Communitygithub.com

documentary-maker

Erstelle ein kurzes animiertes 2D-Dokumentarvideo (30 s bis 3 min) aus einem einzigen Satz – mit Recherche und Quellen, einem Drehbuch, einer kostenlosen Offline-Stimme (Kokoro), Wort-Timings (Whisper), bewegungsgestalteten Szenen, bei denen jede Animation auf ein gesprochenes Wort fällt, computergenerierten Soundeffekten und Musik sowie einem 1080p MP4. Verwende es, wenn der Nutzer ein Dokumentar-, Erklärvideo zu einer wahren Geschichte, „Mach ein Video über <Ereignis>“ oder ein gesichtsloses Geschichts-/Wissenschafts-/Business-/Krimi-Video wünscht.

Was ist documentary-maker?

Der **documentary-maker** ist ein KI-Agenten-Skill, der aus einem einzigen Satz ein vollständiges, animiertes 2D-Dokumentarvideo produziert – von der Recherche über das Drehbuch bis zum finalen MP4. Er richtet sich an Entwickler, Content-Ersteller und Power-User, die mit Claude Code, Cursor oder ähnlichen KI-Entwicklungsumgebungen arbeiten. Der Skill vereint die Rollen eines gesamten Filmteams (Rechercheur, Autor, Sprecher, Editor, Animator, Sounddesigner) und läuft vollständig lokal auf dem Rechner des Benutzers – ohne zusätzliche Cloud-Kosten. Unterstützt werden die Plattformen Claude Code, Cursor und Codex.</br></br>Der Workflow besteht aus sechs Kapiteln: (1) Recherche und Erstellung einer `facts.md` mit Quellenangaben, (2) Drehbuch in `script.md` plus sprechbarem Text in `voice/script_voice.txt`, (3) Sprachausgabe mit Kokoro (`voice/voice.wav`), (4) Wort-Timings mit Whisper (`engine/data.js`), (5) Szenen in `engine/scenes.js` mit animierten Grafiken und (6) Sounddesign und Rendering zum finalen Video. Der Skill nutzt dabei ein Farbschema aus der Themenauswahl (z. B. midnight, ember, noir) und erzeugt alle Animationen, Soundeffekte und die Musik selbstständig. Eine Besonderheit: Jedes visuelle Element erscheint exakt auf dem gesprochenen Wort (Word-to-Animation-Sync), und die Videolänge wird über die Wortanzahl gesteuert (ca. 2,4 Wörter pro Sekunde).

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mehedi11234/claude-documentary-maker/tree/HEAD/documentary-maker

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht documentary-maker?

Du bist die gesamte Filmcrew: Researcher, Autor, Sprecher, Editor, Animator, Sounddesigner. Arbeite dich in der Reihenfolge durch die sechs Kapitel. Alles läuft auf dem Computer des Benutzers und kostet nichts außerhalb seines Claude-Plans.

Die Werkzeuge befinden sich in diesem Skill-Ordner (<skill> unten). Python-Werkzeuge werden mit der venv-Python-Umgebung des Skills ausgeführt: ~/.documentary-maker/venv/Scripts/python.exe unter Windows, ~/.documentary-maker/venv/bin/python auf anderen Systemen (<py>).

0. Einrichtung (einmalig)

Wenn ~/.documentary-maker/venv oder <skill>/engine/vendor/gsap.min.js fehlt, führe python <skill>/tools/setup.py aus (Python 3.10-3.12; unter Windows py -3.12 <skill>/tools/setup.py). Es wird Node, FFmpeg und Chrome oder Edge benötigt; falls eines fehlt, teile dem Benutzer mit, welches, und beende den Vorgang. Anschließend python <skill>/tools/new_doc.py <project> <theme> im Ordner des Benutzers.

Wähle das Thema basierend auf dem Stoff: midnight (Weltraum, Wissenschaft, Technik), ember (Geschichte, Business, Menschen), noir (Verbrechen, Betrug, Mysterien), forest (Natur, Klima, Gesundheit), crimson (Krieg, Katastrophen – ernster Ton). Eine Akzentfarbe übernimmt alle Hervorhebungen; die Warnfarbe ist nur für Gefahr, Geldverlust, Todesfälle, Misserfolge.

1. Recherche -> facts.md

  • Durchsuche das Web. Jede Zahl, jedes Datum, jeder Name und jedes Zitat im Drehbuch muss in facts.md mit einer Quellen-URL stehen. Bevorzuge offizielle Berichte, Gerichtsdokumente, die eigenen Seiten der Organisation und große Zeitungen gegenüber Blogs.
  • Wenn Quellen widersprüchlich sind (Geldbeträge, Todeszahlen), verwende die am häufigsten zitierte Zahl und schreibe im Drehbuch „etwa“ / „ungefähr“.
  • Erfinde niemals ein Zitat, einen Gedanken, ein Szenendetail oder eine Zahl. Wenn du es nicht belegen kannst, lasse es weg.

2. Drehbuch -> script.md + voice/script_voice.txt

Länge: etwa 2,4 gesprochene Wörter pro Sekunde (30 s ~ 75 Wörter, 60 s ~ 145, 3 min ~ 430).

  • Beginne mitten im Moment, nicht mit einer Zusammenfassung: ein Datum, ein Ort, eine Handlung („Juni 1996. Eine brandneue Rakete steht auf der Startrampe.“). Der Zuschauer muss es sehen.
  • Kurze Sätze. Eine Idee pro Satz: jeder Satz wird eine Animation.
  • Halte die größte Zahl für das Ende zurück und lasse jede Enthüllung die nächste Frage eröffnen („Die Ursache? Nicht die Triebwerke. Nicht das Wetter. Eine Zahl.“).
  • Beende mit einer kurzen Zeile, die den Anfang einlöst.
  • script.md = das Drehbuch mit einem Titel. voice/script_voice.txt = dieselben Wörter für die Stimme: Zahlen und Symbole ausgeschrieben („neunzehnhundertsechsundneunzig“, „vierundsechzig Bit“, „dreihundertsiebzig Millionen Dollar“), keine Überschriften, keine [Tags]; eine Leerzeile zwischen Absätzen = eine Pause (Absätze von 1–3 Sätzen).
  • Zeige dem Benutzer das Drehbuch und die wichtigsten Fakten und warte auf sein OK, bevor du die Stimme erstellst, es sei denn, er hat gesagt, nicht zu fragen.

3. Stimme -> voice/voice.wav

cd <project> && <py> voice.py --voice am_michael (andere Sprecher: am_onyx, am_fenrir, bm_george, bm_daniel, af_heart, bf_emma; --speed 0.95 für eine ruhigere Lesung). Kokoro läuft auf der CPU mit etwa der doppelten Echtzeit.

4. Wort-Timings -> engine/data.js

<py> words.py. Es gibt eine Wortprüfung aus; wenn ein Drehbuchwort fehlt oder falsch ist, bearbeite diesen Absatz (oft ein Name: schreibe ihn so, wie er klingt) und wiederhole Kapitel 3. Whisper schreibt Zahlen als Ziffern („1996“, „64-Bit“, „370 $“), daher zeigen Untertitel Ziffern; verankere Animationen an gewöhnlichen Wörtern.

5. Szenen -> engine/scenes.js

Lies zuerst <skill>/examples/ariane-501/scenes.js: Es ist ein vollständiger, funktionierender Dokumentarfilm. Schreibe deinen eigenen auf dieselbe Weise.

  • anchors() zuerst: Suche die Wortzeiten jedes Beats der Reihe nach mit WA('word', 'alternative') (Start) und WEnd(...) (Ende); schließe mit B.end = endAfterVoice(2.0); _wc = 0;. Dann ruft build() eine Funktion pro Beat auf.
  • Jedes Element trifft auf ein gesprochenes Wort. Nichts erscheint vor seinem Wort; der Bildschirm ist nie länger als etwa eine Sekunde leer.
  • Erzähle die Geschichte, schreibe sie nicht. Inline-SVG-Illustrationen in den Themenfarben (Rakete, Gebäude, Kartenform, Münze, Personensilhouette, Dokument) mit Kamerabewegungen (Skalieren/Verschieben einer Ebene), plus kinetische Schlagzeilen hd(), Karten card() + fly(), stamp() / warnStamp(), counter(), burst(), suspectCard(), quoteCard(), timeline(), dateTag(), typeText(). Siehe engine/lib.js und engine/doc.js für alle Hilfsfunktionen und ihre Optionen.
  • Halte Text kurz (Labels, Zahlen, 2–4-Wort-Überschriften). Untertitel zeigen bereits jedes Wort unten: halte den Inhalt oberhalb von y = 930. Setze window.KEYWORDS auf die Wörter, die Untertitel einfärben sollen.
  • Kennzeichne Zeichnungen, die mit echtem Filmmaterial oder Dokumenten verwechselt werden könnten: ein kleines „ILLUSTRATION“-Tag.
  • Bewegung nur im Sekundenbereich: kein Tween schneller als 0,25 s, nichts, was flackert.
  • Verwende nur Themenfarben (LIME = Akzent, LIME2, PAPER, MUTE, DIM, CARD1, CARD2, PINK = Warnung, acc(a), warnA(a), PAPA(a), MUTEA(a)); deterministische Zufälligkeit mit RND(i), niemals Math.random().
  • Fallstricke: Animieren mit GSAP über x/y, niemals eine CSS-Transformation auf ein Element setzen, das GSAP ebenfalls bewegt; eine Szene sc(t0, t1) muss jedes Kind abdecken, das sich noch bewegt; benenne eine Variable nicht wie eine Hilfsfunktion (rise, cl, card...).

Prüfe vor dem Rendern:

  1. python render.py check -> muss err: null und miss: [] anzeigen. (Bevor die Stimme existiert, kannst du Szenen mit Fake-Timings anordnen: python engine/fake_words.py.)
  2. python render.py stills <8-24 Zeiten> und betrachte jedes Standbild: Überlappungen, abgeschnittener Text, leere Bildschirme, Dinge, die vor ihrem Wort erscheinen, Farben außerhalb des Themas. Korrigiere und betrachte erneut.

6. Sound + Rendern -> final.mp4

python render.py cues        # Soundeffekt-Cue-Liste aus den Szenen
<py> audio.py                # computergenerierte SFX + originaler Musikbett unter der Stimme, -14 LUFS -> mix.wav
python render.py video 4     # 120 fps Aufnahme -> Bewegungsunschärfe -> 1080p30 final.mp4 (+ final_sheet.jpg)

Führe render.py video im Hintergrund oder mit einem 15-minütigen Timeout aus: Es dauert etwa 1,5 Minuten pro 10 s Video mit 4 Arbeitern (gemessen: 38 s Video in 6 min auf einem CPU-only-PC). Wenn ein Block fehlende Frames meldet, erneut mit weniger Arbeitern ausführen. Betrachte final_sheet.jpg. Informiere dann den Benutzer: die Datei, ihre Länge, die Quellen und alles, was du nicht überprüfen konntest. Erinnere sie daran, vor der Veröffentlichung facts.md zu lesen, und dass du das Audio nicht hören kannst: ihr Anhören ist die eigentliche Qualitätskontrolle.

Verwandte Skills