Communitygithub.com

assafkip/claude-video-editor

Erstelle Videos aus Standbildern, wenn es nichts zu schneiden gibt – zuerst die Erzählung (ElevenLabs v3 mit Audio-Tags), dann Standbild-Keyframes aus JEDER Quelle (KI-Bildtools, Screenshots, Fotos, HyperFrames-gerendertes HTML), die deterministisch mit dem animate-stills-Rezept (HyperFrames-Kamerabewegungen + GSAP-Atmosphäre) animiert werden. Verwende dies, wenn der Nutzer ein Erklärvideo, einen dokumentarischen Clip oder ein Video aus generierten oder gesammelten Bildern statt aufgenommenem Filmmaterial wünscht.

Was ist claude-video-editor?

Diese Claude-Code-Fertigkeit (assafkip/claude-video-editor) erstellt Videos aus noch nicht vorhandenem Filmmaterial: Eine Erzählung plus Standbild-Keyframes, zusammengestellt und animiert von HyperFrames, mit deterministischem Rendering. Der Workflow beginnt mit der Erzeugung der Erzählung über ElevenLabs v3 (mit Audio-Tags für Ausdruckskraft), gefolgt von der Transkription, um die Szene-Fenster an Satzgrenzen zu verankern. Dann werden Standbild-Keyframes aus beliebigen Quellen gesammelt – KI-Bildtools, Screenshots, Fotos oder per HyperFrames gerenderte HTML-Frames – und mit dem animate-stills-Rezept animiert, das Kamerabewegungen und GSAP-Atmosphäreffekte wie Nebel, Regen oder Vignetten anwendet. Die Fertigkeit stellt sicher, dass Bewegungen deterministisch sind, kostengünstig und offline funktionieren, und enthält Qualitätssicherungsskripte zur Überprüfung der Bewegung und Audio-Pegel. Sie ist ideal für Erklärvideos, dokumentarische Clips oder jedes Video, das auf generierten oder gesammelten Bildern basiert, erfordert Node >= 22 und die HyperFrames CLI.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/assafkip/claude-video-editor/tree/HEAD/skills/generate-footage

In Ihrer bevorzugten KI fragen

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

Dokumentation

generate-footage

Der andere Einstiegspunkt des Plugins. video-use bearbeitet vorhandenes Filmmaterial. Diese Fertigkeit erstellt Videos aus noch nicht vorhandenem Filmmaterial: Erzählung plus Standbild-Keyframes, zusammengestellt und animiert von HyperFrames, deterministisch gerendert.

Pipeline (in der Produktion bewährt; siehe docs/rca/ für die Begründung, warum der Bewegungsschritt deterministisch ist):

Drehbuch (mit v3-Audio-Tags)
  → eleven_v3 Erzählung            (scripts/tts_v3.py)
  → transkribieren                 (npx hyperframes transcribe narration.mp3)
  → Szene-Fenster an Satzgrenzen verankern (Wort-für-Wort-Zeitstempel)
  → STANDBILDER VON ÜBERALL        (ein Keyframe pro Szene – siehe unten)
  → animate-stills Komposition     (recipes/04-animate-stills.md, build_scenes.py)
  → lint → rendern → Bewegungs- + Audio-QS (scripts/motion_check.py, Kontaktbogen)

Reihenfolge zählt: Stimme ZUERST, Bilder danach

Generiere und transkribiere die Erzählung BEVOR du eine Komposition erstellst oder Keyframes sammelst. Die gesprochenen Satzgrenzen sind die Szene-Fenster. v3-Lesungen sind im Tempo nicht deterministisch – eine Schätzung von 120s kann 100s oder 166s betragen – also müssen zuerst erstellte Bilder immer neu getaktet werden.

Voiceover – ElevenLabs v3 mit Audio-Tags

scripts/tts_v3.py – nur Standardbibliothek, keine pip-Abhängigkeiten. Schlüssel aus $ELEVENLABS_API_KEY oder der .env-Datei des Plugins (skills/video-use/.env).

python3 scripts/tts_v3.py --probe                      # eleven_v3 prüfen + Stimmen auflisten
python3 scripts/tts_v3.py --voice <id> --stability 0.0 --script SCRIPT.md --out narration.mp3
  • Audio-Tags stehen im Skripttext: [excited], [whispers], [softly], [dramatic tone], [warmly]. v3 führt sie aus; v2 ignoriert sie.
  • Stabilität: 0.0 = Kreativ (maximale Ausdruckskraft), 0.5 = Natürlich, 1.0 = Robust. Eine „flache“ Lesung wird durch Senken der Stabilität und erneutes Taggen des Skripts behoben, nicht durch lautere Wörter.
  • Hebel der Vortragsweise: GROSSSCHREIBUNG für Schlüsselwörter, ... für dramatische Pausen, Kontrast (Wechsel zu [whispers] direkt vor einer großen Zeile).
  • Höre 2-3 Stimmen am ersten Satz an, bevor du dich festlegst. Die erste Stimme ist nie die Wahl.
  • v3 kann leicht paraphrasieren. Transkribiere und LIES das Ergebnis; generiere neu, wenn eine Schlüsselzeile abgewichen ist.

Standbilder von überall

Ein Keyframe ist einfach ein PNG. Die Pipeline kümmert sich nicht darum, woher es kommt. Ein Standbild pro Szene, benannt als kf-NN.png, aufgelistet im Szenen-Manifest (recipes/04-animate-stills.md dokumentiert das Schema). Quellen, die funktionieren:

  • KI-Bildtools – jedes Text-zu-Bild-Tool, das du bereits hast (Gemini, GPT-Bild, Midjourney, lokales SD oder ein gehosteter Actor – siehe den optionalen Abschnitt am Ende). Generiere aus szenenspezifischen Prompts mit einem einheitlichen Stil-Suffix.
  • Screenshots und Fotos – Produkt-UI-Aufnahmen, Archivmaterial, Scans, echte Fotografie. Der Ken-Burns-Effekt wurde dafür erfunden.
  • HyperFrames-gerendertes HTML – erstelle einen gestylten HTML-Frame und mache einen Schnappschuss; die Engine erzeugt ihre eigenen Standbilder.

Gestaltungsregeln, die unabhängig von der Quelle gelten:

  • LEGE EINEN Stil FEST in DESIGN.md und wende ihn auf jeden Frame an. Abweichungen zwischen Frames wirken wie verschiedene Aufnahmen, sobald Bewegung und Farbkorrektur hinzukommen.
  • Überprüfe den Dateityp. Einige Tools liefern JPEGs mit .png-Namen; überprüfe die Magic Bytes vor der Komposition (file kf-01.png).
  • QS für jeden Frame (lies das Bild). Ein Frame außerhalb des Stils bedeutet neu generieren, nicht behalten. Prüfe auf: Textartefakte, Wasserzeichen, Anachronismen, Gesichter in Nahaufnahme (Abweichungsrisiko), falsche Farbpalette.
  • Kein markenrechtlich geschütztes IP, kein Abbild einer realen lebenden Person in generierten Frames für öffentlich gepostete Inhalte.

Animation – deterministisch, im Repository

Standbilder werden mit dem animate-stills-Rezept (recipes/04-animate-stills.md) zur Bewegung: eine manifestgesteuerte HyperFrames-Komposition, die Kamerasprache (Hereinzoomen, Schwenken, Halten) und GSAP-Atmosphäre (Nebel, Regen, Lichtverschiebungen, Vignette) über jedes Standbild anwendet, wobei die Szene-Fenster an das Transkript gebunden sind. scripts/build_scenes.py generiert die Szenenebenen aus dem Manifest; scripts/motion_check.py beweist echte Bewegung mittels Pixeldifferenz im gerenderten Output. Rendert bei jedem Durchlauf identisch, kostet nichts, funktioniert offline.

Erfordert Node >= 22 für die HyperFrames-CLI.

Untertitel und Zusammenstellung

  • Eingebrannte Untertitel (stummgeschaltete Autoplay auf Reddit/X), auf Phrasenebene, zeitlich abgestimmt aus den Transkript-Wörtern.
  • Weißer Blitz (0,28s) bei Story-Wendepunkten; sanfte Überblendungen an anderer Stelle; dunkle Vignetten-Farbkorrektur vereinheitlicht Standbilder aus gemischten Quellen und macht Untertitel lesbar.
  • Bewegung im Render überprüfen: Pixeldifferenz zweier Frames 4s auseinander innerhalb einer Szene (scripts/motion_check.py – mittlere Graudifferenz > 3 = echte Bewegung).
  • Audio-QS: ffmpeg -af volumedetect – dokumentarische Sprache liegt etwa bei -26 dB Mittelwert.

Optional: gehostete generative Tools

Diese sind KEINE Abhängigkeiten. Sie sind nur eine Möglichkeit unter mehreren, Standbilder oder Clips zu beschaffen, und können ohne Vorankündigung verschwinden – plane entsprechend.

  • Apify Text-zu-Bild-Actors (z.B. akash9078/ai-image-generator, ~0,01$/Bild) haben für die Batch-Keyframe-Generierung gut funktioniert. Achte auf stille Fehler (ok:true mit einer null-URL) und falsch bezeichnete Dateitypen.
  • Gehostete Bild-zu-Video-Actors waren der Ort, an dem diese Pipeline zuvor ihren Bewegungsschritt hatte. Am 11.06.2026 starb der Actor danitn11/wan22-lightning-image-to-video (2 Nutzer gesamt) upstream mitten in der Produktion und jeder Lauf schlug sofort fehl; die vollständige Analyse befindet sich in docs/rca/rca-generate-footage-animation-2026-06-11.md. Generative Bild-zu-Video-Funktionalität ist jetzt in einem separaten Companion-Repository mit einem steckbaren BYO-Key-Backend untergebracht; der Bewegungsschritt dieses Plugins ist deterministisch und lokal.

Individual skills in this repo

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

assafkip/claude-video-editor

GSAP animation reference for HyperFrames. Covers gsap.to(), from(), fromTo(), easing, stagger, defaults, timelines (gsap.timeline(), position parameter, labels, nesting, playback), and performance (transforms, will-change, quickTo). Use when writing GSAP animations in HyperFrames compositions.

assafkip/claude-video-editor

HyperFrames CLI tool — hyperframes init, lint, preview, render, transcribe, tts, doctor, browser, info, upgrade, compositions, docs, benchmark. Use when scaffolding a project, linting or validating compositions, previewing in the studio, rendering to video, transcribing audio, generating TTS, or troubleshooting the HyperFrames environment.

assafkip/claude-video-editor

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

assafkip/claude-video-editor

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For CLI commands (init, lint, preview, render, transcribe, tts) see the hyperframes-cli skill.

assafkip/claude-video-editor

Beginner-friendly end-to-end video creator for HyperFrames. Use when the user says "make a video", "create a video", "new video", "build a video", "video from scratch", "I want to make a video", "help me create a video", or when someone who's never used HyperFrames before arrives with a concept, script, or rough idea and wants a finished MP4. Interviews the user in one pass, then builds the full video with mandatory preview and visual-verification gates.

assafkip/claude-video-editor

Build and iterate short-form vertical (9:16) videos in Hyperframes — TikTok/Reels/Shorts style. Use when Nate says "short-form video", "vertical video", "TikTok/Reels/Shorts", "make a short", "talking-head + motion graphics", or when the target is a 1080x1920 composition with face video + synced scene overlays + karaoke captions. Encodes the full May Shorts 19 playbook: face-mode choreography, audio-synced scene timing, karaoke captions, and the 10-rule quality checklist.

assafkip/claude-video-editor

Edit any video by conversation — the orchestrator for the bundled video pipeline. Use when the user wants to edit, cut, caption, grade, or add motion graphics to footage; drops a folder of clips and says "edit this"; or asks to make a promo/teaser/tutorial/short. Routes to video-use (the cut engine) and HyperFrames (motion-graphics overlays), with a motion-craft library for taste.

assafkip/claude-video-editor

Production pipeline for mathematical and technical animations using Manim Community Edition. Creates 3Blue1Brown-style explainer videos, algorithm visualizations, equation derivations, architecture diagrams, and data stories. Use when users request: animated explanations, math animations, concept visualizations, algorithm walkthroughs, technical explainers, 3Blue1Brown style videos, or any programmatic animation with geometric/mathematical content.

assafkip/claude-video-editor

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

Verwandte Skills