Communitygithub.com

motion-sound-design

Designen und Abmischen von eventsynchronisiertem Sound für Bewegtbildvideos und Reels: Musikauswahl und Beat-Synchronisation, ein Soundeffekt pro visuellem Ereignis, Tonhöhenvariation, bandabhängige Pegel, Mikro-Ducking und -13 LUFS Mastering, inklusive integriertem SFX-Synthesizer und Mischer.

Was ist motion-sound-design?

Motion Sound Design ist eine Fähigkeit für KI-Agenten, die die Audio-Postproduktion von Bewegtbildvideos, Reels und Kurzfilmen automatisieren. Sie stellt sicher, dass jedes visuelle Ereignis einen passenden Soundeffekt erhält, die Musik sauber darunter liegt und das Endergebnis auf die branchenübliche Plattformlautstärke gemastert wird. Die Fähigkeit wird durch ein mitgeliefertes `sfx.py`-Skript realisiert, das eine umfangreiche Soundbibliothek synthetisieren kann, eine Cue-Liste mit allen Soundeffekten abmischt und die finalen Audiospuren in das Video einbettet. Entwickler können über eine JSON-Datei präzise Zeitpunkte, Sound-Typen und individuelle Pegel festlegen. Zu den besonderen Features gehören ein zufälliger Tonhöhenversatz, um Wiederholungen natürlich klingen zu lassen, eine mikro-Ducking-Funktion, die nur bestimmte Frequenzbänder der Musik absenkt, um die Effekte hervorzuheben, ohne den Musikfluss zu unterbrechen, und ein integrierter Limiter, um die Lautstärkevorgaben von Plattformen wie Instagram Reels oder TikTok zu erfüllen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qiyascc/ai-skills/tree/HEAD/skills/motion-sound-design

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Motion Sound Design

Stilregel: Verwende niemals Gedankenstriche oder Bindestriche in irgendetwas, was du schreibst (Antworten, Spezifikationen, Bildunterschriften, Dateien). Verwende stattdessen ein Komma, einen Doppelpunkt, einen Punkt, Klammern oder einen einfachen Bindestrich.

Sound ist die halbe Miete, warum ein Bewegtbildvideo hochwertig wirkt. Die Standardausgabe hat meistens keinen Ton oder nur einen Musiktrack, der einfach draufgeklebt ist. Diese Fähigkeit macht jedes visuelle Ereignis hörbar, hält die Musik sauber darunter und mastert auf Plattformlautstärke. Sie bringt ein Werkzeug mit, das eine saubere UI-Soundbibliothek synthetisiert (keine Downloads nötig) und eine Cue-Liste in eine gemasterte WAV-Datei abmischt.

Antworte in der Sprache des Benutzers.

0. Dateien in dieser Fähigkeit

DateiVerwende sie, wenn ...
scripts/sfx.pyDie Soundbibliothek erstellt, eine Cue-Liste abmischt, Audio in das Video einbettet
assets/cues.example.jsonEine Cue-Liste beginnst

scripts/sfx.py benötigt Python 3 mit numpy + scipy (pip install numpy scipy, füge --break-system-packages nur hinzu, wenn ein systemseitiges Python sich weigert) sowie ffmpeg für mix und mux. Führe es aus dem Ordner dieser Fähigkeit aus:

  • python3 scripts/sfx.py synth sfx_lib → 12 Soundtypen × 3 Varianten: tick, click, key, pop, whoosh, swish, thud, chime, shine, squelch, snip, shutter (kein ffmpeg nötig)
  • python3 scripts/sfx.py mix cues.json mix.wav → platziert Cues, wendet alle untenstehenden Regeln an, mastert
  • python3 scripts/sfx.py mux video.mp4 mix.wav final.mp4

Echte Samples sind besser als synthetisierte: Wenn der Benutzer ein Paket hat (Epidemic, Artlist, freesound CC0), lege Dateien in den Bibliotheksordner mit dem Namen TYPE_anything.wav (z.B. whoosh_soft.wav) und sie werden automatisch verwendet.

1. Musik

  • Wähle sie nach der Stimmung und Energie des Films aus, nicht nach dem Trend. UI/Tech ruhig: weiche, minimalistische Ambient-Musik, keine Drops, kein schwerer Bass. Promo: knackig-elektronisch, 120-140 BPM. Hochenergetisch: 150-160 BPM.
  • Verankere den Schnitt am Track: Notiere seinen BPM, wähle einen Start-Offset, so dass Beat 0 auf Frame 0 liegt, und setze die größte visuelle Veränderung des Films auf den Drop/Phasenwechsel des Tracks.
  • Hochpassfilter für Musik bei ~55 Hz (keine Sub-Bässe auf Telefonlautsprechern); keine Filter-Sweeps, es sei denn, sie erzählen die Geschichte.
  • Perspektivischer Sound: Wenn die Kamera in etwas hineingeht (einen Raum, ein Gerät, unter Wasser), schneide Kick und Bass weg und behalte nur die Höhen („durch die Wände gehört“); bringe die tiefen Frequenzen beim Verlassen zurück und setze voll auf den entscheidenden Moment.
  • Lizenzierung: Kommerzielle Beiträge benötigen lizenzierte Musik (Plattform-Business-Bibliothek oder eine kostenpflichtige Bibliothek). Schlage niemals das Rippen von Audio vor.
  • Wenn der Benutzer bestimmte Tracks nach Stimmung wünscht, verwende reels-music-picker, falls verfügbar.

2. Ein Sound pro visuellem Ereignis

Ordne jedes visuelle Ereignis einem Soundtyp zu:

Visuelles EreignisSound
erstes Bild / Logo-Glanzshine (leise, nichts Hartes in den ersten 12 Bildern)
Objekt hüpft / fliegt / Kamerabewegungwhoosh (lang) oder swish (kurz)
Landung, in einen Schlitz fallenthud (leise, kein Sub)
Karte/Banner rutscht hereinswish + click
Tastendruck, Umschalter, Zeilen einklappenclick
Ziffern, Kilometerzähler, Zählertick pro landender Ziffer
Tippenkey auf Buchstaben (jeden 2.-4. Buchstaben bei schnellem Tippen)
Icon/Badge erscheint, Häkchenpop / snip / „Marker-Strich“ (snip)
Flüssigkeit breitet sich aus, Blob verschmilztsquelch
Verschluss, Iris, Screenshotshutter
Erfolg, finales Logochime

Regeln (werden automatisch vom Mischer angewendet):

  • Zufällige Tonhöhe ±1 Halbton pro Treffer, so dass Wiederholungen niemals roboterhaft klingen
  • Das gleiche Sample nie zweimal innerhalb von 2 s (3 Varianten pro Typ)
  • Maximal 8 Ereignisse in 0,25 s (Überschüssige werden verworfen und gemeldet); Überfüllung zerstört die Klarheit
  • 160 Hz Hochpassfilter für kleine UI-Sounds (ticks, clicks, keys, swishes, pops, snips)
  • Keine musikalischen Noten, Booms oder Sub-Bässe in der SFX-Ebene

3. Pegel und Mix

Standardpegel relativ zur Musik im gleichen Band (im Werkzeug integriert, pro Cue mit "db" überschreibbar): ticks +10.5 dB (4-10 kHz) · clicks +10 · keys +9 (1.5-8 kHz) · swishes +9.5 · hits/thuds +7 · pops +8 · squelch +7 · chime +5.

  • Kein pumpender Sidechain. Stattdessen erhält die Musik unter jedem tick/click/key einen -8 dB, 60 ms Einbruch nur im Bereich 2-8 kHz (Mikro-Ducking), so dass der Treffer durchkommt, während der Groove weiterläuft.
  • Master: -13 LUFS integriert (Reels/TikTok/Shorts), True-Peak ≤ -1 dBTP, Look-Ahead-Limiter ohne Pumpen. Für YouTube-Langformate verwende -14. sfx.py mix begrenzt 1 dB unter dem True-Peak-Ziel, da die AAC-Kodierung in mux die Spitzen um etwa 0.6 dB anhebt.
  • Voice-Over (falls vorhanden) liegt obenauf: Musikbett 18-25 dB unter der Sprache.
  • Überprüfe auf Telefonlautsprecher UND Kopfhörern.

4. cues.json Format

Eine Kopie zum Starten befindet sich in assets/cues.example.json.

{
  "duration": 15.0, "lufs": -13, "true_peak": -1.0, "seed": 3,
  "library": "sfx_lib",
  "music": "track.mp3", "music_start": 49.735, "music_gain_db": 0, "music_highpass": 55,
  "duck": {"db": -8, "ms": 60, "band": [2000, 8000], "types": ["tick", "click", "key"]},
  "cues": [
    {"t": 0.05, "type": "shine"},
    {"t": 0.59, "type": "whoosh"},
    {"t": 0.99, "type": "thud"},
    {"t": 3.16, "type": "swish", "db": 12}
  ]
}

Pfade sind relativ zur JSON-Datei. Lasse music für reine SFX-Ausgabe weg.

5. Arbeitsablauf

  1. Liste aus der getimten Spezifikation (motion-story-director) jedes visuelle Ereignis mit seiner genauen Zeit auf → Cue-Liste. Raste am Beat-Raster ein, wenn die Spezifikation beat-locked ist.
  2. synth die Bibliothek (oder verwende die Samples des Benutzers).
  3. mix → lies den Bericht: Verworfene Cues bedeuten zu hohe Dichte in diesem Moment.
  4. Überprüfe die Lautstärke: ffmpeg -i mix.wav -af ebur128 -f null - 2>&1 | grep "I:".
  5. mux mit dem gerenderten Video; liefere das endgültige MP4 aus.

Schreibe einen kurzen SOUND-Abschnitt für jede Spezifikation in dieser Form: Musik (Stimmung, BPM, Offset, Hochpass) → Ereignisliste mit Zeiten → Pegel → Master-Ziel.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

motion-render-pro

Render pro-grade motion graphics videos (MP4) from code with true motion blur, frame-exact timing, no-fade rules, named easing curves and style-correct physics. Use for any animated video, motion graphic, UI animation or promo built in code.

motion-story-director

Turn an idea into a frame-exact, beat-locked motion video spec (hero object, object-handoff transitions, camera language, ban list) and lint any motion prompt for timing, count and density errors.

reels-edit-director

Turn a Reel, TikTok or YouTube Shorts idea, script, voiceover or footage description into a precise, timestamped edit plan and a copy-paste editor brief covering typography, colour-screen breaks, music, sound effects, motion and pacing. Also diagnoses drafts that feel boring, chaotic or lose viewers. Use this whenever someone wants to edit, cut, plan, improve or brief a short vertical video, asks how to make a Reel more engaging, needs subtitles or on-screen text timed, or says things like "my video feels flat", "write a brief for my editor" or "how should I edit this", even if they never say "edit plan".

reels-music-picker

Pick background music for an Instagram Reel, TikTok or YouTube Short by mood rather than genre, then tell the editor exactly where the track's changes land, how loud it sits under the voice, which version to use and whether a business account may use it. Includes beat and bar maths, a loudness checker and licensing guidance. Use this whenever someone asks what song or sound to use for a short video, wants trending audio, needs music that fits a voiceover, asks how to sync cuts to the beat, how loud music should be under talking, or whether they are allowed to use a track on a business account.

Verwandte Skills