Vertikales Kurz-Erklärvideo
Ein 60–90 s vertikales Video (1080×1920) im Keynote-Look: schwarzer Hintergrund, sehr große Schrift, ganzflächige Bilder, beat-synchrone Schnitte, eine eigene Filmmusik und Soundeffekte – alles mit Python (PIL + numpy) und ffmpeg gerendert. Kein Videobearbeitungsprogramm, keine Stockmusik.
Ausgeführtes Beispiel: examples/gpt-image-2.6/ (RESEARCH.md, script.json, render.py, audio.py, build_all.sh) hat ein 92 s, ~20 MB Video über den Launch eines Bildmodells produziert. Kopiere es und passe es an, anstatt bei Null zu beginnen. Die dortigen Schaubilder sind nicht im Repository; generiere deine eigenen mit scripts/gen_image.py. Lies references/render-pipeline.md vor dem Rendern.
Die Einstellungen kommen aus der Umgebung oder einer .env-Datei (siehe .env.example). Gib niemals Schlüssel, deren Längen oder Präfixe aus.
Inhaltsregeln (hart erlernt)
- Ergebnis in den ersten 2 Sekunden. Starte mit der beeindruckendsten Ausgabe, nicht mit einem Titel.
- Nichts hinter den Kulissen auf dem Bildschirm oder im Voiceover: keine API-Relay- oder Anbieternamen, keine „Generierung fehlgeschlagen“-Notizen, keine tatsächlich bezahlten Kosten.
- Kein Werbe-Ende. Biete im letzten Drittel keinen Dienst an – Videos, die das taten, haben schlecht abgeschnitten. Beende mit einer kopierbaren Anleitungskarte („截图保存“) plus einer markenfreien Frage für die Kommentare.
- Messe die Geschwindigkeit nicht in einem schlechten Netzwerk. Zitiere offizielle Preis- und Geschwindigkeitsangaben und weise sie zu („官方说“); präsentiere deine eigenen Zeitmessungen nicht als Tatsachen.
- Bewerte ehrlich. Betrachte jedes generierte Bild und sage, was schwach ist, nicht nur, was stark ist. Beschneide alles, was einer echten Marke oder einem Ladenschild ähnelt.
Ablauf
- Überprüfen. Prüfe jede Behauptung anhand der offiziellen Website, Doku, Changelog und Preise sowie Community-Threads. Führe eine
RESEARCH.mdmit Quellen (Beispiel im ausgeführten Beispiel). Wenn eine Seite einen 403 zurückgibt, überprüfe durch Berichterstattung und sage das. - Format: 1080×1920, 60–90 s, außer der Benutzer sagt etwas anderes.
- Schaubilder:
python3 -I scripts/gen_image.py assets/<name> --prompt "..." [--size 2:3] [--ref img.png] [--gif 12:150] [--markup layer.png]. Ergebnisse und Abrechnung gehen inassets/results.jsonl(für dich, niemals für das Video). - Skript:
script.jsonals{"scenes":[{"id":"s01","vo":"..."}]}. Etwa 6 Zeichen pro Sekunde bei Sprechrate 8 (520 Zeichen ≈ 85 s). Ende mit der CTA-Frage. Zeige das Skript dem Benutzer vor TTS – TTS wird abgerechnet. - Stimme:
python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]. Schreibt<id>.mp3und Wort-Timings<id>.json. - Rendern: Folge
references/render-pipeline.md. - Ausliefern: Pfad, Dauer, Größe, gemessener LUFS und Spitzenpegel, welche Standbilder überprüft wurden und die 1–2 schwächsten Aufnahmen mit Gründen. Frage vor jeder kostenpflichtigen Neugenerierung, die über das Vereinbarte hinausgeht.