Communitygithub.com

Cartoon-Video

Erstelle originelle vertikale animierte Cartoon-Kurzfilme aus einer Idee, einem Drehbuch oder einem hochgeladenen Voice-Over.

Was ist Cartoon-Video?

Diese Fähigkeit ermöglicht es, vollständig animierte vertikale Cartoon-Kurzfilme (9:16, 1080×1920, 30 fps) aus einer einfachen Idee, einem Drehbuch oder einer Sprachaufnahme zu erstellen. Sie eignet sich besonders für Entwickler:innen und KI-Agenten, die einen Workflow von der Konzeption bis zur MP4-Ausgabe benötigen. Der Prozess umfasst: Ideenfindung, Drehbucherstellung mit präzisem Timing (~3.7 Wörter pro Sekunde), Sprachsynchronisation mit Whisper/faster-whisper, Storyboard-Planung, 3D-Weltenbau mit Three.js, Charakteranimation, Sounddesign und finaler Render. Die Fähigkeit unterstützt Node.js 22.6+, Python 3 mit NumPy/Pillow, FFmpeg, Git und Playwright. Wichtig: Sie arbeitet mit einem bereitgestellten Skill-Kit (engine/, tools/, example/) und erstellt ein separates Projektverzeichnis. Der Stil ist bunt, flächig illustrierte Charaktere in einer dimensionalen 3D-Welt mit gemalten Texturen, Tinte, atmosphärischem Licht und Kameraschwenks. Der Assistent überprüft Zwischenstände vor langen Render-Vorgängen, meldet fehlende Tools ehrlich und liefert am Ende eine MP4-Datei sowie einen Kurzbericht.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Alone-legacy/cartoon-video-skill/tree/HEAD

In Ihrer bevorzugten KI fragen

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

Dokumentation

Fähigkeit: Cartoon-Video

Hilf der Benutzerin/ dem Benutzer einen originalen, narrationsgeführten vertikalen Cartoon-Kurzfilm zu erstellen. Das Repository-Stammverzeichnis ist das Skill-Verzeichnis: engine/, tools/ und example/ befinden sich direkt darin (es gibt kein kit/-Unterverzeichnis). Halte die Benutzerin/ den Benutzer über den Plan auf dem Laufenden, überprüfe Standbilder vor einem langen Render-Vorgang und melde fehlende Tools oder unvollständige Schritte ehrlich.

Kreative Richtung

Der charakteristische Look sind ausdrucksstarke, flächig illustrierte Charakterkarten in einer farbenfrohen, dimensionalen 3D-Welt: gemalte Texturen, getuschte Konturen, atmosphärische Beleuchtung, Tiefenschärfe und sanfte Kamerabewegungen. Standardmäßig wird ein vertikales 9:16-Format verwendet, 1080×1920, bei 30 fps. Nutze visuelles Storytelling, lesbare Silhouetten, bewusste Inszenierung und Reaktionen, die mit der Narration harmonieren.

  • Geschichten, Charaktere und Einstellungsdesigns müssen original sein; reproduziere nicht das Video eines anderen Erstellers Einstellung für Einstellung.
  • Erstelle keine realen, namentlich bekannten lebenden Personen als Charaktere und verwende keine Markenmaskottchen/-logos.
  • Füge keine Untertitel hinzu, es sei denn, sie werden angefordert. Jeder Text in der Welt muss korrekt ausgerichtet und lesbar sein.
  • Vermeide grafische Inhalte und mache keine realen lebenden Personen zum Ziel von Spott.
  • Überprüfe Tatsachenbehauptungen, wenn Recherche-/Browsing-Tools verfügbar sind. Kennzeichne Legenden und umstrittene Geschichten klar; präsentiere eine virale Anekdote niemals als bestätigte Tatsache.
  • Bewahre die Sprachaufnahme der Benutzerin/ des Benutzers. Richte die Bilder zeitlich darauf aus; bearbeite oder verändere die Narration nicht, um sie an die Animation anzupassen.
  • Halte die Narration verständlich. Musik und Effekte sollten die Stimme unterstützen, nicht überlagern.

Schritt 1 — Finde den Ausgangspunkt

Überprüfe zuerst die Nachricht und Anhänge der Benutzerin/ des Benutzers. Wenn ein Voice-Over vorhanden ist, verwende es und frage nur dann nach dem endgültigen Drehbuch, wenn es zur Klärung des Timings nötig ist. Frage andernfalls, ob die Benutzerin/ der Benutzer ein Voice-Over hat, ein Drehbuch hat und es aufnehmen muss, oder Ideen und ein Drehbuch wünscht. Frage nach der gewünschten Dauer, falls unbekannt; standardmäßig 20–30 Sekunden, auf Wunsch auch 45–60 Sekunden.

Frage nicht nach Informationen, die bereits bereitgestellt wurden. Halte den nächsten Schritt klar und gib der Benutzerin/ dem Benutzer eine prägnante Fortschritts-Checkliste für mehrstufige Arbeiten.

Schritt 2 — Ideen (auf Anfrage)

Gib genau 10 nummerierte Ideen und bitte dann die Benutzerin/ den Benutzer, eine auszuwählen oder weitere anzufordern. Jede Idee enthält:

  • Einen neugierig machenden Titel (ca. 5–8 Wörter).
  • Einen starken Einstiegs-Hook, klar formuliert.
  • Die Wendung/den Höhepunkt in einem Satz.
  • Warum sich die Geschichte gut animieren lässt (2–3 visuelle Momente).
  • Ob es sich um dokumentierte Geschichte, eine umstrittene Geschichte oder Folklore handelt.

Bevorzuge eine klare Figur, konkrete Einsätze, sichtbare Ursache und Wirkung, Steigerung und eine ironische oder überraschende Auflösung. Variiere Epochen und Themen. Recherchiere die wichtigsten Fakten zu allem, das als wahr beschrieben wird, wenn Recherche-Tools verfügbar sind.

Schritt 3 — Schreibe die Narration

Schreibe nur die Narration – keine Regieanweisungen im gesprochenen Text. Ziel ist etwa 3,7 gesprochene Wörter pro Sekunde (ca. 75 Wörter für 20 Sekunden, 110 für 30 Sekunden oder 220 für 60 Sekunden). Strukturiere sie wie folgt:

  1. Hook: Beginne mit der überraschenden Behauptung, ohne lange Einleitung.
  2. Setting: Etabliere wann, wo und wer mit einem konkreten Detail.
  3. Steigerung: Baue durch 2–4 zunehmend lebendige Beats auf.
  4. Wendung: Erkläre den Mechanismus oder enthülle die entscheidende Tatsache.
  5. Höhepunkt: Beende mit einem kurzen, einprägsamen Twist.

Verwende Gesprächssprache, Kontraktionen und meist kurze Sätze. Schreibe Zahlen als gesprochene Wörter, wenn das die Narration verbessert. Beschreibe nicht, was die Zuseherin/ der Zuseher bereits sehen kann. Gib das Drehbuch in einem kopierbaren Block mit einer Wortanzahl und geschätzter Dauer zurück, gefolgt von einem kurzen visuellen Plan und praktischen Aufnahmehinweisen. Frage nach dem Voice-Over, wenn das Drehbuch genehmigt ist. Behalte den endgültigen Drehbuchtext für das Timing; wenn die Aufnahme abweicht, besorge die tatsächlich gesprochene Version.

Schritt 4 — Baue aus einem Voice-Over auf

Arbeite die folgenden Schritte durch und stelle nur Fragen, wenn ein fehlender Input den Fortschritt blockiert. Verwende das genehmigte Drehbuch der Benutzerin/ des Benutzers als Timing-Referenz. Wenn kein Spracherkenner verfügbar ist, ist das Drehbuch erforderlich: Gib nicht vor, Audio ohne geeignetes Tool zu verstehen oder zu transkribieren.

4.1 Bereite das Projekt vor

Das Skill-Kit befindet sich im Repository-Stammverzeichnis. Erstelle ein separates Arbeitsprojekt mit:

bash <skill-root>/tools/setup.sh <projekt-verzeichnis>

Verwende den tatsächlichen Installationspfad für <skill-root>. Das Setup-Skript kopiert engine/, tools/ und die Startdateien des ausgearbeiteten Beispiels in das Projekt und kann Three.js- und Zeichenbibliothekscode von Upstream-Quellen abrufen. Beziehe dich nicht auf <skill-root>/kit/tools/setup.sh; dieser Pfad existiert in diesem Repository nicht.

Überprüfe auf Node.js 22.6+, Python 3 mit NumPy (und Pillow für Kontaktbögen), FFmpeg/FFprobe, Git und Playwright mit Chromium. Erkläre fehlende Voraussetzungen und frage, bevor folgenreiche systemweite Änderungen vorgenommen werden. Deaktiviere nicht TLS, umgehe keinen Proxy oder verwende keine nicht vertrauenswürdigen ausführbaren Downloads, um Netzwerkbeschränkungen zu umgehen. Verwende Chromium-Software-WebGL nur als Fallback und warne, dass dies langsam rendern kann.

4.2 Timing der Narration

Führe vom Projektverzeichnis aus aus:

python3 timing.py voice.mp3 script.txt --out work

Das Timing-Tool verwendet Whisper/faster-whisper-Wortzeitstempel, falls verfügbar. Andernfalls ordnet es mit einem Drehbuch Phrasen erkannten Sprachsegmenten zu. Überprüfe work/phrases.json; korrigiere offensichtliche Phrasengrenzfehler, bevor du Einstellungen planst. Die Gesamtbildanzahl beträgt ungefähr Dauer × 30. Wenn weder Spracherkennung noch endgültiges Drehbuch verfügbar sind, frage nach dem Drehbuch, anstatt zu raten.

4.3 Plane Einstellungen vor dem Coden

Schreibe eine work/PLAN.md mit einer Zeile pro Einstellung: Start-/Endbilder, gesprochene Phrase, Setting, Beleuchtung, Kamerabewegung, Charaktere/Posen/Ausdrücke, Effekte und Sound-Cues.

  • Setze ein fesselndes Hook-Bild bei Bild 0.
  • Verwende normalerweise eine Einstellung pro Phrase; kombiniere sehr kurze Phrasen, wo sinnvoll.
  • Zeige jeden Satz mit konkreter visueller Aktion oder einem Requisit, das den Witz trägt.
  • Variiere Einstellungsgröße und Komposition: Nahaufnahme, Totalen-Enthüllung, Zweiershot, Insert, Reaktion und Umgebungsbewegung.
  • Verwende Beleuchtung, um Handlungsbeats zu verdeutlichen. Mache Zeitsprünge visuell nachvollziehbar.
  • Inszeniere die Wendung bewusst; setze ihren visuellen Höhepunkt auf die letzten Worte.

4.4 Baue die Welt und die Besetzung

Verwende engine/ und die kopierten Projektdateien als Quelle der Wahrheit. Passe web/story.js von example/soldier/story.js und die kopierte Audio-Cue-Tabelle von example/soldier/audio.py an; überschreibe nicht das Beispiel im Skill-Repository. Folge den Verträgen und Exporten im kopierten Engine- und Beispielcode.

Baue Umgebungen aus einfacher 3D-Geometrie und bemalten Materialien. Behalte den vertikalen Rahmen beim Inszenieren von Tiefe und Vordergrundobjekten im Kopf. Mache storygetriebene Bauten steuerbar durch Bild/Zeit und stelle sicher, dass der Weltzustand für jedes angeforderte Bild deterministisch ist. Halte Charakterkarten lesbar, mit passenden Posen, Ausdrücken, Blinzeln und subtiler Ruhebewegung. Verwende sanfte Kameragleitflüge, bewussten Fokus und sekundäre Bewegung, ohne von der Narration abzulenken. Überprüfe, dass diegetischer Text nicht gespiegelt ist.

Wenn der Charakterquellcode geändert wird, befolge den dokumentierten Neubaustandard des generierten Projekts. Rendere einen Charaktertest/Kontaktbogen, bevor du dich auf ein neues Design verlässt. Vermeide Änderungen an den Kernmaterial-/Tiefen-/Tintenverträgen des Renderers, es sei denn, die Szene erfordert es und das Ergebnis wurde überprüft.

4.5 Sounddesign

Passe die Beispiel-Cue-Tabelle an die Geschichte an. Verwende Musik, um Ton und Tempo zu etablieren; verwende Soundeffekte bei bedeutungsvollen Aktionen, Übergängen und Enthüllungen. Halte die Narration im Vordergrund, verhindere, dass Effekte darüber erschrecken, und verwende keine urheberrechtlich geschützte Musik oder Effekte ohne Erlaubnis. Rendere/überprüfe den Mix vor der Codierung; melde ungelöste Clipping- oder Balance-Probleme, anstatt zu behaupten, das Audio habe die Qualitätskontrolle bestanden.

Stelle das Bild-Timing fest, bevor du Cues finalisierst. Wenn sich das Einstellungs-Timing ändert, überarbeite das Sound-Cue-Timing und den Mix.

4.6 Überprüfen, rendern und fertigstellen

Rendere repräsentative Bilder aus jeder Einstellung, plus Übergänge und Schlüsselaktionen. Erstelle einen Kontaktbogen mit den bereitgestellten Hilfsprogrammen und überprüfe ihn (oder verwende verfügbare Bildbetrachtungstools). Behebe Bildausschnitt, Verdeckungen, gespiegelten Text, leere Bilder, Beleuchtung und Lesbarkeit der Charaktere, bevor du mit dem langen Render beginnst. Teile den Überprüfungsbogen und eine prägnante Einstellungszusammenfassung mit der Benutzerin/ dem Benutzer, wenn die Umgebung Dateifreigabe unterstützt, und fahre dann mit dem vollständigen Render fort.

Typische Projektbefehle (ausgeführt im generierten Projektverzeichnis):

node render.mjs stills/review "0,60,120"
python3 sheet.py stills/review stills/contact-sheet.jpg
node render.mjs frames "0-<letztes-bild>"
bash finish.sh "Titel Des Kurzfilms"

Verwende den tatsächlichen Bildbereich, der aus dem Voice-Over abgeleitet wurde. Setze den Vorgang nur fort, wenn der Wiederaufnahmemodus des Renderers von der kopierten Version unterstützt wird. Überprüfe den Abschluss des Prozesses und etwaige Fehler; gehe nicht davon aus, dass ein gestarteter Hintergrundprozess beendet wurde. Das Finish-Hilfsprogramm codiert eine MP4 und gibt grundlegende Medien-/Schwarz-/Einfrier-/Lautstärkeprüfungen aus. Überprüfe die endgültige Datei und die Qualitätssicherungsausgabe und sei transparent, wenn eine Prüfung nicht ausgeführt werden konnte.

Liefere die MP4 und eine kurze Beschreibung der Einstellungen, wenn Dateifreigabe-Tools verfügbar sind. Gib andernfalls den genauen Ausgabepfad an und erkläre, wie die Benutzerin/ der Benutzer sie abrufen kann. Biete gezielte Überarbeitungen oder Untertitel nur auf Anfrage an.

Repository- und Abhängigkeitshinweise

  • engine/: Three.js-Renderer und Welt-, Mal-, Bewegungs- und Zeichenhilfen.
  • tools/: Projekt-Setup-, Timing-, Bild-Render-, Kontaktbogen- und Abschlussskripte. Bevorzuge diese kanonischen Skripte aus dem Skill-Repository.
  • example/soldier/: Ausgearbeitetes Beispiel; verwende es als Vorlage, nicht als Geschichte, die automatisch wiederholt wird.
  • Der Setup-Prozess ruft einige Abhängigkeiten von Drittanbietern ab. Respektiere deren Upstream-Lizenzen und beanspruche kein Eigentum an Drittanbieter-Code.
  • Generierte Audio-, Bild-, Kontaktbogen- und MP4-Dateien gehören in das Arbeitsprojekt der Benutzerin/ des Benutzers. Committe keine privaten Sprachaufnahmen oder Geheimnisse in das Skill-Repository.

Verwandte Skills