Was macht Kursgenerator: Handgeschriebene Erklärvideos?
Ausgabe: Ein oder mehrere 1920x1080 30fps H.264+AAC MP4s mit eingebetteten Untertiteln plus .srt, gestaltet wie jemand, der auf einem schwarzen iPad mit Neon-Markern unterrichtet (Caleb Eom Stil). Jede Vorlesung wird als kompakte spec.js (Erzählung + visuelle Elemente zusammen) geschrieben; die Engine legt das Layout fest, timt jede Zeichnung auf das gesprochene Wort und rendert.
research → spec.js pro Vorlesung → build.sh (extrahieren → TTS → scenes.js) → qa.sh (Standbilder) → korrigieren → render_lecture.sh → zip + bereitstellen
Stilregeln (nicht verhandelbar)
- Tempo ≈ 1,2x, niemals schneller. API-Stimmen: Stille entfernen, dann
ATEMPO=1,05(ausdrucksstarke Stimme) bis1,12(langsame Stimme). 0,2s Pause zwischen den Beats. 1,25x+ klingt gehetzt. - Handgemachter Look. Reenie Beanie Schriftart mit Versatz pro Buchstabe; rough.js Linien (Rauheit ≥1,4) plus eine SVG-Turbulenz-Wackelbewegung. Nur „gedruckte" Beweiskarten (Tabellen, echte Zahlen) sind sauber serifenlos.
- Schwarzer Hintergrund, Neon-Rollen:
wHaupt,ggut/funktioniert,pProblem/Warnung,vKonzept,oAktionen/Analogien,yHervorhebungen/Zahlen,bsekundär,grZitate/Seitenbemerkungen.
Lehrstruktur (jede Vorlesung)
- Aufhänger (20–40s): eine nachvollziehbare Situation, dann eine überraschende Tatsache, dann eine Frage. Dann ein Titel-Beat, der das Framework vorstellt.
- Framework (
LAYERS, 3–7 Elemente): das Rückgrat. Jeder Abschnitt zeigt oben rechts eine Mini-Kopie mit seinem Layer in Klammern. - Abschnitte: 1–3 Beats pro Abschnitt. Eine Idee und ein visuelles Element pro Beat. Quellen laut nennen und in grauer Schrift auf dem Bildschirm anzeigen.
- Intuition: mindestens eine
Analogiepro Abschnitt für alles Abstrakte („ein Rauchmelder, keine Feuerwehr"). Fachjargon sofort in einfachen Worten erklären. - Zusammenfassung und Ausblick: das Framework, abgehakte Zeilen, dann der Titel der nächsten Vorlesung, damit ein Kurs aneinanderreiht.
Stimme: Ein Kollege, der bei einem Kaffee erklärt. Kurze Sätze, „Also,", „Und hier ist der Punkt.", „Erinnerst du dich an das X?“. Zahlen so schreiben, wie sie gesprochen werden sollen („zwanzig sechsundzwanzig", „eins Komma sieben Sekunden"). Symbole in say vermeiden.
Anfängerfreundlicher Modus (wenn darum gebeten wird, es für Neueinsteiger verständlich zu machen): Ergänze die Quelle durch eigene Internetrecherche, füge eine Analogie pro Konzept hinzu und reduziere die Ideendichte (≈500–650 Wörter pro 3–4 min Vorlesung).
Genauigkeit
Jede Zahl, jedes Datum und jeden Namen im Internet recherchieren. Primärquellen bevorzugen. Zahlen aus einem Experiment zusammenhalten. Anbieterangaben kennzeichnen („Anbieterzahlen: überprüfen"). Nie ein Beispiel erfinden, das ein Buch nicht gegeben hat; das buch eigene Beispiel zitieren. Eine Quellenliste mitschicken.
Einrichtung
In ~/course arbeiten, einer Kopie des engine/-Ordners dieser Fähigkeit, damit Audio und Videos nicht im Fähigkeiten-Ordner bleiben. Überspringe das Kopieren, falls ~/course bereits existiert.
cp -r <dieser Fähigkeitenordner>/engine ~/course && cd ~/course # z.B. ~/.claude/skills/course-generator-handwritten/engine
npm i && npm run browsers # Playwright + Chromium (benötigt Node 20+)
pip install --break-system-packages soundfile numpy
cp .env.example .env # TTS_* in .env ausfüllen (niemals einchecken)
ffmpeg muss installiert sein. Vorlesungsordner (~/course/L02_Architecture/spec.js) liegen neben den Skripten; die Skripte können von jedem Verzeichnis aus aufgerufen werden.
TTS ist austauschbar (tts.py): Jeder OpenAI-kompatible POST /audio/speech, der response_format: "pcm" (24 kHz s16le) zurückgibt. Konfiguriere TTS_URL, TTS_API_KEY, TTS_MODEL und TTS_VOICE über Umgebungsvariablen oder .env. Wähle eine Stimme aus, indem du 2–3 Stimmen für einen Beat testest und die ausdrucksstärkste (höchste Tonhöhenvarianz) auswählst, nicht die erste. Audio wird pro Beat mit einem Text-Sidecar zwischengespeichert, sodass nur bearbeitete Beats neu vertont werden. Niemals Schlüssel oder Modellnamen in eingecheckten Dateien hartcodieren.
Eine Vorlesung schreiben: <Dir>/spec.js
const LECT = { label: 'Vorlesung 2 · hinter den Kulissen', title: 'Die Sieben-Schichten-Architektur' };
const LAYERS = ['Kanäle + Auslöser', 'Gateway', 'Dauerhafter Orchestrator', 'Agenten-Schleife'];
say({ hook: "…", title: "…", recap: "…", outro: "Als nächstes, …" }); // Registry für Intro-/Recap-Beats
intro('S01_Intro', 'hook', 'title', [ Elemente… ]);
section('S02_Gateway', 1 /*layer-Index*/, 'v' /*Farbe*/, [
{ b: 'ga1', t: 'Die Eingangstür', cite: 'Quelle, 2026', say: "Erzählung…", v: [ Elemente… ] },
]);
recap('S06_Recap', 'recap', 'outro', ['Zeile', 'Zeile'], 'Titel der nächsten Vorlesung');
Jeder Beat bekommt sein eigenes Panel, und die Kamera schwenkt zwischen den Panels. Das Layout skaliert automatisch, um alles passend darzustellen.
Elemente [Typ, ...Argumente, Optionen?]:
| Typ | Argumente |
|---|---|
big / text | str, Farbe, Größe |
note | str, Farbe (mit Pfeil versehene Randbemerkung) |
analogy | null, str, 'o' (eingerahmt „Stell dir vor wie…") |
list | `[Zeilen], Farbe, {num |
col | Titel, Farbe, [Zeilen] (innerhalb von row verwenden) |
row | [[Element],[Element]…], {vs, gap} (nebeneinander) |
flow | [Bezeichnungen], [Farben] (Boxen mit Pfeilen) |
stack | [Bezeichnungen], {rh,size,w,cols,step} |
tokens | [Wörter], Farbe, {step, cols} (umbricht) |
bars / hbars | `[[Bezeichnung, Wert, Farbe, Wertbezeichnung]…], {h |
eq | str, Farbe (unterstrichene Überschriftzahl) |
card | Titel, Zeilen[][], {w, hi:[ZeilenIdx], hit:[Zeit]} (gedruckte Tabelle; Zeile 0 ist der Kopf) |
chart | [[[x,y]…], Farbe, Bezeichnung]…], {h, xl, yl} |
timeline / grid / gpus / people / down | siehe dsl.js |
Timing-Optionen (letztes Objekt): at: 'Wort' startet das Element, wenn dieses Wort gesprochen wird (occ: 2 für das zweite Vorkommen); times: [[Beat, Bruchteil, 'f'], …] setzt die Zeitangaben pro Teil als Bruchteil des Beats; step staffelt Teile. Die Starts werden so begrenzt, dass die Zeichnung ≥2,6s vor Ende des Beats abgeschlossen ist. Zulässige Optionsschlüssel sind in dsl.js (OPTK) in einer Whitelist; ein unbekannter Schlüssel wird als Daten behandelt, also neue Schlüssel dort hinzufügen.
Bauen, QA, Rendern
./build.sh L02_Architecture # beats.json, TTS, scenes.js; gibt Sprachminuten aus
./qa.sh L02_Architecture # End-of-Beat-Standbilder als Kacheln in L02_Architecture/qa/sheet*.jpg
./render_lecture.sh L02_Architecture "02 - Die Sieben-Schichten-Architektur" # 2 parallele Spuren → out/*.mp4 + .srt
Führe die Qualitätskontrolle für jede Vorlesung vor dem Rendern durch und schau dir jedes Blatt an. Korrigiere:
- Überlaufende Beschriftungen in Boxen (die Engine verkleinert Schriftarten, aber lange Beschriftungen müssen trotzdem gekürzt werden);
- Eine Kartenhervorhebung in der falschen Zeile (zähle den Kopf als Zeile 0);
- Inhalt, der über den Rahmen hinausgeht;
- Ein
at-Wort, das nicht existiert (WORDMISSim Log).
Für viele Vorlesungen verwende eine Warteschlange: ein READY-Flag pro Verzeichnis, jeweils ein Render-Vorgang, erneutes Rendern, wenn scenes.js neuer als das MP4 ist. In der Cloud dauert das Rendern einer Vorlesung etwa 3–4 Minuten. Hintergrundjobs müssen per Harness verfolgt werden (nicht nohup auf einer VM, die möglicherweise in den Ruhezustand wechselt).
Bereitstellen
out/*.mp4 + *.srt mit nummerierten, beschrifteten Dateinamen als Zip packen („00 - Titel.mp4"). Gib in der Antwort eine Laufzeittabelle, eine Zeile zum Ansatz und Quellen an.
Beispiele
examples/agents-L00-spec.js (Konzeptvorlesung) und examples/inference-B4-spec.js (beweislastige Vorlesung) sind vollständige, gerenderte Spezifikationen, die du kopieren kannst.