Communitygithub.com

freudianflips/breakout-launch-videos

Werkzeug-Handbuch für Launch-Filme: Sprachbesetzung, eine Zeile pro Take, passgenaue Zeilen, Stitching, erzwungene Ausrichtung, der Vintage-Erzähler, der lokale Klon und die freie Scratch-Stimme.

Was ist breakout-launch-videos?

Dieses Skill beschreibt die komplette Workflow-Pipeline zur Produktion des Voice-Overs für einen Launch-Film. Es beginnt mit der Sprachauswahl aus über 100 voreingestellten Stimmen (Standard: Higgsfield), inklusive eines kostenlosen Scratch-Voice-Ersatzes (macOS `say` / Linux `espeak-ng`) und eines lokalen KI-Klons (Chatterbox, MIT-Lizenz). Der Casting-Prozess generiert aus jeder Stimme eine Zeile, misst Tempo und Tonhöhe und erstellt ein Ranking. Anschließend werden die Zeilen skriptgenau aufgenommen, mit erzwungener Ausrichtung (forced alignment) pro Wort zeitgestempelt – entweder per `force_align.py` (mit PyTorch/Torchaudio) oder per Whisper-Fallback – und nahtlos zu einer Audiospur zusammengefügt. Die Sync-Regeln erzwingen, dass Schlüsselwörter innerhalb von 2 Frames mit dem Bild übereinstimmen, Atempausen an Szenenwechseln eingehalten werden und die letzte Zeile mindestens 1 Sekunde vor dem Logo endet. Zusätzlich bietet das Skript eine Vintage-Narrator-Funktion (Bandbegrenzung, Rauschen, Vinyl-Knistern) und eine umfassende Fehlerbehebung (Längenkorrektur, phonetische Umschreibung, Whisper-Fehlererkennung). Das System ist sowohl für die Film-Template-Struktur (`film.json`) als auch für freie Filmformate (`script-lines.json`) ausgelegt und übergibt die Wort-Zeitdaten an die nachgelagerten Skills `launch-motion` und `launch-sound`.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/freudianflips/breakout-launch-videos/tree/HEAD/skills/launch-voice

In Ihrer bevorzugten KI fragen

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

Dokumentation

Launch-Stimme

Werkzeug-Handbuch unter launch-film. Beginne bei skills/launch-film/SKILL.md: dort stehen der Kern, die Haken-plus-Körper-Vorlage und die Lektionen. Wo diese Seite abweicht, gewinnt launch-film.

In einem modernen Launch-Film führt die Stimme und das Bild illustriert sie Wort für Wort: Wenn die Stimme „markiert“ sagt, wird etwas markiert. Das funktioniert nur, wenn jedes Wort einen Zeitstempel hat.

Anbieter

  • Standard: Higgsfield auf deinem eigenen Konto. text2speech_v2 (Engines elevenlabs, minimax, seed_speech und andere pro Stimme) für die Besetzung aus etwa 100 voreingestellten Stimmen, ca. 0,3 Credits pro Zeile. Seed Audio für einen Erzähler, den du mit einem Prompt und Audio-Referenzen steuerst. scripts/hf_voice.py kapselt die CLI.
  • Kostenlose Scratch-Stimme: scripts/scratch_voice.py erstellt Platzhalter-Aufnahmen mit macOS say (oder espeak-ng auf Linux). Baue und takte den gesamten Film damit, kennzeichne jede Überprüfung als „Scratch-Stimme“ und tausche dann die echten Aufnahmen aus.
  • Kostenloser lokaler Klon: scripts/clone_local.py (Chatterbox, MIT) klont deinen genehmigten Erzähler aus 8 bis 10 Sekunden seiner Zeilen. Ein Platzhalter, kein Meisterwerk. Klone nur eine Stimme, für die du die Rechte hast.
  • Überprüfe Stimmen innerhalb eines vollständigen Films, niemals als lose Clips. Führe eine Liste abgelehnter Stimmen, damit sie nie wieder vorgeschlagen werden.

Besetzung

  1. python3 skills/launch-voice/scripts/hf_voice.py cast "<die erste Zeile des Films>" film/vo/audition spricht die Zeile mit jeder voreingestellten Stimme (ca. 34 Credits für etwa 110 Stimmen), überprüft jeden Take mit Whisper und misst Tempo und Tonhöhenbewegung. ranking.md listet zuerst genaue Takes auf, die nächsten etwa 2,5 Wörter pro Sekunde und etwa 2 Halbtöne Bewegung (konversationell, nicht angekündigt). --only Name,Name besetzt wenige neu.
  2. Nimm die Top 6 oder so über Geschlechter hinweg in das vollständige Skript (hf_voice.py lines) und passe sie dann an (unten). Eine Stimme, die mehr als 12 % Beschleunigung benötigt, um zu passen, ist zu langsam für das Skript: verwerfe sie oder kürze Wörter.
  3. Baue einen vollständigen Film pro verbleibender Stimme und lass den Eigentümer wählen. ElevenLabs variierte in Tests am wenigsten in Tempo und Tonhöhe, daher ist es die Standard-Engine.

Länge und Tempo

  • Ziel: 2,2 bis 2,7 gesprochene Wörter pro Sekunde. Ein starker Referenz-Launch lief mit 2,4 (151 Wörter in 63 s).
  • Ein 20 s Film trägt etwa 45 Wörter; 30 s etwa 70; 60 s etwa 140. Kürze Wörter, bevor du die Stimme beschleunigst.
  • Eine Zeile pro Storyboard-Bild, 6 bis 20 Wörter, so formuliert, dass das Schlüsselwort oder -verb auf einen Takt fällt.

Ablauf für die Filmvorlage

  1. Das Skript lebt in film/film.json in lines. Nimm 1 Datei pro Zeile in film/vo/body/line-<id>.wav auf: echte Takes mit hf_voice.py lines (schreibe die Zeilen als {"lines": [{"line": "02", "text": "..."}]}) oder Scratch-Takes mit python3 skills/launch-voice/scripts/scratch_voice.py film/film.json (füge --hook film/hooks/<name> hinzu, um auch eine Hook-Zeile zu vertonen).
  2. Führe python3 skills/launch-voice/scripts/prep_lines.py film/film.json aus (--align force, um auf erzwungener Ausrichtung zu bestehen; mit installiertem uv wird torch beim ersten Lauf geholt, ca. 2 GB). Es schreibt film/vo/body/lines.json mit der Dauer jeder Zeile und den Wortzeiten: erzwungene Ausrichtung, wenn torch verfügbar ist, sonst whisper.cpp, sonst eine gleichmäßige Schätzung, die als estimate gekennzeichnet ist.
  3. film/build.py platziert die Zeilen auf der Film-Zeitleiste, und jeder Bild-Cue folgt seinem Wort. Ein neuer Take ist 1 Vorbereitungslauf plus ein Neubau.

Ablauf für einen freien Film

  1. vo/script-lines.json ({"lines": [{"line": "01", "text": "..."}]}), dann eine Datei pro Zeile: hf_voice.py lines vo/script-lines.json vo/takes/<voice> --voice <Name>. Text, Stimme, Engine und Job-IDs landen in lines.json.
  2. Anpassung: python3 skills/launch-voice/scripts/fit_lines.py vo/placement.plan.json vo/takes/<voice> vo/versions/<voice>. Der Plan gibt jeder Zeile ihren frühesten Start, ihre Atemlücke und, wo ein Frame enden muss, end_by. Pausen über 0,25 s innerhalb einer Zeile schrumpfen auf 0,22 s; eine Reihe von Zeilen, die immer noch überläuft, wird als eine beschleunigt, begrenzt auf 12 %. Dann Stitching: python3 skills/launch-voice/scripts/stitch.py vo/versions/<voice>/placement.json vo/versions/<voice> vo/versions/<voice>/vo.wav.
  3. Wortzeiten pro Zeile. Verwende für alles, worauf ein Bild landen muss, die erzwungene Ausrichtung: uv run -q --with torch --with torchaudio --with soundfile python skills/launch-voice/scripts/force_align.py line.wav "die exakten Wörter". Für eine schnelle Auslese führt align_lines.py whisper.cpp zeilenweise aus. Anker lösen in Sprechreihenfolge auf (jeder der erste Treffer nach dem vorherigen), sodass jede Stimme den Film neu taktet. Ein einzelner Whisper-Durchlauf über den gesamten Film driftet in der Nähe von Zeilenenden ab; zeilenweise Durchläufe tun das nicht.
  4. Übergib die Wortzeiten an launch-motion (verankere jeden Build an seinem Wort) und launch-sound (Ereignisse folgen Wörtern).

Vintage-Erzähler

Für einen Archiv- oder Dokumentationsauftakt: python3 skills/launch-voice/scripts/vintage.py IN.wav OUT.wav --crackle crackle.wav bandbegrenzt auf 150 Hz bis 5,8 kHz, fügt Bandsättigung, einen langsamen Wow und ein echtes Vinyl-Knistern hinzu (generiere 1 mit Seed Audio). Seed Audio kann auch eine Zeile direkt mit einer Vintage-Erzählerstimme sprechen („ein warmer, tiefer 1960er Dokumentar-Erzähler auf einer alten Vinylplatte ... genau diese Wörter: ...“); es liest langsam und kann umformulieren („muss“ wurde zu „müssen“), also überprüfe mit Whisper.

Sync-Regeln

  • Ein Schlüsselwort landet mit seinem Bild innerhalb von 2 Frames. Beginne Builds auf dem ersten Frame des Wortes; wenn du ein Bild seinem Wort vorausgehen lässt, halte es unter 4 Frames und tue es überall.
  • Lass die Stimme bei Szenenwechseln atmen: 0,25 bis 0,5 s zwischen den Zeilen.
  • Die letzte Zeile endet mindestens 1 s vor dem Logo; das Logo bekommt seine eigene annähernde Stille (launch-mix Drop-out).

Wenn der Sprachanbieter nicht verfügbar ist

Baue gegen die Scratch-Stimme, kennzeichne jede Überprüfung als Scratch, und halte das Bild an den ausgerichteten Wörtern verankert, sodass das Austauschen der echten Stimme 1 Vorbereitungslauf plus ein Rendern ist. Wechsle niemals den Sprachanbieter oder die Konten ohne die Zustimmung des Eigentümers.

Fehlerbehebungen

  • Eine Zeile läuft um weniger als 5 % über: ffmpeg -af atempo=1.04. Mehr als das: schreibe die Zeile neu.
  • Ein Wort wird falsch ausgesprochen: schreibe es phonetisch im say-Feld der Zeile um (für hf_voice.py), niemals im Skript.
  • Whisper hört ein leises Ende falsch: verwende erzwungene Ausrichtung oder verkürze das Anker-Präfix; nimm nicht neu auf.
  • Ziffern: schreibe sie im Text aus, den du ausrichtest („vierundzwanzig“, nicht „24“).
  • Das Whisper-Basismodell hört Produktnamen falsch. Überprüfe die letzten Wörter mit dem kleinen Modell oder einem größeren (WHISPER_MODEL).

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

freudianflips/breakout-launch-videos

Build the brand kit a launch film uses from a website. Runs tools/brand-from-url.mjs on the reader's site to extract branding (colours, fonts, logo, name, tagline, copy, product images), then reviews the preview sheet with the reader and fixes any wrong role by hand. Use for "brand from website", "brand kit", "extract branding", "get our colours and fonts", "use our logo", or before the first launch film for a new brand.

freudianflips/breakout-launch-videos

Make or change a product launch film in your own brand. A film is a hook (the story before the cut) on a shared body (the name punching in, hero words cut on the voice, your product at close range, the logo lockup in near silence), built in HyperFrames from brand/brand.json and film/film.json. Holds the core, the template workflow (build, render and mix 1 hook or all of them), the generation recipes, the checks and the lessons. Use for "launch video", "launch film", "product video", "promo", "reveal", "announcement video", "new hook", "change the body", "render all launch videos".

freudianflips/breakout-launch-videos

Tool manual under launch-film (mixdown.py for buses, ducking, loudness and the brickwall). Mix and master the audio of a launch film. Music, SFX and voice-over on separate buses, the bed ducked by the voice's real envelope with a presence carve, the music dropped out for the logo, glue compression, a true-peak-safe limiter, -14 LUFS and -1 dBTP, then laid onto the rendered picture. Use after the score, the sound effects and the voice exist, for "mix", "master", "loudness", "LUFS", "ducking", "mux the audio".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the motion language for launch films built in HyperFrames). Ease tokens, camera doctrine, continuity at every cut, type and cursor craft, and brand-neutral signature moves (logo build, world pass, branch and pulse, waterfall fill, identity morph, macro pull-back, rise) that replace HyperFrames' stock look. Says which HyperFrames blueprints and transitions to keep, transform or avoid. Use whenever a launch film's picture is designed or animated, for "animation", "motion design", "transitions", "camera move", "make it feel like Apple", "less template".

freudianflips/breakout-launch-videos

Tool manual under launch-film (measuring a render and studying a reference film). Review a rendered launch film like a demanding creative director, then drive the v1 to v2 loop. Measures rhythm, static runs, cuts against the beat grid, loudness, true peak and voice pace with a script, then applies an eye checklist for continuity at every cut, legibility, brand, real UI, claims and differentiation. Writes a gap list and a scorecard; nothing ships on numbers alone. Use on every render, and on a reference film to learn from it, for "review the video", "check the film", "what is wrong with this cut", "study this reference".

freudianflips/breakout-launch-videos

Tool manual under launch-film (music fitted to the edit with Higgsfield Sonilo, ACE-Step locally, or the free scratch bed). Score a launch film with music whose sections are the film's acts. Each take is measured for tempo and section energy, stretched onto the film's BPM and offset so its drop lands on the cut. Use after the storyboard's beat sheet exists, for "music", "score", "soundtrack", "background track", "the drop", "beat grid".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the sound palette, the event map, the cue sheet and generated sound kits). Design the sound effects of a launch film. Builds an event map from the storyboard, the voice-over word timings and the rendered timeline, voices every event from 1 consistent palette (the free synthesised, key-locked forge, or real glass, felt, wood, marimba, clicks and air generated on Higgsfield and pitched into the film's key), and renders 1 SFX stem in a shared acoustic space. Use once picture timing and the score are fixed, for "sound effects", "SFX", "sound design", "UI sounds", "sonic logo".

freudianflips/breakout-launch-videos

Tool manual under launch-film (the brief, the story spine, the script, the beat sheet and reference studies). Turn a launch brief into a launch film's story in your own brand, with the one message, the narrative spine, the voice-over script at the right length, a beat sheet on the music's bar grid and a STORYBOARD.md where every shot names its continuity in and out, its signature move and its sound. Includes the reference study and the logo-swap differentiation test. Use first, before voice, score or motion, for "launch video script", "storyboard", "brief", "what should the launch film say", "study this reference video".

freudianflips/breakout-launch-videos

Tool manual under launch-film (backgrounds, plates, Blender glass and 3D shots, shader layers). Build the world a launch film lives in, in your own brand, with generated background plates (cost-gated), Blender for real 3D glass objects and camera moves rendered as alpha layers, WebGL shader layers for atmosphere, and the layer order, depth of field and grade that keep UI legible over living backgrounds. Use when a storyboard needs backgrounds, 3D or atmosphere, for "background", "plate", "3D object", "glass", "Blender", "shader", "atmosphere"; motion of the UI itself is launch-motion.

Verwandte Skills