Criador chinês lança gerador que monta vídeo comercial em 4K via agente

O sistema combina uma especificação de regras chamada AGENTS.md a um modelo de vídeo construído sobre o framework Remotion e mais de dez scripts auxiliares. Em vez de usar modelos pré-fabricados, o fluxo roda acoplado a ferramentas como Cursor, Claude Code ou Codex. O autor recomenda explicitamente o modelo Claude Opus 5.5 para garantir que as exigências de ritmo e checagem não se percam em contextos extensos. O processamento local exige Node.js 18 ou superior, Python 3.9 ou mais recente e o utilitário ffmpeg instalado no sistema operacional.

Da captura real ao corte sincronizado

A engrenagem do projeto depende de dados verdadeiros em vez de apenas ilustrações decorativas. O script de navegação captura telas reais em resolução 3840×2160, abrindo uma janela de navegador para autenticação sempre que a página exige login do usuário. Cada peça exige pelo menos oito capturas autênticas de tela e uma montagem acelerada com oito ou mais imagens do produto real. O corte obedece a regras cronometradas: cenas rápidas duram no mínimo 0,65 segundo e endereços web permanecem visíveis por pelo menos 3 segundos. A abertura traz o diferencial do produto antes dos primeiros 3 segundos de exibição. O ritmo nunca para por mais de 2 segundos sem novidades visuais.

A parte sonora opera com duas vias possíveis. Ao configurar a chave ELEVENLABS_API_KEY em um arquivo .env, o pipeline gera locução sintética, trilha e efeitos sonoros sob medida para o roteiro. O sistema transcreve o áudio gerado de volta para texto para conferir pronúncias exatas de marcas e URLs. Quem prefere não usar a API externa pode recorrer à biblioteca aberta Mixkit para a música de fundo e adotar legendas destacadas em vez de voz. A checagem final antes da entrega avalia arquivos ausentes, resolução gráfica e níveis de volume do arquivo renderizado.

Instalação rápida e limites do código recente

Para adotar o fluxo em qualquer máquina, basta clonar o repositório ou instalar o pacote como habilidade global via comando skills com a flag -g. Ao rodar no próprio repositório do software a ser divulgado, o agente lê o código-fonte, o README e a documentação local para extrair os argumentos de venda. A ferramenta oferece um script de verificação prévia que confere se faltam dependências ou motores de navegador sem alterar a máquina. Na primeira execução, o agente propõe de três a quatro direções visuais com artes conceituais para o usuário escolher o estilo desejado. O tempo de renderização em 4K dura de 4 a 18 minutos.

O repositório opera sob licença MIT e mantinha zero problemas em aberto nos seus primeiros oito dias. Tamanha juventude exige cuidado: o código ainda não tem versões numeradas consolidadas nem longo histórico de manutenção por terceiros. O projeto não atende quem busca geração instantânea em segundos sem revisão humana nem quem precisa produzir vídeos para produtos físicos que não contam com interfaces digitais para captura.