Communitygithub.com

Erklärvideo

Erstelle ein vertikales Erklär-, Review- oder Vorstellungsvideo zu einem Thema (讲解、测评、新品介绍短视频). Überprüfe Fakten anhand offizieller Quellen, generiere Schaubilder, schreibe einen chinesischen Voiceover mit Wort-Timings (Doubao TTS) und rendere ein Keynote-artiges 1080×1920 Video, dessen Schnitte auf den Beat und dessen Einblendungen auf das gesprochene Wort fallen – mit einer originellen Musik und Soundeffekten, die im Code synthetisiert werden. Auch für Follow-ups zu einem solchen Video (Rhythmus ändern, neu vertonen, Kameraperspektive wechseln).

Was ist Erklärvideo?

Diese Fähigkeit erstellt ein professionelles vertikales Erklärvideo im Keynote-Stil (1080×1920, 60–90 Sekunden), das vollständig mit Python (PIL + numpy) und ffmpeg generiert wird – ohne Videobearbeitungsprogramm oder Stockmusik. Sie eignet sich besonders für Technologie-Launches, Produktvorstellungen oder Zusammenfassungen, bei denen Fakten anhand offizieller Quellen überprüft, ansprechende Schaubilder generiert und ein chinesischer Voiceover mit präzisen Wort-Timings via Doubao TTS erstellt werden. Der gesamte Workflow folgt einer strengen Prüfung: Alle Behauptungen werden mit offiziellen Seiten, Dokumentationen und Community-Diskussionen abgeglichen und in einer RESEARCH.md dokumentiert. Das Skript wird dem Nutzer vor der TTS-Erstellung vorgelegt (da TTS kostenpflichtig ist). Der Render verwendet eine Schritt-für-Schritt-Pipeline (siehe references/render-pipeline.md) und erzeugt am Ende eine Videodatei mit gemessener Lautstärke (LUFS), Spitzenpegel sowie einer Bewertung der schwächsten Aufnahmen. Die Fähigkeit ist für Claude Code, Cursor, Codex und ähnliche KI-Agenten konzipiert, die Code ausführen und Dateien verwalten können. Sie enthält klare Content-Regeln (z. B. das Ergebnis in den ersten 2 Sekunden zeigen, keine Backstage-Details im Voiceover, kein Werbe-Ende), die aus früheren Iterationen gelernt wurden. Ein vollständiges Beispiel (examples/gpt-image-2.6/) dient als Vorlage, die kopiert und angepasst werden sollte, anstatt von Null zu beginnen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rayest/ai-video-skills/tree/HEAD/skills/explainer-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

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

  1. Überprüfen. Prüfe jede Behauptung anhand der offiziellen Website, Doku, Changelog und Preise sowie Community-Threads. Führe eine RESEARCH.md mit Quellen (Beispiel im ausgeführten Beispiel). Wenn eine Seite einen 403 zurückgibt, überprüfe durch Berichterstattung und sage das.
  2. Format: 1080×1920, 60–90 s, außer der Benutzer sagt etwas anderes.
  3. 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 in assets/results.jsonl (für dich, niemals für das Video).
  4. Skript: script.json als {"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.
  5. Stimme: python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]. Schreibt <id>.mp3 und Wort-Timings <id>.json.
  6. Rendern: Folge references/render-pipeline.md.
  7. 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.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills