video-integration-specialist
Skill28 starsChanged 3 months agoApache-2.0View on GitHub
Skill para integrar geracao e manipulacao de video em aplicacoes. Trigger em: "text-to-video", "image-to-video", "video generativo", "avatar video", "motion explainer", "clip promocional", "gerar video", "fal video", "Sora", "Veo", "Runway video", "video AI".
In this repository92 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- po-feature-specSkill
- ui-ux-designSkill
- backend-apiSkill
- frontend-integrationSkill
- qa-testingSkill
- security-reviewSkill
- deploy-dockerSkill
- context-managerSkill
- orchestratorSkill
- documenterSkill
- reviewerSkill
- motion-designSkill
- marketing-copySkill
- seo-specialistSkill
- mobile-tauriSkill
- image-generatorSkill
- repo-auditorSkill
- asset-librarianSkill
- observability-sreSkill
- data-analyticsSkill
- accessibility-specialistSkill
- migration-refactor-specialistSkill
- release-managerSkill
- ai-integration-architectSkill
- prompt-engineerSkill
- claude-md-generatorSkill
- design-intelligenceSkill
- cost-trackerSkill
- session-summarySkill
- smart-suggestionsSkill
- detective-specSkill
- static-analysisSkill
- skill-authorSkill
- web-asset-generatorSkill
- tdd-engineerSkill
- architecture-deepenerSkill
- program-routerSkill
- parallel-dispatcherSkill
- blog-publisherSkill
- blog-screenshotSkill
- canary-deploymentSkill
- zoom-outSkill
- handoff-contextSkill
- post-deploy-canary-monitorSkill
- pattern-conformitySkill
- research-prepSkill
- context-budgetSkill
- direct-response-copySkill
- ux-researchSkill
- ui-polishSkill
- doubt-driven-reviewSkill
- video-analysisSkill
- marketing-reporting-analyticsSkill
- responsive-conversionSkill
- mobile-ux-foundationsSkill
- i18n-localizationSkill
- closed-loop-revenueSkill
- app-reference-architectureSkill
- The first 60 shown.
The file
Files
Video Integration Specialist
Video generativo nao e "imagem que se move" — tem duracao, audio, custo 10-50x maior e latencia em minutos (nao segundos). Esta skill cobre arquitetura, custo, prompt cinematografico e UX de features de video no app, sem tratar o problema como uma extensao trivial de imagem.
Governanca Global
Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/quality-gates.md, policies/token-efficiency.md, policies/tool-safety.md, policies/verification-before-completion.md e policies/stack-flexibility.md.
Quando Usar
- integrar text-to-video ou image-to-video numa feature do app
- desenhar o fluxo assincrono (submit → poll/webhook → entrega) de video generativo
- definir provider, custo tolerado, duracao, formato e UX de espera
- escrever prompt cinematografico (camera, movimento, ritmo) reutilizavel
Quando Nao Usar
- tratar video como imagem sem considerar tempo, audio e custo por segundo
- gerar asset operacional do kit (banner do repo, etc.) — isso e skill 17 (image)
- editar video pos-producao tradicional (corte, legenda, mux) — isso e skill 75 (ffmpeg-media), nao geracao
A diferenca fundamental: video e assincrono e caro
| Dimensao | Imagem (skill 17) | Video |
| Latencia | 2-15s | 30s-5min+ |
| Custo | $0.002-0.15/img | $0.05-0.50+ por segundo de video |
| Padrao de chamada | request/response sincrono | submit → job id → poll ou webhook |
| UX | spinner curto | progress + "te aviso quando ficar pronto" |
| Falha | barata, retry | cara, retry custa de novo — confirme antes |
Por isso o fluxo NUNCA e sincrono. Bloquear um request HTTP por 3 minutos esperando video e bug.
Providers (panorama — confirme preco atual via models.json/docs)
| Provider | Forte em | Modo | Nota |
| FAL.ai (Veo, Kling, Hunyuan, LTX) | acesso unificado, varios modelos, i2v | submit + poll/webhook | preferir como gateway — mesma key, troca de modelo sem reescrever |
| Google Veo | qualidade cinematografica, fisica | async | top de linha, caro |
| OpenAI Sora | coerencia longa, prompt adherence | async | acesso limitado |
| Runway (Gen-3/4) | controle de camera, estetica | async + editor | forte em criativo |
| Kling / Hunyuan | custo-beneficio, i2v | async | bom para escala |
Default operacional do kit: rotear via FAL.ai quando possivel (gateway unico, troca de modelo barata). So ir direto ao provider se ele tiver capacidade que o gateway nao expoe.
Base obrigatoria
Consultar (nao reinventar):
patterns/ai-integration/video-generation.md— adapter, job lifecycle, storagepatterns/ai-integration/prompt-patterns.md— estrutura de promptpatterns/ai-integration/cost-efficiency.md— controle de custo/quotapatterns/ai-integration/security.md— moderacao, abuso, NSFW
O fluxo assincrono (padrao de referencia)
1. Usuario submete (texto/imagem + params)
2. App valida + estima custo → confirma se acima de threshold
3. App chama provider.submit() → recebe job_id, persiste {job_id, user, status: queued}
4. Provider processa (minutos). App NAO bloqueia.
5a. WEBHOOK (preferido): provider chama /webhook/video → app atualiza status, notifica user
5b. POLL (fallback): worker consulta status a cada N s com backoff
6. Pronto → baixa o output, move pra storage proprio (S3/R2), gera URL assinada
7. Notifica (in-app, push, email) + thumbnail/previewDecisoes que importam:
- webhook > polling quando o provider suporta (sem queimar quota de status)
- mova o asset pro seu storage — URLs de provider expiram; nao dependa delas
- idempotencia: webhook pode chegar 2x — dedupe por job_id
- timeout/dead-job: job que nunca volta precisa de TTL + estado
failed
Checkpoint antes de liberar: simular os 3 caminhos de falha antes do primeiro uso real — webhook duplicado (chamar 2x com mesmo job_id, confirmar que não duplica o asset/notificação), job que nunca completa (confirmar que o TTL move pra failed sozinho), e provider retornando erro (confirmar que o usuário recebe status claro, não fica esperando pra sempre). Corrigir o caminho que falhar e repetir a simulação antes de liberar pra produção.
Prompt cinematografico (estrutura)
Video responde a vocabulario de cinema, nao so descricao de cena:
[SUJEITO + ACAO] + [AMBIENTE] + [CAMERA: shot/movimento] + [ILUMINACAO] + [ESTILO] + [RITMO]
Ex: "A woman walks through a neon-lit Tokyo alley at night,
slow dolly-in following her from behind,
rain reflecting the signs, cinematic, shallow depth of field,
24fps film look, calm pacing"Controles que mais mudam o resultado:
- movimento de camera: dolly, pan, tilt, orbit, static, handheld
- shot: wide / medium / close-up / aerial
- ritmo: slow/calm vs fast/dynamic
- i2v: a imagem-seed domina a composicao; o prompt controla o movimento, nao a cena
Prompt reutilizavel e responsabilidade compartilhada com skill 26 (prompt-engineer).
Para biblioteca ampliada de movimentos de câmera, shots e exemplos por objetivo (produto, institucional, testemunho) — ver references/vocabulario-cinematografico.md.
Custo — controle antes de liberar
- video custa por segundo — um clip de 10s pode valer 50-100x um still
- estimar e confirmar acima de um threshold de custo antes de submeter
- cachear outputs por (prompt+seed+params) — nunca regenerar o identico
- quota por usuario (free vs paid) para nao virar vetor de custo aberto
- preview de baixa resolucao antes do render final caro, quando o provider permite
Anti-padroes frequentes
- chamada sincrona esperando o video (bloqueia request, estoura timeout)
- depender da URL do provider (expira) em vez de mover pro storage proprio
- sem confirmacao de custo → usuario gera 50 clips de 10s, fatura explode
- webhook sem dedupe/idempotencia → asset duplicado, notificacao dupla
- sem moderacao no input → geracao de conteudo proibido vira problema legal
- tratar i2v como t2i (esquecer que a imagem-seed manda na composicao)
Evidencia de Conclusao
- provider + fluxo assincrono (submit/poll-ou-webhook/storage) definidos
- custo por segundo estimado, threshold de confirmacao e quota definidos
- prompt cinematografico especificado (camera/movimento/ritmo)
- moderacao de input e idempotencia de webhook tratadas
Handoff
- AI Integration Architect (25) define o adapter/gateway e fallback de provider
- Prompt Engineer (26) itera o prompt cinematografico reutilizavel
- Frontend (04) implementa a UX de espera (progress, notificacao)
- Observability SRE (20) instrumenta latencia, taxa de falha e custo por job
- FFmpeg Media (75) recebe o vídeo gerado quando precisa de pós-produção (corte, legenda, normalização de loudness) antes da entrega final
- Seguir
policies/handoffs.mde, quando util,templates/ai-integration-plan.md
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

