zhangtaoran2010/baocut-subtitles-intel

Erklärungs-Mischschnitt

Der Erklärungs-Mischschnitt ist eine Form, kein Genre: Während der Sprechertext läuft, gibt es ständig echtes, sich bewegendes Material im Hintergrund (Interviews, Pressekonferenzen, Bildschirmaufnahmen, Nachrichtenbilder, Fotos). Die Aussagen der Beteiligten werden von ihnen selbst gesprochen, und Tweets, Zitate, Daten und Zahlen werden als Overlay auf das Bild gelegt. Eine Nachricht, ein Gerücht, die Geschichte eines Produkts, die Geschichte einer Person, ein Trendüberblick – all das kann so umgesetzt werden; auch in einem Erklärvideo oder einem Talking-Head-Schnitt kann ein solcher Abschnitt eingefügt werden.

Ob ein solches Video gut ankommt, hängt fast nur von einer Sache ab: ob die Zuschauer etwas zu sehen haben. Eine Karte, die 10–20 Sekunden auf dem Bildschirm steht, während der Sprechertext läuft, ist eine Diashow. Wenn dasselbe Voice-Over jedoch mit dem Gesicht der betroffenen Person, dem Ort des Geschehens oder einem ein- und ausblendenden Tweet unterlegt ist, wird daraus ein Film. Dieser Skill gibt Urteilsvermögen, Techniken und Werkzeuge an die Hand, keine starre Prozessvorlage; die folgende Reihenfolge ist logisch aufgebaut – Schritte, die nicht zur aktuellen Folge passen, können ausgetauscht werden.

1. Erkennen, ob diese Folge dieser Form entspricht, und Abstimmung mit dem Benutzer (Abschnitte 1, 2).
2. Lesen der Vorlage, Auflisten der Personen, Ereignisse und Fragen (Abschnitt 3).
3. Materialsuche und Skripterstellung parallel, sie speisen sich gegenseitig (Abschnitt 4, Details in references/sourcing.md).
4. Bild: Unter jedem Beat läuft etwas (Abschnitt 5).
5. Skript, Struktur, Originalton und Ton (Abschnitt 6, optionale Techniken in references/structure.md).
6. Zusammenbau in BaoCut (Abschnitt 7, Details in references/assembly.md).
7. Einmal durchmessen, einmal ansehen, ausliefern (Abschnitt 8).

1. Ist es diese Form?

• Eine schnelle Einschätzung: Schreibe die drei wichtigsten Voice-Over-Sätze dieser Folge auf und frage dich, welches Bild zu jedem Satz passt. Ist die Antwort „das Gesicht der Person, die diesen Satz sagt“, „der Ort des Geschehens an jenem Tag“, „dieser Tweet“ oder „die Vorführung dieses Produkts“, handelt es sich um diese Form. Ist die Antwort „ein animiertes Modell“ oder „ein Bild, das mit dem Voice-Over mitwächst“, ist es ein Erklärvideo (explainer-video). Ist die Antwort „der Benutzer selbst, der in die Kamera spricht“, ist es ein Talking-Head-Schnitt (talking-head-cut).
• Sagt der Benutzer „Mach ein Video über diese Nachricht / diese Sache / diesen Tratsch“, „Mach ein Video aus diesem Artikel“, „Wie ist X entstanden“, „Such etwas Material zusammen und schneid es“, „Dokumentation“, „Zusammenfassung“, dann ist standardmäßig diese Form gemeint. Bei Unsicherheit nenne dem Benutzer vor der Skriptvorlage die getroffene Wahl und die Begründung.
• Verwendung eines Abschnitts in einem anderen fertigen Video: Wenn in einem Erklärvideo eine echte Pressekonferenz gezeigt wird, wenn in einem Talking-Head-Schnitt ein Originalton einer beteiligten Person eingefügt werden soll, oder wenn ein Kurzvideo in den ersten drei Sekunden Aufmerksamkeit erregen soll – das sind alles Abschnitte in dieser Form. Wenn nur dieser eine Abschnitt erstellt wird, folge den Abschnitten 4, 5 und 7; das gesamte Video muss nicht in diese Form umgewandelt werden.

2. Zuerst mit dem Benutzer abstimmen

Frage, was fehlt; Frage nicht erneut, was bereits geklärt wurde:

• Was ist die Vorlage (Link, Datei, ein paar Sätze)? Sprache des fertigen Videos? Querformat oder Hochformat?
• Dauer: Wenn keine Einschränkung, richtet sie sich nach der Informationsmenge. Eine Nachricht oder ein Tratsch: 2–5 Minuten; die Entstehungsgeschichte eines Produkts oder einer Person: 8–20 Minuten. Berechne sie anhand der Wortanzahl des Voice-Overs und der tatsächlichen Sprechgeschwindigkeit (narration, Abschnitt 1); runde nicht auf eine glatte Zahl.
• Woher kommt das Material? Aus der Videobibliothek des Benutzers, aus dem Internet, aus Dateien des Benutzers. Wenn alle drei möglich sind, suche überall. Videos aus dem Internet müssen vor dem Download vom Benutzer genehmigt werden (Abschnitt 4).
• Vom Benutzer genannte Stilvorlieben und -verbote („straff und spannend“, „keine Diashow“, „keine Hintergrundmusik“) notieren und während des gesamten Prozesses beachten.

3. Vorlage lesen, Listen erstellen

Lies die gesamte Vorlage durch und erstelle drei Tabellen im Arbeitsverzeichnis:

• Personentabelle: Jede namentlich genannte Person, ihre Rolle, ihre Schlüsselmomente in der Geschichte, die in der Vorlage zitierten Originalaussagen (in der Originalsprache belassen, um sie in Transkripten leichter zu finden).
• Ereignistabelle: Chronologisch. Datum jedes Ereignisses, Orte mit potenziellem Bildmaterial (offizielle Kanäle, Pressekonferenzen, Nachrichten, Bildschirmaufnahmen).
• Fragen: Eine Kernfrage, die das gesamte Video beantwortet, und kleinere Fragen, die jeder Abschnitt beantwortet. Abschnitte ohne Frage wiederholen meist nur das Material.
• Überprüfe Fakten, Daten, Zitate einzellnach anhand der Quellen. Markiere Unsicherheiten im Skript. Generierte Bilder und Nachstellungen dienen nur zur Veranschaulichung und müssen gekennzeichnet werden. Erstelle unter keinen Umständen die Stimme oder das Bild einer echten Person durch Synthese.

4. Materialsuche und Skripterstellung parallel

Beide Aufgaben füttern sich gegenseitig: Findest du den Originalsatz einer beteiligten Person, wird dieser Beat zu einem Originalton-Segment. Findest du für ein Ereignis überhaupt kein Bildmaterial, schreibe diesen Beat um oder wähle eine andere Erzählweise. Die genaue Vorgehensweise steht in references/sourcing.md. Kernpunkte:

• Drei Quellen in dieser Reihenfolge: Videobibliothek des Benutzers (sinngemäße Suche über mehrere Videos hinweg; was da ist, wird nicht im Internet gesucht); Internet (Materialsammlung und Download über BaoCut; Videos müssen transkribiert werden, um Originaltöne zu schneiden); vom Benutzer bereitgestellte Dateien und Screenshots.
• Die Lizenz von Internetvideos ist meist unklar: Liste dem Benutzer vor dem Download die zu verwendenden Videos (Titel, Kanal, Link) zur Entscheidung vor. Notiere für jedes verwendete Material die Quelle; füge der Auslieferung eine Quellenliste bei. X (Twitter) nur lesen: Suche, Durchsicht, Lesen; kein Liken, Retweeten oder Posten.
• Bestimme Start und Ende von Originalton-Material anhand der Transkription auf 0,1 Sekunden genau; überprüfe dann am Bild, ob die sprechende Person im Bild ist.
• Bei viel Material: Delegiere die Suche nach Personen und Ereignissen an Sub-Agenten. Ergebnisse in Dateien schreiben, nicht in Antworten.

5. Bild: Unter jedem Beat läuft etwas

Dieser Abschnitt ist der wichtigste des gesamten Skills.

• Die Diashow hat nur eine Ursache: Eine Karte (Titel, Zitat, Aufzählung, Vergleichstabelle) steht mehrere oder über zehn Sekunden auf dem Bildschirm, ohne dass sich im Bild etwas bewegt. Ein bewegter Hintergrund, Effekte oder Partikel helfen nicht; echtes Material im Hintergrund ist die einzige Rettung.
• Der Hintergrund ist ständig in Bewegung: Unter jedem Beat des Voice-Overs liegt echtes Videomaterial, ein Bildschirmmitschnitt oder ein Foto (Fotos langsam zoomen oder schwenken, 3–6 Sekunden pro Richtung). Keine einfarbigen Hintergründe. Für ein paar Sekunden ohne Bildmaterial: als bewusste Leerstelle gestalten (schwarzer Bildschirm mit ein paar Zeilen „Denken“-Text, blinkender Cursor), nicht durch eine Karte ersetzen.
• Karten liegen auf dem Bild, ersetzen es nicht: Daten, untere Einblendungen (Name, Funktion), Zitate, Tweets, Zahlen, Begriffe, Kapitelüberschriften sind Overlays. Das darunterliegende Bild wird etwas abgedunkelt und läuft weiter. Eine Karte transportiert eine Information, bleibt lange genug sichtbar, um sie zweimal zu lesen (auf Chinesisch ca. 5–6 Zeichen pro Sekunde), und verschwindet dann. Karten bedecken in der Regel 20–30 % des Bildschirms; ist es mehr als die Hälfte, handelt es sich meist um eine Diashow.
• Gestalte Karten wie das, was sie darstellen: Ein Tweet wird wie ein Tweet gestaltet (Profilbild, Name, Datum, Original und Übersetzung), ein Zitat wie ein Zitat (wer hat es gesagt, bei welcher Gelegenheit), ein Terminal wie ein Terminal (blinkender Cursor, tippender Text), ein Chat wie ein Chat. Gestalte sie nicht alle im gleichen „Titel + Text“-Rahmen. Die Gestaltung folgt motion-graphics.
• Schnitte alle 3–6 Sekunden, auf dem Wort: Der Schnitt erfolgt genau in dem Moment, in dem das Voice-Over den Namen oder das Ereignis nennt (mithilfe der durch das Voice-Over-Alignment erhaltenen Wortzeit). Wenn ein Segment länger als 10–15 Sekunden ungeschnitten läuft, muss entweder darin gesprochen werden (Originalton) oder die Perspektive wechseln (z. B. Zoom).
• Material nicht wiederholen: Dasselbe Material höchstens zweimal zeigen; beim zweiten Mal mit einer neuen Bedeutung („nach der Besprechung noch einmal ansehen“). Erkennt das Publikum wiederholtes Material, wirkt das Video, als hätte man nicht genug Material.
• Echtes Material erzählt wahre Geschichten: Generierte Bilder und animierte Nachstellungen dienen nur zur Veranschaulichung und müssen gekennzeichnet werden. Abdunkeln, Entfärben und Zeitlupe sind übliche Techniken, um Stimmung auszudrücken, verändern aber nicht die ursprüngliche Bedeutung. Quellen in der Ecke einblenden, am Ende eine Liste aufführen.
• Für nicht filmbare Dinge: Verwende ein oder zwei Bildschirmaufnahmen mit Code-Animationen (Prozesse, Größenordnungen, Zeitlinien, Vergleiche von Dingen). Auch diese sind transparente Overlays, füllen nicht den gesamten Bildschirm und übernehmen nicht den gesamten Abschnitt.
• Beim ersten Auftritt einer Person: eine untere Einblendung (Name, Funktion). Beim ersten Auftritt eines Ereignisses: das Datum. Zu einem Zeitpunkt nur eine Informationskarte. Während Originalton keine anderen Karten überlagern.

6. Skript, Struktur, Originalton und Ton

• Skript: Ein Beat pro Satz. Schreibe unter jeden Satz in einer neuen Zeile, was in diesem Beat zu sehen sein soll (Bildabsicht) und wo der Originalton platziert ist. So weißt du schon vor der Vertonung, was unter jedem Beat liegt. Beginne die Absichtszeile mit @; sie wird beim Vertonen übersprungen. Sprechgeschwindigkeit, Wortanzahl, Stimmfarbe und Neubesetzung folgen narration.
• Originalton: Die Betroffenen selbst sprechen lassen. Die entscheidendsten und emotionalsten Aussagen (der entscheidende Satz, ein Eingeständnis, eine Vorhersage) werden nicht nacherzählt. Das Voice-Over führt ein, der Originalton schließt an, das Voice-Over greift das Gesagte auf und erzählt weiter, ohne den Inhalt des Originaltons zu wiederholen. Jedes Segment 5–20 Sekunden, mit zweisprachigen Untertiteln und unterer Einblendung.
• Struktur je nach Thema wählen: Bei einer Kurzmeldung reicht ein direkter Einstieg. Bei einer Geschichte erst: kalter Einstieg, Vorschau, Kapitel-Haken, „Denken“-Übergänge, Zeitanker. Diese Techniken und die Schreibweise des Skripts stehen in references/structure.md und sind optional, keine festen Schritte.
• Ton: Leise, dünne Musik im Hintergrund, die mit den Kapiteln an- und abschwillt; während Originalton leiser stellen. Schnitte und Karteneinblendungen mit leichten Soundeffekten markieren; dasselbe Set für das ganze Video. Die Stimme des Voice-Overs ist ruhig, mit einer leichten Spannung, die Klangfarbe bleibt im gesamten Video gleich.

7. Zusammenbau in BaoCut

Details in references/assembly.md. Kernpunkte:

• Spuren von unten nach oben: Echtes Material (einschließlich Fotos und Bildschirmmitschnitte) liegt als Basis auf der untersten visuellen Spur. Darüber: Karten als transparentes Code-Paket. Darüber: Wasserzeichen. Eine Tonspur für das Voice-Over. Originalton folgt den echten Videoclips (nutze das eingebettete Audio des Clips). Das Voice-Over hat an diesen Stellen Pause. Eine Spur für Musik.
• Das Voice-Over wird zuerst aufgenommen und ausgerichtet, um die Wortzeiten zu erhalten. Das Bildmaterial wird dann entsprechend dieser Wortzeiten geschnitten. Wenn ein Abschnitt geändert wird, nimm nur diesen Abschnitt neu auf und baue ihn neu zusammen.
• Auch ohne Kommandozeilenumgebung möglich: Alles über die Werkzeuge (Download, Transkription, Import, edits_apply, Code-Paket-Import, Untertitelebene, Export). Mit Kommandozeilenumgebung: Dieselben Aufgaben über die BaoCut-CLI, erstelle eigene Pipelines. Dieser Skill gibt keine bestimmte Pipeline-Form vor.

8. Einmal durchmessen, einmal ansehen, ausliefern

• Zeitleiste durchmessen (mit skills_read die Skripte in production-scripts lesen, insbesondere coverage.mjs): Wie viel Bildschirmfläche nehmen echtes Material, Code-Bildschirme und Leerräume ein? Anzahl der Schnitte und mediane Schnittlänge? Längster Abschnitt ohne echtes Material? Wiederverwendung von Material? Segmente mit Originalton? Ein fertiges Video dieser Form hat normalerweise 80–90 % echtes Material, 20–30 % Karten, eine mediane Schnittlänge von 3–6 Sekunden und keine Abschnitte über 20 Sekunden ohne echtes Material. Weicht es stark ab, wurden wahrscheinlich Karten als Hintergrund verwendet; gehe zurück zu Abschnitt 5 und ergänze Bildmaterial. Dies meldet nur Zahlen, bewertet nicht richtig oder falsch.
• Stumm ansehen: Kann das Bild die Geschichte allein erzählen? Nur anhören, ohne hinzusehen: Sind die Übergänge zwischen Originalton und Voice-Over glatt? Unterdrückt die Musik die menschliche Stimme?
• Überprüfen: Stimmen Datum, Zahlen und Zitate auf jeder Karte mit dem Skript überein? Sind die Untertitel jedes Originalton-Segments die wörtliche Rede?
• Auslieferung: Fertiges Video (oder Link zur Ansicht), Dauer und Kapitel, Quellenliste für jedes Originalton-Segment und jedes Material (Quelle, Link, Veröffentlicher, Ein- und Ausstiegspunkte, Namensnennung), welche Teile nachgestellt sind, bekannte Probleme. Wenn ein Ankündigungstext benötigt wird, folge titles-and-description.

Referenzdateien

Datei	Wann lesen?
references/sourcing.md	Vor der Materialsammlung, Festlegung von Originalton-Anfangs- und Endpunkten, Quellenangabe
references/structure.md	Vor dem Skriptschreiben; bei Verwendung von kaltem Einstieg, Vorschau, Kapitel-Haken etc.
references/assembly.md	Vor dem Anordnen der Spuren, Einfügen von Originalton, Erstellen von Karten und Untertiteln in BaoCut

Skripte

Dieser Skill wird nicht mit eigenen Skripten ausgeliefert. Mit einer Kommandozeilenumgebung und der Aufnahme von Voice-Over in Segmenten: Verwende skills_read, um die fertigen Skripte aus production-scripts zu lesen (für Vertonung, Ausrichtung, Timeline-Erstellung, Schnitt von echtem Material, Messung des Materialanteils). Dies ist ein zeitsparender Weg; passt die Form nicht, verwende gemäß Abschnitt 7 die Werkzeuge von BaoCut, um es selbst zu arrangieren.