
// Agentes e skills //
Áudio animado com legenda karaokê
NovoLegendas · roda no Claude Code
Uma skill para o Claude Code que transforma um áudio em vídeo de tela cheia: o áudio de WhatsApp que virou notícia, o trecho de uma entrevista, a fala de um podcast. A tela é fixa, em 1920x1080: fundo escuro, a foto da pessoa (ou um avatar com as iniciais) num círculo que pulsa com a voz, nome e papel, um cronômetro que conta o que já tocou, a onda do áudio correndo sob uma agulha e, embaixo, a legenda karaokê: a palavra acende quando é dita, a que está sendo dita fica em destaque e a que vem fica apagada. Não é a mesma entrega da skill Legendas do catálogo. Aquela queima legenda sobre um vídeo que já existe, para Shorts, Reels e TikTok. Aqui não há vídeo de partida: a tela inteira nasce do áudio. Um comando roda as etapas em sequência, e dá para parar no meio e retomar. A skill recorta o áudio onde a fala começa e termina, limpa a voz (passa-alta, redução de ruído, equalização e de-esser) e nivela o volume. Transcreve palavra a palavra com o Whisper, pela skill Transcrição, que vem no mesmo pacote, usando os nomes próprios que você passar. Monta as legendas, quebrando por pausa, pontuação e tamanho, aplica as trocas do tipo 'errado => certo' repartindo o tempo entre as palavras novas e confere a sincronia contra a energia do áudio: o começo da fala tem de bater com a primeira palavra. Depois mede se toda legenda cabe na faixa, renderiza quadro a quadro num navegador sem tela e junta o som a −14 LUFS, medido e aplicado em dois passos. No fim, mede o arquivo gerado: número de quadros, duração do som contra a do vídeo e loudness. O que entrega: o mp4 final (H.264, 23,976 ou 30 quadros por segundo, som AAC; cerca de 3 MB para 15 segundos); o cena.json com cada legenda e o tempo de cada palavra, para corrigir à mão e renderizar de novo; o áudio tratado; a transcrição; e a conferência do arquivo final em JSON. Cores, tarja do canto, grão de filme, quadros por segundo, silêncio antes e tela parada depois mudam por opção. Trecho traduzido entra como legenda fixa, com uma tarja como "Tradução livre do inglês". O vídeo de exemplo é a própria saída da skill, sem retoque: um recado de 13 segundos gravado com a voz sintética do computador, da personagem fictícia Ana Ribeiro, do estúdio Norvia. Limites: uma voz por tela; uma conversa a dois vira duas telas. A legenda é tão boa quanto a transcrição: voz muito processada, música alta ou áudio ruim derrubam o Whisper. A skill avisa quando a confiança cai, mas vale ler o texto inteiro antes de entregar. Só 16:9; para vertical, é preciso mudar as posições na página da tela. O render leva de 1 a 2 segundos de máquina por segundo de vídeo. A skill não busca foto nem inventa rosto: sem foto, usa as iniciais. Foi testada no Mac; no Windows e no Linux usa o mesmo instalador das outras skills do catálogo. Requisitos: Python 3.10 ou mais novo com numpy, ffmpeg, Node (o preparar.py instala o Playwright e o Chromium sem tela) e o Whisper (whisper.cpp no Mac, faster-whisper no Windows e no Linux; o modelo, de cerca de 1,6 GB, é baixado uma vez). Para instalar, descompacte o .zip e siga o INSTALAR.md.
- Legendas
- Roda no Claude Code
- Intermediário
Uma skill para o Claude Code que transforma um áudio em vídeo de tela cheia: o áudio de WhatsApp que virou notícia, o trecho de uma entrevista, a fala de um podcast. A tela é fixa, em 1920x1080: fundo escuro, a foto da pessoa (ou um avatar com as iniciais) num círculo que pulsa com a voz, nome e papel, um cronômetro que conta o que já tocou, a onda do áudio correndo sob uma agulha e, embaixo, a legenda karaokê: a palavra acende quando é dita, a que está sendo dita fica em destaque e a que vem fica apagada. Não é a mesma entrega da skill Legendas do catálogo. Aquela queima legenda sobre um vídeo que já existe, para Shorts, Reels e TikTok. Aqui não há vídeo de partida: a tela inteira nasce do áudio. Um comando roda as etapas em sequência, e dá para parar no meio e retomar. A skill recorta o áudio onde a fala começa e termina, limpa a voz (passa-alta, redução de ruído, equalização e de-esser) e nivela o volume. Transcreve palavra a palavra com o Whisper, pela skill Transcrição, que vem no mesmo pacote, usando os nomes próprios que você passar. Monta as legendas, quebrando por pausa, pontuação e tamanho, aplica as trocas do tipo 'errado => certo' repartindo o tempo entre as palavras novas e confere a sincronia contra a energia do áudio: o começo da fala tem de bater com a primeira palavra. Depois mede se toda legenda cabe na faixa, renderiza quadro a quadro num navegador sem tela e junta o som a −14 LUFS, medido e aplicado em dois passos. No fim, mede o arquivo gerado: número de quadros, duração do som contra a do vídeo e loudness. O que entrega: o mp4 final (H.264, 23,976 ou 30 quadros por segundo, som AAC; cerca de 3 MB para 15 segundos); o cena.json com cada legenda e o tempo de cada palavra, para corrigir à mão e renderizar de novo; o áudio tratado; a transcrição; e a conferência do arquivo final em JSON. Cores, tarja do canto, grão de filme, quadros por segundo, silêncio antes e tela parada depois mudam por opção. Trecho traduzido entra como legenda fixa, com uma tarja como "Tradução livre do inglês". O vídeo de exemplo é a própria saída da skill, sem retoque: um recado de 13 segundos gravado com a voz sintética do computador, da personagem fictícia Ana Ribeiro, do estúdio Norvia. Limites: uma voz por tela; uma conversa a dois vira duas telas. A legenda é tão boa quanto a transcrição: voz muito processada, música alta ou áudio ruim derrubam o Whisper. A skill avisa quando a confiança cai, mas vale ler o texto inteiro antes de entregar. Só 16:9; para vertical, é preciso mudar as posições na página da tela. O render leva de 1 a 2 segundos de máquina por segundo de vídeo. A skill não busca foto nem inventa rosto: sem foto, usa as iniciais. Foi testada no Mac; no Windows e no Linux usa o mesmo instalador das outras skills do catálogo. Requisitos: Python 3.10 ou mais novo com numpy, ffmpeg, Node (o preparar.py instala o Playwright e o Chromium sem tela) e o Whisper (whisper.cpp no Mac, faster-whisper no Windows e no Linux; o modelo, de cerca de 1,6 GB, é baixado uma vez). Para instalar, descompacte o .zip e siga o INSTALAR.md.
Como usar
01
Copie o prompt
Use o botão Copiar prompt aqui na página.
02
Cole na sua IA
Abra o Claude Code na pasta do projeto e cole o prompt.
03
Instale a skill baixada
Instale o arquivo baixado no Claude e chame a skill em qualquer conversa.
Vem no pacote
- Prompt pra copiar e colar
- Skill em .zip pra instalar no Claude