Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoCódigo / SDK · Pronto p/ usoX: @RoundtableSpace→ original

11 repositórios open-source formam uma cadeia do research à narração para o Claude Code

11 repositórios abertos cobrem toda a cadeia de produção de conteúdo: pesquisa, texto, slides, vídeo e narração. Tudo isso pode ser entregue ao Claude Code. O last30days-skill coleta material do Reddit, do YouTube e do HN, o frontend-slides cria slides a partir de um prompt, e o HyperFrames renderiza vídeo a partir de HTML. Dois projetos são novos: Phonon e ZONOS3-Mini, ambos de síntese de fala. Antes de um lançamento comercial, verifique as licenças: no código e nos pesos, elas costumam ser diferentes.

Processado por IA de X: @RoundtableSpace; editado por Hamidun News
11 repositórios open-source formam uma cadeia do research à narração para o Claude Code
Fonte: X: @RoundtableSpace. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalX: @RoundtableSpace ↗
Editor-chefe
Dado-chave #1O ZONOS3-Mini clona voz em 43 idiomas, com pesos sob Apache 2.0
Phononcódigo sob Apache 2.0, mas os pesos multilíngues só podem ser usados sem fins comerciais
Dado-chave #3O OpenMontage usa AGPL-3.0, uma condição séria para quem pretende usá-lo em um produto

O pipeline de conteúdo que antes exigia analista, editor, designer, editor de vídeo e locutor cada vez mais se organiza em torno de um único agente de programação. O autor da seleção, @RoundtableSpace, publicou 11 repositórios open-source que formam a cadeia «pesquisa → texto → slides → vídeo → voz» e que podem ser entregues ao Claude Code. Dois projetos da lista são bem recentes. Vamos passar por cada um, em ordem.

Pesquisa e texto

last30days-skill (MIT) é uma skill para agente que estuda um tema ao mesmo tempo no Reddit, no YouTube, no Hacker News e na web. É uma forma rápida de entender o que as pessoas dizem sobre o assunto, e não apenas o que aparece nos resultados de busca.

claude-video (MIT) permite que o Claude «assista» a qualquer vídeo e responda a perguntas sobre ele. É útil quando é preciso extrair o essencial de uma palestra de uma hora ou da demo de um concorrente.

humanizer (MIT) remove dos rascunhos os sinais de texto escrito por IA. É o polimento final antes da publicação: expressões batidas entregam a origem artificial mais rápido do que qualquer outra coisa.

Slides e vídeo

frontend-slides (MIT) cria slides animados em HTML a partir de um prompt ou de um arquivo do PowerPoint. A apresentação vira uma página web comum.

ppt-master (MIT) segue outro caminho: transforma documentos em apresentações editáveis do PowerPoint e consegue gerar narração a partir das anotações do apresentador. Se o cliente espera justamente um .pptx que possa ser ajustado à mão, essa é a opção mais pragmática.

HyperFrames (Apache 2.0, da HeyGen) funciona pelo princípio «você escreve HTML e recebe um vídeo». Para o desenvolvedor, o modelo é fácil de entender: marcação no lugar da timeline do editor de vídeo. Com isso, o clipe pode ser gerado por código e guardado no git.

video-use (MIT, da equipe do browser-use) monta o material bruto em um diálogo com o agente. Ele exige uma chave do ElevenLabs, então o processo inteiro não sai de graça.

OpenMontage (AGPL-3.0) é o item mais ambicioso: um agente de programação conduz toda a produção de vídeo. Mas a licença AGPL pede cuidado especial: se você incorpora esse código a um serviço de rede, pode passar a ter obrigação de abrir o seu próprio código. Vale consultar um advogado antes do lançamento.

Voz: dois lançamentos novos

Pocket TTS (código sob MIT, da Kyutai) converte texto em fala direto na CPU, sem placa de vídeo. Para servidores baratos e protótipos locais, é uma vantagem importante.

Phonon (novo, lançado em 20 de outubro) faz síntese de fala no próprio dispositivo. O código está sob Apache 2.0, mas os pesos multilíngues são não comerciais. Isso cria uma armadilha: o código pode ir para um produto, mas o modelo para vários idiomas, não.

ZONOS3-Mini (novo, da Zyphra) faz síntese de fala com clonagem de voz em 43 idiomas, com pesos sob Apache 2.0. Para uso comercial, tem as condições mais limpas entre os projetos de voz da lista.

O que fazer com isso

O principal ganho prático não está nas ferramentas isoladas, mas na integração entre elas: o agente pode percorrer todo o caminho, da pesquisa ao vídeo narrado, se receber as skills e os repositórios necessários. Para fundadores e product managers, é um jeito de montar uma demo, um material de treinamento ou um vídeo de marketing sem estúdio.

Há limitações. O próprio autor da seleção alerta: verifique a licença de cada projeto antes do uso comercial e clone a voz somente com o consentimento de quem fala. As licenças da lista variam, de MIT e Apache 2.

0 a AGPL-3.0 e pesos não comerciais, e isso determina se o resultado pode ser lançado em um produto. Além disso, a seleção não traz medições de qualidade: quanto esforço será necessário para ajustar slides ou a edição à mão, cada um terá de descobrir por conta própria.

Um começo sensato é pegar dois ou três projetos sob MIT ou Apache 2.0 e montar com eles um pipeline mínimo. Só depois vale decidir se opções mais pesadas, como o OpenMontage, são necessárias.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Pesquisa e texto?

last30days-skill (MIT) é uma skill para agente que estuda um tema ao mesmo tempo no Reddit, no YouTube, no Hacker News e na web. É uma forma rápida de entender o que as pessoas dizem sobre o assunto, e não apenas o que aparece nos resultados de busca. claude-video (MIT) permite que o Claude «assista» a qualquer vídeo e responda a perguntas sobre ele. É útil quando é preciso extrair o essencial de uma palestra de uma hora ou da demo de um concorrente.

O que se sabe sobre Slides e vídeo?

frontend-slides (MIT) cria slides animados em HTML a partir de um prompt ou de um arquivo do PowerPoint. A apresentação vira uma página web comum. ppt-master (MIT) segue outro caminho: transforma documentos em apresentações editáveis do PowerPoint e consegue gerar narração a partir das anotações do apresentador. Se o cliente espera justamente um .pptx que possa ser ajustado à mão, essa é a opção mais pragmática. HyperFrames (Apache 2.0, da HeyGen) funciona pelo princípio «você escreve HTML e recebe um vídeo».

O que se sabe sobre Voz: dois lançamentos novos?

Pocket TTS (código sob MIT, da Kyutai) converte texto em fala direto na CPU, sem placa de vídeo. Para servidores baratos e protótipos locais, é uma vantagem importante. Phonon (novo, lançado em 20 de outubro) faz síntese de fala no próprio dispositivo. O código está sob Apache 2.0, mas os pesos multilíngues são não comerciais. Isso cria uma armadilha: o código pode ir para um produto, mas o modelo para vários idiomas, não.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…