Communitygithub.com

AllenLiu8888/codex-video-studio

Entwickeln oder anpassen eines wiederverwendbaren Marken- und optionalen Charakterreferenzpakets für eine Videoserie, einschließlich Identitätsregeln, visueller Tests und eines versionierten Referenzindex.

Was ist codex-video-studio?

Dieses Skill-Paket dient dazu, ein strukturiertes, wiederverwendbares Marken-Referenzpaket für eine Videoserie zu erstellen oder anzupassen. Es hilft Entwicklern und KI-Agenten, visuelle Konsistenz über mehrere Aufnahmen hinweg sicherzustellen, indem es Identitätsregeln, ein visuelles Grammatiksystem und optionale Charakteranker definiert. Der Workflow umfasst das Ausfüllen eines Marken-Briefings, die Definition einer visuellen Grammatik (Farbpalette, Bildbearbeitung, Komposition, Typografie), die Erstellung eines Charakter-Identitätsmasters (falls erforderlich) und die Zusammenstellung eines Referenzindex mit einem Akzeptanzprotokoll. Das Skill unterstützt plattformübergreifende Nutzung (z. B. Claude Code, Cursor, Codex) und betont reversible Standardeinstellungen, dokumentierte Prompt-Outputs und explizite Invarianten zur Stabilisierung der Ausgabe, ohne auf feste Zufallszahlen angewiesen zu sein. Es ist ideal für Markeninitialisierungen, bevor die eigentliche Videoproduktion beginnt, und stellt sicher, dass nachfolgende Sitzungen die festgelegten Referenzen korrekt identifizieren und anwenden können.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/AllenLiu8888/codex-video-studio/tree/HEAD/.agents/skills/brand-seed

In Ihrer bevorzugten KI fragen

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

Dokumentation

Marken-Saatgut

Verwenden Sie dieses Repository; lesen Sie das Brand System und die vorhandenen Markendateien des Benutzers. „Saatgut“ bedeutet hier ein Referenzpaket, kein numerischer Zufallsseed.

  1. Füllen Sie das Marken-Briefing basierend auf der Idee des Benutzers, der Zielgruppe, dem Kanal und dem Alleinstellungsmerkmal aus. Dokumentieren Sie Unbekanntes; wählen Sie reversible Standardentwürfe, wo angemessen. Bewahren Sie eine vorhandene Marke, sofern kein Redesign angefordert wurde.
  2. Definieren Sie eine kleine visuelle Grammatik: Palettenrollen, Bildbearbeitung, Komposition, Typografie, Behandlung von Beweismaterial/Medien sowie erlaubte Abweichungen. Erklären Sie, wie die Grammatik der Zielgruppe dient. Charakterfreie Dokumentations- oder Produktmarken sind gültige Ergebnisse.
  3. Falls ein Charakter benötigt wird, definieren Sie eine kompakte Menge sichtbarer Identitätsanker und flexibler Attribute. Erstellen Sie einen sauberen Identitätsmaster vor Ausdrucks-/Haltungsblättern. Betrachten Sie das tatsächliche Bild und lehnen Sie Widersprüche oder instabile Details ab; ein Moodboard begründet keine Identität.
  4. Erstellen Sie nur die unterstützenden Ansichten/Details, die für erwartete Aufnahmen erforderlich sind, sowie einige aussagekräftige Validierungsszenen. Weisen Sie jeder Referenz eine Rolle zu. Verwenden Sie aktuelle Bildwerkzeuge und dokumentieren Sie den tatsächlichen Prompt, die Einstellungen und die Ausgabe; unbekanntes Backend-Modell oder numerischer Seed bleiben unbekannt.
  5. Stellen Sie den Referenzindex und das Seed-Akzeptanzprotokoll zusammen. Frieren Sie die akzeptierte Version ein; halten Sie Kandidaten getrennt. Benutzerakzeptanz, visuelle Prüfungen durch den Assistenten und Dateiintegritätsprüfungen sind unterschiedliche Zustände.

Verwenden Sie pro Aufnahme den genehmigten Master und die minimal erforderlichen zusätzlichen Referenzen wieder. Stabile Ausgabe ergibt sich aus Referenzen, expliziten Invarianten, aufnahmespezifischen Prompts und gemeinsamer Überprüfung; eine feste Zufallszahl kann keine Identität garantieren.

Abgeschlossen, wenn eine andere Sitzung den Master finden kann, feste und variable Attribute unterscheiden, die richtigen Referenzen auswählen, sehen kann, was getestet wurde, und weiß, was noch nicht getestet wurde. Die Markeninitialisierung erfordert kein Produktionsvideo oder jede erdenkliche Pose.

Verwandte Skills