Reels (Kartenformat)
Wandelt eine Sprachaufnahme in ein vertikales Video um, bei dem jeder gesagte Gedanke in einer Karte oben im Bild erscheint. Die Aufteilung ist:
- Werkzeuge messen und schneiden das Audio (Shredder/Cutter des
yatay-kurgu-Skills), zeichnen Karten und Untertitel, egalisieren den Ton und messen das Ergebnis. - Du (Claude) liest das Transkript, wählst aus, was entfernt wird, schreibst in
senaryo.jsonzu welchem WORT welche Karte erscheint und PRÜFST die Kontrollbilder.
Du gibst keine Sekunden an: Die Karte ist an das gesprochene Wort gebunden – auch wenn sich der Schnitt ändert, bleibt sie an Ort und Stelle.
Vorbereitung
ffmpegmuss im PATH sein, Python-Abhängigkeiten werden mitkur.shim Repository-Root installiert. Verwende in Befehlen.venv/bin/python(Windows:.venv\Scripts\python). ffmpeg mit libass wird NICHT benötigt: Untertitel werden mit Pillow gezeichnet.- Es nutzt zwei Skills aus demselben Repository, ohne sie zu verändern:
yatay-kurgu(genauer: Transkript + Schnitt nach Audio) undx-animasyon(Whoosh- und Tastaturklick-Synthese). - Das Whisper-Modell wird beim ersten Lauf heruntergeladen (large-v3 ≈ 3 GB); informiere den Benutzer vor dem Herunterladen.
- Schriftarten befinden sich ausschließlich im Repository-Root unter
fontlar/(OFL): Inter, Newsreader, IBM Plex Mono. - Jeder Job erhält seinen eigenen Ordner:
calisma/reels/<name>/. Die Rohaufnahme wird nur gelesen.
Im Folgenden R = .venv/bin/python .claude/skills/reels/araclar/reels.py, P = calisma/reels/<name>.
Workflow
1. Transkription
R dokum P --video kayit.mp4 [--bas 56 --sure 42] [--terimler "video-spezifische Begriffe"]
Wenn die Aufnahme lang ist und das Reels nur einen Ausschnitt darstellt, gib mit --bas/--sure das Fenster an (der Ausschnitt wird als P/kaynak.mov extrahiert, die Rohdatei bleibt unverändert). Ziel: 35–45 s Ausgabe.
2. Lese das Transkript, schneide. Lies P/dokum.md vollständig (die Regeln aus dem yatay-kurgu-SKILL.md gelten). Pausen und direkte Wiederholungen wurden bereits entfernt; du schreibst in P/atilacak.json pro Zeile mit Begründung:
- Neustarts (der letzte Versuch bleibt), Schnittnotiz („hier schneide ich“), falsch ausgesprochene und korrigierte Zahl;
- Unverständliches Wort: Passagen, die in beiden Lösungen unklar bleiben, werden nicht in Untertitel eingepasst, sondern geschnitten (
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py pencere P <s), um sie neu zu entziffern); - Vom Reels ablenkende Nebenthemen: Inhaltsentscheidung – frage den Benutzer.
Die Schnittstelle wird durch das AUDIO bestimmt: Gib die Grenzen aus den Zeilen von dokum.md an; das Werkzeug legt den Schnitt auf die leisesten Frame innerhalb ±0,2 s. Dann:
R kurgu P # Schnittplan neu erstellen
R kelimeler P # Verbleibende Wörter nach Schnitt mit Ausgabezeit (Ankerpunkte daraus wählen)
3. Szenario: P/senaryo.json. Beispiel: ornekler/reels/senaryo.ornek.json. Feldliste und Kartentypen: references/kartlar.md.
{"vurgu": ["effort"], "kuyruk": 2.0, "vuruslar": [
{"duzen": "yuz"},
{"kelime": "Zuerst", "kart": {"tur": "liste", "baslik": "Reihenfolge", "isaret": "sayi",
"maddeler": [{"yazi": "Modell wählen", "kelime": "Modell"}, {"yazi": "Effort wählen", "kelime": "effort"}]}},
{"kelime": "abgespielt", "ofs": 0.5, "duzen": "grafik", "kart": {"tur": "soru", "soru": "Welches verwendest du?"}}
]}
- Schlag (vurus) = ein Zustand des Bildschirms. Der
kelime-Anker bezieht sich auf den ANFANG des Wortes („effort“ → „efforten“), wird NACH dem vorherigen Schlag gesucht; es können mehrere Wörter sein („Planmodus“),kacder n-te Treffer,ofsSekunden Verschiebung. Der erste Schlag beginnt bei 0. Auch ein Punkt/Satz/Element in einer Karte tritt mit seinem eigenenkelimeein. - Layout:
bol(Karte oben, Gesicht unten; Standard bei Karten),yuz(Vollbild Gesicht; Standard ohne Karte),grafik(Vollbild Karte, kein Gesicht). - Tempo: 1,5–4 s pro Schlag; bei 40 s Reels sind es 10–15 Schläge. Der Hook (erste 1–2 s) öffnet mit Gesicht.
- Gesicht nur, wenn in die Kamera geschaut wird. Spricht die Person auf den Bildschirm/Text, ist der Schlag
grafik. - Keine Erfindung: Die Karte zeigt nur das tatsächlich Gesagte oder tatsächlich Vorhandene. Keine ungemessenen Zahlen, nicht existierenden Befehle oder erfundenen Bildschirmtexte. Screenshots sind echte Benutzerdateien (
gorsel). - Abschluss: Letzter Schlag ist eine
soru-Karte (Frage, die zum Kommentieren auffordert); nach dem Sprechen bleibt siekuyruk(s) lang stehen, dahergrafik-Layout wählen (Bild wird im Nachlauf eingefroren). - Falsch verstandenes Wort im Untertitel:
"altyazi_duzelt": {"gehört": "gemeint"}. Wörter in dervurgu-Liste erscheinen im Untertitel kursiv + hervorgehoben (Wortstamm reicht: „effort“).
Überprüfe die aufgelösten Zeiten: R vuruslar P (Start/Ende jedes Schlags, Elementzeiten; WARNT, wenn ein Element unsichtbar die Karte wechselt).
4. Bildausschnitt
R yuz P # Gesichtsboxschätzung -> P/kadraj.json + P/kontrol/kadraj.jpg
ÖFFNE kontrol/kadraj.jpg mit Read: Die grüne Box soll das Gesicht (Stirn bis Kinn) umschließen; die blaue bol-, die orange yuz-Beschneidung. Die Schätzung ist modellfrei (Hautfarbe + Zentrumspräferenz); Hintergrundflächen mit hautfarbenen Tönen, zwei Personen oder farbiges Licht können sie täuschen. Falls falsch, korrigiere kutu in kadraj.json MANUELL anhand der Quellpixel im Lineal und aktualisiere das Bild mit R yuz P (überschreibt kein vorhandenes kadraj.json). Wenn die Person verrutscht, schreibe anahtarlar (zeitliche Boxen).
5. Vorschau, dann Rendering
R kare P # Ein Frame pro Schlag -> P/kontrol/kareler.jpg (PRÜFEN)
R kare P 2.3,31.4 # Bestimmte Momente (Eingangsanimation, getipptes Terminal)
R render P # -> P/cikti/<name>.mp4, nach Ende läuft Messung automatisch
6. Messung (du kannst nicht zusehen, also messe). R olc P (läuft nach Rendering bereits) -> P/kontrol/olcum.md + P/kontrol/temas.jpg:
- Dauer: Bild und Ton gleich lang, Frames entsprechen Erwartung.
- Sicherheitszone: Alle 5 Frames wird die Pixel-Box von Untertitel, Karte und Gesicht gemessen. Die Instagram-Oberfläche verdeckt oben y<220, unten 20 % (y>1536) und die rechte Like/Kommentar-Spalte (x>940, y 1000–1536); Untertitel und Karte dürfen nicht dort hineinragen, das Gesicht bleibt über den unteren 20 %. Bei einer VERLETZUNG korrigiere das Szenario (Karteninhalt, Layout) oder
kadraj.json. - Audio: Enddatei -14 LUFS, True Peak ≤ -1 dBTP; Effekt-Spur liegt ~15 dB unter der Sprache; liegen die Whoosh-Spitzen an den Schnitten?
- Kontaktseite: Gefüllter Zustand (Karte kurz vor Wechsel) jedes Schlags. ÖFFNE und prüfe: überlaufender Text, übergelagerte Elemente, abgeschnittener Kopf, leere Karte.
- Cross-Checks (optional):
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py dogrula Pentziffert abgeschnittene Laute neu und meldet abgerissene/ausgelaufene Wörter (P/dogrula.md).
Nach Korrektur nur R render P (Audio und Bild neu, auf M1 Pro ~35 s für 40 s Video).
7. Abgabe. Kurz und mit Zahlen an den Benutzer: Ausgabepfad, Dauer (Roh → Schnitt), Anzahl Schläge/Karten, Entferntes mit Begründung, Sicherheitszonen-Ergebnis, LUFS/Peak, Pfad zur Kontaktseite. Was du nicht messen kannst (Klangqualität, Verständlichkeit der Karte), überlasse ausdrücklich dem Benutzer.
Bekannte Einschränkungen
- Gesichtsbox-Schätzung ist modellfrei; bei jeder Aufnahme muss
kadraj.jpgkontrolliert werden. Es gibt keine Frame-für-Frame-Verfolgung: konstante Box oder lineare Interpolation zwischen Keyframes. - Vollbild-Gesicht (
yuz) aus einer horizontalen Aufnahme ist durch die Höhe der Quelle begrenzt: In 4K bleibt das Gesicht groß, der Untertitel wandert automatisch unter das Kinn. Imbol-Layout verkürzt sich die Höhe der Gesichtskarte gemäß dem unterhalb des Gesichts verbleibenden Bildausschnitts, damit das Kinn nicht in die unteren 20 % fällt. - Keine Musik; Effekte sind synthetisch (Whoosh, Tastatur, Pop, Kratzen).
- Kartentypen sind festgelegt (references/kartlar.md). Neuer Typ: Zeichen- + Audiofunktion in
araclar/kartlar.pyund Eintrag in denCIZ- undOLAY-Dictionaries. - Die Interface-Zonen (oben 220, unten 20 %, rechte Spalte x>940) sind Näherungswerte für Instagram Reels und tendenziell konservativ (
araclar/cizim.pyam Anfang); bei Shorts/TikTok ähnlich, aber nicht identisch.