Bomx/super-video-maker-skill

Super Video Maker

Was diese Fähigkeit tut

Verwandelt eine Videoidee, ein Drehbuch, einen Produktablauf, eine Bildschirmaufnahme, eine Avatar-Briefing oder ein bestehendes Langform-Video in polierte Video-Assets. Die Fähigkeit kann Folgendes produzieren:

• Avatar-Erklärvideos (avatar-explainer): beweisgestützte Avatar-Videos mit einem synthetischen Moderator, Bildschirmaufnahmen/Quellbelegen, UI-Mikrogeschichten, Untertiteln und Handlungsaufforderungen,
• UGC-KI-Anzeigen (ugc-ai-ad): bezahlte Social-Media-Anzeigen mit einem fiktiven KI-Ersteller, Charakterkonsistenz über Referenzbilder, Seedance 2.5 Clips, ElevenLabs-Stimmkonsistenz, Hook-Varianten, Untertiteln und Direct-Response-CTAs,
• Motion-Collage-Erklärvideos (motion-collage-explainer): gesichtslose Erklär-Shorts zu einer Idee, aufgebaut aus einem kräftigen Siebdruck-Ausschnitt-Collage-Standbild (gpt-image-2), das mit Seedance 2.5 zu einer lebendigen Collage animiert wird, erzählt mit einer ruhigen „In a Nutshell“-Dokumentarstimme (siehe MOTION_COLLAGE_STYLE.md),
• Avatar-Videos mit HeyGen,
• KI-B-Roll mit Seedance 2.5 über fal.ai,
• generierte oder bearbeitete Bilder mit OpenAI-Bildmodellen,
• Bildschirmaufnahmen mit Cursor/Ereignisprotokollen,
• Bewegungsgrafiken in Remotion oder HyperFrames,
• Untertitel, Bildunterschriften, Musik und finale FFmpeg-Exporte.

Lesen Sie diese Dateien bei Bedarf

• VIDEO_COPY_PLAYBOOK.md für die Kopierschicht JEDES Rezepts: das vierteilige Rückgrat (ein Zuschauer, ein Versprechen, ein Mechanismus, ein nächster Schritt), die Zweispur-Regel (Stimme trägt das Argument, Bildschirm trägt den Beweis, keins wiederholt das andere), On-Screen-Kopierhandwerk (kinetische Überschriften, Daten-Badges, Geistertitel, Endkarten-Angebote, der typografische Schlag), formatabhängige Bögen, Glaubwürdigkeitsregeln und das Kopier-Gate, das vor dem ersten kostenpflichtigen Generierungsaufruf ausgeführt werden muss. Lesen Sie es, BEVOR Sie ein Drehbuch, einen Hook, eine Überschrift oder einen CTA schreiben, und lesen Sie zuerst seinen Abschnitt 11: eine transkribierte Referenz-VO im eigentümergenehmigten SCHLICHTEN REGISTER (null Redewendungen in 70 Sekunden) plus eine Vorher/Nachher-Tabelle von Kopien, die der Eigentümer als „zu poetisch, zu konzeptionell, KI-Schrott“ abgelehnt hat. Der Zeigetest lebt dort: Wenn der Zuschauer nicht auf das Nomen zeigen kann, das Sie gerade gesagt haben, schreiben Sie es um. Kombiniert mit dem copywriting-skill-Skill, das die allgemeinen Stimmen- und Rhythmusregeln besitzt.
• SPOKEN_VO_HUMANIZER.md für wie eine gesprochene Zeile KLINGEN sollte (12 Regeln für Kurzform-Drehbücher + die Liste der verbotenen gesprochenen KI-Erkennungsmerkmale).
• HOOK_PLAYBOOK_ARTICLE_SPRINT.md für Hook-Familien, die Regel „Winkel vor Kopie“ und Loop-Accounting.
• recipes/README.md und tools/video_recipes.py für maschinenlesbare Video-Rezepte (auflisten, abgleichen, planen, validieren).
• REFERENCE.md für Anbieterfähigkeiten und Routing-Entscheidungen.
• FFMPEG_PLAYBOOK.md für exakte FFmpeg-Rezepte.
• WORKFLOW_EXAMPLES.md für vollständige Produktionsbeispiele.
• REMOTION_VIDEO_GUIDE.md für Remotion-Bewegungsdesign-Regeln.
• TABLETOP_EXPLAINER_PLAYBOOK.md + workflows/tabletop-levels-explainer/ für den Aufbau gestaffelter „Ebenen-von-X“-Erklärvideos (fiktiver Moderator + Erst-/Letztbild-Handwerks-B-Roll + taktgebundene Schaltmontage).
• LIVING_CANVAS_PLAYBOOK.md + workflows/living-canvas-explainer/ für Boutique-Qualitäts-Einzel-Canvas-SaaS-Launch/Erklärvideos: Element-für-Element-Timing auf einer durchgehenden Leinwand (0–3 harte Schnitte), VO-Wort-gebundene Kamerachoreografie über persistente UI-Karten, Kausalphysik + Layout-Neufluss + Transformationsketten, Story-Cold-Open mit emotionaler VO und Comedy-Timing, Drei-Band-Musik und einem taktgebundenen SFX-Bus. Lesen Sie es VOR jeder Anfrage „mach es wie ein Top-Bewegungsstudio“ — jede Dauer, jeder Zoomfaktor und jede Federkonstante ist spezifiziert.
• HYPERREALISTIC_IMAGE_SOP.md für das 12-teilige Framework, das ein Referenzbild in einen fotorealistischen, nicht-KI-aussehenden UGC-Ersteller-Prompt verwandelt. Lesen Sie es, bevor Sie ein Creator-Standbild oder eine hyperrealistische Figur generieren.
• MOTION_COLLAGE_STYLE.md für das motion-collage-explainer-Rezept: wie man ein kräftiges Siebdruck-Ausschnitt-Collage-Standbild mit gpt-image-2 erstellt, es mit Seedance 2.5 zu einer lebendigen Collage animiert und mit einer ruhigen „In a Nutshell“-Dokumentar-Erklärstimme erzählt. Lesen Sie es, bevor Sie eine gesichtslose Collagen-/Redewendungs-/Konzept-Erklär-Shorts erstellen.
• REVIEW_VIDEO_PLAYBOOK.md + commands/review-video.md für das review-conquest-compilation-Rezept (/review-video): eine gesichtslose VO-Montage ECHTER, verifizierter Konkurrenzbewertungen, die auf das Keyword „ Bewertungen“ abzielt, die wiederkehrenden Beschwerden benennt, das eigene Unternehmen des Benutzers als Alternative positioniert und dann die eigene Testimonial-Sammlung des Benutzers anhängt. Lesen Sie es, bevor Sie ein Konkurrenzbewertungs-/Vergleichs-/Eroberungsvideo erstellen. Das Unternehmen am Ende ist eine Variable — niemals ein bestimmtes Unternehmen fest codieren.

Betriebsregeln

1. Führen Sie eine gestaffelte Pipeline aus, keine zufälligen Tool-Aufrufe. Verwenden Sie: Aufnahme -> Skript/Schussliste -> Assets -> Montage -> FFmpeg-Finishing -> Qualitätskontrolle -> Exporte. 1a. Kopie ist ein Produktions-Gate, keine Garnitur. Vor dem ersten TTS-Aufruf, Clip-Generierung oder Timeline-Erstellung schreiben Sie das vierteilige Rückgrat aus VIDEO_COPY_PLAYBOOK.md (ein Zuschauer, ein Versprechen, ein Mechanismus, ein nächster Schritt), wählen Sie den Winkel und führen Sie seine Kopier-Checkliste aus. Stimme und Bildschirm dürfen niemals denselben Satz tragen: Stummschalten des Videos und die Geschichte sollte immer noch nachvollziehbar sein; Leeren des Bildschirms und das Argument sollte immer noch ankommen. Diese Reihenfolge ist nicht stilistisch. In VO-gebundenen Formaten IST das Drehbuch die Timeline, daher sperrt eine Drehbuchänderung nach dem Build jede Bildnummer neu.
2. Bestätigen Sie kostenpflichtige Generierung vor dem ersten kostenpflichtigen Aufruf. Zeigen Sie geplante Anbieter, Anzahl der Clips/Bilder, Dauer, Auflösung und wahrscheinliche Kostenfaktoren an.
3. Bevorzugen Sie Skill-lokale Tools. Verwenden Sie Dateien in tools/, bevor Sie zu Projektstamm-Skripten greifen.
4. Jedes Tool sollte RESULT: {...} ausgeben. Parsen Sie dieses JSON als Quelle der Wahrheit.
5. Behalten Sie den Job-Status. Legen Sie jede Ausführung in tmp/video_jobs/<job_id>/ mit job_state.json, Eingaben, Zwischenergebnissen und finalen Exporten ab.
6. Löschen Sie keine Zwischen-Assets, bis die Qualitätskontrolle bestanden ist. Fehlgeschlagene Video-Jobs sind einfacher zu beheben, wenn die Rohclips noch existieren.
7. Committen Sie niemals Geheimnisse oder Benutzersitzungen. Veröffentlichen Sie keine .env, Cookies, generierten Aufnahmen, privaten Avatare oder heruntergeladenen Benutzervideos.
8. Machen Sie Fehler benutzerfreundlich. Verbergen Sie rohe Stack-Traces vor Endbenutzern, speichern Sie aber detaillierte Protokolle zum Debuggen.
9. Standardmäßig geschichtenorientierte Videos. Erstellen Sie keine einfachen Nachrichten-Diashows. Verwenden Sie: Hook -> transparenter Avatar-Intro -> Nachrichten-Beat -> konkrete Geschichte/Beispiel -> Quellbeweis -> Handlungsschritt. 9a. Verwenden Sie avatar-explainer als Standard-Rezeptnamen für das Format, das HeyGen-Avatar-Erzählung, Bildschirmaufnahmen/Quellbelege, UI-Mikrogeschichten, B-Roll, Untertitel und Handlungsaufforderungen kombiniert.
10. Offenlegung synthetischer Moderatoren über die eigene Stimme des Avatars. Backen Sie den Satz „Kurzer Hinweis, dies ist der digitale Avatar von “ direkt nach dem Hook in das Drehbuch. Hängen Sie KEINE statische Haftungsausschlusskarte voran. Wenn die Offenlegung im Audio fehlt, fallen Sie zurück auf ein kleines transparentes abgerundetes Pillen-PNG-Abzeichen in der oberen linken Ecke während der ersten ~4 Sekunden (Pillow gerendert: dunkles Marineblau-Füllung #0A1228 bei 96% Alpha, 2px Marken-Orange #FF6B2C Umriss, 16px Akzentpunkt, weiße serifenlose Schrift „Digitaler Avatar von “, 22px Eckenradius, 50px von jeder Kante). Verwenden Sie niemals eine schwere drawbox untere Drittel im unteren Band – es kollidiert mit zentrierten Untertiteln. Fügen Sie immer eine permanente Fußzeile auf der Outro-Karte hinzu: „Digitaler Avatar von . “.
11. HeyGen-Avatar und -Stimme bewusst abgleichen. Avatar und Stimme sind separate IDs. Wenn keine Stimme explizit angegeben ist, versuchen Sie zuerst, den Stimmnamen mit dem ausgewählten Avatarnamen abzugleichen, bevor Sie zurückfallen.
12. Bildschirmaufnahmen sollten wie eine Untersuchung aussehen, nicht wie scrollende Tapete. Der Browser-Nachweis sollte zeigen, wie der Agent die Behauptung überprüft: Öffnen der Quelle, Springen zur Überschrift, Hervorheben des genauen Ausdrucks, Verwenden von „Auf Seite suchen“ für den Feature-Namen, Scrollen zum relevanten Absatz, Wechseln zu bestätigenden Tabs und Vergrößern des Beweises. Vermeiden Sie statische Seiten, zufälliges Herumirren, wiederholte Heldenausschnitte, Anzeigen, CAPTCHAs, Cookie-Modale und langsames Scrollen, das keine neuen Informationen preisgibt.
13. Verwenden Sie B-Roll als visuelle Erklärung, nicht als Dekoration. Fragen Sie bei jedem Satz: „Welche Oberfläche ändert sich aufgrund dieser Idee?“ Gleichen Sie Nomen nicht mit generischen Bildern ab („Gründer“ -> Person am Laptop). Zeigen Sie die Umgebung, in der die Änderung stattfindet: ein Google-Dokument, Kalender, SERP, Analyse-Dashboard, Slack-Thread, CMS-Editor, Browser-Tab oder Produkt-UI mit Vorher/Nachher/Handlungszuständen. Vermeiden Sie es, einen bestehenden YouTube-Kanal-Stil zu kopieren; verwenden Sie originelle moderne redaktionelle Bewegung, UI-Mikrogeschichten, Quellbelege und saubere Annotationen.
14. Taktgebundene visuelle Synchronisation mit der Erzählung. Transkribieren Sie immer das Avatar-Audio per Whisper (Wort-für-Wort-Zeitstempel) und heften Sie jede Bildschirmänderung, jeden B-Roll-Schnitt, jede Untertitel und jedes untere Drittel an die tatsächlichen Sekunden, in denen die Wörter erscheinen. Legen Sie niemals Visuals über angenommenes Timing.
15. Erkennung von HeyGen-Drehbuch-Duplikaten. Einige HeyGen-Renderings wiederholen unerwartet das Drehbuch. Vergleichen Sie nach dem Herunterladen die Whisper-Segmente und kürzen Sie das Master-Video auf den ersten eindeutigen Durchlauf, bevor Sie es zusammensetzen.
16. Erstellen Sie eine visuelle Hierarchie mit nicht kollidierenden Zonen und einem rahmenlosen PiP. Avatar im Vollbild für den Hook-Beat. Avatar im Bild-im-Bild für jeden anderen Beat: rahmenlos, 24px abgerundete Ecken, weicher Schlagschatten — niemals ein farbiger harter Rahmen. Implementierung: Pillow rendert pip_mask.png (abgerundetes Rechteck-Alpha-Maske) und pip_shadow.png (unscharfe dunkle Form) einmal pro Job; FFmpeg verwendet chromakey -> scale -> alphamerge, um die Ecken des Avatars abzurunden, und setzt dann den Schatten bei Versatz +4, +16 darunter. Standardgröße 492x276 auf einem 1920x1080 Master. PiP-Ecke passt sich der Untertitelausrichtung an: Wenn Untertitel unten zentriert sind (Standard), setzen Sie das PiP in die obere rechte Ecke bei x=W-pip_w-50, y=50. Platzieren Sie das PiP niemals im selben Band wie die Untertitel und blenden Sie das PiP während des Outro-CTA-Schwanzes vollständig aus, damit die Zusammenfassungskarte den Rahmen besitzt. Überspringen Sie die statische Titelcard; öffnen Sie direkt mit dem Avatar im Vollbild. Behalten Sie eine Outro-Zusammenfassungskarte am Ende mit den Handlungsschritten und einem permanenten Offenlegungs-Fußzeile.
17. Brennen Sie Karaoke-Untertitel zentriert unten ein. Fette Großbuchstaben Arial Black ~64px, 2-3 Wortgruppen, wobei das aktive Wort in Gelb hervorgehoben ist, weißer Schlagschatten + 5px Umriss. ASS-Stil: Alignment=2 (unten zentriert), gleiches MarginL=MarginR=80, MarginV=90. Generieren Sie aus dem Whisper-Wort-JSON mit angewendetem Master-Versatz. Standardmäßig NICHT unten links — linksbündige Untertitel sehen amateurhaft aus und kollidieren mit Offenlegungs-Overlays.
18. Normalisieren Sie die Master-Audio-Lautstärke auf I=-16:TP=-1.5:LRA=11, damit der Upload sendesicher für YouTube, LinkedIn, X und Podcasts ist.
19. Standardmäßig fal.ai für Seedance 2.5 verwenden. tools/fal_seedance_video.py zielt auf 2.5 ab, es sei denn, Sie übergeben --seedance-version 2.0 oder setzen SEEDANCE_VERSION=2.0. 2.5 ist auf diesem Konto berechtigt und funktioniert nachweislich (2026-08-09), behandeln Sie daher einen 2.5-Clip als normales Ergebnis, nicht als erhofftes. Drei stehende Regeln: (i) fal_client muss im Interpreter installiert sein, der die Tools ausführt (python3 -m pip install fal-client), sonst stirbt jeder Seedance-Aufruf an ModuleNotFoundError, bevor er fal erreicht; (ii) entfernen Sie niemals den Platzhalter-Schutz des Tools, da fal eine nicht berechtigte 2.5-Anfrage mit HTTP 200 und seinem Dosen-Beispiel-Clip anstelle eines Fehlers beantwortet, und der automatische 2.0-Fallback ist das Einzige, das Stock-Footage aus einem fertigen Video fernhält; (iii) überprüfen Sie immer fell_back in der RESULT-Nutzlast, bevor Sie behaupten, ein Clip stamme von 2.5 — true bedeutet jetzt, dass der Zugriff abgelaufen ist, und es ist besser, dies zu melden, als es zu übersehen. 2.5 ist die teurere Version (~$0.4730/s bei 720p vs. $0.3024/s bei 2.0 Standard und $0.2419/s bei 2.0 Fast), geben Sie es also für Aufnahmen aus, die das Video tragen, und verwenden Sie --fast für Füllungs-Beats. --fast und --mini binden einen Aufruf an 2.0, die einzige Version mit destillierten Stufen. Wenn fal Seedance gedrosselt oder ohne Guthaben ist, fallen Sie in dieser Reihenfolge zurück: (a) Replicate Seedance nur, wenn REPLICATE_API_TOKEN konfiguriert ist und fal nicht verfügbar ist; (b) echte Quell-Screenshots, UI-Mockups, Stock-Footage oder typografische Karten, die den Beat direkt erklären; (c) OpenAI gpt-image-2 Standbilder bei quality=high, nativem 16:9 (2048x1152) + FFmpeg Ken Burns mit Scale-to-Fill/Crop; (d) local_explainer_broll.py nur, wenn es eine tatsächliche UI-/Ereignis-/Zustandsänderung rendern kann. Fallen Sie niemals auf abstrakte dunkle kosmische, leuchtende, schwebende oder symbolische „KI“-Bildsprache zurück.
20. Stellen Sie lange HeyGen-Jobs durch video_id wieder her, anstatt sie neu zu generieren. Wenn die lokale Polling-Zeitüberschreitung auftritt, fragen Sie den vorhandenen HeyGen-Job ab und laden Sie ihn herunter, wenn er fertig ist, um doppelte Kosten zu vermeiden.
21. Schleifen Sie niemals B-Roll innerhalb eines langen Beats. Wenn ein Whisper-synchronisierter Beat länger ist als der Clip, entweder (a) generieren Sie eine ergänzende B-Roll für die zweite Hälfte, (b) halten Sie das letzte Bild mit tpad=stop_mode=clone:stop_duration=N für Überläufe von bis zu ~2 Sekunden, oder (c) unterbrechen Sie mit einem Ken Burns Standbild. Ein sichtbarer Loopschnappschuss ist desorientierender als ein kurzes gehaltenes Bild.
22. Wählen Sie B-Roll nach Beat-Zweck, nicht nach Prompt-Kreativität. Bevorzugen Sie immer echte vor generierten Inhalten. B-Roll wird dadurch bestimmt, was die Erzählung in diesem Moment tut, nicht dadurch, was „cool zu generieren“ ist. Verwenden Sie dieses Routing:
    • Nachrichten-Beat („hier ist, was sich geändert hat“): echter Screenshot der Ankündigung (offizieller Blog, Produktseite, Release-Post) → Ken Burns. Schlägt jedes generierte Rendering.
    • Quellbeweis: agentenbetriebenes Browser-Filmmaterial oder ein echter Screenshot der Beweis-Seite. Ersetzen Sie dies niemals durch generiertes B-Roll.
    • Geschichte/Beispiel („ein Gründer, der X tut“): echtes Stock-Footage einer echten Person, die die Sache tut (Pexels/Pixabay) > redaktionelles Foto + Ken Burns > generiert nur als letztes Mittel.
    • Konzept/Metapher: bevorzugen Sie eine typografische „Pull-Quote“-Karte oder ein einzelnes echtes Objektfoto gegenüber einem abstrakten symbolischen Rendering.
    • Aggregat/Momentum („alle reden darüber“): Screenshot von Techmeme/Trends/HN mit Ken Burns oder ein Foto von Zeitungsschlagzeilen auf einem Schreibtisch, kein „Datenkonstellations“-Rendering.
    • Handlungsschritt: echter UI-Screenshot mit...