Communitygithub.com

TikTok Fine-Cut Director

Analysiere autorisierte Referenzvideos und wandle deren evidenzgestützte Taktung, Typografie, semantische Overlays, Caption-Bewegung, Produktnachweis-Struktur und Verweilvorrichtungen in eine produktionsreife Feinschnitt-Spezifikation für englisch- oder spanischsprachige TikTok/Reels/Shorts-Edits um.

Was ist TikTok Fine-Cut Director?

Der Skill „TikTok Fine-Cut Director“ wandelt detaillierte Video-Analysen in eine auditive, nachvollziehbare Feinschnitt-Spezifikation um. Er unterstützt TikTok, Instagram Reels und YouTube Shorts für Englisch und Spanisch (LATAM). Der Skill extrahiert aus Referenzvideos messbare Fakten, visuelle Beobachtungen und redaktionelle Schlussfolgerungen und erstellt daraus einen Produktionsplan. Die Analyse umfasst Taktung, Hook-Strategien, Typografie (mit voreingestellten Schriftarten wie Montserrat, Anton, DM Serif Display), semantische Overlays, Caption-Bewegung und Produktnachweis-Strukturen. Die Ausgabe ist ein „fine-cut-spec.json“, das den gesamten Schnitt beschreibt: Zeitcodes, Überlagerungen, Textbehandlungen, Bewegungen und Ausstiegsbedingungen. Der Skill ist für professionelle Videoeditoren und Content-Ersteller konzipiert, die über einfaches Trimmen und Untertitel hinausgehen und ausgefeilte, datengetriebene Kurzvideos produzieren möchten. Er arbeitet eng mit den Werkzeugen „auto-video-editor“ (für harte Schnitte und grundlegende Overlays) und „OpenChatCut“ (für komplexe Remotion-Kompositionen) zusammen.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/h296025733-sys/codex-auto-video-lab/tree/HEAD/.codex/skills/tiktok-fine-cut-director

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht TikTok Fine-Cut Director?

Ziel

Konvertiere Referenzvideo-Evidenz in ein auditierbares redaktionelles System: Was passieren muss, warum es passiert, wann es passiert und welcher Rendering-Weg es reproduzieren kann. Bewahre Quelldateien und unterscheide gemessene Fakten, visuelle Beobachtungen, redaktionelle Schlussfolgerungen und unbelegte Behauptungen.

Arbeitsbereich-Root: D:\workspace\codex-auto-video-lab.

Erforderliche Lektüre

Lies nur die für die Aufgabe benötigten Referenzen:

  • Für Taktung, Hooks, Proof-Shots, Listen, Tier-Raster und Bild-Timing lies fine-cut-grammar.md.
  • Für englische/spanische Typografie, Safe Zones, Betonung und Bewegungs-Token lies typography-motion.md.
  • Für Commerce-Positionierung, Zielgruppenrelevanz und die Umwandlung verifizierter Funktionen in wahrheitsgemäße Kaufgründe lies commerce-message-architecture.md.
  • Bevor du einen Editor oder eine Abhängigkeit auswählst, lies editor-routing.md.

Arbeitsablauf

  1. Bestätige, dass die bereitgestellten Referenzen und Assets lokal oder anderweitig für die Analyse autorisiert sind. Bewahre die Originale und erstelle einen isolierten Job unter jobs\, wie von $auto-video-editor gefordert.

  2. Führe den Workspace-Arzt aus, erstelle den Job und führe die echte Analyse durch. Füge eine Transkription hinzu, sobald Sprache Schnitte, Untertitel, Bild-Timing oder Voiceover steuert. Verwende für ein reines Read-Only-Follow-up einen bestehenden isolierten Job nur dann erneut, wenn seine Manifest-Pfade und SHA256-Werte mit den aktuellen Eingaben übereinstimmen; führe keinen schreibenden Analyzer erneut aus, um lediglich unveränderte Evidenzen neu zu erstellen.

  3. Führe den gebündelten Referenzstil-Analyzer nach der Basisananalyse aus:

    D:\workspace\codex-auto-video-lab\.venv\Scripts\python.exe .codex\skills\tiktok-fine-cut-director\scripts\analyze_reference_style.py --workspace D:\workspace\codex-auto-video-lab --job <job-id>

  4. Untersuche die Transkripte, Kontaktbögen, Quellframes um Kandidatenänderungen herum und Audiomessungen. Szenen-Scores und Onset-Schätzungen sind Kandidaten, keine Edit-Entscheidungen. Eingebrannte Pixel können keine exakte Schriftfamilie, kein Quellprojekt, keinen Editor, keine Easing-Kurve, keine Musikidentität oder kein kommerzielles Ergebnis festlegen.

    Wenn das Erzähltempo Teil der Anfrage ist oder eine generierte Stimme ausgeliefert wird, prüfe das entsprechende faster-whisper-Transkript nach der Synthese:

    D:\workspace\codex-auto-video-lab\.venv\Scripts\python.exe .codex\skills\tiktok-fine-cut-director\scripts\audit_transcript_pacing.py <transcript.json> --output <job>\reports\pacing-audit.json

    Der Bericht misst die Transkript-Spanne, die zusammengeführte aktive Zeit, Phrasen-Proxys, Sprach-Einheiten-Raten, Sprachbelegung und Lücken-Anzahl. Er hört keine Emotion, stellt kein Verständnis her oder definiert eine universelle gute Geschwindigkeit; kombiniere ihn mit menschlichem Zuhören und Prüfungen der Lesbarkeit von Untertiteln/Proofs.

  5. Wähle ein primäres Regime:

    • product-proof: schnelle physische Demonstration, kompakter Feature-Nachweis, product-first CTA.
    • expert-overlay: Talking Head mit semantischen Untertiteln, Evidenzkarten, akkumulierenden Listen oder einem persistenten Tier-Raster.
    • hybrid: Produktdemonstration plus ein Sprecher- oder Voiceover-geführtes Argument.

    Schreibe für Commerce-Arbeit außerdem eine evidenzgebundene Zielgruppenkette vor dem Scripting: verifiziertes Feature -> Ziel-Situation -> aktuelle Reibung oder Wunsch -> wahrheitsgemäße Erleichterung/Gewinn -> Aktion. Produktparameter allein sind kein Kaufgrund, und Dringlichkeit, Angst, Knappheit, Sicherheitsrisiko oder universelle Ergebnisse dürfen nicht erfunden werden.

  6. Wenn die Anfrage eine Edit-Richtung, einen Produktionsplan, eine Timeline oder einen Render enthält, erstelle eine fine-cut-spec.json unter Verwendung von fine-cut-spec.schema.json. Wähle ihren Render-route; erfasse das Claim-Ledger und den Rechteumfang; und lasse jedes Retention-Ereignis seine Ausgabezeit, Konfidenz, gesprochene Idee, visuellen Job, Quell-Asset/Zeitcodes (oder explizite Null-Werte für ausstehende Aufnahmen), Claim-IDs, Shot/Overlay, Textbehandlung, Bewegung und Austrittsbedingung angeben. Markiere jeden generierten oder Stock-Insert als illustrativ oder nicht-illustrativ und definiere seine Claim-Grenze. Liefere für Tutorial-Lernen oder Referenzüberprüfung, die nur nach Ergebnissen fragt, ein zeitcodiertes Evidenz-Memo anstatt eine Produktionsspezifikation zu erfinden. Validiere sie vor der Timeline-Arbeit:

    D:\workspace\codex-auto-video-lab\.venv\Scripts\python.exe .codex\skills\tiktok-fine-cut-director\scripts\validate_fine_cut_spec.py <path-to-fine-cut-spec.json>

    Der gebündelte Validator prüft den deterministischen Kernvertrag dieses Skills, ohne eine allgemeine JSON-Schema-Abhängigkeit zu installieren. Ein erfolgreiches Ergebnis prüft die deklarierte Struktur, Enums, Zeit-/Quellbereiche, Claim-Referenzen, Music-Policy-Verknüpfung, Rechteeinträge referenzierter Assets, reference_only-Ausschlüsse und Verifizierungsfelder. Er beweist nicht unabhängig die Wahrheit eines Claims, die Lizenzgültigkeit, die Freigabegültigkeit, die redaktionelle Qualität oder das Plattformverhalten.

  7. Wende eine Wahrheit-zuerst-Visuelle-Hierarchie an:

    • Bevorzuge echte Demonstrationen, Produkt-Nahaufnahmen, Etiketten, Verpackungen und vom Benutzer bereitgestellte Ausschnitte als Nachweis.
    • Füge ein Diagramm, ein Symbol, ein Produkt-PNG oder ein generiertes Bild nur hinzu, wenn es die Frage beantwortet: „Was ist es, für wen ist es, warum, wo ist der Beweis oder was ist das Ergebnis?“
    • Verwende ImageGen nur für wahrheitsgemäße erklärende oder dekorative Assets. Verwende es niemals, um ein Produktergebnis, ein Testimonial, eine Zertifizierung, eine Zutat, ein Vorher/Nachher, einen UI-Zustand oder eine physische Fähigkeit zu erfinden.
    • Behandle generierte Assets als separate lokale Dateien mit Herkunftsnachweis in der Spezifikation.
    • Wenn ein vernünftiger Betrachter einen generierten Insert mit einem echten Produkt, einer Person, einer Szene, einem Ergebnis oder einem Beweis verwechseln könnte, kennzeichne ihn sichtbar als illustrativ und halte seinen Herkunftsnachweis fest. Offensichtliche Symbole, abstrakte Texturen und eindeutig nicht-fotorealistische dekorative Platten benötigen nur den Spezifikationseintrag.
  8. Leite die Produktion:

    • Verwende $auto-video-editor und FFmpeg/libass für deterministische harte Schnitte, Neuausschnitt, einfache Untertitel, Etiketten, Voiceover, Musik/SFX, Farbe und technische Qualitätssicherung.
    • Verwende für den englischen/spanischen Local-Font-Pfad die Overlay-Presets fine_caption, fine_hook, fine_accent und fine_cta. Sie laden die festgelegten Montserrat-, Anton- und DM Serif Display-Dateien aus den D-Laufwerk-Assets dieses Skills, ohne eine Systemschriftartinstallation oder einen Laufzeit-Download.
    • Verwende $openchatcut, wenn der Schnitt eine geschichtete Remotion-Komposition erfordert: Phrasenweise Stiländerungen, Spring/Scale-Bewegungen, Gradienten- oder Maskentext, zeitgesteuerte transparente Produktausschnitte, persistente Listen/Grids, Pfeile, Pfade oder Picture-in-Picture-Evidenz.
    • Installiere kein weiteres Framework, nur weil eine Referenz einen Effekt enthält. Verwende zuerst den verifizierten lokalen Stack, der in editor-routing.md beschrieben ist.
    • Die Feinschnitt-Spezifikation ist der semantische Vertrag; sie ist keine Rendertimeline. Löse akzeptierte Quellbereiche, Caption-Cues, Layering-Reihenfolge und exakte Transformationen in den validierten edit-plan.json oder die OpenChatCut-Timeline auf, bevor du renderst.
  9. Audio ist redaktionelle Evidenz, keine Vermutung. Verwende nur vom Benutzer bereitgestellte, lizenzierte, plattformgeklärte oder anderweitig verifizierte Musik. Wenn ein geeigneter Track und die Rechte nicht festgestellt werden können, produziere reine Voiceover- oder Stille-Ausgabe anstatt willkürliche Musik. Gestalte Voiceover nativ für en-US oder es-US/lateinamerikanisches Spanisch und folge dem Commerce-Voiceover-Workflow. Stimme dem natürlichen-Performance-Voiceover zu, bevor du die Bilddauer fixierst. Beschleunige die Erzählung oder den fertigen visuellen Master nicht global, um eine feste Laufzeit zu erzwingen; höre dir jede „etwas schnelle“ Version als kleine, separate Kandidatin an und lehne sie ab, wenn Diktion, Emotion, Atem, Untertitel-Scanning oder Verständnis des Nachweises sich verschlechtern.

  10. Validiere die Spezifikation, rendere die eigentliche Timeline, führe eine vollständige Dekodierung durch, inspiziere sampled Frames und kritische Overlay-Momente und überprüfe die Sprachverständlichkeit und Spitzen. Gib getrennt an, was quellengeprüft, automatisch gemessen, visuell beurteilt, lokal gerendert und nicht auf einer Social-Plattform getestet wurde.

Qualitätstore

  • Der erste visuelle Zustand ist sofort lesbar; keine Einrichtungs- oder Handpositionierungs-Verschwendung wird beibehalten.
  • Jedes eingefügte Bild oder jede Grafik hat einen semantischen Auslöser und eine Austrittsbedingung.
  • Ein längerer Shot enthält sichtbare interne Änderungen oder trägt die notwendige Verständniszeit.
  • Kunst-Typografie ist spärlich und semantisch; gewöhnliche Untertitel bleiben schnell lesbar.
  • Automatische Untertitel werden vor dem Styling manuell in natürliche Phrasen repariert. Wenn eine Kunst-/Keyword-Ebene eine gesprochene Phrase vollständig ersetzt, wird der doppelte Basis-Untertitel für dieses Intervall ausgeblendet.
  • Hauptübergänge deuten auf eine strukturelle Änderung hin. Gewöhnliche Sätze verwenden saubere Schnitte oder zurückhaltende Jump Cuts.
  • Produktrankings, Vor-/Nachteile und Schritte bleiben als räumliches Gedächtnis bestehen, anstatt nach jedem Untertitel zu verschwinden.
  • Voiceover und Bild-Taktung haben Kontrast: Proof-Aktionen erhalten genügend Zeit zur Fertigstellung, Listen-/Montage-Beats können schneller sein, und CTA/Produktidentität erhalten eine stabile Lesbarkeit. Ein einzelnes globales Geschwindigkeitskonform wird nicht als Rhythmusdesign akzeptiert.
  • Jeder Commerce-Winkel kann eine verifizierte Produkttatsache auf eine Zielgruppensituation und einen ehrlichen Grund zur Sorge zurückführen; nicht unterstützte Angst, Dringlichkeit, Knappheit, Sicherheit oder garantierte Ergebnisse sind ausgeschlossen.
  • Behauptungen sind auf Benutzeranweisungen, Verpackungen, Sprache oder sichtbare Quellenbeweise zurückführbar.
  • Nur als verified markierte Claim-IDs dürfen in ein Retention-Ereignis oder den endgültigen Render eingehen. conditional-Claims blockieren die Verwendung, bis Beweise geliefert werden; forbidden-Claims gelangen niemals in die Timeline.
  • Musik, Schriften, Bilder, Animationen und Modelle haben eine erfasste Quelle und Lizenz oder werden weggelassen.
  • Der endgültige Bericht präsentiert die lokale technische Qualitätssicherung niemals als Nachweis von Überzeugungskraft, Konversion, Rechteklärung oder TikTok-Akzeptanz.

Ausgabevertrag

Für Tutorial-Lernen oder Referenzüberprüfung ohne angeforderter Edit-Plan: Liefere ein zeitcodiertes Evidenz-Memo und Einschränkungen; eine fine-cut-spec.json ist optional. Für Analysen, die einen zukünftigen Edit vorantreiben sollen: Liefere den Evidenzbericht und die validierte fine-cut-spec.json; impliziere nicht, dass ein Video gerendert wurde. Für eine Editieraufgabe: Liefere außerdem die validierte Timeline, das gerenderte MP4, den QA-Bericht und die tatsächlich ausgeführten Prüfungen.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills