aguspranyoto/2d-animation-hyperframes

2D Animation HyperFrames

Verwende dieses Skill, um aus dem genehmigten Erzählskript und der Timing-Quelle des Nutzers ein animiertes Video zu erstellen. Die üblichen Eingaben sind vo.mp3 plus script.txt (emotionsgetaggte Erzählung), mit visuellen Referenzen in references/visual-style/overall/.

Beispielauslöser:

/2d-animation-hyperframes Erstelle ein 2D-animiertes Video mit vo.mp3 und script.txt. Folge den visuellen Referenzen in references/visual-style/overall/.

Das Skript und die Audiodatei des Nutzers sind die Quelle der Wahrheit. Gib keine Tokens für ein neues Skript, eine Umschreibung der Erzählung oder eine Ersatz-Sprachaufnahme aus, es sei denn, der Nutzer bittet explizit darum. Emotions-Tags sind Anweisungen zur Vortragsweise, keine gesprochenen Wörter: Behalte sie unverändert bei und lies oder untertitele sie niemals. Wenn die angeforderten Dateien fehlen oder mehrdeutig sind, frage nach ihrem Speicherort; ersetze sie nicht durch ein neu geschriebenes Skript.

Die Standardzielgruppe sind indonesische Kinder vom Kindergarten bis zur Grundschule. Halte das visuelle Storytelling klar, warm und altersgerecht. Behalte die gesamte Animation im 2D-Stil.

Eingaben, Skriptformat und Timing

Finde die an die Anfrage angehängten Dateien oder die im aktiven Projekt. Verwende die angegebenen Pfade, wenn sie definiert sind. Wenn Dateien nicht im Projekt sind, frage nach ihrem Speicherort, bevor du mit der Produktion beginnst. Die Quellen befinden sich im Workspace-Layout, wie in references/multi-video.md beschrieben: Die Erzählung und das Voiceover befinden sich in inputs/<slug>/, das HyperFrames-Projekt wird unter videos/<slug>/ generiert, und die gemeinsamen visuellen Referenzen liegen im Workspace-Root (references/visual-style/overall/).

script.txt-Format: Eine Zeile, die nur einen Emotionstag in eckigen Klammern enthält (z. B. [excited], [curious], [playfully]), legt den Vortrag für den folgenden Erzählblock fest, bis zum nächsten Tag. Leerzeilen trennen Blöcke aus Gründen der Lesbarkeit; sie bedeuten keine Pausen. Beispiel:

[excited]
Adik-adik, pernah nggak sih kalian melihat jerapah?

[curious]
Wah, lehernya panjang sekali, ya!

Regeln für die Tags:

• Ein Tag gilt für den gesamten folgenden Erzählblock. Verwende ihn, um den Szenenbeat, die Mimik der Figur, das Tempo und die visuelle Betonung zu steuern.
• Sprich die Tags niemals aus, untertitele sie nicht und stelle sie nicht auf dem Bildschirm dar. Entferne sie, bevor du Bildschirmtext erstellst.
• Behalte die Tags genau so bei, wie sie geschrieben sind. Wenn das Voiceover von ElevenLabs generiert wurde, waren dieselben Tags die Vortragsanweisungen; normalisiere sie nicht und erfinde keine neuen.
• Nicht erkannte Tags sind dennoch Hinweise auf den Vortrag; gib sie weiter, anstatt sie zu verwerfen.

Timing-Quelle, in Prioritätsreihenfolge:

1. Wenn der Nutzer zusätzlich einen Export mit Wort-/Segment-Zeitstempeln (ElevenLabs JSON) für dasselbe Audio bereitstellt, verwende ihn; dieser ist optional, nicht erforderlich.
2. Leite anderenfalls das Timing auf Wortebene aus vo.mp3 ab: Transkribiere/aligniere die bereitgestellte Audiodatei mit dem Text aus script.txt (z. B. ElevenLabs Scribe-Wortzeitstempel oder den Zeitstempel-Payload, der zurückgegeben wurde, als das TTS das Audio erzeugte).
3. Wenn vo.mp3 fehlt, frage danach. Synthetisiere kein Ersatz-Voiceover, es sei denn, der Nutzer bittet darum.

Vor dem Animieren:

1. Überprüfe, ob jeder Skriptblock einem Abschnitt im Audio zugeordnet ist und dass die Timing-Quelle die gesamte Dauer von vo.mp3 abdeckt, einschließlich etwaiger anfänglicher Offsets oder Pausen.
2. Bestätige, dass der Skripttext mit der bereitgestellten Audiodatei übereinstimmt. Bearbeite die Erzählung nicht. Wenn Text, Audio und Timings widersprüchlich sind, erkläre den Missklang und bitte um korrigierte Dateien.
3. Verwende Emotions-Tag-Blöcke (und Segmentgrenzen, falls ein Zeitstempel-Export bereitgestellt wird) für Story-Beats und Szenenwechsel. Verwende Wortzeitstempel für Untertitel, Betonungen und kleine visuelle Hinweise. Gruppiere Wörter zu sinnvollen Phrasen, anstatt jedes Wort zu einer eigenen Szene zu machen.

Baue den 2D-visuellen Stil auf

Standardschlüsselwort für jede Szene:

2D-flach, dominanter weißer Hintergrund mit verblassten Skizzenlinien. Nur das Hauptmotiv und Text sind in voller Farbe.

Überprüfe alle verwendbaren Bilder in references/visual-style/overall/ gemeinsam, bevor du Szenen entwirfst. Behandle sie als Quelle der Wahrheit für die visuelle Identität dieses Projekts. Extrahiere eine kompakte Stilrichtlinie, die Folgendes abdeckt:

• Palette, Sättigung, Kontrast, Beleuchtung und Glühen;
• Formensprache, Linienstärke, Textur und Detaildichte;
• Figurenproportionen, Ausdrücke und wiederkehrende Designmerkmale;
• Komposition und wie flache 2D-Kunstwerke Tiefe suggerieren;
• Typografie, Textanimation, Tempo, Übergänge und visuelle Motive.

Wende eine einheitliche Stilrichtlinie auf jede Szene und jedes neue Asset an. Wenn Referenzen widersprüchlich sind, folge der am häufigsten wiederholten oder am kürzlich genehmigten Richtung; frage nur, wenn der Widerspruch das Ergebnis wesentlich verändern würde. Behalte das Ergebnis als 2D bei: Verwende Ebenen, Parallaxe, Überlappungen, Skalierung, Schatten und Farbverläufe für Tiefe. Verwandle es nicht in 3D-Modelle oder einen 3D-gerenderten Look, es sei denn, der Nutzer bittet darum.

HyperFrames Produktionsworkflow

1. Verwende HyperFrames als Animations- und Rendering-Framework. Arbeite im aktiven Video-Projektordner des Nutzers und bewahre dessen Assets und Referenzen auf.
2. Plane Szenen basierend auf der genehmigten Erzählung, den Emotions-Tag-Blöcken und den Wortzeiten. Lasse die Erzählung unverändert; richte visuelle Aktionen und Untertitel an der Audio-Timeline aus. Platziere Musik und Soundeffekte in Pausen oder auf Pegeln, die die Sprache nicht überdecken.
3. Erstelle eine kurze 2D-Testszene unter Verwendung der tatsächlichen vo.mp3, script.txt und visuellen Referenzen. Vorschau und Überprüfung auf Stilkonsistenz, Lesbarkeit und Synchronisation zu Sprechbeginn, Pausen, Übergängen und Ende.
4. Nimm gezielte Überarbeitungen basierend auf der Vorschau vor und erweitere dann die genehmigte visuelle Sprache auf das gesamte Video. Erstelle die vollständige Animation erst, nachdem die Testszenen überprüft wurde.
5. Führe die HyperFrames-Vorschau aus dem Projektordner aus (npx hyperframes preview). Es öffnet das browserbasierte HyperFrames Studio und lädt Dateiänderungen heiß nach. Die separate Desktop-Studio-App ist für diesen CLI-Workflow optional.
6. Rendere das genehmigte Projekt mit dem aktuellen HyperFrames CLI-Workflow in MP4. Gib den Ausgabepfad und etwaige Produktionseinschränkungen an. Gib nicht an, dass eine Vorschau ein gerendertes finales Video ist.

Verwende die installierten HyperFrames-Authoring-Anweisungen, falls verfügbar. Wenn Setup oder Abhängigkeiten fehlen, erkläre den genauen fehlenden Schritt. Installiere keine Software und ändere keine globalen Einstellungen ohne die Autorisierung des Nutzers.

Starten eines neuen Videos

Generiere das HyperFrames-Projekt vom Workspace-Root aus, anstatt es von Hand zu erstellen; ein Projekt pro Video.

python tools/new-video.py <slug>                    # Gerüst + Transkription + Blockzuordnung
python tools/new-video.py <slug> --force            # Vorhandenes videos/<slug> neu erstellen
python tools/new-video.py <slug> --no-transcribe    # Nur Gerüst

Es liest inputs/<slug>/ (vo.mp3 + script.txt) und schreibt videos/<slug>/, gibt dann eine Zeile pro getaggtem Block mit absoluten und lokalen Start-/Dauerwerten aus. Vollständiges Layout, Ausgaben und Schritte nach der Generierung sind in references/multi-video.md.

Soundeffekte

SFX liegen unterhalb der Erzählung, niemals darüber. Setze einen Akzent auf jede visuelle Aktion (Element erscheint, Schnitt, Pointe, Enthüllung) – nicht auf jeden Untertitel. Lasse Stille zwischen den Cues.

• Standardweg: Rufe CC0/CC BY-Effekte über das media-use-Skill ab (Openverse oder dessen integrierte 21-Dateien-Bibliothek im audio/assets/sfx/ dieses Skills). Erzeuge niemals selbst, wenn ein passender Stock-Effekt vorhanden ist.
• Benutzerdefinierter Weg: Synthetisiere eine konsistente Familie mit Python (numpy + stdlib wave, 44,1 kHz Mono 16-Bit, Peak-normalisiert 0,7, gesäumtes Rauschen). Rezepte für Pop, Boing, Whoosch, Klingeln, Stempel und Funkeln sind in references/sfx.md.
• Binde jeden Cue als zeitgesteuertes <audio> in die Root-Komposition ein: eindeutige id, data-start in absoluten Sekunden, data-duration gleich der Dateilänge, data-volume 0,22–0,38 und ein data-track-index, das kein anderes hörbares Clip überlappt.
• npm run check muss 0 Fehler und keine Warnungen zu clip_ends_past_root_duration oder duplicate_audio_track melden, bevor gerendert wird.

Umfang

Dieses Skill erstellt die Animation aus bereitgestellten Medien; es erstellt oder überarbeitet normalerweise keine Erzählung. Wenn der Nutzer nur nach einem Storyboard oder einem visuellen Plan fragt, erstelle diesen basierend auf derselben Audiodatei und script.txt, ohne ein Skript zu verfassen. Wenn der Nutzer explizit um das Schreiben eines Skripts bittet, bearbeite diese separate Anfrage und hole die Genehmigung ein, bevor du ein neues Voiceover generierst oder das vorhandene Audio ersetzt.