video-prompt-director: Regiegeführte KI-Videoprompts
Positionierung
Verwandle jeden Inhalt in direkt generierbare Videoprompts. Wähle zuerst basierend auf dem Skript-Stil den Modus (Kurzvideo-Format oder Kinofilm-Format). Beide Modi teilen sich die Produktionsebene, während die Bildebene und die Performance-Ebene jeweils eigene Schreibweisen haben:
| Ebene | Was wird gelöst |
|---|---|
| Produktionsebene (geteilt) | Skript in Generierungseinheiten zerlegen; für jede Einheit Generierungsmodus, Parameter und Referenzbilder wählen; Einheiten müssen aneinander anschließen |
| Bildebene | Charaktere, Requisiten, Szenenraum, Kamera, Stil, Licht & Schatten, Ton, harte Constraints |
| Performance-Ebene | Kurzvideo: Eine sichtbare Aktion + ein Emotionspunkt. Kinofilm: Acht-Dimensionen-Formel, AU (Acting Units), Emotionsverlauf, Reaktionskette |
Prinzip: Alltägliche Aktionen leicht beschreiben, entscheidende Momente detailliert beschreiben, Stellen, an denen KI häufig Fehler macht, gezielt betonen.
Schritt 0: Modus wählen
| Kurzvideo-Format | Kinofilm-Format | |
|---|---|---|
| Plattform / Verwendung | TikTok, Xiaohongshu (RED), Video-Konto, Kuaishou, Reels; Szenenausschnitte, Street Styles, Atmosphäre-Clips, Charakter-Kurzgeschichten, vertikale Kurzserien | Kurzfilme, Premium-Dramen, künstlerische Szenen |
| Rhythmus | One-Shot: alle 2 Sekunden ein Ereignis; mehrere Einstellungen: 2–5 Sekunden pro Einstellung | 4–12 Sekunden pro Einstellung, statische Kamera oder extrem langsame Heranzoom |
| Antrieb durch | Aktionsereignisse, Kamerafahrten, Raum und Ton, visuelle Kontraste | Performance: Emotionsverlauf, Dialog, Gegenüberstellung |
| Performance-Schreibweise | Eine sichtbare Aktion + Gesichtsausdrucksänderung, natürliche Sprache, kein AU | Acht-Dimensionen-Formel + AU-Unterstützung + Reaktionskette |
| Struktur | Variante A: One-Shot („Dan-Mei“-Stil) / Variante B: Mehrere Einstellungen (Cyper-Atom-Stil) | Volltext-Map / Charakterkonsistenz / Einstellungs-Zeitachse / Kernanforderungen … |
| Quelle | AI-video-prompt „Dan Mei“ + mx-shell-prompt Cyper-Atom | video-prompt-director v1 |
| Zuerst lesen | modes/short-video.md → examples/short-video.md | modes/cinematic-drama.md → examples/cinematic-drama.md |
Entscheidungsregeln:
- Hat der Benutzer eine Plattform oder einen Stil genannt → Benutzer folgen. TikTok, Xiaohongshu, schneller Rhythmus, Kurzvideos → Kurzvideo-Format. Kinofilm, filmische Handlung, langsamer Rhythmus, Performance → Kinofilm-Format.
- Bei fehlender Angabe: Enthält das Skript mehrere Dialogzeilen, emotionale Wendungen, Gegenüberstellungen und spielt es in derselben Szene → Kinofilm-Format; sonst → Kurzvideo-Format.
- Vertikale Kurzserien → Kurzvideo-Format, aber Dialogeinbettung und Reaktionskette aus dem Kinofilm-Format verwenden (siehe Ende des Kurzvideo-Formats).
- Bei Unsicherheit → Kurzvideo-Format, und in der Bestätigungsnachricht von Schritt 3 darauf hinweisen: „Kann auf Kinofilm-Format umschalten“.
- Synthese-/Bearbeitungsaufgaben (A in B einfügen, nur Hintergrund ändern) → keinen der beiden Modi verwenden; stattdessen die minimalistische Schreibweise am Ende von tool-adapters.md verwenden.
Verschiedene Segmente innerhalb eines Projekts können unterschiedliche Modi verwenden, z. B. Einstiegshook in Kurzvideo, Haupthandlung in Kinofilm.
Nach der Wahl des Modus zuerst die entsprechenden modes/-Dateien und Beispiele lesen, dann mit dem Schreiben beginnen.
Workflow
Schritt 1: Eingabe lesen, drei Dinge festlegen
- Zielwerkzeug und -modell: Bestimmt die maximale Segmentdauer und die Referenzmaterial-Schreibweise. Siehe tool-adapters.md. Wenn der Benutzer keine Angabe macht, Standard des aktuellen Projekts verwenden; gibt es auch dort keinen Standard,
Seedance 2.5 | 720p | 16:9verwenden. - Bildästhetik: Filmfotografie / Handy-Aufnahme / Animation. Bei Handy-Aufnahme nicht „filmisch, IMAX, Blockbuster, 4K“ schreiben.
- Referenzmaterial: Wenn vorhanden, jeder Referenz eine Aufgabe zuweisen; wenn nicht, klar beschreiben, welche Bilder vorbereitet werden müssen, oder auf reinen Text-zu-Video umstellen.
Ein-Satz-Ideen: Als einzelnes Segment behandeln, direkt vervollständigen, Schritt 3 überspringen.
Schritt 2: Segmentieren
Nach Ort, Zeit, großen emotionalen Wendungen, Perspektivwechseln und maximaler Segmentdauer segmentieren. Am Ende eines Segments den Endzustand beschreiben; das nächste Segment setzt dort an. Details siehe REFERENCE.md Abschnitt „II. Segmentierung“; Einstellungsanzahl pro Modus siehe modes/.
Schritt 3: Regieentscheidung (einziger Bestätigungspunkt)
Segment für Segment entscheiden: Wo leicht, wo detailliert beschreiben, wo wird die KI Fehler machen? Bei mehreren Segmenten oder Richtungsunklarheiten in einer Nachricht an den Benutzer:
Modus: Kurzvideo (One-Shot) – Begründung in einem Satz; wenn du einen langsamen, performancestarken Stil möchtest, kann auf Kinofilm-Format umgeschaltet werden.
Ich habe N Segmente erstellt:
Segment 1 (0–15s): [Ein-Satz-Beat]｜[Generierungsmodus]｜[Benötigte Referenzbilder]
Segment 2 (…): …
Meine Einschätzung:
- Segment 1 [bestimmter Moment]: Ich plane [Bearbeitung], der Zuschauer fühlt [Effekt]; eine andere Richtung wäre [Alternative].
Bestätige mit „Schreib los“; wenn du zusammenführen, aufteilen oder die Richtung ändern möchtest, sag es direkt.
Wenn es nur ein Segment gibt und die Absicht klar ist, diesen Schritt überspringen und direkt schreiben. Wenn der Benutzer sich nicht sicher ist, zwei oder drei Optionen mit Effektbeschreibung anbieten, kein Formular ausfüllen lassen.
Schritt 4: Segment für Segment schreiben
Die Struktur des gewählten Modus verwenden (siehe modes/), Dichte und Tonfall der Beispiele des Modus folgen. Die Beispiele sind Maßstäbe; nur zum Lernen, nicht zur „Verbesserung“ nach allgemeinen Regeln.
Schritt 5: Nach Selbstprüfung ausliefern
Die gemeinsame Selbstprüfung und die modusspezifische Selbstprüfung durchführen. Optional python3 scripts/prompt_builder.py --validate <Datei> ausführen. Nach der Auslieferung fragen: Sollen Segmente angepasst, der Modus gewechselt oder bestimmte Stellen verstärkt/abgeschwächt werden?
Äußere Hülle jedes Segments (für beide Modi)
## Segment 1: [Ein-Satz-Beat] (0–15 Sekunden)
Modus: Kurzvideo (One-Shot / Mehrere Einstellungen) oder Kinofilm
Generierungsmodus: [Rein Text-zu-Video / Erstes Bild / Erstes + Letztes Bild / Mehrere Referenzbilder / All-in-One-Referenz / Videobearbeitung]
Modellparameter: [Modell] | [Auflösung] | [Seitenverhältnis] | [Dauer]
Referenzmaterial:
Bild 1: [Eindeutige Aufgabe] – Festlegung auf [Gesicht / Haare / Kleidung / Proportion …]; Keine Verwendung von [Hintergrund / darin enthaltene Personen …]
(Bei reinem Text-zu-Video „Keine“ schreiben; bei fehlenden Bildern klar beschreiben, welche Bilder vorbereitet werden müssen)
Prompt:
```text
[Gemäß der Struktur des Modus schreiben]
```
Endzustand des Segments: [Pose, Position, Bildkomposition – das nächste Segment setzt hier an]
Referenzmaterial-Zitate im Prompt-Block müssen in die Schreibweise des Zielwerkzeugs umgewandelt werden (@Bild1 / Referenzbild1 / {{Node "Knotenname"}} / @image1).
Kernregeln (für beide Modi)
- Jedes Segment ist in sich geschlossen. Generierungswerkzeuge haben kein segmentübergreifendes Gedächtnis. Charakterfestlegungen, Szenen, Licht, Requisiten in der Hand, Endzustand des vorherigen Segments – alles muss in jedem Segment vollständig beschrieben werden. Kein „wie oben“ oder „wie im vorherigen Segment“. Aussehen und Kleidung werden durch Referenzbilder festgelegt, im Text nicht wiederholen.
- Ein Referenzbild hat nur eine Aufgabe. Nur „Referenzbild“ zu schreiben, ist wertlos. Es muss klar sein, was festgelegt und was nicht verwendet wird. Die Zitierweise folgt dem Werkzeug: Bei LibTV muss
{{Node "Knotenname"}}geschrieben werden; reiner Text „Bild 1“ ist ungültig. - Zeitcode ist Aktionsbudget. Zeitfenster sind kontinuierlich und überlappen nicht. Ein Fenster enthält nur eine Kernaktion. Schlüsselereignisse auf die genaue Sekunde schreiben. Dem letzten Schlag 0,5 Sekunden Puffer geben, da Modelle dazu neigen, den letzten Schlag zu spät zu setzen.
- Das erste Bild ist der Zustand vor der ersten Aktion. Soll in Sekunde 2 das Bein übergeschlagen werden, müssen im ersten Bild die Beine nebeneinander sein.
- Charaktere dürfen nicht in der Luft schweben. Für jeden kraftaufnehmenden Körperteil die Stütze beschreiben: Woran lehnt er/sie, worauf sitzt er/sie, worauf stehen die Füße. Jede Aktion hat eine Ursache und einen Abschluss.
- Emotionen als sichtbare Aktionen schreiben, keine isolierten Emotionslabels (z. B. „Sie ist traurig“). Im Kurzvideo-Format einen Emotionspunkt schreiben; im Kinofilm-Format den vollständigen Entwicklungsprozess.
- Dialog in den Zeitcode einbetten, Dialogzeilen nicht ans Ende hängen.
- Nur das Wichtigste schreiben. Übermäßige Beschreibungen führen dazu, dass das Modell Elemente, die eigentlich im Bildinneren sein sollten, auf das gesamte Bild hochskaliert.
- Grundton-Wörter müssen zum Grundton passen. Bei Handy-Aufnahme nicht „filmisch / HD / Blockbuster / 4K“ schreiben. Bei Filmfotografie spezifische Kamera, Objektiv, Film angeben. Stilreferenzen maximal 1–2.
- Standardmäßig keine Hintergrundmusik, nur Originalton. Musik nur schreiben, wenn der Benutzer sie wünscht.
Gemeinsame Selbstprüfung
- Modus richtig gewählt und die entsprechenden
modes/-Dateien und Beispiele gelesen - Dauer jedes Segments überschreitet nicht die Werkzeugobergrenze
- Jedes Segment ist in sich geschlossen, kein „wie oben / wie im vorherigen Segment“
- Jedes Referenzbild hat nur eine Aufgabe; Festlegungen und Ausschlüsse sind beschrieben; alle im Text zitierten Nummern sind in der Referenzliste enthalten; Zitierweise passt zum Zielwerkzeug
- Aktionen haben Stützpunkte, Ursache und Wirkung; das erste Bild ist der Zustand vor der Aktion
- Ton: Umgebungsgeräusche und Ereignisgeräusche; keine BGM (außer vom Benutzer gewünscht)
- Harte Constraints: Hauptkörperanteil, räumliche Logik, Aktionsreihenfolge in positiven Sätzen festlegen; Negationen nur bei bekannten Fehlschlägen
- Endzustand des Segments beschrieben
- Modusspezifische Selbstprüfung bestanden
Dateiübersicht
| Datei | Inhalt |
|---|---|
| modes/short-video.md | Kurzvideo-Format: Variante A One-Shot, Variante B Mehrere Einstellungen, Elemente, die beide Varianten voneinander übernehmen, Performance, vertikale Kurzserien |
| modes/cinematic-drama.md | Kinofilm-Format: Struktur, Volltext-Map, Charakterkonsistenz, Performance-Ebene (Acht Dimensionen, AU, Emotionsverlauf, Reaktionskette) |
| examples/short-video.md | „Dan Mei“ One-Shot zwei Segmente (AI-video-prompt Original, Hit), Cyper-Atom Mehrere Einstellungen (mx-shell-prompt Original + vier Ergänzungen) |
| examples/cinematic-drama.md | „Name Change“ 30-Sekunden-Drei-Personen-Gegenüberstellung, 5 Performance-Ausschnitte |
| REFERENCE.md | Gemeinsam: Segmentierung, Referenzbindung, Requisiten, Szenenraum, Stil, Zeitcode & Aktionen, Ton, harte Constraints, praktische Lektionen |
| references/tool-adapters.md | Referenzmaterial-Zitierweisen pro Werkzeug, Generierungsmodi, Einzelsegment-Obergrenzen, minimalistische Schreibweise für Synthese |
| references/shot-catalog.md | Einstellungsgrößen, Bildkomposition, Kamerafahrten sowie „Emotion → Kamerasprache“-Schnellreferenz |
| references/cinematic-vocabulary.md | Kameras, Objektive, Filme, Farben, Licht, Stilreferenzen sowie Begriffe für Handy-Aufnahmen |
scripts/prompt_builder.py | --validate: Überprüft Struktur, Dauer, Selbstständigkeit und Referenzbildnummern nach Modus und Variante; --analyze-scene: Entscheidet, ob leicht oder detailliert zu schreiben ist; --build: Generiert Performance-Ausschnitte basierend auf Acht-Dimensionen-JSON |