sapiens-mcp 1.43.4 → 1.44.0

package/README.md

@@ -1,5 +1,7 @@
 # sapiens-mcp
 
+![Helen Ailith numa mesa escura, antebracos vestidos por um exoesqueleto de luz verde, movendo placas de luz com as maos abertas](https://sapiensinteticos.b-cdn.net/borderlessprotocol/2026/07/1785430717302_e8p3i4.webp)
+
 Servidor MCP pra operar o [Sapiens Sintéticos](https://sapiensinteticos.com) direto do Claude Code, **na sua própria conta**. Você pede no Claude ("gera uma imagem disso", "escreve um artigo sobre aquilo") e ele faz, gastando as **suas Sinapses**, salvando no **seu perfil**.
 
 ## Pré-requisito
@@ -16,6 +18,8 @@ Precisa de Node 18+. A URL do backend já vem embutida; não precisa configurar
 
 ## Conectar sua conta
 
+![Helen segurando uma chave de luz verde entre duas portas: um retangulo de luz sem moldura e um terminal fisico](https://sapiensinteticos.b-cdn.net/borderlessprotocol/2026/07/1785430826064_avwjib.webp)
+
 1. Abra **[sapiensinteticos.com/conectar-claude](https://sapiensinteticos.com/conectar-claude)** logado e gere o código (`XXXX-XXXX`, vale 5 min).
 2. No Claude Code, peça pra logar (ele chama a ferramenta de login), ou rode direto:
 
@@ -25,6 +29,8 @@ O token de 30 dias fica salvo em `~/.sapiens-mcp/session.json`. Pra sair: `sapie
 
 ## O que dá pra pedir (e o custo em Sinapses)
 
+![Helen com um braco estendido, orbitada por uma lente, rolos de filme, um vinil, um caderno aberto e um microfone de estudio](https://sapiensinteticos.b-cdn.net/borderlessprotocol/2026/07/1785430870745_waml5a.webp)
+
 | O que | Custo |
 |---|---|
 | Gerar imagem (vai pra sua galeria) | ~400-500 |

package/dist/registry.js

@@ -42,7 +42,7 @@ import { skillMenuLine } from "./skills.js";
  */
 export const TOOLS = {
     sapiens_pipeline: {
-        description: "CRUD do content pipeline Sapiens (sources/productions/publishables). Sub-actions: list_sources, list_articles (use includeDrafts pra incluir drafts; onlyAvailable pra esconder os já virados em source), get_source, get_production, list_versions, add_article_as_source, create_draft_article_and_source (seed), create_production (sourceId+format → productionId draft), update_production (substitui payload, opcionalmente muda status), finalize_production (cria publishable v1, v2... com snapshot), remove_production, remove_source, set_source_done, update_source_notes, restore_version (volta payload duma versão antiga), set_publishable_title (renomeia um publishable), backfill_via (rotula em lote o campo 'via' das productions antigas; dryRun=true só lista), propose_mega_grafico_plan (granular: só gera plano via Gemini, devolve fullPrompt+spec), run_mega_grafico_full (ONE-SHOT, recomendado: cria production+propõe plano+gera imagem+aplica selo Sapiens+finaliza publishable numa chamada só), generate_carousel (gera um carrossel editorial standalone a partir de brief OU articleId — 7-9 slides na voz Sapiens + imagens do banco; devolve id + url do editor pro humano abrir, ajustar e exportar; admin-only, cobra Sinapses, reembolsa se falhar). generate_carousel_production (o IRMÃO PIPELINE do generate_carousel: recebe um sourceId de artigo, CRIA a production carrossel_ig e a preenche pelo MESMO motor da casa, já no shape editorial (templateId+slots) que o editor de pipeline renderiza — prefira ESTE a create_production+payload cru pro carrossel, que abre VAZIO no editor; devolve productionId + url do editor de pipeline; admin-only, cobra Sinapses, reembolsa se falhar). CARROSSEL FINO (edição sem tela, admin-only): list_carousels (seus carrosséis standalone), get_carousel (payload completo + catálogo de templates com slots/limites + paletas — tudo pra VOCÊ escrever os slides), update_carousel (payload inteiro de volta, sanitizado no servidor; preserve os campos image dos slides que não mexeu), carousel_auto_images (IA escolhe imagens do banco pros slides de foto, 60 Sinapses; makeVisual=true converte slides de texto pra layouts de foto antes — ritmo visual; generateMissing=true gera imagem nova pros que o banco não cobrir, ~450 Sinapses cada, até 4, avise o custo antes), carousel_generate_image (imagem nova pra UM slide, ~450 Sinapses, customPrompt opcional). Fluxo confortável (standalone): generate_carousel → get_carousel → update_carousel (afia os textos) → carousel_auto_images → humano abre a url pra exportar. Fluxo pipeline (carrossel atrelado a um artigo/source): generate_carousel_production (sourceId) → humano abre a url do editor de pipeline pra revisar e finalizar (finalize_production). Pra mega_grafico, SEMPRE prefira run_mega_grafico_full em vez de sequenciar manualmente (menos drift). Idempotente só na production (passa productionId pra reusar a MESMA row), mas cada run RE-GERA a imagem e cobra de novo (~900 Sinapses): não é grátis re-rodar. OBRIGATÓRIO perguntar ao user antes se withHelen=true (cartoon Helen interage com tema, ~15-25% do poster) ou false (poster 100% diagramático). Custo ~900-1000 sinapses por geração. run_mega_grafico_full, generate_carousel, generate_carousel_production, carousel_auto_images (com generateMissing) e carousel_generate_image são SÍNCRONAS e pesadas: vale a REGRA DO TIMEOUT (podem cobrar mesmo voltando 'Timeout'; cheque get_carousel/dashboard antes de repetir). Use skipFinalize=true se quiser deixar production em 'ready' pro admin revisar antes de publishable. Payload livre por formato — chame sapiens_meta action=formats pra ver schemas sugeridos.",
+        description: "CRUD do content pipeline Sapiens (sources/productions/publishables). Sub-actions: list_sources, list_articles (use includeDrafts pra incluir drafts; onlyAvailable pra esconder os já virados em source), get_source, get_production, list_versions, add_article_as_source, create_draft_article_and_source (seed), create_production (sourceId+format → productionId draft), update_production (substitui payload, opcionalmente muda status), finalize_production (cria publishable v1, v2... com snapshot), remove_production, remove_source, set_source_done, update_source_notes, restore_version (volta payload duma versão antiga), set_publishable_title (renomeia um publishable), backfill_via (rotula em lote o campo 'via' das productions antigas; dryRun=true só lista), propose_mega_grafico_plan (granular: só gera plano via Gemini, devolve fullPrompt+spec), run_mega_grafico_full (ONE-SHOT, recomendado: cria production+propõe plano+gera imagem+aplica selo Sapiens+finaliza publishable numa chamada só), generate_carousel (gera um carrossel editorial standalone a partir de brief OU articleId — 7-9 slides na voz Sapiens + imagens do banco; devolve id + url do editor pro humano abrir, ajustar e exportar; admin-only, cobra Sinapses, reembolsa se falhar; model opcional trava uma folha registrada da casa, ex 'feed' ou 'reflexao', em vez do caminho editorial livre). generate_carousel_production (o IRMÃO PIPELINE do generate_carousel: recebe um sourceId de artigo, CRIA a production carrossel_ig e a preenche pelo MESMO motor da casa, já no shape editorial (templateId+slots) que o editor de pipeline renderiza — prefira ESTE a create_production+payload cru pro carrossel, que abre VAZIO no editor; devolve productionId + url do editor de pipeline; admin-only, cobra Sinapses, reembolsa se falhar; model opcional trava a folha registrada; beats opcional entrega copy PRONTO por beat da espinha, [{n, slots}], quando o agente JÁ escreveu e validou os blocos: com beats o Gemini de escrita NÃO roda e a rodada cobra só o picker de imagens, zero com autoPickImages=false; caption opcional vira a legenda do meta). CARROSSEL FINO (edição sem tela, admin-only): list_carousels (seus carrosséis standalone), get_carousel (payload completo + catálogo de templates com slots/limites + paletas — tudo pra VOCÊ escrever os slides), update_carousel (payload inteiro de volta, sanitizado no servidor; preserve os campos image dos slides que não mexeu), carousel_auto_images (IA escolhe imagens do banco pros slides de foto, 60 Sinapses; aceita carouselId standalone OU productionId de carrossel da pipeline; makeVisual=true converte slides de texto pra layouts de foto antes — ritmo visual; generateMissing=true gera imagem nova pros que o banco não cobrir, ~450 Sinapses cada, até 4, avise o custo antes), carousel_generate_image (imagem nova pra UM slide, ~450 Sinapses, customPrompt opcional). Fluxo confortável (standalone): generate_carousel → get_carousel → update_carousel (afia os textos) → carousel_auto_images → humano abre a url pra exportar. Fluxo pipeline (carrossel atrelado a um artigo/source): generate_carousel_production (sourceId) → humano abre a url do editor de pipeline pra revisar e finalizar (finalize_production). Fluxo pipeline com copy do agente (a skill escreveu os blocos): generate_carousel_production (sourceId + model + beats) → carousel_auto_images (productionId) se faltar foto → humano revisa e finaliza. Pra mega_grafico, SEMPRE prefira run_mega_grafico_full em vez de sequenciar manualmente (menos drift). Idempotente só na production (passa productionId pra reusar a MESMA row), mas cada run RE-GERA a imagem e cobra de novo (~900 Sinapses): não é grátis re-rodar. OBRIGATÓRIO perguntar ao user antes se withHelen=true (cartoon Helen interage com tema, ~15-25% do poster) ou false (poster 100% diagramático). Custo ~900-1000 sinapses por geração. run_mega_grafico_full, generate_carousel, generate_carousel_production, carousel_auto_images (com generateMissing) e carousel_generate_image são SÍNCRONAS e pesadas: vale a REGRA DO TIMEOUT (podem cobrar mesmo voltando 'Timeout'; cheque get_carousel/dashboard antes de repetir). Use skipFinalize=true se quiser deixar production em 'ready' pro admin revisar antes de publishable. Payload livre por formato — chame sapiens_meta action=formats pra ver schemas sugeridos.",
         schema: pipelineSchema,
         handler: pipeline,
     },
@@ -107,7 +107,7 @@ export const TOOLS = {
         handler: persona,
     },
     sapiens_helen: {
-        description: "Helen Voice TTS via ElevenLabs ou Google Gemini (qualquer logado; cobra Sinapses). Sub-actions: list_presets (catálogo de voiceIds/voiceNames recomendados + stylePreambles), speak (sintetiza, retorna audioBase64+mimeType+sizeBytes). BYOK suportado via clientApiKey, senão usa env do deploy. Custo: ElevenLabs ~$0.30/500c, Google ~$0.01/500c. Max 5000 chars (quebra antes em chunks). text pré-processado pelo caller (sem em-dash, sem markdown).",
+        description: "Helen Voice TTS via ElevenLabs, Google Gemini ou Fish Audio (qualquer logado; cobra Sinapses). Sub-actions: list_presets (catálogo de voiceIds/voiceNames recomendados + stylePreambles), speak (sintetiza, retorna audioBase64+mimeType+sizeBytes). provider=fish é o S2.1 Pro, o mais forte em japonês, mandarim e coreano: fala de personagem e cena de anime pedem ele. `language` escolhe o idioma (auto|pt|en|ja|es|ko|zh|fr|it|de). BYOK suportado via clientApiKey, senão usa env do deploy. Custo: ElevenLabs ~$0.30/500c, Google ~$0.01/500c, Fish grátis via API até 31/08/2026. Max 5000 chars (quebra antes em chunks). text pré-processado pelo caller (sem em-dash, sem markdown).",
         schema: helenSchema,
         handler: helen,
     },
@@ -122,7 +122,7 @@ export const TOOLS = {
         handler: shorts,
     },
     sapiens_video: {
-        description: "Sapiens Video — gera vídeo (qualquer membro logado; vídeo é caro, cobra as Sinapses da sua conta). Sub-action 'create' (recomendada): escolhe modelo + config e gera num call (cria a row + renderiza). Modelos: 'sapiens-video-seedance' (Seedance 2.0, cena+áudio nativo, 4-15s, 480/720/1080p, t2v/i2v; aceita até 4 imagens de REFERÊNCIA via referenceImageIds/referenceImageUrls/referenceImagePaths (os Veo fast/quality também aceitam, até 3; Lite/Kling/WAN/Omni não), que guiam estilo/personagem/composição SEM virar o 1º frame — é o fluxo STORYBOARD: gere a folha de key poses com sapiens_image templateSlug='storyboard-sapiens-v1', passe folha + personagem como refs num t2v e descreva o take contínuo no prompt, citando as refs por descrição e mandando ignorar o traço do sketch; aceita também 1 VÍDEO DE MOVIMENTO via referenceVideoUrls (role 'refvideo' -> reference_videos, <=15s, host da casa): a coreografia/câmera do clipe guia o take, combinável com a folha), 'sapiens-video-seedance-2-fast' e 'sapiens-video-seedance-2-mini' (os irmãos do 2.0: MESMO repertório completo, incluindo referência, frame final e vídeo de movimento; o Fast custa 20% menos e o Mini METADE, ambos com teto 720p — pedir 1080p neles entrega e cobra 720p. Use o Mini pra iterar enquadramento/prompt barato e feche no 'sapiens-video-seedance' quando o take estiver certo), 'sapiens-video-kling' (Kling 3.0 Pro, anima imagem, 3-15s, sound opcional, i2v/t2v), 'sapiens-video-wan' (WAN 2.5, imagem que fala/canta com áudio+lip-sync, 5/10s, i2v), 'sapiens-video-kling-motion' (Motion transfer: passa o movimento de um vídeo pra uma imagem, PRECISA de pessoa com tronco visível na imagem E no vídeo), 'sapiens-video-shot-mimic' (Shot Mimic: recria o plano/câmera/cortes de um vídeo de referência como cena nova), 'sapiens-video-omni' (Gemini Omni: texto vira vídeo 10s 720p com áudio nativo; NÃO aceita mídia do user, ignora references/durationSec/resolution; editOfImageId aponta um vídeo Omni seu e o prompt edita a MESMA cena, preservando câmera e ambiente), 'sapiens-video-lite/fast/quality' (Veo 3.1). Args create: model, prompt, durationSec, resolution ('480p'/'720p'/'1080p'), audio, aspectRatio. FRAME INICIAL/FINAL POR REFERÊNCIA (recomendado): startImageId/endImageId (id da sua galeria) ou startImageUrl/endImageUrl (url de galeria/Acervo/personagem) — resolvidos server-side igual à imagem, descubra via sapiens_reference. FRAME POR ARQUIVO LOCAL (só no MCP instalado/stdio, não no remoto): startImagePath/endImagePath = caminho absoluto de uma imagem no seu PC (PNG/JPEG/WebP até 8MB); o processo lê o arquivo e sobe como frame inicial/final, igual a subir no gerador do site — 1 imagem inicial + 1 final por vídeo, então pra vários vídeos rode create uma vez por imagem. No remoto use id/url. Alternativa base64: references (role 'start'=imagem i2v, 'end'=frame final, 'driving'=vídeo de movimento do Motion). Suporte a frame final varia por modelo. Custo server-side por config. Sub-action 'generate' (legado): renderiza um imageId de vídeo já criado no site. Retorna {success, url, imageId, cost}. VITRINE (sem custo): sub-action 'demos' lista os SEUS demo films (kind=demo do Estúdio de Vídeo) com slug + estado de vitrine; sub-action 'showcase' põe/tira um demo (por slug) do mini-cinema da /conectar-claude, com showcaseTag (chip de capacidade) e showcaseOrder (ordem asc). Fluxo: 'demos' pra achar o slug, depois 'showcase' com showcase=true. Só entra na vitrine pública se for a conta da casa. VÍDEOS PROGRAMÁTICOS (ADMIN, sem custo): o Lab do Estúdio de Vídeo (/experimentos/films, tabela videoSpecs, 5 kinds: demo | aula-tour | essay | tipografia-musical | dataviz) opera por aqui sem browser — 'film-list' (todos os kinds; filtros filmKind/filmStatus), 'film-get' (spec inteiro por slug), 'film-upsert' (cria/atualiza por slug, idempotente; spec = objeto JSON no shape do 'Copiar spec' da tela, validação no servidor), 'film-status' (produção por slug: filmStatus + videoUrl + durationSecMeasured; o fecho do render é os três num call), 'film-publish' (Acervo aba Fitas + portfólio; exige pronto+URL), 'film-delete' (limpar rascunho). O RENDER do filme segue no agente local (skill /film, repo da casa): o MCP registra e fecha o ciclo, não renderiza. create é ASSÍNCRONA: cria o row, debita e volta NA HORA com {imageId, status:'rendering', cost} (não espera o render, que leva de segundos a minutos). Acompanhe com a sub-action 'status' (imageId) até status='completed' (traz a url) ou 'error'/'blocked'. NÃO chame create de novo enquanto renderiza (cria outro vídeo e cobra de novo); falha de provider refunda sozinha. SOM: 'sonorize' (imageId de vídeo SEU completed + prompt do som da cena) gera uma VARIANTE nova com trilha sincronizada (20 Sinapses/s, o original fica intacto; sonorize sempre o original, nunca uma variante). ADMIN: 'shadows' (videoUrl + title) extrai o deepshadow (depth-map) de um vídeo: entra na sua timeline de vídeos e no Acervo como driving reutilizável; 'shadows-list' lista os deepshadows prontos. Sub-action 'models' (sem custo, sem login): lista os modelos de vídeo ativos + preço-piso + config (durações/resoluções) + disponibilidade (Omni depende de env).",
+        description: "Sapiens Video — gera vídeo (qualquer membro logado; vídeo é caro, cobra as Sinapses da sua conta). Sub-action 'create' (recomendada): escolhe modelo + config e gera num call (cria a row + renderiza). Modelos: 'sapiens-video-seedance' (Seedance 2.0, cena+áudio nativo, 4-15s, 480/720/1080p, t2v/i2v; aceita até 4 imagens de REFERÊNCIA via referenceImageIds/referenceImageUrls/referenceImagePaths (os Veo fast/quality também aceitam, até 3; Lite/Kling/WAN/Omni não), que guiam estilo/personagem/composição SEM virar o 1º frame — é o fluxo STORYBOARD: gere a folha de key poses com sapiens_image templateSlug='storyboard-sapiens-v1', passe folha + personagem como refs num t2v e descreva o take contínuo no prompt, citando as refs por descrição e mandando ignorar o traço do sketch; aceita também 1 VÍDEO DE MOVIMENTO via referenceVideoUrls (role 'refvideo' -> reference_videos, <=15s, host da casa): a coreografia/câmera do clipe guia o take, combinável com a folha), 'sapiens-video-seedance-2-fast' e 'sapiens-video-seedance-2-mini' (os irmãos do 2.0: MESMO repertório completo, incluindo referência, frame final e vídeo de movimento; o Fast custa 20% menos e o Mini METADE, ambos com teto 720p — pedir 1080p neles entrega e cobra 720p. Use o Mini pra iterar enquadramento/prompt barato e feche no 'sapiens-video-seedance' quando o take estiver certo), 'sapiens-video-kling' (Kling 3.0 Pro, anima imagem, 3-15s, sound opcional, i2v/t2v), 'sapiens-video-hailuo' (Hailuo 2.3 da MiniMax, física e movimento em 768p, 6 ou 10s, t2v/i2v) e 'sapiens-video-hailuo-pro' (o mesmo em 1080p, 5s fixo — duração não é param aqui): motores PUROS, sem áudio nativo, sem imagens de referência e sem frame final, então quem precisa disso fica no Seedance 2.0; o Pro é o 1080p mais barato da casa depois do Seedance 1.0 Fast, 'sapiens-video-wan' (WAN 2.5, imagem que fala/canta com áudio+lip-sync, 5/10s, i2v), 'sapiens-video-kling-motion' (Motion transfer: passa o movimento de um vídeo pra uma imagem, PRECISA de pessoa com tronco visível na imagem E no vídeo), 'sapiens-video-shot-mimic' (Shot Mimic: recria o plano/câmera/cortes de um vídeo de referência como cena nova), 'sapiens-video-omni' (Gemini Omni: texto vira vídeo 10s 720p com áudio nativo; NÃO aceita mídia do user, ignora references/durationSec/resolution; editOfImageId aponta um vídeo Omni seu e o prompt edita a MESMA cena, preservando câmera e ambiente), 'sapiens-video-lite/fast/quality' (Veo 3.1). Args create: model, prompt, durationSec, resolution ('480p'/'720p'/'1080p'), audio, aspectRatio. FRAME INICIAL/FINAL POR REFERÊNCIA (recomendado): startImageId/endImageId (id da sua galeria) ou startImageUrl/endImageUrl (url de galeria/Acervo/personagem) — resolvidos server-side igual à imagem, descubra via sapiens_reference. FRAME POR ARQUIVO LOCAL (só no MCP instalado/stdio, não no remoto): startImagePath/endImagePath = caminho absoluto de uma imagem no seu PC (PNG/JPEG/WebP até 8MB); o processo lê o arquivo e sobe como frame inicial/final, igual a subir no gerador do site — 1 imagem inicial + 1 final por vídeo, então pra vários vídeos rode create uma vez por imagem. No remoto use id/url. Alternativa base64: references (role 'start'=imagem i2v, 'end'=frame final, 'driving'=vídeo de movimento do Motion). Suporte a frame final varia por modelo. Custo server-side por config. Sub-action 'generate' (legado): renderiza um imageId de vídeo já criado no site. Retorna {success, url, imageId, cost}. VITRINE (sem custo): sub-action 'demos' lista os SEUS demo films (kind=demo do Estúdio de Vídeo) com slug + estado de vitrine; sub-action 'showcase' põe/tira um demo (por slug) do mini-cinema da /conectar-claude, com showcaseTag (chip de capacidade) e showcaseOrder (ordem asc). Fluxo: 'demos' pra achar o slug, depois 'showcase' com showcase=true. Só entra na vitrine pública se for a conta da casa. VÍDEOS PROGRAMÁTICOS (ADMIN, sem custo): o Lab do Estúdio de Vídeo (/experimentos/films, tabela videoSpecs, 5 kinds: demo | aula-tour | essay | tipografia-musical | dataviz) opera por aqui sem browser — 'film-list' (todos os kinds; filtros filmKind/filmStatus), 'film-get' (spec inteiro por slug), 'film-upsert' (cria/atualiza por slug, idempotente; spec = objeto JSON no shape do 'Copiar spec' da tela, validação no servidor), 'film-status' (produção por slug: filmStatus + videoUrl + durationSecMeasured; o fecho do render é os três num call), 'film-publish' (Acervo aba Fitas + portfólio; exige pronto+URL), 'film-delete' (limpar rascunho). O RENDER do filme segue no agente local (skill /film, repo da casa): o MCP registra e fecha o ciclo, não renderiza. create é ASSÍNCRONA: cria o row, debita e volta NA HORA com {imageId, status:'rendering', cost} (não espera o render, que leva de segundos a minutos). Acompanhe com a sub-action 'status' (imageId) até status='completed' (traz a url) ou 'error'/'blocked'. NÃO chame create de novo enquanto renderiza (cria outro vídeo e cobra de novo); falha de provider refunda sozinha. SOM: 'sonorize' (imageId de vídeo SEU completed + prompt do som da cena) gera uma VARIANTE nova com trilha sincronizada (20 Sinapses/s, o original fica intacto; sonorize sempre o original, nunca uma variante). ADMIN: 'shadows' (videoUrl + title) extrai o deepshadow (depth-map) de um vídeo: entra na sua timeline de vídeos e no Acervo como driving reutilizável; 'shadows-list' lista os deepshadows prontos. Sub-action 'models' (sem custo, sem login): lista os modelos de vídeo ativos + preço-piso + config (durações/resoluções) + disponibilidade (Omni depende de env). LEGENDA (fita, por slug): 'caption-list' (sem custo, mostra os idiomas que a peça já tem), 'caption-generate' (captionLang = idioma FALADO; captionTrio=true já traduz pro trio da casa pt+en+ja na mesma chamada) e 'caption-translate' (captionLang = destino, parte sempre da faixa original). Cobra por minuto começado de vídeo: 50 Sinapses o minuto transcrito, 20 o traduzido, com a duração vindo do doc da peça. A legenda é desenhada pela casa em dois estilos (discreta e social), trocáveis no play sem regerar e sem custo.",
         schema: videoSchema,
         handler: video,
     },

package/dist/tools/helen.js

@@ -1,7 +1,7 @@
 import { z } from "zod";
 import { convexAction, getSessionToken } from "../convexClient.js";
 /**
- * Helen Voice — Text-to-Speech via ElevenLabs ou Google Gemini.
+ * Helen Voice — Text-to-Speech via ElevenLabs, Google Gemini ou Fish Audio.
  *
  * Sub-actions:
  *   - speak: sintetiza fala. Retorna audioBase64 + mimeType + sizeBytes.
@@ -18,13 +18,13 @@ export const helenSchema = z.object({
         .optional()
         .describe("Texto a falar (action=speak). Max 5000 chars."),
     provider: z
-        .enum(["elevenlabs", "google"])
+        .enum(["elevenlabs", "google", "fish"])
         .optional()
-        .describe("elevenlabs (melhor natural, mais caro) ou google (Gemini TTS, mais barato). Default elevenlabs."),
+        .describe("elevenlabs (inglês expressivo, mais caro), google (Gemini TTS, mais barato) ou fish (S2.1 Pro, o melhor em japonês e nas línguas asiáticas). Default elevenlabs."),
     modelId: z
         .string()
         .optional()
-        .describe("ElevenLabs: 'eleven_v3' (default) ou 'eleven_multilingual_v2'. Google: 'gemini-3.1-flash-tts-preview' (default)."),
+        .describe("ElevenLabs: 'eleven_v3' (default) ou 'eleven_multilingual_v2'. Google: 'gemini-3.1-flash-tts-preview' (default). Fish: escolhido no servidor, o que vier aqui é ignorado."),
     voiceId: z
         .string()
         .optional()
@@ -33,10 +33,18 @@ export const helenSchema = z.object({
         .string()
         .optional()
         .describe("Google prebuilt voice (default Kore). Use list_presets pra ver opções."),
+    fishReferenceId: z
+        .string()
+        .optional()
+        .describe("Fish: id da voz no acervo do fish.audio. Sem ele vai a voz default do modelo."),
+    language: z
+        .enum(["auto", "pt", "en", "ja", "es", "ko", "zh", "fr", "it", "de"])
+        .optional()
+        .describe("Idioma da fala. Cada motor recebe no dialeto dele; fish e google detectam pelo texto, então lá isto é informativo. Default pt."),
     languageCode: z
         .string()
         .optional()
-        .describe("ElevenLabs: ex 'pt' pra PT-BR otimizado."),
+        .describe("ElevenLabs: ex 'pt' pra PT-BR otimizado. Vence o `language` quando os dois vêm."),
     stylePreamble: z
         .string()
         .optional()
@@ -85,6 +93,16 @@ const PRESETS = {
             "Read this slow and contemplative, with pauses:",
         ],
     },
+    fish: {
+        note: "Fish Audio S2.1 Pro. Não precisa de modelId (o servidor escolhe) e detecta o idioma pelo texto. É o motor mais forte da casa em japonês, mandarim e coreano: cena de anime, fala de personagem, narração em ja pedem ele. Voz opcional em fishReferenceId; sem ela, a voz default.",
+        voices: [
+            {
+                fishReferenceId: null,
+                name: "Voz default do modelo",
+                use: "o caminho normal: escreve o texto no idioma que quer e manda",
+            },
+        ],
+    },
 };
 export async function helen(args) {
     if (args.action === "list_presets") {
@@ -98,9 +116,13 @@ export async function helen(args) {
         const modelId = args.modelId ??
             (provider === "elevenlabs"
                 ? "eleven_v3"
-                // 3.1 Flash é o único TTS do Google que gera nas contas free da casa
-                // (o 2.5 responde 200 sem áudio nelas e só sai na conta central).
-                : "gemini-3.1-flash-tts-preview");
+                : provider === "fish"
+                    // O motor real do Fish é o header `model` do servidor. Este id viaja só
+                    // pra log e pra chave de cache não misturar os motores.
+                    ? "s2.1-pro-free"
+                    // 3.1 Flash é o único TTS do Google que gera nas contas free da casa
+                    // (o 2.5 responde 200 sem áudio nelas e só sai na conta central).
+                    : "gemini-3.1-flash-tts-preview");
         if (provider === "elevenlabs" && !args.voiceId) {
             throw new Error("provider=elevenlabs exige voiceId. Use action=list_presets pra ver opções.");
         }
@@ -112,6 +134,8 @@ export async function helen(args) {
             modelId,
             voiceId: args.voiceId,
             googleVoiceName: args.googleVoiceName,
+            fishReferenceId: args.fishReferenceId,
+            language: args.language,
             languageCode: args.languageCode,
             stylePreamble: args.stylePreamble,
             voiceSettings: args.voiceSettings,

package/dist/tools/pipeline.js

@@ -89,11 +89,33 @@ export const pipelineSchema = z.object({
         .boolean()
         .optional()
         .describe("generate_carousel: se TRUE, a voz do Sintético do dono dirige o copy (amplificar). Default false = estilo do dono."),
+    model: z
+        .string()
+        .optional()
+        .describe("generate_carousel / generate_carousel_production: folha travada registrada da casa (ex: 'feed', 'reflexao'). A espinha de slides vem do servidor; a IA (ou seus beats) só escreve a prosa. Ausente = caminho editorial livre."),
+    beats: z
+        .union([
+        z.array(z.object({
+            n: z.number().describe("número do beat na espinha (1 a 9)"),
+            slots: z
+                .record(z.string())
+                .describe("só os slots de PROSA daquele beat (title/body/punch/tagline...), já contados e na voz"),
+        })),
+        // Defesa: cliente que serializa o array como string JSON (mesmo caso do
+        // arg payload). O handler normaliza.
+        z.string(),
+    ])
+        .optional()
+        .describe("generate_carousel_production: copy PRONTO por beat da espinha, [{n, slots}]. Exige model. Com beats o Gemini de escrita NÃO roda e a rodada cobra só o picker de imagens (zero com autoPickImages=false). Use quando a skill do carrossel já escreveu e validou os blocos (o contador emite este JSON com --beats)."),
+    keyword: z
+        .string()
+        .optional()
+        .describe("generate_carousel_production (com beats): a palavra única do comment-to-DM, vira meta.keyword do pacote de publicação."),
     // carrossel standalone (get/update/imagens)
     carouselId: z
         .string()
         .optional()
-        .describe("carousels_standalone:_id — get_carousel/update_carousel/carousel_auto_images/carousel_generate_image. Vem de generate_carousel ou list_carousels."),
+        .describe("carousels_standalone:_id — get_carousel/update_carousel/carousel_auto_images/carousel_generate_image. Vem de generate_carousel ou list_carousels. No carousel_auto_images, alternativa: productionId (carrossel da pipeline)."),
     slideId: z
         .string()
         .optional()
@@ -129,7 +151,7 @@ export const pipelineSchema = z.object({
     productionId: z
         .string()
         .optional()
-        .describe("contentProductions:_id — get_production/update_production/finalize_production/remove_production/list_versions. Vem de create_production."),
+        .describe("contentProductions:_id — get_production/update_production/finalize_production/remove_production/list_versions/carousel_auto_images (carrossel da pipeline). Vem de create_production ou generate_carousel_production."),
     publishableId: z
         .string()
         .optional()
@@ -191,6 +213,25 @@ function coercePayloadArg(raw) {
         throw new Error('Arg "payload" veio como string mas não é JSON válido. Mande o objeto do payload.');
     }
 }
+// Mesma defesa pro `beats` do generate_carousel_production: aceita o array já
+// estruturado ou a string JSON dele, e valida o shape mínimo antes de mandar.
+function coerceBeatsArg(raw) {
+    if (raw == null)
+        return undefined;
+    let val = raw;
+    if (typeof val === "string") {
+        try {
+            val = JSON.parse(val);
+        }
+        catch {
+            throw new Error('Arg "beats" veio como string mas não é JSON válido. Mande o array [{n, slots}].');
+        }
+    }
+    if (!Array.isArray(val) || val.some((b) => typeof b?.n !== "number" || !b?.slots)) {
+        throw new Error('Arg "beats" deve ser um array de { n: número do beat, slots: {slot: texto} }.');
+    }
+    return val;
+}
 export async function pipeline(args) {
     const sessionToken = getSessionToken();
     switch (args.action) {
@@ -382,6 +423,7 @@ export async function pipeline(args) {
                 ...(articleId ? { publishedArticleId: articleId } : {}),
                 autoPickImages: args.autoPickImages,
                 useSintetico: args.useSintetico,
+                ...(args.model ? { model: args.model } : {}),
             });
         }
         case "generate_carousel_production": {
@@ -393,11 +435,20 @@ export async function pipeline(args) {
             // Sinapses (reembolsa se falhar). Devolve productionId + url do editor.
             // SÍNCRONA e pesada (Gemini + imagens): vale a REGRA DO TIMEOUT — se voltar
             // Timeout, confira em get_production/list_sources antes de repetir.
+            //
+            // model trava a folha registrada; beats = copy pronto do agente (pula o
+            // Gemini de escrita, cobra só o picker). beats pode chegar serializado
+            // como string JSON (mesmo caso do payload): normaliza antes de mandar.
+            const beats = coerceBeatsArg(args.beats);
             return await convexAction("carouselAutofill:mcpFillCarouselFromArticle", {
                 sessionToken,
                 sourceId: need(args.sourceId, "sourceId"),
                 autoPickImages: args.autoPickImages,
                 useSintetico: args.useSintetico,
+                ...(args.model ? { model: args.model } : {}),
+                ...(beats ? { beats } : {}),
+                ...(args.caption ? { caption: args.caption } : {}),
+                ...(args.keyword ? { keyword: args.keyword } : {}),
             });
         }
         case "list_carousels":
@@ -420,18 +471,24 @@ export async function pipeline(args) {
                 payload: coercePayloadArg(need(args.payload, "payload")),
                 ...(args.title ? { title: args.title } : {}),
             });
-        case "carousel_auto_images":
+        case "carousel_auto_images": {
             // IA escolhe imagens do banco pros slides de foto sem imagem (60 Sinapses).
+            // Aceita carouselId (standalone) OU productionId (carrossel da pipeline).
             // makeVisual dá ritmo a carrossel texto-pesado; generateMissing gera as que
             // o banco não cobriu (custo por imagem). SÍNCRONA e pesada com
             // generateMissing: vale a REGRA DO TIMEOUT.
+            if (!args.carouselId && !args.productionId) {
+                throw new Error("carousel_auto_images: passe carouselId (standalone) OU productionId (carrossel da pipeline).");
+            }
             return await convexAction("carouselAutofill:mcpCarouselAutoImages", {
                 sessionToken,
-                carouselId: need(args.carouselId, "carouselId"),
+                ...(args.carouselId ? { carouselId: args.carouselId } : {}),
+                ...(!args.carouselId && args.productionId ? { productionId: args.productionId } : {}),
                 force: args.force,
                 makeVisual: args.makeVisual,
                 generateMissing: args.generateMissing,
             });
+        }
         case "carousel_generate_image":
             // Gera imagem NOVA pra UM slide (nanoBanana, ~450 Sinapses) e salva no
             // carrossel. SÍNCRONA (~20-60s): vale a REGRA DO TIMEOUT.

package/dist/tools/video.js

@@ -53,6 +53,10 @@ import { httpUrl } from "../schema.js";
  *                                   antes de fechar no 2.0 padrão. Pedir 1080p nos dois cai em 720p
  *                                   (cobrando 720p).
  *   - sapiens-video-kling          Kling 3.0 Pro — dá vida a uma imagem, 3-15s, sound opcional (i2v/t2v)
+ *   - sapiens-video-hailuo         Hailuo 2.3 (MiniMax) — física e movimento em 768p, 6 ou 10s (t2v/i2v).
+ *                                   Motor puro: SEM áudio, SEM referência, SEM frame final.
+ *   - sapiens-video-hailuo-pro     Hailuo 2.3 Pro — o mesmo em 1080p, 5s fixo (duração não é param).
+ *                                   É o 1080p mais barato da casa depois do Seedance 1.0 Fast.
  *   - sapiens-video-wan            WAN 2.5 — imagem que fala/canta (áudio+lip-sync nativo), 5/10s (i2v)
  *   - sapiens-video-kling-motion   Kling Motion — transfere o movimento de um vídeo pra uma imagem
  *                                   (PRECISA de pessoa com tronco visível na imagem E no vídeo;
@@ -87,6 +91,8 @@ const VIDEO_MODELS = [
     "sapiens-video-seedance-2-fast",
     "sapiens-video-seedance-2-mini",
     "sapiens-video-kling",
+    "sapiens-video-hailuo",
+    "sapiens-video-hailuo-pro",
     "sapiens-video-wan",
     "sapiens-video-kling-motion",
     "sapiens-video-shot-mimic",
@@ -114,7 +120,21 @@ export const videoSchema = z.object({
         "film-status",
         "film-publish",
         "film-delete",
+        "caption-list",
+        "caption-generate",
+        "caption-translate",
     ]),
+    // --- Legenda (caption-*): a fala da fita virando texto, em vários idiomas ---
+    captionLang: z
+        .enum(["pt", "en", "ja", "es", "ko", "zh", "fr", "it", "de"])
+        .optional()
+        .describe("caption-generate: o idioma FALADO no vídeo. caption-translate: o idioma de DESTINO. " +
+        "A legenda é desenhada pela casa e trocável no play; o trio da casa é pt+en+ja."),
+    captionTrio: z
+        .boolean()
+        .optional()
+        .describe("caption-generate: true transcreve E traduz pro trio da casa (pt, en, ja) numa chamada. " +
+        "Cobra cada etapa por vez, então falha numa tradução não perde as que já saíram."),
     // --- Vídeos Programáticos (film-*): Lab de specs da casa, ADMIN, sem custo ---
     filmKind: z
         .enum(FILM_KINDS)
@@ -178,6 +198,7 @@ export const videoSchema = z.object({
         .optional()
         .describe("action=create: modelo de vídeo. 'sapiens-video-seedance' (cinematográfico+áudio, t2v/i2v), " +
         "'sapiens-video-kling' (anima imagem, i2v/t2v), 'sapiens-video-wan' (imagem que fala, i2v), " +
+        "'sapiens-video-hailuo' (MiniMax, física e movimento, 768p 6/10s) e 'sapiens-video-hailuo-pro' (o mesmo em 1080p, 5s fixo) — os dois sem áudio, sem referência e sem frame final, " +
         "'sapiens-video-kling-motion' (motion transfer, precisa pessoa na imagem E no vídeo de movimento; vídeo de referência MÁX 10s, cobra pela duração do clipe), " +
         "'sapiens-video-shot-mimic' (recria o plano do vídeo de referência com seu personagem: mesma câmera, mesmos cortes; 'driving' = previs/clipe do plano MÁX 15s, 'start' = personagem), " +
         "'sapiens-video-lite/fast/quality' (Veo 3.1), " +
@@ -411,6 +432,39 @@ export async function video(args) {
             throw new Error("film-get exige slug (descubra via film-list).");
         return await convexQuery("videoSpecs:mcpGetVideoSpec", { sessionToken, slug: args.slug });
     }
+    // --- Legenda ---
+    if (args.action === "caption-list") {
+        if (!args.slug)
+            throw new Error("caption-list exige slug (descubra via film-list).");
+        return await convexAction("mcpExtrasActions:mcpCaptionList", {
+            sessionToken,
+            slug: args.slug,
+        });
+    }
+    if (args.action === "caption-generate") {
+        if (!args.slug)
+            throw new Error("caption-generate exige slug (descubra via film-list).");
+        if (!args.captionLang) {
+            throw new Error("caption-generate exige captionLang: o idioma FALADO no vídeo (o modelo transcreve nele).");
+        }
+        return await convexAction("mcpExtrasActions:mcpCaptionGenerate", {
+            sessionToken,
+            slug: args.slug,
+            lang: args.captionLang,
+            trio: args.captionTrio,
+        });
+    }
+    if (args.action === "caption-translate") {
+        if (!args.slug)
+            throw new Error("caption-translate exige slug (descubra via film-list).");
+        if (!args.captionLang)
+            throw new Error("caption-translate exige captionLang (idioma de destino).");
+        return await convexAction("mcpExtrasActions:mcpCaptionTranslate", {
+            sessionToken,
+            slug: args.slug,
+            lang: args.captionLang,
+        });
+    }
     if (args.action === "film-upsert") {
         if (!args.spec || typeof args.spec !== "object") {
             throw new Error("film-upsert exige spec (objeto JSON com kind + musicMode + payload do kind: demo | aulaTour | essay | tipoMusical | dataviz).");

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "sapiens-mcp",
-  "version": "1.43.4",
+  "version": "1.44.0",
   "description": "MCP server pra operar o Sapiens Sintéticos (sapiensinteticos.com) pelo Claude Code: gerar imagem, escrever artigo, voz, música e mais, na sua conta. Login pelo código de sapiensinteticos.com/conectar-claude.",
   "type": "module",
   "bin": {