Communitygithub.com

Demo Video Creator — von der Produkt-URL zum 16:9-Launchfilm

Mach aus einer Produkt-URL einen fertigen Querformat-Launchfilm von etwa 60 s: echte UI-Aufnahmen, echtes Output-Material, ein durchgehendes Voiceover, taktgenaue HyperFrames-Motion, Impact-FX und ein mp4 mit -14 LUFS. Englisch oder Koreanisch.

Was ist Demo Video Creator — von der Produkt-URL zum 16:9-Launchfilm?

Schritt 1 des Video-Localization-Rezepts (der Masterfilm), aus chacha95/demo-video-creator (veröffentlicht am 2026-10-07; das README zeigt denselben Film auf Englisch und Koreanisch). Mit einer Produkt-URL läuft: Briefing → Referenzspezifikation → SCRIPT.md mit VO-Zeilen → DESIGN.md → echte UI- und Output-Aufnahmen → ElevenLabs-Voiceover in einem Take → Musik → VO-geführter, taktgenauer HyperFrames-Aufbau → Beschleunigung per fps-Re-Render → Impact-FX und geschichtete SFX → QA (Motion, Streifen, Sync-Tabelle, Abschlussprüfung) → ein 1920×1080-mp4 mit -14 LUFS. Schlüssel und Tools werden einmal am Anfang geprüft, danach arbeitet es selbstständig und protokolliert Entscheidungen in DECISIONS.md. Nicht für 9:16-Shorts.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/chacha95/demo-video-creator/tree/HEAD/skills/demo-video-creator

In Ihrer bevorzugten KI fragen

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

Dokumentation

Demo Video Creator

Erstellt einen ~60-sekündigen Produkt-Demo-/Launch-Film im Querformat mit dem vom Benutzer genehmigten Bewegungsgefühl. Das Ergebnis ist eine MP4-Datei.

Warum dieser Skill existiert: Der Benutzer hat einen langen Weg zurückgelegt, um dieses Gefühl zu erreichen, und fast jede Regel unten ist eine Korrektur, die er vorgenommen hat. Wenn Agenten sich selbst überlassen bleiben, fallen sie in dieselben Fehler zurück: ein Intro ohne Hook, Screenshots von Webseiten, abgehacktes Voiceover, späte Untertitel, schlampige Zuschnitte und Trailer-Soundeffekte auf jedem Wort. Lesen Sie die „Warum“-Notizen, damit Sie die Absicht auf neue Produkte anwenden können, nicht nur Evals kopieren.

Genehmigte Referenzen auf diesem Rechner (ansehen vor dem Bau):

  • videos/evals-hype/renders/evals-ref2-short-fast2-impact.mp4 ist das Bewegungsgefühl („모션이 좋단다“).
  • videos/evals-demo2/ enthält den Hook, durchgehendes VO, VO-geführten Schnitt und den Feinschliff-Durchlauf. Deren SCRIPT.md, DESIGN.md und qa/finish.md zeigen, wie „fertig“ aussieht.
  • Falls diese Pfade nicht existieren (eine Neuinstallation), verwenden Sie stattdessen die veröffentlichten Beispiel-Filme: https://github.com/chacha95/demo-video-creator/tree/main/media (demo_en.mp4, demo_ko.mp4). references/examples/ enthält die passenden SCRIPT- und DESIGN-Dokumente.

Arbeiten Sie autonom. Der Benutzer möchte eine Anfrage einfügen und ein Video zurückbekommen. Er war frustriert, als eine Session anhielt, um nach Eingaben zu fragen („인풋 요구해서 안되는데“). Treffen Sie vernünftige Entscheidungen, protokollieren Sie sie in DECISIONS.md, und machen Sie weiter, bis die MP4-Datei existiert.

0. Onboarding: Schlüssel und Werkzeuge (einmal prüfen, vor Schritt 1)

Dies ist der einzige Moment, in dem Sie anhalten und nachfragen dürfen. Überprüfen Sie alles in einem einzigen Durchlauf zu Beginn, melden Sie jede Lücke in einer Nachricht, und führen Sie dann autonom aus, sobald sie behoben ist. Fragen Sie niemals mitten in der Pipeline.

Prüfung:

grep -q '^ELEVENLABS_API_KEY=.' .env 2>/dev/null || [ -n "$ELEVENLABS_API_KEY" ] && echo "key ok" || echo "ELEVENLABS_API_KEY missing"
H=$(mktemp); chmod 600 "$H"   # Schlüssel geht durch eine Header-Datei, niemals in der Befehlszeile
printf 'xi-api-key: %s\n' "${ELEVENLABS_API_KEY:-$(grep '^ELEVENLABS_API_KEY=' .env | cut -d= -f2-)}" > "$H"
curl -s -o /dev/null -w "%{http_code}\n" -H @"$H" https://api.elevenlabs.io/v1/user; rm -f "$H"   # 200 = gültig
which ffmpeg node npx whisper-cli; node -e "require.resolve('playwright')" && echo "playwright ok"

Drucken Sie den Schlüsselwert niemals im Chat oder in Protokollen aus, und setzen Sie ihn niemals in ein Befehlszeilenargument (verwenden Sie stattdessen -H @file wie oben).

Wenn der Schlüssel fehlt oder nicht 200 zurückgibt, teilen Sie dem Benutzer (auf Koreanisch, wenn er Koreanisch schreibt) mit, wie er ihn erhält:

ElevenLabs API 키가 필요해요 (나레이션 + 배경음악 생성용)

  1. https://elevenlabs.io 에 로그인하세요. 음악 생성(Music)은 유료 플랜이 필요할 수 있어요.
  2. 왼쪽 아래 프로필 → Developers / API Keys → Create API Key.
  3. 권한에서 Text to Speech, Music, **Voices (read)**를 켜고 만드세요. 키는 한 번만 보여요.
  4. 프로젝트 루트의 .env 파일에 한 줄 추가하세요 (파일이 없으면 새로 만드세요): ELEVENLABS_API_KEY=여기에_키
  5. 채팅에 키를 붙여넣지 마세요. 저장했다고만 알려주시면 이어서 진행할게요.

.env ist in .gitignore. Committen Sie es nicht und kopieren Sie den Schlüssel nirgendwo anders hin.

Werkzeuge, falls nicht vorhanden: brew install ffmpeg whisper-cpp (whisper-cli deckt den Whisper-QA-Durchlauf lokal ab, kein Schlüssel nötig), Node 20+, dann npm i -D playwright && npx playwright install chromium.

Pipeline

brief → reference SPEC → SCRIPT.md (+VO lines) → DESIGN.md → assets (real UI + real outputs)
→ VO (one take) → music → build (HyperFrames, VO-led, beat-locked) → render at fps 30/speedup
→ post (retime, impact FX, mix) → QA (motion, strips, sync table, finish audit) → renders/<name>.mp4

Projekt: videos/<name>/ mit SCRIPT.md DESIGN.md DECISIONS.md index.html build/ capture/ assets/ audio/ scripts/ qa/ renders/.

Hinweise zu Werkzeugen:

  • Rendern: npx --yes [email protected] render -o <out> --quiet --fps 95/4 aus dem Projektverzeichnis. Lesen Sie den hyperframes-core-Skill, wenn der Kompositionsvertrag nicht vertraut ist.
  • HTTP: Verwenden Sie curl. Python hat hier keine SSL-Zertifikate.
  • Schlüssel: .env im Repository-Stammverzeichnis (ELEVENLABS_API_KEY). Alle Pfade in diesem Skill sind relativ zum Repository-Stammverzeichnis. Siehe Onboarding unten.
  • Gebündelte Helfer befinden sich in scripts/ (am Ende aufgelistet).

1. Referenz → SPEC.md

Wenn der Benutzer ein Referenzvideo angibt, laden Sie es herunter (der watch-Skill oder yt-dlp) und messen Sie es Frame für Frame. Wenn nicht, messen Sie den oben genehmigten Film. Notieren Sie:

  • Schnitt-Frames, Shot-Längen, Schnitte pro 10s
  • Kamerakurven und Easing als Bruchteil der verbleibenden Distanz, die pro Frame zurückgelegt wird
  • Type-On-Geschwindigkeit, Wort-Enthüllungsabstand, Akzent-Blitz-Länge
  • Karten-Choreografie und Hell↔Dunkel-Wechsel
  • wo jeder Sound relativ zu seinem Schnitt sitzt

Bauen Sie dann diesen Rhythmus nach und ändern Sie nur Marke, Kopie, Design und Assets.

Warum: Das Gefühl lebt in Zahlen (Easing pro Frame, Beats pro Shot). Als Agenten mit Adjektiven arbeiteten, sagte der Benutzer „감도가 낮아“ oder „모션이 어색해“. Als sie gemessene Zahlen abglichen, wurde es genehmigt.

2. Drehbuch

  • Hook, der sich in 3 Sekunden selbst erklärt. Öffnen Sie mit echten Ausgaben desselben Prompts, die nebeneinander abgespielt werden, und stellen Sie die Frage, die das Produkt beantwortet (für Evals: „Which one is better?“). Lassen Sie A/B/C/D auf den Beats umschalten, und liefern Sie dann die Wendung („Same prompt. Different setups.“).
    • Warum: Ein abstrakter Einstieg (eine Ansammlung von Modellnamen und ein Fähigkeiten-Zähler) brachte „뭐 어쩌라는건지 모르겠어“. Ein Zuschauer muss das Problem sehen, nicht darüber lesen.
  • Eine echte Aufgabe, von Anfang bis Ende verfolgt. Eingabe → Konfigurieren → Ausführen → Ergebnisse nebeneinander → Auswählen → Beweis (Aufzeichnung/Details) → Zusammenfassen (Bestenliste/Statistiken) → Community → Endkarte mit der URL.
  • Zeigen Sie bewegte Ausgaben, keine Websites. Spiele, Videos, 3D-Szenen und Kurzfilme wirken in einer Demo wie Spektakel; Screenshots von Landingpages wirken langweilig („웹사이트 보여주지 말고 영상이나 게임“). Wenn das Produkt nur Webseiten erstellt, zeigen Sie sie in Bewegung (Scrollen, Interaktion), nicht als statische Aufnahmen.
  • Kopie. On-Screen-Texte haben 2–5 Wörter. Das VO-Skript hat etwa 165–180 Wörter für 60s (≈2,7 Wörter/s), sodass die Stimme niemals still ist.
  • Wahrheit. Zeigen Sie nur Funktionen, Namen und Zahlen, die in Ihren eigenen Aufnahmen vorkommen. Keine Ähnlichkeit mit echten Personen. Eine Demo, die etwas zeigt, was das Produkt nicht kann, ist schlimmer als keine Demo.

3. Design

Schreiben Sie DESIGN.md einmal und lassen Sie jeden Shot ihm folgen. Es legt fest:

  • eine serifenlose Schriftfamilie plus eine Monospace für kleine Tags
  • einen Akzent pro Frame
  • Überschriften linksbündig auf einem festen Rand (z. B. 120px) mit demselben Tag→Überschrift-Abstand überall
  • echte UI als abgerundete Karten (16–22px) mit einem weichen, geschichteten Schatten
  • Dunkel/Hell-Abschnittswechsel

references/examples/ enthält zwei vollständige Systeme: „Signal“ (Graphit/Papier, Blau) und „editorial“ (Creme/Tinte, Koralle). Wenn der Benutzer einen neuen Film anfordert, entwerfen Sie ein neues System, anstatt eines wiederzuverwenden, da der Benutzer ausdrücklich „시나리오랑 디자인만 다르게“ verlangt hat.

4. Assets (echt, frisch, scharf)

  • UI: Playwright-Aufnahmen mit 4× DPR, sodass kein Element jemals größer als seine Quell-Pixel angezeigt wird (2×-Aufnahmen wirkten weich). Schneiden Sie Zuschnitte, die nur vollständige Elemente enthalten. Wenn ein Zuschnitt Kontext benötigt, bauen Sie den Kartenhintergrund aus der eigenen Füllfarbe der UI nach, anstatt benachbarte Zeilen stehen zu lassen.
  • Ausgaben:
    • scripts/rec_output.mjs <url> <out.mp4> 7 game|orbit (Bildschirmaufnahme; Tasten drücken oder orbiten, damit sich die Ausgabe bewegt).
    • scripts/rec_scroll.mjs (ein Screenshot pro Frame), wenn die Bildschirmaufnahme Frames wiederholt.
    • Entfernen Sie doppelte Frames vor der Verwendung, da wiederholte Frames als Mikro-Ruckler sichtbar werden und den Bewegungs-QA nicht bestehen.
  • Gleiche-Prompt-Ergebnisse: Wenn die Geschichte „N Setups“ sagt, zeigen Sie N Ergebnisse desselben Prompts/Durchlaufs. Wenn ein echter Durchlauf nötig ist, führen Sie ihn im Produkt mit dem eingeloggten Chrome des Benutzers aus. Das Zeigen nicht zusammenhängender Ausgaben als Ergebnisse eines Prompts brachte „결과가 다 다르잖아“.
  • Logos: Wenn ein Markenlogo-Moment nötig ist, verwenden Sie echte Marken-SVGs, die als echtes 3D gerendert werden (three.js SVGLoader → ExtrudeGeometry, PBR-Material, Umgebungslicht, Alpha WebM). Flache CSS-Logo-Kämpfe wirkten billig („짜친다“).

5. Voiceover: ein durchgehender Take

  • Stimme: Will bIHbv24MWmeRgasZH58o, eleven_v4, Stabilität 0,15, Ähnlichkeit 0,8, Stil 0,8, Geschwindigkeit ~1,1.
  • Emotion-Tags inline: [excited] [confident] [curious] [emphatic] [quick].
  • Warum diese Stimme: Der Benutzer lehnte den Standard-Sprecher als „너무 아재 목소리“ ab. Er wollte hip und energiegeladen (Sam Altman / Elon-Gefühl), hörte Alternativen und wählte diese Max-Emotion-Einstellung.
  • Generieren: scripts/vo3_gen.py (ein /with-timestamps-Aufruf). Es schreibt den Take, segments pro Zeile und Wort-Zeitstempel.
  • Ganz einfügen. Legen Sie den Take als ein durchgehendes Stück ab etwa 0,25 s an. Schneiden Sie ihn nicht in Phrasen, streuen Sie Phrasen nicht auf Beats oder dehnen Sie Stücke zeitlich.
    • Warum: Phrasenschneiden ließ Silben durchsickern („소리 짤려“).
    • Streuen hinterließ tote Luft („목소리가 중간에 죽잖아 … 쭉 이어지게“).
    • Zeilenweise Neusynthese driftete in der Lautstärke.
    • Wenn eine Zeile geändert werden muss, regenerieren Sie den gesamten Take.
  • Prüfung:
    • Lücken im VO sind ≤0,35 s.
    • Ein Whisper-Durchlauf über den endgültigen Mix zeigt keine abgeschnittenen Wörter und keine gesprochenen Tags.
    • Wenn „Evals“ wie „evils“ klingt, schreiben Sie es „E-vals“ um.
  • Koreanische Version: Choi ZNSVYmudV9pOqphY0x8C, gleiche Tags und Einstellungen. Behalten Sie die englischen UI-Begriffe des Produkts sowohl im VO als auch im Text (Task, Setup, Battle, Model, Skill, Environment), da der Benutzer die eigenen Wörter der Website möchte („사이트에서 쓰이는 영어 용어는 그대로“). Verwenden Sie Pretendard für jedes koreanische Zeichen.

6. Musik

  • Was zu machen ist: ein modernes, hochwertiges Bett. Stock-EDM-Riser und Corporate-Vibes lesen sich als „촌스러“.
  • Wie: Generieren Sie 2–3 Kandidaten mit ElevenLabs Music mit einem Prompt wie: „modern minimal tech launch, punchy kick, deep 808, crisp hats, glassy plucks, Apple/Linear keynote, no cheesy risers, no stock vibe, 120 BPM“. Wählen Sie den saubersten (geringes Mittenbereichs-Rauschen).
  • Anpassung:
    • scripts/beats.py / bars.py geben BPM und den ersten Downbeat.
    • scripts/music_fit.py ordnet den Track auf Takt-Ebene neu an, sodass seine Brüche und Drops auf Story-Beats landen.

7. Bau (VO-geführt, beat-locked)

  • Verwenden Sie eine pausierte GSAP-Timeline, vollständig deterministisch. Jeder Shot läuft in seiner eigenen lokalen Zeit.
  • Der Schnitt folgt der Stimme. Jeder Shot-Wechsel sitzt auf dem Beat bei oder kurz vor dem ersten Wort seiner Phrase. Runden Sie früher, niemals später, damit das Bild bereit ist, wenn das Wort ankommt.
  • Sync: jedes On-Screen-Wort erscheint 0,05–0,20 s bevor es gesprochen wird, gesteuert von den Wort-Zeitstempeln des Takes.
    • Warum: Text, der der Stimme hinterherhinkt, fühlte sich wie „싱크가 안맞아“ an. Ein voller 1s Vorsprung fühlte sich an wie „너무 느린데“, weil Text und Stimme auseinanderfielen.
    • Ein kleiner Vorsprung liest sich als perfekt synchron.
    • Prüfen Sie jede Zeile mit scripts/sync_audit.mjs und führen Sie eine Tabelle (text_on, voice_on, lead).
  • Bewegungsgrammatik: in references/MOTION_RULES.md. Lesen Sie sie vollständig. Der Kern:
    • eine Kamera, die eine reine Funktion der Zeit ist
    • nur schnelles (≈25 % der verbleibenden Distanz pro Frame) oder schwebendes (≈12 %) Easing
    • Ausgänge beschleunigen in den Schnitt hinein und der nächste Shot übernimmt die Geschwindigkeit
    • echte Whips, bei denen beide Shots zusammen mit Bewegungsunschärfe reisen
    • Overlays am Bildschirm fixiert
    • überlappende Aktion
    • jeder Halt driftet 1–3 %
    • keine Tottops, keine eingefrorenen Frames, keine Doppelschnitte
    • Schnitte auf dem Beat ±1 Frame
  • Einmal zoomen. Zoomen Sie nicht in ein Element und zoomen Sie dann wieder heraus („줌 인 했다가 왜 다시 풀어“). Ein Push sollte sich vorwärts in den nächsten Shot auflösen.
  • Konfigurationsmomente müssen sich bewegen. Wenn das VO Einstellungen nennt (z. B. „Model. Skill. Environment.“), zeigen Sie echte UI-Werte, die bei jedem gesprochenen Wort einfliegen, und tragen Sie die Geschwindigkeit in den nächsten Treffer. Eine statische Karte dort las sich als „감도가 낮아“.

8–9. Rendern und Postproduktion

  • Geschwindigkeit durch erneutes Rendern, nicht durch Frame-Weglassen. Rendern Sie mit --fps 95/4 (1.263×), oder mit 30/speedup gewählt, sodass ein Beat einer ganzen Anzahl von Frames entspricht. Spielen Sie mit 30fps ab.
  • Postproduktion: Kopieren Sie scripts/post_template.py und setzen Sie NF, BIG, MED, FLASH, VO_OFF. Es erledigt:
    • Nachjustieren auf 30fps
    • Impact FX auf 4–6 große Treffer: +8,5% Zoom-Punch (τ 0,09), 16px Schütteln bei ~22Hz (τ 0,1), RGB-Split 16px→7px über 4 Frames, 1–2 Frames weißer Blitz
    • eine leichtere Version auf sekundären Schnitten
    • den Mix und die Lautstärke
    • Warum so wenige Treffer: Impact auf jedem Schnitt hört auf, als Impact zu wirken.
  • Mix:
    • VO etwa −16 LUFS, im Vordergrund.
    • Musik duckt etwa 4–6 dB nur unter Sprache, mit einer sanften Hüllkurve (≈50 ms Attack, 0,6 s Release).
    • SFX-Bus etwa 3 dB unter der Musik.
    • Bei großen Treffern: Reverse-Swell + Boom (HP 60Hz) + Transient + Glitch.
    • Ansonsten SFX nur auf echten UI-Aktionen (Tippen, Klicks, Ticks). Trailer-Schläge auf jedem Wort wurden entfernt als „안어울리는거“.
    • Master −14 LUFS, AAC 192k. Prüfen mit scripts/mixcheck3.py.

10. QA vor der Auslieferung

  1. python3 scripts/motion.py <mp4> <bpm> <first_beat>: Schnitte auf dem Beat, keine Tottops, keine eingefrorenen Halts. Erklären Sie jede Ausnahme, die vom Filmmaterial selbst kommt.
  2. sh scripts/strip.sh <mp4> <t> <out.png> (16 aufeinanderfolgende Frames) an jedem Übergang, und betrachten Sie jeden davon. Kontaktbögen (ein Frame alle ~2s) sehen sauber aus, selbst wenn die Bewegung kaputt ist – so wurden früher schlechte Bewegungen ausgeliefert.
  3. Synctabelle für jede VO-Zeile: Der Vorsprung muss 0,05–0,20 s betragen.
  4. Endkontrolle („미감 높게 디테일한 마감“): Ziehen Sie Vollauflösungs-Standbilder zu Beginn, Mitte und Ende jedes Shots und inspizieren Sie die Kanten und Ecken. Protokollieren Sie jedes Problem und seine Behebung in qa/finish.md. Achten Sie auf:
    • abgeschnittene Icons oder Text
    • partielle UI-Zeilen oder Trennlinien an Kartenrändern
    • Bildlaufleisten
    • graue Bänder von einer überzoomten Bühne
    • Beschriftungen, die auf Footage-HUDs sitzen
    • unscharfe Hochskalierungen
    • ungleichmäßige Auffüllungen
    • Text, der Kartenränder berührt
    • den Überschriftenrand, der zwischen Shots driftet
    • Der Benutzer bemerkte ein halb abgeschnittenes Büroklammer-Icon und eine Trennlinie an einer Kartenecke in einem einzigen Frame, gehen Sie also davon aus, dass sie alles sehen werden.
  5. Führen Sie Whisper auf dem endgültigen Mix aus und bestätigen Sie die Lautstärke von −14 LUFS ±0,5.

Dinge, die der Benutzer abgelehnt hat (nicht wieder einführen)

AbgelehntWorte des Benutzers
Unterstreichungen / Unterstreichungsstriche„밑줄 긋는거 하지마“
Farbige Hervorhebungsboxen hinter Wörtern„백그라운드 컬러 넣어서 효과 주는거 빼줘“
Zeilen-Tick-Balken„갈색 띠 없애줘“
Umrisse, feine Linienboxen, Regeln, billige Farbverläufe, Emoji, gefälschte UI-Mockups—
0,1s Footage-Stroboskope, plötzliches Vollbild-Footage zwischen Abschnitten„영상 막 쏟아져 나오는거“, „갑자기 다른 화면“
Dunkle eigenständige Intros, die vom Film getrennt sind„짜친다“
Textbeschriftungen unter Logos„글씨는 없애줘“

Nach der Auslieferung

  • Wenn der Benutzer nach einer Wiedergabegeschwindigkeit fragt (1,05× / 1,1×), wenden Sie sie t...

Verwandte Skills