem é o público, qual problema ele resolve, quanto tempo dura o vídeo e o que você quer que o público faça depois de assistir.

1Quero fazer um vídeo vertical de 60 segundos com o tema "Usando o Codex pela primeira vez para fazer um vídeo."
2
3O público só sabe usar o Codex e nunca escreveu um roteiro ou editou um vídeo.
4Comece dizendo a eles o resultado final, depois explique claramente: gerar o roteiro, escolher uma voz, usar o HyperFrames para os visuais e verificar o vídeo final.
5Cada frase deve ser fácil de ler em voz alta, sem subtítulos formais, sem acúmulo de jargões.
6Termine pedindo que eles executem seu primeiro vídeo com um tema.
7
8Entregue apenas o roteiro falado por enquanto; não faça storyboard ou vídeo ainda.

Quanto mais específico o tema, mais fácil é escrever o roteiro. Restringir "fazer vídeos com IA" a "transformar uma resenha de ferramenta em uma explicação vertical de 60 segundos" diz ao Codex qual conteúdo manter.

Opção 2: Já Tem um Artigo, Deixe o Codex Adaptá-lo para Linguagem Falada

Salve o artigo como article.md e coloque-o na pasta do projeto junto com as imagens. Depois, diga ao Codex:

1Por favor, leia article.md e adapte-o em um roteiro falado de 90 segundos.
2
3Mantenha os insights principais e os casos mais úteis do artigo; não apenas resuma cada parágrafo.
4Comece dizendo o que o leitor vai ganhar, mantenha apenas três etapas no meio e explique cada etapa em frases fáceis de entender.
5Não leia links, notas de rodapé ou símbolos de formatação do artigo em voz alta.
6Por favor, liste os fatos que preciso verificar separadamente.
7
8Gere apenas narration.md por enquanto.

Ao converter artigos em roteiros, o problema mais comum é que "as palavras são reconhecíveis, mas não soam como uma pessoa falando." Dê o link para humanizer-zh ao Codex, deixe-o instalar e processar narration.md: mantenha fatos e insights pessoais, mas ajuste traduções literais, paralelismos mecânicos e frases excessivamente formais.

Após a adaptação, você ainda precisa ler em voz alta você mesmo. Sua boca encontrará muitos problemas que seus olhos perderam.

Opção 3: Deixe o HyperFrames Assumir Todo o Vídeo sem Rosto

Se você só tem materiais e ainda não pensou em um roteiro ou visuais, pode entrar em /faceless-explainer via /hyperframes. Ele organizará temas, artigos ou anotações em uma direção de explicação, narração e storyboard.

Este caminho é mais fácil e adequado para fazer rapidamente uma primeira versão. As duas primeiras opções são melhores quando você tem pontos de vista claros e quer controlar rigorosamente o conteúdo do roteiro.

Independentemente de qual você escolher, o roteiro idealmente deve ter estas quatro partes:

1. Gancho: Apresente o resultado ou um problema específico primeiro.
2. Problema: Diga ao público onde eles estão atualmente travados.
3. Método: Explique o processo em duas ou três etapas.
4. Próximo Passo: Dê uma ação que eles possam tomar imediatamente após assistir.

Por exemplo, a introdução do vídeo para este tutorial poderia ser: "Instalou o Codex mas não sabe o que fazer? Você pode começar usando-o para fazer um vídeo. Dê a ele um artigo, e ele pode cuidar do roteiro, voz, legendas e visuais. Hoje, vamos percorrer o fluxo de trabalho mais curto."

Passo 2: Escolha TTS Padrão ou Clone Sua Própria Voz

Depois que o roteiro estiver finalizado, decida quem vai lê-lo. Na primeira vez, o TTS padrão é suficiente; quando você conseguir atualizar o conteúdo de forma estável, então cuide da clonagem de voz pessoal.

Mais Fácil: Use TTS Existente

TTS é inserir texto para obter um MP3 ou WAV. Você pode usar qualquer função de texto para fala que tiver em mãos, ou dar o open-source edge-tts ao Codex, deixá-lo instalar, selecionar uma voz em português e gerar áudio e legendas.

Ouça dez segundos primeiro para confirmar a voz, velocidade e pausas antes de gerar o texto completo. O TTS padrão não soará como você, mas sua vantagem é a velocidade, tornando-o adequado para verificar o conteúdo e os fluxos de trabalho visuais.

Para Uso a Longo Prazo da Sua Própria Voz: CosyVoice

CosyVoice é um conjunto de ferramentas de geração de voz open-source. Dê a ele uma gravação de referência limpa e o texto palavra por palavra correspondente, e ele pode gerar uma nova narração com características de locutor semelhantes.

Três coisas não devem ser confundidas aqui:

• reference.wav: Sua própria gravação de referência ou uma autorizada.
• reference.txt: Cada palavra realmente falada na gravação de referência.
• narration.md: O novo roteiro a ser gerado para este vídeo.

O texto de referência deve corresponder exatamente à gravação. Se você mudar uma palavra em tempo real, o texto também deve ser alterado. Música de fundo, ecos e redução de ruído pesada afetarão a qualidade da referência; tente gravar uma voz clara e natural em um ambiente silencioso.

A instalação local do CosyVoice leva alguns passos a mais do que o TTS padrão. Iniciantes podem dar o repositório oficial diretamente ao Codex:

1Por favor, me ajude a instalar o CosyVoice:
2https://github.com/QwenAudio/CosyVoice
3
4Por favor, leia o README oficial primeiro, depois verifique o ambiente atual do computador e complete a instalação.
5Após a instalação, gere apenas um pequeno áudio de teste; não gere o roteiro inteiro diretamente.

Ele preparará o ambiente de execução e baixará os modelos de voz localmente, o que leva mais tempo do que o TTS padrão. Você não precisa executar comandos um por um; se uma etapa falhar, deixe a mensagem de erro completa no chat do Codex e deixe-o verificar. Após a instalação, você ainda precisa ouvir o áudio de teste para julgar se a voz soa como você e se a articulação é natural.

Ao gerar o roteiro formal, não coloque o artigo inteiro de uma vez. Divida-o em vários segmentos com base no significado, ouça cada segmento primeiro para confirmar a pronúncia de nomes próprios, palavras em inglês e números, depois sintetize final.wav. Se um segmento tiver um problema, você só precisa refazer aquele segmento.

Se você não quiser clonar sua voz por enquanto, apenas pule o CosyVoice. O HyperFrames e o Remotion subsequentes reconhecem apenas o arquivo de áudio final e não se importam de qual TTS ele veio.

Passo 3: Faça os Visuais Seguirem a Voz Final

Agora você deve ter dois arquivos finalizados: narration.md e final.wav. A partir deste momento, final.wav é a verdadeira linha do tempo do vídeo.

Deixe o Codex transcrever o áudio final para obter os tempos reais de início e fim de cada frase, depois gere as legendas. O roteiro determina o que as legendas dizem, enquanto a transcrição do áudio é responsável por dizer às legendas quando aparecer.

Não aloque tempo com base na contagem de palavras. Dez palavras podem ser faladas em meio segundo, ou pode haver duas pausas entre elas. Legendas, palavras-chave e imagens devem aparecer seguindo a voz real.

Você pode simplesmente instruir assim:

1Por favor, estabeleça uma linha do tempo com base em final.wav.
2Use narration.md para verificar o texto da legenda e use os resultados da transcrição do áudio para obter os tempos reais de início e fim de cada frase.
3Gere captions.srt e timing.json.
4Se o roteiro não corresponder à voz real, por favor, liste as discrepâncias; não adivinhe.

Passo 4: Divida o Roteiro em um Storyboard

Storyboard não requer aprender terminologia profissional primeiro. Corte o roteiro em 4 a 8 segmentos e, para cada segmento, responda a uma pergunta: O que é mais importante para o público ver na tela quando ouvir esta frase?

Se o artigo já tiver capturas de tela, fotos, gráficos ou cartões de personagens, priorize o uso desses materiais. Deixe o público ver o panorama geral primeiro, depois amplie a parte que está sendo discutida. Para frases sem imagens existentes, você pode usar palavras-chave, cartões de etapas, comparações, linhas do tempo e infográficos simples.

Os requisitos para o Codex podem ser muito curtos:

1Por favor, crie um storyboard com base em narration.md, timing.json e na pasta assets.
2Para cada take, especifique: narração correspondente, tempo de início, tempo de fim, visual principal, materiais necessários e posição da legenda.
3Imagens já no artigo devem ser agendadas para exibição real; marque os lugares onde faltam materiais primeiro, não os preencha com imagens irrelevantes.

Se você não sabe como são os efeitos de movimento, pode verificar duas bibliotecas de efeitos públicas:

• HyperFrames Launches: Contém projetos HyperFrames completos para ver como os vídeos finais são divididos em storyboards.
• video-shotcraft: Fornece receitas de takes Remotion e prévias dinâmicas, melhor para introduções de produtos, demonstrações de interface e promos.

video-shotcraft é uma biblioteca de referência de takes opcional, não uma instalação obrigatória para vídeos de artigos. Dê o link do repositório ao Codex, e ele pode ler as receitas de takes dentro. Explique as informações claramente primeiro, depois escolha um ou dois efeitos de movimento adequados; os visuais serão mais estáveis.

Passo 5: Crie a Primeira Versão do Vídeo com HyperFrames

Agora, o roteiro, a voz, o tempo das legendas e o storyboard estão todos prontos. Agora entregue esses arquivos ao HyperFrames:

1Usando /hyperframes, transforme o projeto atual em um vídeo explicativo vertical 9:16.
2
3Por favor, leia narration.md, final.wav, captions.srt, timing.json, storyboard.md e a pasta assets.
4Os visuais devem seguir o tempo real do áudio, e as legendas não devem bloquear o conteúdo principal.
5Priorize o uso de imagens originais e cartões de personagens de assets; use infográficos simples para takes com materiais faltando.
6Complete os primeiros 15 segundos como amostra e abra a prévia; continuarei com o vídeo completo após confirmar a direção.

Assistir aos primeiros 15 segundos permite que você detecte três problemas cedo: a introdução é muito lenta, as legendas são legíveis e os visuais estão realmente explicando a narração. Uma vez que a direção esteja certa, continue com o vídeo completo.

Após o projeto ser gerado, diga diretamente ao Codex: "Abra a prévia local do HyperFrames e me diga a URL da prévia e a pasta do projeto."

Ao modificar, não diga apenas "deixe mais sofisticado" ou "deixe melhor." Diga ao Codex objetos e posições específicos, como: "O título aos 6 segundos está muito pequeno," "Esta captura de tela deve ficar por pelo menos 3 segundos," "As legendas estão bloqueando a pessoa," "O primeiro take entra muito devagar." Esse feedback é mais fácil para ele executar.

Após verificar, diga ao Codex: "Renderize a versão atualmente confirmada como final.mp4 e verifique se o arquivo reproduz normalmente após a conclusão."

Ver a página de prévia significa apenas que o projeto pode abrir. O verdadeiro sinal de conclusão é que final.mp4 foi gerado e você o assistiu do início ao fim, confirmando que a voz não está cortada, as legendas não estão desalinhadas e as imagens não estão cortadas.

Como Escolher Entre HyperFrames e Remotion

Ambos podem transformar texto, som, imagens e linhas do tempo em vídeos. Você só precisa escolher um como sua ferramenta de produção final.

HyperFrames é mais como deixar o Codex reorganizar os visuais com base neste conteúdo específico. Remotion é mais como fazer um modelo de programa primeiro e depois preencher o conteúdo em posições fixas para cada episódio.

Para seguir o caminho do Remotion, dê o link para Remotion Agent Skills ao Codex e deixe-o completar a instalação. Em seguida, use /remotion-create para construir o vídeo, /remotion-studio para abrir a prévia e, finalmente, /remotion-render para renderizar. O narration.md, final.wav, legendas, linha do tempo e imagens upstream ainda podem ser usados; você não precisa refazê-los.

Minha sugestão é simples: execute o primeiro com HyperFrames. Depois de fazer alguns episódios e descobrir que a estrutura dos takes se estabilizou, deixe o Codex organizá-la em uma coluna fixa do Remotion.

Se Você Filmou uma Narração com Pessoa Real, Adicione video-use

O fluxo de trabalho anterior pode ser completamente sem rosto. Quando você estiver pronto para enfrentar a câmera, coloque narration.md ao lado da câmera e filme em segmentos. Se você errar, pare e recomece daquela frase; você não precisa começar do início toda vez.

video-use lida com materiais já filmados. Primeiro, ele transcreve o vídeo, descobre o que foi dito em cada segmento e confirma com você qual conteúdo manter antes de começar a organizar a edição, legendas e visuais suplementares.

Para instalação, você pode dar isso diretamente ao Codex:

1Por favor, me ajude a instalar https://github.com/browser-use/video-use.
2Leia install.md primeiro, complete as dependências, FFmpeg e o registro da Codex Skill.
3Não transcreva nenhum vídeo após a instalação; espere até que eu coloque os materiais na pasta.

video-use requer a instalação de todo o repositório porque seu assistente de edição e scripts estão localizados ao lado da Skill. Ele também precisa do FFmpeg, que é a ferramenta subjacente para processar vídeo e áudio. Ao usar a transcrição de voz padrão, você também precisa configurar uma chave de API ElevenLabs, que é a chave que permite que a ferramenta acesse o serviço de transcrição de voz. Apenas entregue os itens faltantes ao Codex para verificar.

Após filmar, coloque o vídeo bruto em uma pasta separada e diga ao Codex:

1Por favor, use video-use para processar a narração com pessoa real nesta pasta.
2Faça o inventário dos materiais e transcreva-os primeiro, encontrando repetições, pausas, erros e posições de reinício.
3Me dê um plano de edição primeiro, listando segmentos para manter e deletar; eu confirmarei antes de você cortar.
4Adicione legendas em português após finalizar e use imagens correspondentes de assets para complementar os visuais quando etapas forem mencionadas.
5Finalmente, gere uma versão de prévia e gere final.mp4 após verificar erros.

O fluxo de trabalho completo para este ramo é: Roteiro Falado → Filmagem com Pessoa Real → video-use Organiza Segmentos Válidos → Legendas e Visuais Suplementares → Vídeo Final.

HyperFrames e video-use também podem ser usados juntos. video-use primeiro corta a narração com pessoa real suavemente, e então HyperFrames produz títulos, cartões de etapas, demonstrações de capturas de tela e introduções/conclusões. Um lida com materiais de pessoas reais, o outro lida com visuais informativos; a divisão do trabalho será mais clara.

Finalmente, Transforme Vídeo em um Sistema de Aquisição de Conteúdo

Um único vídeo traz apenas um teste. A parte verdadeiramente valiosa é continuar abordando o mesmo tipo de problema.

As resenhas de livros de Serena são memoráveis porque o objeto de conteúdo é muito claro: um livro, um ponto de vista que vale a pena compartilhar, um vídeo curto, e o próximo livro usa a mesma estrutura. Você pode substituir isso pelo seu próprio campo, como analisar uma ferramenta de IA toda semana, resolver um problema de escritório de cada vez ou explicar um caso do setor em cada episódio.

Este ciclo de conteúdo pode ser muito simples:

1Problema do usuário-alvo
2→ Escolha um tema específico
3→ Escreva em um roteiro falado
4→ Transforme em um vídeo
5→ Veja comentários e feedback de conclusão
6→ Decida sobre o que falar a seguir

O gancho para aquisição de clientes também deve pousar em resultados específicos. "Eu fiz um vídeo com IA" mostra apenas que você sabe usar ferramentas; "Transformei uma resenha de ferramenta de 3000 palavras em um tutorial para iniciantes de 60 segundos" fará com que pessoas que realmente precisam daquilo parem.

Não se apresse em construir um sistema automatizado massivo. Escolha um tema sobre o qual você possa falar por dez episódios consecutivos e execute o primeiro com o Codex: finalize o roteiro, gere a voz, alinhe a linha do tempo e produza o vídeo com HyperFrames. Reutilize a estrutura de arquivos para o segundo e comece a manter introduções fixas e estilos de legenda para o terceiro.

Ao fazer isso, o Codex verdadeiramente se transforma de "ajudando você a fazer um vídeo" para "acompanhando você na produção contínua de uma categoria de conteúdo."

Eu sou Miles, um especialista em algoritmos de IA que fez a transição de uma grande empresa de tecnologia para um FDE. Já fiz P&D, otimização e implantação de algoritmos, bem como treinamento e entrega corporativos. Minha conta no X atingiu 10.000 seguidores em 15 dias e escreveu três artigos longos com milhões de exposições em uma semana, dois dos quais posteriormente ultrapassaram 2 milhões.

Siga-me @miles_mazy, vamos crescer juntos e ganhar dinheiro juntos.