Communitygithub.com

Produkt-Erklärvideo

Verwandle jedes Softwareprojekt (GitHub-Repo, lokaler Ordner, Scraper, Automation, Bot, Website, CLI, API oder ein ganzes Portfolio) in ein sauberes, individuell gestaltetes animiertes Erklärvideo mit KI-Voiceover, Untertiteln und Musik. Analysiert den Code, um echte Fakten zu extrahieren, entwirft eine auf das Projekt zugeschnittene Animation (keine feste Vorlage), prüft das Layout, spricht es mit einer neuronalen Stimme und exportiert ein MP4 (Quer- oder Hochformat), SRT-Untertitel und einen einbettbaren HTML-Player.

Was ist Produkt-Erklärvideo?

Dieses Skill erstellt automatisch animierte Erklärvideos für Softwareprojekte, die auf dem tatsächlichen Code und den Fähigkeiten des Projekts basieren. Es unterstützt eine Vielzahl von Quellen, darunter GitHub-Repos, lokale Ordner, Live-Websites und sogar ganze Portfolios. Der Prozess beginnt mit der Analyse des Projekts, um Fakten zu sammeln (Sprachen, Befehle, CLI-Flags, Routen usw.), gefolgt von der Erstellung eines einzigartigen Storyboards mit einer visuellen Metapher, die zur Funktionsweise des Produkts passt. Das Skill validiert das Storyboard mit einer Kontaktbogen-Qualitätssicherung und rendert schließlich das Video mit KI-Sprachausgabe (ElevenLabs, OpenAI, Edge, Piper oder Offline-Optionen), Untertiteln, Musik und einem eingebetteten HTML-Player. Es eignet sich ideal, um Demo-Videos, Produktvorstellungen, Social-Media-Clips oder README-Videos zu erstellen, wobei der Schwerpunkt auf der visuellen Erklärung komplexer Software auf eine Weise liegt, die auch technisch nicht versierte Zuschauer schnell verstehen.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/cheransanketh070-afk/claude-explainer-skill/tree/HEAD/product-explainer-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Produkt-Erklärvideo?

Der Nutzer zeigt auf etwas, das er gebaut hat, und du lieferst ein poliertes animiertes Erklärvideo mit Sprachausgabe, das ein Fremder in unter einer Minute versteht. Das Video muss für dieses Projekt entworfen sein: seine eigene visuelle Metapher, seine eigenen maßgeschneiderten Animationen. Erstelle niemals ein generisches Vorlagenvideo mit ausgetauschten Namen.

analysieren (Fakten) → Design-Brief → storyboard.json (eingebaute + benutzerdefinierte Szenen) → validieren → Kontaktbogen-QA → beheben → rendern (+Sprache, +Musik) → ausliefern

Skripte befinden sich in scripts/ neben dieser Datei. $SK = der Ordner dieses Skills (in dem sich diese SKILL.md befindet).

0. Setup-Prüfung (10 Sekunden)

python3 -c "import playwright, PIL, numpy" && which ffmpeg && python3 $SK/scripts/voiceover.py --list

Fehlende Teile: pip install playwright pillow numpy edge-tts --break-system-packages && playwright install chromium. Kein ffmpeg → den Benutzer informieren (wird für MP4 benötigt; --html-only liefert trotzdem den HTML-Player). Die Sprachausgabe --list zeigt, welche Sprach-Engines derzeit funktionieren.

1. Verstehen, was erklärt werden soll

Zuerst ableiten, selten nachfragen: Thema (ein Produkt oder ein Portfolio), Zielgruppe/Zweck (Entwickler auf GitHub, Kunden, soziale Medien), Quelle (lokaler Pfad, hochgeladenes ZIP, GitHub-URL, Live-Site oder nur eine Beschreibung). Standardeinstellungen: 16:9, 45–75 s, Entwickler plus neugierige nicht-technische Zuschauer, Sprachausgabe an. Nur eine kurze Frage stellen, wenn es wirklich mehrdeutig ist (z. B. 15 Repos, kein Hinweis, welches). Ansonsten die Annahme in einer Zeile nennen und weitermachen. Den Benutzer nicht ausfragen.

2. Fakten sammeln (niemals überspringen: das hält das Video ehrlich)

python3 $SK/scripts/analyze_project.py /pfad/oder/git-url [mehr...] -o facts.json
python3 $SK/scripts/capture_site.py https://ihre-site.com -o site-capture     # Live-Sites: Screenshots + Seitenfakten

Der Analysator gibt Beschreibung, Sprachen, Fähigkeiten, echte README-Befehle, CLI-Flags, Routen, kontaktierte Domains, Ausgaben, Umgebungsvariablen, CI/Cron und ECHTE STATISTIKEN zur Anzeige aus. Lies es, lies dann die README und 1–3 wichtige Quelldateien selbst, wenn die Fakten dünn sind (Was ist die Kernschleife? Was führt ein Benutzer tatsächlich aus? Wie sieht die Ausgabe aus?). Klonen fehlgeschlagen oder Netzwerk aus → nach einem ZIP oder der README fragen. Site-Erfassung blockiert → nach Screenshots fragen oder eine Benutzeroberfläche mit benutzerdefinierten Szenen zeichnen.

3. Design-Brief, dann das Storyboard

Lies references/narrative-playbook.md (Bogen, Wahrheitsregeln), references/storyboard-schema.md (alle Szenentypen/Felder) und references/custom-scenes.md (wie man maßgeschneiderte Szenen schreibt). Referenz-Storyboards in assets/examples/ zeigen, wie es gut aussieht; sie sind Inspiration, keine Vorlagen: verwende deren Inhalt, Struktur oder Formulierung nicht wieder.

Entscheide zuerst (kurz aufschreiben):

  1. Das Ein-Satz-Versprechen.
  2. Was das Produkt physisch tut (Dinge, die sich zwischen Orten bewegen) und die einzelne visuelle Metapher, die es zeigt.
  3. Der "Aha"-Moment-Szene.
  4. Theme, Akzentfarbe (die Markenfarbe des Benutzers, falls bekannt), bg-Stil, Tempo: passend zur Persönlichkeit des Produkts.
  5. Welche 2–4 Szenen benutzerdefiniert sein werden (für dieses Produkt gezeichnet) und welche generischen Beats eingebaute Komponenten verwenden (Titel, Problem, Schritte, CTA...).

Dann schreibe storyboard.json:

  • Bogen: Haken → Problem → Funktionsweise → Beweis der Einfachheit → greifbares Ergebnis → Warum es gut ist → CTA; 7–10 Szenen, 45–75 s.
  • Qualitätsstandard: Mindestens eine Szene ist benutzerdefiniert, es sei denn, das Produkt ist wirklich ein einfaches CLI; die Aha-Szene ist immer benutzerdefiniert oder ein sorgfältig ausgewählter eingebauter Typ. Ein Bot zeigt ein Gespräch; ein Scraper zeigt eine Seite, die zu Zeilen wird; eine API zeigt eine Anfrage und Antwort; ein Dashboard zeigt Live-Zahlen.
  • narration in jeder Szene: gesprochener Stil, 15–35 Wörter. Es wird Sprachausgabe, Untertitel und SRT.
  • Nur die Wahrheit: Befehle, Flags, Funktionen, Routen und Zahlen stammen aus den Fakten oder vom Benutzer. Terminalausgabe und Tabellenzeilen können illustrativ, aber generisch sein; erfinde niemals Benchmarks, Kundenzahlen oder Fähigkeiten. Statistik-Szenen verwenden nur ECHTE STATISTIKEN/README/Benutzerzahlen.
  • Setze meta.url auf das Repo/die Site und beende mit einem klaren CTA.

4. Validieren, dann vor dem Rendern prüfen

python3 $SK/scripts/storyboard.py explainer/storyboard.json
python3 $SK/scripts/render_video.py explainer/storyboard.json --contact-sheet

Der Kontaktbogen (~20 s) führt das Layout-Audit durch (außerbühne, abgeschnitten, abgeschnittener, mit Untertiteln kollidierender Text und benutzerdefinierte Szenen-JS-Fehler) und schreibt explainer-output/contact-sheet.png. Sieh es dir an und prüfe: nichts beengt oder abgeschnitten, Text lesbar, Szenen sichtbar voneinander verschieden, benutzerdefinierte Szenen sehen beabsichtigt aus. Ein Kontaktbogen zeigt einen späten Frame pro Szene, also für jede benutzerdefinierte Szene auch einen frühen und einen mittleren Frame inspizieren: --still 3.2,6.5. Korrigieren und wiederholen, bis es sauber ist.

5. Mit Sprachausgabe rendern

cd explainer
setsid nohup python3 $SK/scripts/render_video.py storyboard.json --quality final --gif \
  > render.log 2>&1 < /dev/null &
sleep 100; tail -c 300 render.log

Weiter abfragen (sleep 100; tail -c 300 render.log), bis FERTIG erscheint. In Sandbox-Umgebungen (claude.ai) läuft die Hintergrundarbeit nur, während ein Tool-Aufruf aktiv ist, also treibt das schlafende Abfragen das Rendern voran; beende deinen Zug nicht, während es läuft. Voreinstellungen: draft (960×540, 15 fps), standard (1280×720, 30 fps, Standard), final (1920×1080, 30 fps). Mehr CPU-Kerne → schneller (--workers N). Hochformat: meta.aspect: "9:16" oder --vertical. Langsame Maschine: --fps 24.

Sprachausgabe ist automatisch (--voice auto, Standard). Der Renderer erzeugt eine Audiodatei pro Szene, dehnt Szenen, sodass die Erzählung nie abgeschnitten wird, senkt die Musik unter der Stimme ab und speichert Audio zwischen, sodass erneutes Rendern kostenlos ist. Engine-Priorität: ElevenLabs (ELEVENLABS_API_KEY) → OpenAI TTS (OPENAI_API_KEY) → Edge Neural Voices (pip install edge-tts, kostenlos, kein Schlüssel, benötigt Internet) → Piper (Offline Neural) → macOS say → espeak-ng. Optionen: --voice-name en-US-AndrewNeural (Stimmenname einer beliebigen Engine), --voice-rate +8% (Edge), --voice none für nur Musik, --voice-dir ordner/ zur Verwendung eigener scene-01.mp3…-Dateien des Benutzers, meta.voice zum Speichern der Wahl im Storyboard.

Wenn der Renderer WARNING voiceover: no speech engine available ausgibt, wurde das Video trotzdem gerendert (nur Musik) und voiceover.txt enthält das Skript. Sage es dem Benutzer klar mit der einzeiligen Lösung: Internet aktivieren und pip install edge-tts (kostenlos), oder einen API-Schlüssel setzen, oder espeak-ng installieren; dann denselben Befehl erneut ausführen (nur Stimme und Kodierung werden wiederholt; der Player und das Storyboard bleiben unverändert). In claude.ai hat die Sandbox normalerweise kein Internet, also erwarte dies: sage es, liefere das stille Musikvideo und das Skript und erkläre, dass sie die Stimme hinzufügen können, indem sie die Pipeline lokal in Claude Code oder mit einem API-Schlüssel ausführen. Gib niemals an, dass das Video Sprachausgabe hat, es sei denn, das Protokoll sagt voiceover: using '<engine>'.

Musik: generierte lizenzfreie Hintergrundmusik (--mood calm|upbeat|tech oder meta.music_mood); --music none oder --music file.mp3.

6. Ausliefern

Ausgaben in explainer-output/: <name>.mp4, <name>-poster.png, player.html (eigenständiger interaktiver Player; einbetten mit <iframe src="player.html?embed">; es hat Bewegung und Untertitel, aber kein Audio), captions.srt, voiceover.txt, storyboard.resolved.json, voice/, optional .gif.

Überprüfen: ffprobe -v error -show_entries stream=codec_type -of csv=p=0 <name>.mp4 zeigt einen Audiostream an; Dauer stimmt überein; Poster ansehen. Kopiere die Ergebnisse nach /mnt/user-data/outputs/ und present_files zuerst mit der MP4, dann Poster, Untertitel, player.html und storyboard.json (damit sie bearbeiten und erneut rendern können). Halte die Nachricht kurz: eine Zeile pro Szene, was angenommen wurde, welche Sprach-Engine verwendet wurde, wie man Anpassungen vornimmt. Biete Varianten nur an, wenn sie nützlich sind: einen 9:16 Social-Clip (~30 s), eine andere Stimme oder Markenfarbe, ein Video für ein anderes Repo.

Bearbeiten und erneut rendern

Bearbeite storyboard.json (Text, Reihenfolge, Farben, benutzerdefinierter Szenencode), führe den Kontaktbogen erneut aus und rendere dann. Änderungen an der Erzählung synthetisieren nur die geänderten Szenen neu. Setze die duration einer Szene, um sie zu verlängern; sie wird niemals unter das verkürzt, was Animation und Erzählung benötigen.

Portfolio / "Alle meine Tools"

Analysiere jedes Repo in einem Aufruf, wähle 3–4 Flaggschiffe aus, die die Bandbreite zeigen, gib jedem eine benutzerdefinierte oder am besten passende Szene mit eigener visueller Metapher, schließe mit einem features-Raster der restlichen und einem CTA zum Profil. Biete anschließend Deep-Dive-Videos pro Produkt an.

Fehlerbehebung

  • Playwright is not installed → Befehl aus Schritt 0.
  • Leere/schwarze Frames oder scene error-Zeilen → ein benutzerdefinierter Szenen-JS hat einen Fehler ausgelöst; das Audit gibt die Ausnahme aus. Korrigiere den Code.
  • Text abgeschnitten/verkürzt → kürzen, Elemente entfernen oder ein benutzerdefiniertes Layout erstellen.
  • Stimme klingt roboterhaft → das ist espeak; stattdessen Edge/OpenAI/ElevenLabs/Piper verwenden.
  • Stimme passt nicht zum Szenen-Timing → Timing ist automatisch (Szenen dehnen sich an das Audio an); wenn Untertitel zu früh erscheinen, die Erzählung kürzen.
  • Log bewegt sich nicht / Rendern abgebrochen → es wurde angehängt ausgeführt oder nichts hat es abgefragt; neu starten im getrennten Modus und abfragen.
  • Ausgabe zu lang → die schwächsten Szenen entfernen; der Validator warnt ab etwa 90 s.

Ehrliche Grenzen

Bewegungsgrafiken (Diagramme, Terminals, Code, UI-Mockups, maßgeschneiderte Animationen), keine Bildschirmaufnahmen oder fotorealistischen Aufnahmen. Für echte Benutzeroberflächen Screenshots übergeben oder die Oberfläche zeichnen. Die Sprachqualität hängt von der verfügbaren Engine ab.

Verwandte Skills