Communitygithub.com

shutckin/aivfx-content-kit

Erstellt YouTube-Thumbnails und Shorts-Cover mit 3-4 Varianten pro Idee für A/B-Tests. Titel und Thumbnail als Einheit, ein Konzept pro Bild, mit Gesicht und Emotion, einem großen Objekt, max. 3-4 Wörtern Text und konsistentem Serien-Look.

Was ist aivfx-content-kit?

Diese AI-Agent-Fähigkeit (Skill) automatisiert die Erstellung von YouTube-Thumbnails und Shorts-Covern für Entwickler und Content-Ersteller. Sie ist für AI-Agenten wie Claude Code, Cursor oder Codex konzipiert und unterstützt Workflows, die mit Framegeneratoren (Nano Banana, Seedream, GPT-Image, Higgsfield) und Skripten arbeiten. Der Skill besteht aus einem detaillierten SKILL.md, das den gesamten Prozess beschreibt: vom Briefing über die Generierung bis zur Prüfung. Er liefert 3-4 verschiedene Thumbnail-Konzepte pro Video-Idee, die sich für A/B-Tests eignen. Der Fokus liegt auf Einheitlichkeit: Thumbnail und Titel sind inhaltlich aufeinander abgestimmt, jeder Thumbnail zeigt genau ein Konzept, und die Serie des Kanals bleibt visuell konsistent. Der Workflow nutzt eigene Frames und Screenshots aus dem Video als Referenzen, generiert oder verbessert das finale Bild mit Modellen im Film-Look-Stil und fügt Logos in einem Durchlauf ein. Ein eingebautes Prüfskript checkt Dateigröße, Gewicht und Name, und der Agent präsentiert die Optionen dem Besitzer vor dem Upload.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/shutckin/aivfx-content-kit/tree/HEAD/skills/youtube-thumbnail

In Ihrer bevorzugten KI fragen

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

Dokumentation

Thumbnail und Verpackung von YouTube-Videos

Anleitung auf Russisch. Antworte in der Sprache des Benutzers.

Warum

Thumbnail und Titel entscheiden, ob jemand in der Leiste, in der Suche und in den Empfehlungen auf ein Video klickt. Das Video selbst mag großartig sein, aber wenn die Karte auf dem Handy wie ein grauer Fleck mit winzigen Buchstaben aussieht, wird es nicht angesehen.

Zwei häufige Probleme. Erstens: Ein Screenshot aus dem Video mit nachbearbeiteten Farben. Er ist ehrlich, aber flach: In der Leiste stehen daneben Bilder mit stärkerem Licht und einer stärkeren Atmosphäre als in jedem Rohmaterial. Zweitens: Ein „schönes Bild“ im Pinterest-Stil, bei dem der Held winzig ist und viel Luft drumherum ist. Auf dem Handybildschirm bleibt davon nur ein leeres Rechteck übrig.

Der Skill ist aus dem Workflow eines kleinen Studios entstanden: Jede Regel unten entstand nach einer Version, die überarbeitet werden musste.

Worauf es funktioniert

WasWarum hier
Videobilder und ScreenshotsReferenz-Stütze: Gesicht, Kleidung, Produkt, Ort
Seedream 5 Pro und Nano Banana über Higgsfield, Flowith oder ähnlichesErstellen aus Referenzen ein neues Bild mit Thumbnail-Licht; Modelle werden verglichen, eines hält das Gesicht, das andere ist stärker im Licht
Look aus film-lookAls Anhang in jedem Prompt, Seitenverhältnis als Parameter
PNG-Logos von der offiziellen WebsiteDas Logo entsteht im Bild zusammen mit der Szene; nur PNG: Im Higgsfield CLI stürzt JPEG mit einem Storage-Signatur-Fehler nur im Log ab, und die Generierung läuft still ohne Referenz, daher Logs prüfen
Editor (Photoshop oder ähnliches)Präziser Text als separate Ebene nach der Generierung: Modelle verwechseln kyrillische Buchstaben
scripts/check_thumb.pyGröße, Gewicht und Dateiname; die verkleinerte Ansicht wird mit den Augen auf einem Kontaktbogen geprüft
Agent und BesitzerDer Agent erstellt 3-4 Varianten und einen Kontaktbogen, der Besitzer wählt aus und entscheidet selbst über den Upload

Wann einschalten

  • Ein Thumbnail für ein YouTube-Video oder ein Cover für Shorts wird benötigt.
  • Ein gesamtes Video soll verpackt werden: Thumbnail, Titel, Beschreibung, Tags.
  • Es werden 3-4 Varianten für einen Thumbnail-Test benötigt (auf YouTube „Test und Vergleich“).
  • Der Kanal möchte eine einheitliche Serie, damit Videos in der Leiste wiedererkannt werden.

Cover für Artikel und Seiten erstellt article-cover, der Look für Prompts wird aus film-look entnommen.

Arbeitsablauf

  1. Briefing. Fülle templates/thumb-brief.md aus: Thema des Videos, was der Zuschauer in einer Sekunde fühlen soll, Hauptobjekt, Text auf dem Thumbnail, Arbeitstitel, eigene Bilder und Referenzen mit Rollen. Leere Felder in den ersten drei Blöcken bedeuten, dass die Generierung noch zu früh ist.
  2. Ein Gedanke. Schreibe in einem Satz auf: „Das Thumbnail verspricht: ...“. Das ist nicht das Thema („Kamera-Test“), sondern ein Gefühl oder eine Spannung („Diese Kamera filmt besser, als sie kostet“). Wenn es zwei Sätze sind, wähle einen aus, den zweiten gib dem Titel.
  3. Verbindung mit dem Titel. Schreibe sofort 3-5 Titelvarianten. Das Thumbnail gibt die Emotion, der Titel liefert Fakten und Suchbegriffe. Dupliziere nicht dasselbe: Wenn auf dem Bild „STILLE“ steht, muss im Titel nicht noch einmal „Stille“ vorkommen.
  4. Eigenes Material. Sammle aus dem Video 10-20 Bilder gleichmäßig über die Zeitleiste (Kontaktbogen), wähle 2-4 aus, auf denen der Held, das Gesicht, das Produkt oder der Ort am besten zu sehen sind. Das ist die Stütze für die Generierung, nicht das fertige Thumbnail.
  5. Rollen der Referenzen. Jeder Referenz weise eine Rolle zu: Aussehen und Gesicht, Produkt, Ort, Komposition, Licht, Stimmung. Eine Referenz für alles auf einmal funktioniert schlecht.
  6. 3-4 verschiedene Konzepte. Nicht vier Wiederholungen eines Bildes, sondern verschiedene Ansätze: Großaufnahme eines Gesichts mit Emotion, Objekt-Held, Held in atmosphärischer Szene, Bild „vorher und nachher“ oder „gegen“. Beschreibe jedes im Briefing in einer Zeile.
  7. Generierung oder Nachbearbeitung (Abschnitt unten). Look aus film-look als Anhang jedes Prompts, Seitenverhältnis nur als Modell-Parameter.
  8. Text auf dem Thumbnail als separater Schritt (Abschnitt „Text“).
  9. Prüfung. Skript scripts/check_thumb.py für Größe, Gewicht und Namen, mit den Augen für den Sinn: jedes Thumbnail in verkleinerter Form neben fremden.
  10. Präsentation an den Besitzer. Alle Varianten in einer Nachricht, nummeriert, mit Empfehlung und Titelvarianten. Solange der Besitzer nicht gewählt hat, lade nichts auf den Kanal hoch und starte keinen Test.
  11. Speicherung. Endfassungen unter verständlichen Namen im Video-Ordner, Arbeitsbilder und Prompts daneben, nichts überschreiben.

Regeln für das Bild

Ein Gedanke. Das Auge versteht in einer halben Sekunde, wohin es schauen soll. Im Bild sind nicht mehr als 2-3 Elemente: Held, ein Detail, Text. Alles andere ist Hintergrund.

Gesicht und Emotion. Ein lebendiges Gesicht mit einer klaren Emotion fesselt am stärksten: Überraschung, Konzentration, Müdigkeit, Begeisterung. Wenn das Gesicht aus konzeptionellen Gründen fehlt (Helm, Maske, Rücken des Helden), wird es durch ein erkennbares Detail ersetzt, das sich von Video zu Video wiederholt und zum „Gesicht“ des Kanals wird.

Großes Objekt. Der Held nimmt einen deutlichen Teil des Bildes ein. Eine kleine Silhouette in einer riesigen Landschaft ist schön für ein Playlist-Cover oder Kanalbanner, funktioniert aber nicht als Thumbnail eines einzelnen Videos: Auf dem Handy ist es nicht zu sehen.

Kontrast. Der Held ist durch Licht oder Farbe vom Hintergrund getrennt: warmes Objekt auf kaltem Hintergrund, helles Gesicht auf dunklem, Scharfes auf Weichem. Wenn Held und Hintergrund die gleiche Helligkeit haben, verschwimmt das Thumbnail mit den Nachbarn.

Atmosphäre stärker als im Video. Das Thumbnail kann filmischer sein als das Original: dramatischer Himmel, Gegenlicht, Dunst, nasser Asphalt, tiefstehende Sonne. Aber versprechen muss es das, was drin ist: Ort, Held, Stimmung. YouTube wählt im Thumbnail-Test den Gewinner nach der Wiedergabezeit, nicht nach Klicks, daher wird Betrug bestraft.

Rechte untere Ecke frei. Dort platziert YouTube die Videolänge. Gesicht, Text und Hauptobjekt nicht dorthin setzen.

Mobiler Bildschirm zuerst. Die Mehrheit schaut auf dem Handy. Alles, was auf einer daumenbreiten Karte nicht lesbar ist, existiert nicht.

Generierung und Nachbearbeitung

Ein roher Screenshot verliert fast immer. Videobilder, Fotos des Helden und Screenshots gehen als Referenzen in das Modell: Aussehen, Pose, Produkt, Ort. Das Modell erstellt daraus ein neues Bild mit Licht und Komposition für das Thumbnail. Eine Collage aus ausgeschnittenen Teilen sieht billig aus.

Schema des Prompts, jeder Block separat:

  • Stütze: Was unbedingt so bleiben muss wie auf den eigenen Bildern (Gesicht, Kleidung, Produktform, Farbe, Ort).
  • Stil: Was aus den Stil-Referenzen übernommen werden soll (Licht, Optik, Stimmung).
  • Komposition: Bildausschnitt, wo der Held ist, wo Platz für Text ist, freie rechte untere Ecke.
  • Licht: Konkret, in den Worten eines Kameramanns.
  • Verbote: Keine zufälligen Buchstaben, Wasserzeichen, überflüssigen Logos, CGI-Glanz, kein Austausch von Held oder Produkt.
  • Look: Kern aus film-look als Anhang, unverändert.

Regeln, die Zeit sparen:

  • Seitenverhältnis nur als Parameter. 16:9 für Videos, 9:16 für Shorts. Im Prompt-Text kommt es nicht vor: Im Bearbeitungsmodus mit Referenz liefert das Modell ohne Parameter oft ein Quadrat, und der Text 4:3 widerspricht dem Parameter und schneidet das Bild daneben.
  • Mit Reserve generieren (2K), dann auf 1280x720 oder 1080x1920 verkleinern.
  • Modelle vergleichen. Eines hält das Gesicht besser anhand der Referenz, das andere ist stärker im Licht. Wenn es einen Batch-Modus gibt, nimm einen Stapel und sortiere aus.
  • Zwei Fehlschläge hintereinander bedeuten Stopp. Wenn das Modell zweimal den Helden verliert oder in ein themenfremdes Poster abdriftet, nicht im selben Kontext weiterdrücken und nicht per Collage reparieren. Neu beginnen: eine Referenz-Stütze, 2-3 Stil-Referenzen, kurzer Prompt.

Logos im Bild in einem Durchlauf. Video über einen bestimmten Dienst, ein Produkt oder eine Marke: Das Logo entsteht im Bild zusammen mit der Szene, wie in article-cover. Das Bild und die Logo-Referenz (PNG von der offiziellen Website) gehen zusammen in das Modell, das Logo wird als Teil der Welt beschrieben: Bildschirm in der Hand des Helden, Aufnäher, Schild, Gerätegehäuse. Ein später im Editor aufgesetztes Logo wirkt aufgeklebt. Nach der Generierung jedes Zeichen zoomen: vertauschte Buchstaben und vereinfachte Form sind Ausschuss.

Text auf dem Thumbnail

  • Bis zu 3-4 Wörter oder kein Text. Besser 1-2 Wörter groß als einen Satz klein. Wenn das Bild für sich spricht, ist kein Text nötig.
  • Text ist Emotion oder Spannung, keine Beschreibung. „STRASSE VERSCHWUNDEN“ funktioniert, „FAHRT IM NEBEL“ nicht, „NICHT SCHLECHTER?“ funktioniert, „KAMERA-TEST“ nicht. Hebel: Gefühl, Frage, Zahl, Kontrast, Ort.
  • Text wiederholt nicht den Titel. Sie ergänzen sich.
  • Wie man Buchstaben setzt. Für präzise kyrillische Buchstaben und eine geschützte Schriftart wird der Text nach der Generierung als separate Ebene gesetzt: Modelle verwechseln Buchstaben und zeichnen eine einfache Schrift. Ein kurzes lateinisches Wort zeichnet das Modell manchmal selbst ordentlich, aber jeden Buchstaben prüfen. Logos dabei nicht antasten: Sie sind bereits im Bild.
  • Schriftart. Fette Grotesk, breit oder kompakt, eine für die gesamte Serie. Ziffern im gleichen Sans mit font-variant-numeric: tabular-nums dort, wo sie untereinander stehen. Monospace- und „Terminal“-Schriften nicht verwenden.
  • Unterlage. Weicher, verwischter Verlauf unter dem Text, wenn der Kontrast nicht reicht. Harte Flächen, Ovale und Rahmen wirken „prollig“.
  • Platzierung pro Bild. Zuerst finden, wo wirklich Platz ist, dort den Text hinsetzen. Der Text überdeckt niemals das Gesicht oder das Hauptobjekt.

Einheitliche Kanalserie

Ein Kanal wird in der Leiste auf einen Blick erkannt, wenn 5-10 Videos hintereinander einen Code einhalten: dieselbe Schriftart, dieselbe Texttechnik, ein erkennbares Detail des Helden, eine ähnliche Palette. Führe eine Datei für die Kanalserie (Abschnitt unten in der Vorlage) und gleiche sie vor jedem Paket ab. Den Code kann man ändern, aber bewusst und sofort für die gesamte Serie, nicht weil es diesmal anders sein soll.

Shorts

  • Format 9:16, Finale 1080x1920.
  • In der Shorts-Leiste ist das Thumbnail kaum sichtbar, dort läuft Autoplay. Das Cover wird für das Kanalraster und die Suche benötigt. Der Haupthebel bei Shorts ist ein starkes erstes Bild und Text in der ersten Sekunde des Videos, nicht das Cover.
  • Text am oberen Rand oder in der Mitte platzieren: der untere Rand ist für Untertitel und Schaltflächen reserviert.
  • Im Kanalraster wird das Cover näher am Quadrat beschnitten: den Helden in der Mitte halten.

Dateinamen und Speicherung

  • Lateinische Buchstaben, Ziffern, Bindestrich. Keine Leerzeichen, Kyrillisch oder Klammern: So bricht die Datei nicht beim Upload, in Links und Skripten.
  • Format: <video-slug>-<varianten-buchstabe>-<technik>-v<nummer>.jpg, Beispiel cheap-cam-a-face-v2.jpg.
  • Eine neue Version bekommt einen neuen Namen. Alte nicht überschreiben: Beim Test ist wichtig zu wissen, welche Datei genau hochgeladen wurde.
  • Ordnerstruktur des Videos: sources/ (eigene Bilder und Referenzen), generated/ (Generierungs-Originale), finals/ (fertige Thumbnails), previews/ (verkleinerte für die Präsentation). Keine einzige Kopie im Generator-Cache oder in den Browser-Downloads hinterlassen.
  • Finale: 1280x720 für Videos, JPEG oder PNG, bis 2 MB (YouTube-Limit).

Prüfung

python3 scripts/check_thumb.py finals/cheap-cam-a-face-v2.jpg
python3 scripts/check_thumb.py --shorts finals/cheap-cam-short-a-v1.jpg
python3 scripts/check_thumb.py finals/*.jpg
python3 scripts/check_thumb.py --make-test test-thumb.png

Das Skript liest ohne externe Bibliotheken den PNG- oder JPEG-Header und prüft: Größe 1280x720 (mit --shorts 1080x1920), Gewicht bis 2 MB, Dateiname lateinisch ohne Leerzeichen. Exit-Code 1 bei Verstößen. --make-test erstellt ein graues PNG der benötigten Größe, um das Skript selbst zu testen.

Die Sichtprüfung in verkleinerter Größe ist obligatorisch, das Skript ersetzt sie nicht. Verkleinere das Thumbnail auf eine Breite von etwa 200 Pixeln (ungefähr so sieht es in der Handy-Leiste aus) und setze es neben 5-6 fremde Thumbnails zum gleichen Thema. Fragen: Ist auf einen Blick klar, was es ist; ist der Text lesbar; geht der Held zwischen den Nachbarn nicht verloren; ist die rechte untere Ecke frei.

Präsentation an den Besitzer

Eine Nachricht, damit die Antwort ein Wort ist:

  • verkleinerte Thumbnails nebeneinander (Kontaktbogen);
  • Pfade zu den 3-4 Finalen, nummeriert;
  • Empfehlung: welche Variante und warum, in einem Satz;
  • 3-5 Titelvarianten, bei Bedarf Beschreibung und Tags.

Upload auf den Kanal, Start des Thumbnail-Tests und Veröffentlichung nur nach direktem Wort des Besitzers.

Beispiel (kurz)

Video: Ich filme einen Monat lang mit einer günstigen Kamera statt einer teuren, vergleiche die Bilder.

  • Gedanke: „Die günstige Kamera war gar nicht schlechter.“
  • A: Großaufnahme des Gesichts des Autors mit ungläubigem Lächeln, in der Hand eine kleine Kamera, das Herstellerlogo auf dem Gehäuse ist im Bild generiert. Text „NICHT SCHLECHTER?“.
  • B: Zwei Kameras auf einer Waage, die günstige überwiegt. Ohne Text.
  • C: Bild geteilt „vorher und nachher“, in der Mitte zuckt der Autor mit den Schultern. Text „EINEN MONAT SPÄTER“.
  • Titel: „Ein Monat mit günstiger Kamera statt teurer | Bildvergleich“.
  • Dateien: cheap-cam-a-face-v1.jpg, cheap-cam-b-scales-v1.jpg, cheap-cam-c-split-v1.jpg.

Typische Fehler

  • Screenshot aus dem Video mit nachbearbeiteten Farben statt eines gestalteten Bildes. Flach, verliert gegen Nachbarn im Licht.
  • Vier Varianten desselben Bildes. Der Test vergleicht dasselbe, es gibt nichts auszuwählen.
  • Winziger Held und viel Luft. Schön auf dem großen Bildschirm, leer auf dem Handy.
  • Fünf Wörter Text. Auf dem Handy ist das ein grauer Streifen.
  • Text wiederholt den Titel. Platz zweimal für dasselbe verschwendet.
  • Krumme Buchstaben des Modells in Kyrillisch. Sofort sichtbar, wirkt nachlässig.
  • Logo später über das Bild gelegt. Sieht aus wie ein Aufkleber.
  • Text oder Gesicht in der rechten unteren Ecke unter der Videolänge.
  • Thumbnail verspricht etwas, das nicht im Video ist. Klicks gibt es, keine vollständige Ansicht, und der Test wählt ein solches Thumbnail nicht.
  • Jedes Video in einem neuen Stil. Der Kanal wird in der Leiste nicht erkannt.
  • Überschreiben einer Datei unter demselben Namen. Später ist nicht klar, was hochgeladen wurde.

Checkliste vor der Präsentation

  • Briefing ausgefüllt, Thumbnail-Gedanke in einem Satz notiert.
  • Titel und Thumbnail ergänzen sich, duplizieren nicht.
  • 3-4 verschiedene Konzepte, keine Duplikate.
  • Eigene Bilder als Referenz verwendet, Referenzrollen zugewiesen.
  • Look aus film-look in jedem Prompt, Seitenverhältnis als Parameter.
  • Logos, falls nötig, im Bild generiert und mit Zoom geprüft.
  • Text bis zu 3-4 Wörter oder kein Text, Buchstaben geprüft.
  • Rechte untere Ecke frei.
  • In verkleinerter Größe neben fremden Thumbnails geprüft.
  • check_thumb.py bestanden: Größe, Gewicht, Name.
  • Kanalserie eingehalten oder Änderung bewusst.
  • Varianten dem Besitzer gezeigt, Auswahl vor dem Upload erhalten.

Was zuerst veraltet

Modellnamen, Batch-Modi und Limits der Aggregatoren, Regeln des Thumbnail-Tests auf YouTube, Dateigewichts-Limit. Vor der Arbeit die Hilfe des Tools und die YouTube-Hilfe prüfen, nicht das Gedächtnis. Die Regeln für Bild und Text veralten langsam. Fakten geprüft bis Oktober 2026.

Tiefergehend

Vollständige Prompt-Vorlagen, Analysen realer Thumbnail-Pakete und die Einrichtung der Serie für einen bestimmten Kanal zeigt das Studio AIVFX in der Arbeit und in der Schulung: https://aivfx.ru

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

shutckin/aivfx-content-kit

Runs a client AI video for a concept studio from brief to delivery. Takes the brief and real product photos, writes a synopsis, builds character and location sheets with 3 options each, a 16:9 approval deck, stills in waves, one prompt for the whole video, client revisions as a list, assembly and a delivery checklist. Core rule: the client approves the preproduction package before the first video frame, and the approved character and location sheets go as references into every generation. Use when a brief arrives for an advertising or product AI video. Triggers: 'client AI video', 'preproduction package', 'character sheet', 'location sheet'. Not for articles or covers (use blog-article and article-cover). Triggers (RU): «вот бриф», «новый клиент», «концепт студия», «препродакшн-пакет», «лист персонажа», «лист локации», «презентация клиенту», «правки от клиента», «готовим сдачу».

shutckin/aivfx-content-kit

Makes motion graphics on the HyperFrames engine (HTML scenes rendered to video) with an AIVFX studio layer: name lower thirds, chapters, numbers, Shorts and Reels hooks, end cards, titles. The brand (colors, fonts, motion, durations) lives in one file, the video is a brief of scene roles, motion is set in words, and the agent renders a draft over footage and a final ProRes 4444 with alpha. Gives timing rules, 9:16 and 16:9 safe zones, lint and black-frame checks, a delivery checklist and a brand file checker. Triggers: 'lower third', 'motion graphics', 'chapter card', 'shorts hook', 'end card', 'transparent overlay', 'brand kit for motion', 'HyperFrames'. Triggers (RU): «сделай плашку», «нижняя треть», «плашка с именем», «заставка», «глава», «титры», «хук для шортс», «финальная карточка», «моушен для ролика», «графика с альфой для монтажа», «заведи бренд для графики», «сделай на хайперфреймс».

Verwandte Skills