Anzeigen-Rebranding

Was macht Anzeigen-Rebranding?

Wandeln Sie eine Charge bestehender Anzeigen in die neue Marke um: Jede gesprochene Erwähnung wird in der geklonten Stimme des Originalsprechers neu eingesprochen, jeder Untertitel wird im eigenen Schriftstil des Videos neu gesetzt, jedes eingeblendete Logo/Etikett/Schild wird überschrieben oder sauber entfernt – der Rest jeder Anzeige bleibt unberührt (gleiche Bilder, Timing, Musik).

Parallelisieren Sie mit Unteragenten (Agent-Tool, run_in_background: true, eine Nachricht startet alle unabhängigen Agenten). Prompt-Vorlagen: references/agent-prompts.md. Lesen Sie references/lessons.md vor dem Start – dort ist festgehalten, was beim letzten Mal schiefgegangen ist.

Zunächst festzulegende Eingaben

• Alte Namen (Produkt und Marke) und der neue Name – und wie Whisper die alten möglicherweise falsch versteht (z. B. "physio rest", "artivate").
• Die Dateien (Videos, Bilder). Arbeiten Sie in einem Projektordner, den der Benutzer behalten kann (z. B. ~/Downloads/ Video-Edits); bearbeiten Sie niemals die Originale.

Arbeitsablauf

1. Einrichtung. scripts/setup_jobs.sh PROJEKT START_N video1 video2 … → job-NN/{assets/source.mp4,analysis,project,renders}. Bilder nach PROJEKT/images/source/ kopieren. Umgebung: ffmpeg/whisper-cli über Homebrew, Python-Venv ~/.cache/video-studio-venv (numpy, opencv-contrib, pillow, soundfile, demucs, torch; pyworld für gesungene Wörter), Whisper-Modell ~/.cache/whisper/ggml-small.en.bin. Falls fehlend, installieren (Homebrew benötigt das Benutzerpasswort in einem Terminal-Tab).

2. Sichtung (parallel, ein Agent pro Video). Vorlage §1. Jeder schreibt analysis/triage.json|md mit verfeinerten Sprachsegmenten, Sprechern + sauberen Klon-Referenzbereichen, jedem visuellen/Vorkommen mit Bildbereichen und Besonderheiten. Überprüfen Sie Bilder selbst (vergrößern Sie Etiketten/Schilder in voller Auflösung) – viele benötigen nichts.

3. Konsolidieren und einmal fragen (AskUserQuestion):

   • Stimmrechte: Jede eindeutige Stimme auflisten, die geklont werden muss (Videos gruppieren, die sich eine Erzählung teilen – Hüllkurven der Gesangs-Spuren vergleichen; Median-F0 vergleichen, um Sprecher zu unterscheiden). Das Klonen erfordert Ihr explizites Ja pro Stimme.
   • Alles, was nicht die alte Marke ist, aber wie ein Problem aussieht: Marken anderer Hersteller auf dem Produkt, Einzelhandels-/Werbekontexte (Ladenpersonal, Ladenlogos), widersprüchliche Aussagen, Redundanz durch die Umbenennung. Wasserzeichen Dritter: markieren, niemals entfernen.
   • Gesungene Erwähnungen: erklären, dass sie neu gestimmt werden müssen und ein menschliches Gehör benötigen.

4. Visuelles Team sofort starten (Vorlage §2) – es hängt nicht von den Stimmen ab. Gruppieren Sie Videos, die den gleichen Schnitt haben, in einen Agenten. Bild-Agent: Vorlage §5.

5. Stimmen. Klon-Referenzen aus der Gesangsspur jedes Jobs exportieren (25–35 s, ohne Markennamen) nach PROJEKT/voice_refs/. Bevorzugt die Fish-API (examples/voice-splice/fish_tts_api.py, Schlüssel in ~/.config/video-studio/.env) verwenden, falls Guthaben vorhanden; andernfalls private Klone in der Fish-Web-App im Chrome des Benutzers erstellen – references/fish-audio-web.md. Die Zeilen jeder Stimme in einem Skript generieren, beide Aufnahmen, gespeichert in voice_refs/takes/.

6. Audio-Team (parallel, ein Agent pro Stimme/Job-Gruppe). Vorlage §3 für Sprache, §4 für gesungene Wörter. Ausgabe: analysis/stems/vocals_nookwave.wav pro Job, durch Transkription verifiziert.

7. Jeden Job zusammenbauen, sobald Bild und Stimme bereit sind: scripts/mux_final.py JOB AUSGABE_NAME.mp4 (neugebrandetes Bild + neue Gesangsspur + originale Musikspur). Wenn ein visueller Agent unfertige Arbeit abgibt, project/rebrand_job.py selbst ausführen.

8. Jedes Finale selbst QC-prüfen – die Berichte der Agenten sind Behauptungen, kein Beweis: scripts/check_final.py source.mp4 final.mp4 --old "physio|fisio|artuvate|artivate" --new "nook" --frames <ein Frame pro korrigiertem Element> → Frame-Anzahl-Vergleich, saubere Dekodierung, Lautstärke im Vergleich zur Quelle, null gesprochene alte Namen, und ein Quell-Final-Blatt, das Sie ansehen müssen. Bei Verdacht auf Unstimmigkeiten 5-Sekunden-Fenster um jede Erwähnung punktuell transkribieren (Volltext-Whisper fasst Sätze zusammen). Bei gesungenen Zeilen ist zu erwarten, dass Whisper auch beim Original Schwierigkeiten hat.

9. Liefern. Finale Versionen im Projektstamm mit beschreibenden Namen, auf Wunsch ein Zip (zip -0, Videos sind bereits komprimiert), und eine Zusammenfassung: was sich pro Datei geändert hat, was ein menschliches Ohr benötigt (gesungene Wörter, Pausenlängen nach einem kürzeren Namen), bekannte unvollkommene Bilder und die markierten Nicht-Marken-Probleme.

Optional: Engagement Cuts

Bei Anfragen zu "mehr Engagement" zusätzlich zum Rebranding enthält examples/engagement-edit/ den Plan-Builder (satzweise Beibehaltungsliste, an leise Stellen ausgerichtet, Callouts, Punch-Ins) und Renderer (Zoom-Wechsel bei Schnitten, Marken-Callouts, Fortschrittsbalken, synthetisierte Soundeffekte, Untertitel-Korrekturen an Schnitten, Loudnorm −14 LUFS). Wiederverwenden, nicht neu schreiben.

Mitgelieferte Dateien

• scripts/setup_jobs.sh, scripts/mux_final.py, scripts/check_final.py – generisch.
• examples/ – funktionierender, jobspezifischer Code aus dem ersten Durchlauf (Pfade und Framenummern sind fest codiert; anpassen, nicht blind ausführen):
  • caption-and-tag-library/ – Untertitel-Neuziehung, rotierende Lederetiketten, gebogene Platten, Radiergummi für Taschen, Multi-Skalen-Tracking (rebrand_job01.py); Glyphen-Schnitt-Untertitel, eingravierte/geprägte Etiketten, verfolgter Taschen-Neudruck (caption_lib.py, text_lib.py, track_lib.py, rebrand_job05.py).
  • web-and-sign-library/ – Eigene-Glyphen-Untertitel (captions.py), Gebäudeschild-Platte, Web-Kopie-Reset, Etikettenprägung, handgetastete taumelnde Tasche (rbk.py, rebrand_job02.py), Laptop-Bildschirm-Seite (rebrand_job06_laptop.py), Bewertungsseiten-Scroll, Endkarten-Logo, Entfernung von Drittanbieter-Prägungen (rebrand_job07.py), QC-Blätter (visual_qc.py).
  • voice-splice/ – Wortersetzung mit gemessenen Spannen und Take-Übersteuerung; Fish-API-Client.
  • sung-word/ – WORLD-basiertes Neusingen auf die Originalmelodie.
  • still-image/ – Homographie-Textersetzung auf Verpackungen.