Motion Inspo: Referenzen finden, zerlegen, messen

Was macht Motion Inspo: Referenzen finden, zerlegen, messen?

Gute Motion Graphics entstehen nicht aus Beschreibungen, sondern aus konkreten Vorbildern. Dieser Skill findet Referenzfilme, lädt sie zum Studieren, zerlegt sie in Einzelbilder und misst sie. Mit denselben Messungen prüfst du später deinen eigenen Render.

Rechte: Referenzclips gehören ihren Urhebern. Nur lokal studieren, nie neu hochladen, nie ins Repo (refs/clips/ gehört in .gitignore). Übernommen wird Grammatik (Tempo, Übergänge, Kamera), nie Inhalt.

Alle Skripte liegen in scripts/ dieses Skills. Sie schreiben in refs/ im aktuellen Arbeitsordner (oder in $MOTION_REFS_ROOT). Voraussetzungen: python3, ffmpeg, uv (für Skripte mit Abhängigkeiten).

Quellen

1. references/referenzfilme.md: 50 bewertete Referenzfilme nach Stil (Clean SaaS, Premium-Produkt, Kinetische Typo, 3D-Objekt, Erklärfilm, Editorial/Collage, Cinematic Dark), inklusive Anti-Referenzen.
2. whatships.com (~2.500 Launchvideos von X) und flowjam.com/library (55 kuratierte Launchfilme), über refs.py search.
3. Weitere Seiten und Datensätze: RESOURCES.md im Repo-Hauptordner.

Befehle

python3 scripts/refs.py search product launch 3d keyboard --n 15   # whatships + flowjam durchsuchen
python3 scripts/refs.py get <x.com-status | whatships | youtube | vimeo-url> --name <slug>   # nach refs/clips/
python3 scripts/refs.py study <slug> --every 0.5                    # Einzelbilder, Bogen, Schnitte, Tempo -> refs/study/<slug>/
python3 scripts/sheet.py <video.mp4> <out-prefix> --every 0.25      # Kontaktbogen mit Zeitstempeln (4 Bilder/s)
uv run scripts/ref_metrics.py <ref.mp4> --no-ocr                    # Ziel-Referenz messen
uv run scripts/ref_metrics.py render.mp4 --ref <ref.mp4> --out check/metrics   # eigener Render gegen Referenz
uv run scripts/motion_check.py render.mp4 [--script sprechtext.txt]           # Folien-/Slop-Muster finden
uv run scripts/beats.py track.mp3 --fps 30 --out beats.json         # Beat-Raster aus der Musik

Suchbegriffe englisch und nach Bewegung statt Branche: „camera dives into ui“, „kinetic type scale jump“, „object becomes logo“, „paper collage top down“.

Was die Messungen bedeuten

ref_metrics.py misst: Schnitte und neue Ansichten je 10 s, Einstellungslängen, Anteil „Kamera steht“, Bildänderung je Bild, leere Strecken, Textanteil, Helligkeit/Kontrast/Sättigung und den Einstieg (erste 2 s). Daraus werden Ziele: Dichte ≥ 80 % der Referenz, „Kamera steht“ ≤ Referenz + 15 Punkte, Einstieg bewegt sich ≥ 80 % der Referenz.

Wichtigste Lehre aus den Messungen: Gefühlte Dichte („jede Sekunde ein neues Bild“) kommt meist aus schnellen Kamerafahrten und Materialwechseln, nicht aus vielen Schnitten. Ein gemessener 3D-Produktfilm hatte nur 4,3 Schnitte je 10 s, aber die Kamera stand nur 14 % der Zeit.

motion_check.py findet bekannte Slop-Formen: Überschrift oben links + Bild darunter (Folie), Sätze, die stillstehen, Text, der den Sprechtext wiederholt (Echo), eingefrorene Zeit, zu lange Einstellungen, Textwände, Kachelraster. Bestanden heißt nur „keine bekannte Slop-Form“. Ob es gut ist, entscheidet der Blick auf die Bilder. Schwellen je Stil: motion-director/references/rules.md. Die Text-Prüfungen nutzen macOS-OCR (ocrmac); auf anderen Systemen laufen nur die Bild- und Zeitprüfungen.

Zerlegen (je Referenz ≤ 10 Zeilen)

Ablauf und Vorlage: motion-director/references/inspiration.md. Kurz: Bogen mit 4 Bildern/s ansehen, je Einstellung Zeit, Einstellungsgröße, Kamera, was passiert, Material/Licht, Übergang. Dann „Nehmen wir“ / „Nehmen wir nicht“.