Communitygithub.com

ido6/ai-video-fähigkeiten

Elite-Filmprompt-Disziplin für idoGen (mcp__idogen__generate_video, WaveSpeed/fal/poyo Seedance 2.0 und 2.5, Veo 3.1, Kling 3.0). Basiert auf dem CINEDANCE-Prompt-Director-System eines Produktionsstudios und GenHQ-Klassenzimmer-Techniken.

Was ist ai-video-fähigkeiten?

Diese Skill ist eine umfassende Prompt-Engineering-Disziplin, die speziell für die Videogenerierungs-Plattform idoGen und ihre unterstützten Modelle (Seedance 2.0/2.5, Veo 3.1, Kling 3.0) entwickelt wurde. Sie übersetzt filmische Regieprinzipien — räumliches Blocking, Objektivauswahl, Kamerabewegungen, Beleuchtung, Physik, Kontinuität — in hochpräzise, reproduzierbare Text-Prompts, die bei der ersten Generierung oft brauchbare Ergebnisse liefern. Kernprinzip ist, dass ein Videomodell kein Gedächtnis zwischen Generationen hat; daher muss jeder Prompt alles beschreiben, was gleich bleiben soll, in exakt denselben Worten. Der Skill bietet ein strukturiertes 4-Schritte-Verfahren (Dekonstruieren → Diagnostizieren → Entwickeln → Ausliefern), eine detaillierte Prompt-Skelettvorlage und spezifische Dialekte für verschiedene Modelle und Modi (Seedance-Versionen, Kling 3.0, Omni-Videobearbeitung, Storyboard, UGC). Referenzdateien enthalten 46 vorgefertigte Kamerabewegungen und versionsspezifische Regeln. Unterstützt werden die Plattformen idoGen, Wavespeed, fal.ai, Poyo, BytePlus und Higgsfield; die Ausführung erfordert Benutzerfreigabe und Budgetkontrolle.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/ido6/ai-video-skills/tree/HEAD/skills/idogen-video-brain

In Ihrer bevorzugten KI fragen

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

Dokumentation

Lokale Kompatibilität und Überprüfung (2026-10-04)

Die Anweisungen des Benutzers und der gewählte Provider/das Modell haben Vorrang vor den untenstehenden Beispielen und Vorgaben. Providernamen allein identifizieren keine Modellversion. Behandeln Sie Endpunkt-IDs, Preise, Dauern, Referenzlimits, Tool-Verfügbarkeit und Qualitätsrangfolgen in diesem Dokument als Referenzbeispiele; überprüfen Sie sie gegen das aktuell verbundene Tool-Schema oder die offizielle Provider-Dokumentation vor der Ausführung. Nehmen Sie niemals stillschweigend einen Provider oder ein Modell an.

Die Installation oder Aktualisierung dieser Skill autorisiert keine Generierung, Uploads, Käufe oder Wiederholungen. Befolgen Sie die Generierungsfreigabe- und Budgetanweisungen des Benutzers. Behalten Sie bestehende zwingende idoGen Bild/Video/Acting-Skill-Anforderungen bei. Überprüfen Sie die tatsächliche Ausgabe auf Identität, räumliche Kontinuität, physikalische Bewegung und das angeforderte Format, bevor Sie eine Generierung als erfolgreich bezeichnen. Dokumentations- und Installationsprüfungen sind keine Ausgabequalitätstests.

idoGen Video Gehirn

Sie leiten Prompts für mcp__idogen__generate_video / generate_video_engine (und den Higgsfield-Connector generate_video). Die Seedance-Version kommt von der Modell-/Engine-ID, niemals vom Host. Jeder Host bedient jetzt beide: *-seedance-25* Engine-IDs und Higgsfields seedance_2_5 sind Seedance 2.5; wavespeed-seedance, fal-seedance(-ref), poyo-seedance, byteplus-seedance und Higgsfields seedance_2_0 sind 2.0 (BytePlus 2.0 lehnt Gesichter in Eingaben ab). Außerdem veo (Veo 3.1, nur 16:9/9:16, 4/6/8s) und kling (Kling 3.0). Die Prompt-Erstellung dieser Skill wurde genau für diese Seedance-Modellfamilie entwickelt, daher überträgt sie sich direkt. Vollständige Originalquelle unter research/higgsfield/CINEDANCE-SKILL.md. GenHQ-Klassenzimmer-Techniken wurden unter „GenHQ-Dialekte" weiter unten eingearbeitet — laden Sie references/genhq-seedance-dialects.md, wann immer eine Anfrage Seedance-Versions-spezifische Regeln, Kling 3.0s eigene Formel, Omni-Videobearbeitung, Storyboard-Modus oder einen UGC/organischen Look benötigt; laden Sie references/camera-movements.md für eine benannte Kamerabewegung (46 vorgefertigte Blöcke). Dokumentiert aus dem GenHQ-Korpus, nicht ausgabeverifiziert gegen idoGens eigene Generationen — siehe die Referenzdateien für die genauen Einschränkungen.

Ihre Aufgabe: Konvertieren Sie jede Szenenanfrage in einen sauberen, produktionsreifen Prompt, der so oft wie möglich bei der ersten Generierung funktioniert — nicht nur schöne Prosa. Denken Sie wie ein Filmregisseur-Agent: Szenendiagnose, räumliches Blocking, Optikauswahl, Physik, Kontinuität, Selbst-QA — stillschweigend, vor der Ausgabe.

Das oberste Gesetz: Konsistenz hat kein Gedächtnis zum Anlehnen

Ein Videomodell hat kein Gedächtnis zwischen Generationen. Beschreiben Sie alles, jedes Mal, mit exakt denselben Wörtern für alles, das über Einstellungen hinweg identisch bleiben muss (der Körperbau/Garderobe/Wundzustand einer Figur, die Geometrie eines Ortes, eine etablierte Kameraseite). Schreiben Sie nie „wie zuvor" oder „setzt die letzte Einstellung fort" — das Modell kann die letzte Einstellung nicht sehen; nur angehängte Referenzen + der Text dieser eigenen Einstellung tragen die Kontinuität.

Der 4-D Prozess (still durchführen, bevor Sie den endgültigen Prompt schreiben)

  1. Dekonstruieren — extrahieren Sie NUR diese Einstellung: aktive Figuren, aktive Referenzen, aktuelle Handlung, Dialog falls vorhanden, Dauer, erster sichtbarer Frame, räumliches Layout, Orientierungspunkte, Bewegungsbahn, Lichtrichtung, Audioanforderungen. Entfernen Sie alles, was in DIESER Einstellung nicht sichtbar/hörbar ist — keine Szenennummern, kein „wie zuvor", keine ungenutzten Figuren oder veralteten Tags.
  2. Diagnostizieren — prüfen Sie Fehlerrisiken vor dem Schreiben: Könnte der erste Frame leer sein? Könnte eine Figur weit weg von ihrem Orientierungspunkt erscheinen? Könnte die Blicklinie umgekehrt, links/rechts vertauscht werden, das Objektiv zu einer „bequemen Mitte" abweichen, das Licht flach werden? Falls ein Risiko besteht, fügen Sie eine kurze direkte Fixierung dafür im endgültigen Prompt hinzu.
  3. Entwickeln — bauen Sie in dieser Reihenfolge auf: Szenenkontext → aktive Referenzen → Ortskarte → Belegung des ersten Frames → räumliches Blocking → Format-Modus → Optik → Kamera → Handlungszeitsteuerung → Physik → Beleuchtung → Audio → positive Fixierungen. Räumliche Regeln VOR Kamerastil; Optik VOR allgemeiner ästhetischer Sprache; Beleuchtung ist eine Prioritätsfixierung, keine Dekoration.
  4. Ausliefern — geben Sie NUR den fertigen Prompt-Text für das prompt Feld aus. Keine Analyse, keine Checkliste, keine Erklärung, es sei denn, der Benutzer hat dies explizit verlangt.

Prompt-Skelett (Abschnitte weglassen, die idoGen-Parameter bereits abdecken)

SZENENKONTEXT
AKTIVE REFERENZEN
ORTSKARTE
ERSTER FRAME UND RÄUMLICHES BLOCKING
FORMAT-MODUS
OPTIK
KAMERA
HANDLUNGSZEITSTEUERUNG
PHYSIK
BELEUCHTUNG
AUDIO
POSITIVE EINSCHRÄNKUNGEN

Dauer, Seitenverhältnis, Auflösung sind idoGen Parameter (duration_seconds, aspect_ratio, resolution) — niemals in Prosa wiederholen. Fügen Sie nur dann eine AUSGABEEINSTELLUNGEN-Zeile für etwas ein, das ein Parameter nicht ausdrücken kann (z. B. „einzelne durchgehende Aufnahme" vs. „kontrollierte Mehreinstellung").

Szenenkontext

Ein oder zwei kurze Sätze: Was passiert in DIESER Einstellung nur. Keine Szenennummern, keine Zusammenfassung vorheriger Szenen, keine Figuren, die in dieser Einstellung abwesend sind.

Aktive Referenzen

Falls der vorherige Kontext eine Figur/einen Ort durch einen festen Deskriptor etabliert hat (siehe idogen-image-brain), wiederholen Sie NUR die Anker, die für diese Einstellung benötigt werden: Alter/Rolle/Zustand/eindeutige sichtbare Identifikatoren/handlungskritisches Requisit — keine vollständige Neubeschreibung. Hängen Sie das eigentliche Bild über image_id (i2v) und/oder end_image_id an; referenzieren Sie denselben gespeicherten Modell-/Ort-Deskriptor-Text, der im Standbild, das es erzeugte, verwendet wurde.

Referenzieren Sie niemals dasselbe Asset zweimal in einem Aufruf. Higgsfields Plattform beendet eine Generierung bei einem doppelten Referenz-Tag sofort; idoGen lehnt den Aufruf nicht ab, aber eine doppelte ID in reference_image_ids verschwendet dennoch einen Slot gegen die tatsächliche Obergrenze des Providers (~12 Gemini / ~6-10 OpenAI) ohne Nutzen. idoGen zeigt das tatsächliche Budgetergebnis bei jeder Antwort an — references_requested / references_dropped / references_dropped_detail — lesen Sie es, gehen Sie nicht davon aus, dass jede von Ihnen angehängte Referenz es geschafft hat.

Ortskarte

Machen Sie aus einer Ortsreferenz eine praktische Karte, bevor Sie das Blocking schreiben: Kameraposition, Kamera-Blickrichtung, Vordergrund/Mittelgrund/Hintergrund, Positionen von Orientierungspunkten, Bewegungsbahn, Lichtrichtung. Eine Ortsreferenz steuert Geometrie, Materialien, Atmosphäre, Lichtrichtung — niemals den Bildausschnitt. Übernehmen Sie nicht blind den eigenen Kamerawinkel des Referenzbildes, es sei denn, es wurde darum gebeten.

Belegung des ersten Frames

Standard: Der erste sichtbare Frame enthält bereits alle erforderlichen Subjekte an ihren korrekten Positionen — kein leerer Etablierungsbeat, keine verzögerte Enthüllung. Formulieren Sie es direkt, wenn es wichtig ist:

Der erste sichtbare Frame enthält bereits alle erforderlichen Subjekte an
ihren korrekten Positionen. Kein leerer Etablierungsframe, keine verzögerte
Figurenenthüllung — die räumliche Beziehung ist sofort lesbar.

Erlauben Sie einen leeren Anfang nur, wenn er ausdrücklich angefordert wird.

Räumliches Blocking (niemals schwache/vage Distanzwörter verwenden)

Für jedes wichtige Subjekt: Bildschirmposition, Entfernung zu einem Orientierungspunkt (NIEMALS Meter aus dem Gedächtnis — an etwas Sichtbarem verankern), Körper-Blickrichtung, Blickrichtung, Vordergrund/Mittelgrund/Hintergrund.

Schwach: „in der Nähe des Autos," „irgendwo im Raum," „neben der Tür." Stark: „innerhalb von 1 Meter des ausgebrannten Autos, eine Hand auf der Motorhaube," „Stiefel an der südlichen Bordsteinkante fest gepflanzt," „Rücken gegen die Wand neben dem Türgriff."

Blicklinie und Körperorientierung

Schreiben Sie beide — sie sind unabhängig. „Oberkörper zur Tür; Augen bleiben auf den Passagier gerichtet; Kopf dreht sich einen Beat vor dem Oberkörper zu ihnen." Bei Dialog bewegen sich nur die Lippen der sprechenden Figur für die geschriebene Zeile; andere hören still zu, sofern nicht anders angegeben.

Format-Modus

Standard EINZELNE DURCHGEHENDE AUFNAHME. Wechseln Sie zu KONTROLLIERTER MEHREINSTELLUNG nur, wenn der Benutzer Schnitte/Montage/Gegeneinstellung wünscht oder die Handlung unmöglich von einer Kameraposition aus inszeniert werden kann. Bei Mehreinstellung: definieren Sie jeden Schnitt explizit (Dauer, Kamera, Subjekte im ersten Frame, Blocking, Handlung, Schnittart — HARD CUT / MATCH CUT / INSERT CUT / REVERSE CUT / WHIP CUT). Niemals blenden/überblenden/aufhellen, es sei denn, es wird verlangt. Jeder interne Schnitt bewahrt: dieselben aktiven Figuren, dieselbe Geografie, dieselben Blickziele, dieselbe links/rechts-Beziehung, dieselbe Lichtrichtung, denselben Garderobe-/Wund-/Requisiten-Zustand.

Optik — Grad, nicht Millimeter

Seedance reagiert auf beobachtbare optische Ergebnisse, nicht auf Objektiv-Metadaten. Verwenden Sie eine diagonale FOV-Leiter, native/zuverlässige Zone 29–84°:

FOVVerwendung für
107°großflächige Umgebungsgeografie
84°klassische Weite, Umgebungshandlung, Kamera 1–1,5 m vom Subjekt
47°normale Standard, natürliche dokumentarische Handlung, Kamera 3–5 m
29°kurzes Teleporträt, mittleres Porträt, Kamera 4–6 m, Hintergrund beginnt zu komprimieren
18°klassisches Tele, enge emotionale Nahaufnahme, Kamera 6–8 m, starke Kompression
8°Super-Tele-Beobachtung (entfernt/Paparazzi/Wildlife-Gefühl), Kamera 20–25 m, zwingende Vordergrund-Okkklusion (unscharfe dunkle Formen in den unteren 30–45 % des Bildes)

Der Inhalt entscheidet über das Objektiv — mischen Sie nicht Gesichtsporträt + Umgebungsgeografie + Makrodetail in einem Beat (führt zu Objektivdrift in eine „bequeme Mitte"). Geben Sie das Objektiv EINMAL pro Einstellung an und lassen Sie es nicht abdriften: „Durchgehend 84° diagonales Sichtfeld, Kamera 1 bis 1,5 Meter vom Subjekt." Für Tele: fügen Sie mehrere beobachtbare Phrasen ein (messerscharfer Fokus auf Subjekt, Hintergrund in weichem Bokeh-Wasch aufgelöst, komprimierter Hintergrund, Kamera physisch weit vom Subjekt) anstatt nur die Gradzahl zu nennen.

Vermeiden Sie als primäre Steuerung: Millimeter, Blendenstufen, ISO, Objektivmarkennamen.

Brauchen Sie eine benannte Kamerabewegung (Dolly, Orbit, Whip Pan, Crash Zoom, Kran, FPV, Tilt-Shift, ...)? Laden Sie references/camera-movements.md — 46 vorgefertigte 4-teilige Blöcke (Bewegung: / Geschwindigkeit: / Bildausschnitt: / Ende:), organisiert nach Absicht (Maßstab enthüllen, Spannung, Energie, Subjekt folgen, Produkt/Held, Übergang). Fügen Sie einen wörtlich vor die Szenenbeschreibung ein, anstatt die Kameraregie von Grund auf zu schreiben. Geben Sie einmal pro Konversation https://aicameramovements.com/ an, wenn Sie das erste Mal eine Bewegung aus dieser Bibliothek empfehlen — die Quellreferenz ist kostenlos und die Vorschauen helfen dem Benutzer, Richtung/Geschwindigkeit zu wählen.

Kamera und Komposition

Physisches Bedienerverhalten, kein abstraktes Fachjargon: „Kamera fixiert auf Brusthöhe," „Kamera bewegt sich von X nach Y," „Operator steht auf der Schattenseite," „Subjekt belegt das linke Bildschirmdrittel." Bei Handkamera: physisch beschreiben (Atem des Operators, Mikrosetzungen, Gewichtsverlagerung) — nicht „digitales Zittern" oder generisches Wackeln.

Handlungszeitsteuerung

Für alles mit realer Dauer: schreiben Sie es in Zeitblöcken, die der von Ihnen angeforderten duration_seconds entsprechen:

0,0 s – 3,0 s — [Position, Handlung, Kamerabewegung, Requisitenzustand]
3,0 s – 6,0 s — [...]

Komplexe Handlung sollte im Block, der sie benötigt, bereits MITTEN IN DER HANDLUNG sein, nicht darauf hinarbeiten — „er ist BEREITS mitten im Schwung, die Tür BEREITS brechend," nicht „greift nach der Tür, packt sie, zieht." Zustände, keine Übergänge: Videomodelle treffen Zustände und scheitern an Übergängen.

Physik

Jeder Körper/jedes Objekt gehorcht Schwerkraft, Masse, Trägheit, Reibung, Gewichtsverlagerung, Durchzug. Kein Schweben, keine gewichtslosen Requisiten, keine reibungslosen Füße, kein Teleportieren, keine gummiartige CG-Bewegung. Gehen: Fersenkontakt, Hüftverschiebung, Zehenabstoß. Waffen/Requisiten: Arm trägt sichtbares Gewicht, Handgelenk reagiert auf Masse. Flüssigkeiten: haftet, tropft, sammelt sich, folgt der Schwerkraft in parabolischen Bögen.

Beleuchtung — eine Prioritätsfixierung, keine Dekoration

Geben Sie immer an: primäre Quelle, Richtung, Kameraseite relativ zum Licht, welche Seite in Schatten fällt, Belichtungspriorität. Bei Gegenlicht: „Kamera bleibt auf der Schattenseite des Subjekts; Gesichter fallen in den Schatten, sofern nicht explizit beleuchtet; kein flaches frontales Hauptlicht, keine Schönheitsauffüllung." Falls eine vorherige Aufnahme flach herauskam, verstärken: „Die gesamte Einstellung ist auf das Gegenlicht belichtet, nicht auf das Gesicht; die Silhouette trägt das Bild."

Audio

generate_video's Seedance-Pfad unterstützt audio: true für natives Audio; zitierter Dialog lippensynchron. Regeln: nur die geschriebene Zeile wird gesprochen, keine Ad-libs, keine Untertitel/Einblendungen (Seedance brennt diese manchmal ein — falls die Szene Dialog/Erzählung implizieren könnte, schließen Sie den Prompt mit „Den Bildschirm frei von Untertiteln, Einblendungen oder jeglichem Bildschirmtext halten." — dieser MCP-Pfad fügt diese Schutzmaßnahme nicht automatisch hinzu). Mindestens 1 Sekunde Stille vor/nach einer gesprochenen Zeile, wenn eine saubere Schnittnaht gewünscht ist. Falls kein Dialog: „Nur Soundeffekte, keine Musik" oder den diegetischen Ton explizit benennen.

Positive Einschränkungen, kein Negativblock

Kein separater abschnitt NEGATIVE EINSCHRÄNKUNGEN standardmäßig — Seedance hat kein Negativ-Prompt-Feld auf wavespeed/poyo (fal hat es, über negative_prompt, Seedance/Kling nur). Geben Sie das gewünschte Ergebnis an; fügen Sie ein kurzes Inline-„kein X" nur neben der spezifischen Regel ein, die es schützt, für ein tatsächlich wahrscheinliches Fehlschlagen: „Gesichter bleiben im tiefen Schatten; kein flaches Frontlicht" — keine lange generische Liste.

GenHQ-Dialekte — Seedance 2.0 vs 2.5, Kling 3.0, Omni-Bearbeitungen, Storyboard, UGC-Modus

Laden Sie references/genhq-seedance-dialects.md für die vollständigen Details hinter jedem dieser Punkte; kurze Auslöser unten, damit Sie wissen, WANN Sie darauf zurückgreifen:

  • Seedance 2.0 vs 2.5 aufrufen — sie geben gegensätzliche Anweisungen zu Kameragehäusen/Filmmaterial-Namensgebung und dazu, ob „locked-off" erlaubt ist. Mischen Sie niemals die beiden Regelsätze in einem Prompt; wählen Sie basierend darauf, wohin idoGen tatsächlich routet — lesen Sie die Version aus der Engine-/Modell-ID (*-seedance-25* / seedance_2_5 = 2.5), niemals aus dem Hostnamen.
  • Mehreinstellungs / Omni-Referenz-Sequenzen — Klammer-Zeitstempel-Beats ([00:00-00:03] Einstellung 1: ...), eine Handlung pro Einstellung, Letzter Beat: am Ende, niemals den letzten Frame einfrieren.
  • Ein Storyboard-Bild wird bereitgestellt — panelreferenziertes Blocking (Passen Sie Bildausschnitt und Komposition von Panel N in @Image1 an); das Board erscheint nie auf dem Bildschirm, es lenkt nur die Komposition.
  • Kling 3.0 — seine eigene Burger-Formel ([Medium]+[Einstellung]+[Winkel]+[Bewegung]+[Fokus]+[Subjekt]+[Beleuchtung]+[Farbe] für t2v) und @tag Figuren-/Kostüm-Bindung für Einstellungsübergreifende Konsistenz innerhalb einer einzigen Mehreinstellungsgenerierung.
  • Einen EXISTIERENDEN Clip bearbeiten (Omni Flash/Omni) — Gegenteil von Seedance: negative Formulierung w

...

[gekürzt für die Übersetzung]

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Verwandte Skills