Communitygithub.com

script-to-video-ai

Ein umfassendes Automatisierungssystem zur Produktion hochwertiger KI-Videos aus Textskripten. Integriert Meta Muse (konsistente Charakter-/Szenenbilderzeugung), Omni Vids (Lip-Sync-Videorendering), bidirektionale STT-Prüfung, südvietnamesische Dialektsperre, Tonhöhenprüfung für Kinderstimmen, Snappy Trimming und automatischen Google-Drive-Upload.

Was ist script-to-video-ai?

Diese KI-Agenten-Fertigkeit automatisiert den gesamten Workflow von einem reinen Textskript zu einem fertigen 9:16 Full-HD-Video für Plattformen wie TikTok, Reels und Shorts. Sie stellt sicher, dass die Videoqualität und die Zielgruppenbindung maximiert werden, indem sie eine Reihe strenger Regeln durchsetzt. Zu den Kernfunktionen gehören die Erstellung konsistenter Charakter- und Szenenbilder mit dem Modell `meta_muse` im Chained-Modus, ein bidirektionaler STT-Auditor, der sowohl verschluckte Wörter (durch Überprüfung auf ≥70% Keyword-Abdeckung) als auch Halluzinationen am Ende von Sätzen erkennt, sowie eine strenge Tonhöhenkontrolle für Kinderstimmen (F0 ≥250 Hz). Darüber hinaus erzwingt die Fertigkeit die Verwendung des südvietnamesischen Dialekts, wenn dies im Skript angegeben ist, und führt eine vierstufige Postproduktion durch: Snappy Trimming (Entfernung von Totenzeiten mit Binary Search), Concatenation (mit libx264), 1.1-fache Geschwindigkeitserhöhung unter Beibehaltung der Tonhöhe und automatischer Upload zu Google Drive. Die Fertigkeit unterstützt Plattformen wie Claude Code, Cursor und Codex und bietet eine vollständige Pipeline-Skriptsammlung und Konfigurationsdateien.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/devnit2026/script-to-video-ai-skill/tree/HEAD

In Ihrer bevorzugten KI fragen

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

Dokumentation

Script-to-Video AI Production Skill

Ein umfassendes Automatisierungssystem, das den gesamten Workflow von einem reinen Textskript zu einem fertigen 9:16 Full-HD KI-Video optimiert und die Zielgruppenbindung (Audience Retention) auf TikTok, Reels und Shorts maximiert.


🎯 7 KERNPRINZIPIEN (ALWAYS-ON RULES)

  1. IMAGE-FIRST WORKFLOW & KI-AUGENPRÜFUNG:

    • Erstelle immer zuerst Szenenbilder mit dem Modell meta_muse.
    • Aktiviere den verketteten Modus (image_chain_mode: "chained"), um 100% Konsistenz bei Charakteren, Kleidung und Hintergründen zu gewährleisten.
    • Extrahiere Bilder und überprüfe sie mit KI-Augen (read_file) direkt auf 10/10 Qualität, bevor ein Video erstellt wird.
  2. BIDIREKTIONALER STT-AUDITOR (ZWEI-WEGE-SPRECHPRÜFUNG):

    • Vorwärtsrichtung (gegen verschluckte Wörter): Stelle sicher, dass die Keyword-Abdeckung ≥70% beträgt und scannen die letzten 3-5 Wörter des Skripts (verhindert abgeschnittene Sprachenden).
    • Rückwärtsrichtung (gegen Halluzinationen am Ende): Scanne Wörter nach dem letzten Keyword des Skripts. Wenn das Video zu lang ist und die KI eigenmächtig ≥2 falsche Wörter hinzufügt ➔ Markiere sofort als FAILED.
    • 100% ehrlicher Bericht: Es ist absolut verboten, STT-Daten zu beschönigen oder halluzinierte Wörter zu verstecken.
    • Hartes Gatekeeper: Es ist absolut verboten, Videos zusammenzufügen, wenn eine Szene nicht PASSED hat.
  3. PRÄZISE LÄNGENFORMEL (PACING):

    • Unter 25 Wörtern: 6s - 8s
    • 25 - 38 Wörter: 10s
    • 39 - 50 Wörter: 12s
    • 51 - 65 Wörter: 15s (Sprecher liest schnell und deutlich)
  4. SÜDVIETNAMESISCHE DIALEKTSPERRE & LOKALE WORTANGLEICHUNG:

    • Wenn das Skript einen südvietnamesischen Akzent erfordert: Ersetze zwingend alle nordvietnamesischen Konjunktionen/Verbindungswörter im Skript und Prompt (z. B. verwende "ba với mẹ" statt "ba und mẹ", verwende Interjektionen wie "hả", "nghen", "nhen", "hén", "sao kì dạ").
    • Voice Directing ist zweisprachig erforderlich: Voice Directing: Sanfte südvietnamesische Saigon-Frauenstimme, Aussprache nach südvietnamesischem Dialekt (Authentic Southern Vietnamese Saigon female voice, soft sweet Southern dialect). Nordvietnamesischer Akzent ist absolut verboten.
  5. KINDERSTIMME BEI ERWACHSENENTHEMEN BEWAHREN & TONHÖHENPRÜFUNG:

    • Prompt von Dialog isolieren: Zitiere niemals philosophische/finanzielle/heiratsbezogene Inhalte im Bild- oder Bewegungs-Prompt ([PROMPT], [MOTION]). Halte die Beschreibung 100% kindlich und cartoonhaft.
    • Voice Directing für Kinderstimme: Voice Directing: Helle, unbeschwerte, naive südvietnamesische Jungenstimme, die mit niedlichem Lispeln spricht (Cute toddler boy child voice). Erwachsenenstimme absolut verboten, erwachsene Frauenstimme absolut verboten.
    • Tonhöhenprüfung (F0 Gate): Kinderstimmen müssen F0 ≥250 Hz erreichen (normalerweise 280-350 Hz). Wenn F0 <220 Hz ➔ Flag FAILED sofort, Videozusammenfügen verboten!
  6. EINZELCHARAKTER-LIP-SYNC & PING-PONG-SHOTS:

    • Jeder Videoshot darf nur einen Charakter haben, der zur Kamera spricht. Nebencharaktere müssen die Lippen geschlossen halten und zuhören.
    • Dialogszenen mit zwei oder mehr Personen müssen in Ping-Pong-Shots aufgeteilt werden (1A: Fragender, 1B: Antwortender), um 100% Lip-Sync-Fehlern vorzubeugen.
  7. VIERSTUFIGER POST-PRODUCTION-WORKFLOW:

    • Snappy Trim: Finde das Ende der Silben mithilfe von STT Binary Search, schneide dicht am Sprach-Ende (+0,15s) mit Mikro-Fade-Out von 0,15s, entferne 100% tote Zeit.
    • Re-encode Concat: Füge mit libx264 zusammen, um corrupt packet-Fehler zu vermeiden.
    • Speedup 1.1x (Pitch Preserved): Erhöhe die Geschwindigkeit um das 1,1-fache und behalte 100% der natürlichen Tonhöhe bei.
    • Google Drive Sync: Lade automatisch in das angegebene Google Drive-Verzeichnis hoch und bereinige große Dateien auf dem Rechner.

🛠️ SKILL-STRUKTUR

script-to-video-ai-skill/
├── SKILL.md                 # Definition der Fertigkeit für den Antigravity AI Agent
├── PROJECT_RULES.md         # Zwingende Kernregeln des Systems (GEHIRN)
├── AGENTS.md                # Verhaltens- & Arbeitsstil-Anleitung für den Agenten
├── GEMINI.md                # Detaillierte Standards & Fehlerbehebungsdokumentation
├── requirements.txt         # Erforderliche Python-Bibliotheken
├── scripts/                 # Automatisierungswerkzeuge:
│   ├── run_render.py        # Job senden & Pipeline überwachen
│   ├── dialogue_auditor.py  # Gehirn für bidirektionale STT-Prüfung & Pitch Audit
│   ├── snappy_trimmer.py    # Tote Zeit mit STT Binary Search entfernen
│   ├── add_footer.py        # Auflösungsangepassten Footer stempeln
│   ├── gdrive_uploader.py   # Video automatisch auf Google Drive hochladen
│   └── audio_verifier.py    # Audioanalyse-Unterstützung
├── configs/                 # Beispielkonfigurationsdateien
│   └── sample_pipeline.json
└── README.md                # Installations- & Bereitstellungsanleitung von A bis Z

Verwandte Skills