Communitygithub.com

ZJU-REAL/Easel

Ein Thema → fertiges Kurzvideo: Automatische Verkettung von Text → Bilder/AI-Video → Voiceover → Untertitel → BGM → Zusammenschnitt. Ordnet die Bausteine der Easel-Produktionsebene zu einer „One-Click-Output“-Pipeline an. **Einzelvideo, Voiceover-/Informationsorientiert, Standardmäßig Bild-für-Satz mit Ken Burns-Easing, nur dynamisch bei Bedarf Bild-zu-Video pro Segment.** Wird verwendet, wenn der Nutzer sagt: Video automatisch generieren, Kurzvideo erstellen, Video aus Thema generieren, mach mir ein Video, Voiceover-Komplettservice, automatisch ausgeben, Kurzvideo per Klick generieren. **Für Geschichten/Charaktere/Dialoge/Plot-Twists/Mehrteiler bitte short-drama (jede Szene zwingend Bild-zu-Video, keine Standbilder); nur Skript schreiben mit video-script; nur einzelnes Segment generieren mit ai-video-gen.**

Was ist Easel?

Dieser Skill orchestriert die gesamte Pipeline zur automatischen Erstellung von Kurzvideos aus einem einzelnen Thema. Er fungiert als Integrationsschicht, die mehrere spezialisierte Sub-Skills (Skripterstellung, Bildgenerierung, Videogenerierung, Sprachausgabe, Untertitel, Hintergrundmusik und finaler Zusammenschnitt) nahtlos miteinander verbindet. Das System erkennt fehlende API-Schlüssel und führt automatische Degradierungen durch (z. B. Fallback auf Platzhalter-Bilder oder Überspringen der Sprachausgabe), ohne den gesamten Prozess zu blockieren. Es unterstützt die Profile-Awareness, um Stil und visuelle Ästhetik aus Benutzerprofilen zu übernehmen, und erzwingt eine explizite Bestätigung des Seitenverhältnisses (Hoch-/Querformat), bevor kostenpflichtige APIs aufgerufen werden. Die Ausgabe ist eine finale MP4-Datei mit Storyboard, Untertiteln und BGM, wobei alle Zwischenprodukte für manuelle Anpassungen gespeichert werden.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ZJU-REAL/Easel/tree/HEAD/skills/openclaw/auto-short-video
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Ein-Klick-Kurzvideo (End-to-End-Orchestrierung)

Gib ein Thema ein, und es wird automatisch ein Kurzvideo produziert. Dieser SKILL ist die Orchestrierungsebene: Er verbindet vorhandene Produktionsbausteine zu einer Pipeline – Text (video-script) → Bild-für-Satz (ai-image-gen) oder Segment (ai-video-gen) → Voiceover (tts-voiceover) → Untertitel (auto-subtitle) → BGM (ai-music) → Zusammenschnitt (scripts/assemble.py). Basierend auf der automatischen Kurzvideo-Engine von Pixelle-Video / MoneyPrinterTurbo.

Eingabe

  • Thema / Text (erforderlich)
  • Optional: Ziel-Laufzeit, Stil, ob Voiceover/Untertitel/BGM gewünscht, ob KI-generierte oder eigene Bilder
  • Harte Seitenverhältnis-Prüfung: Wenn der Nutzer oder die übergeordnete Aufgabe kein Quer-/Hochformat (oder 16:9/9:16/konkrete Auflösung) angibt, muss vor der Ausführung/kostenpflichtigen API-Nutzung nachgefragt und auf Bestätigung gewartet werden; nicht stillschweigend aus Plattform, Profil oder Standardwerten ableiten. Bei bereits klarer Angabe nicht erneut fragen.

Ausgabe

Das fertige Kurzvideo wird unter outputs/Themenname/final.mp4 geschrieben; Storyboard-Bilder, Voiceover, Untertitel und das Storyboard selbst unter outputs/Themenname/assets/.

Ausführungsschritte (nach Bedarf zuschneiden; fehlende API-Keys automatisch degradieren oder nachfragen)

  1. Skript & Storyboard schreiben: Mit video-script das Thema in einen Voiceover-Text umwandeln und in N Sätze (jeder Satz ein Storyboard) aufteilen. Jedem Satz eine Bildbeschreibung zuweisen.

  2. Bilder/Clips generieren (pro Storyboard ein Bild oder einen Clip):

    • Mit Bild-API-Key → ai-image-gen text2img pro Satz (im bestätigten Seitenverhältnis)
    • Für Dynamik → ai-video-gen text2video/image2video
    • Mit eigenen Assets → Mit image-editing pad auf bestätigtes Seitenverhältnis bringen
    • Keines davon verfügbar → Platzhalter-Bildkarte im bestätigten Seitenverhältnis wählen (Hochformat: card-xiaohongshu/poster-hero; Querformat: card-quote) und dann pad, um Seitenverhältnis-Fehlanpassung zu vermeiden.

  3. Voiceover: tts-voiceover wandelt den Text in Sprachausgabe um (gleichzeitig SRT-Export). Wenn VOICE_PROVIDER gesetzt ist, werden standardmäßig geschlossene, hochwertige Stimmen (emotional, realistisch) verwendet; nur ohne Key wird auf Edge (mechanisch) zurückgegriffen – für nicht „blechern

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

ZJU-REAL/Easel

AI 视频生成：文生视频 / 图生视频 / 数字人首帧驱动。通过可插拔 provider（通义万相 Wan / 火山 Seedance / 快手可灵 / OpenAI 兼容）异步生成视频，用户自备 API key。当用户说 AI 视频生成、文生视频、图生视频、AI 生成视频、AI 短视频、让图片动起来、数字人视频、生成一段视频 时使用。与 video-strategy（选型/策略）、video-editing（剪辑处理）、clipify（切片）区别：本 SKILL 是从 0 用 AI 生成新视频。

ZJU-REAL/Easel

通用音频处理：音频剪辑/裁剪、格式转码（mp3/wav/m4a/aac）、音量归一化、从视频提取音轨、多段拼接、淡入淡出、变速（保音高）。当用户说“剪音频”“裁一段”“转成 mp3”“调音量/响度”“提取音轨/扒音频”“拼接音频”“淡入淡出”“加速/减速音频”“变速不变调”时使用。与 audio-denoise 的区别：audio-denoise 专做降噪，audio-editing 做除降噪外的通用音频操作（也内置 denoise 作为兜底）。

ZJU-REAL/Easel

自动字幕 / 语音转字幕：把音频或视频里的语音识别成字幕文件（SRT/ASS/TXT/JSON），可选把字幕烧录进视频。当用户说自动字幕、语音转字幕、视频加字幕、上字幕、转录、听写、字幕文件、生成字幕、烧字幕时使用。

ZJU-REAL/Easel

音乐卡点视频 / 踩点视频：检测背景音乐的节拍，让图片或片段在节拍点上切换，配推进/白闪特效，做出燃系'卡点'短视频。当用户说 卡点视频、踩点视频、音乐卡点、节奏卡点、按音乐切换、鼓点视频、踩节奏、beat 卡点、图片卡点、卡点混剪 时使用。基于 shared/scripts/beatsync.py（librosa 节拍检测）。与 slideshow-video 区别：slideshow 每图固定时长、柔和转场，本 SKILL 切换点由音乐节拍决定、硬切踩点带特效。

ZJU-REAL/Easel

Easel clipify: long English talk → punchline cuts → optional 16:9→9:16 face-pan/split → opus word-by-word ASS burn. Ships scripts + assets/preview.png. Part of 1.6k★ Easel suite.

ZJU-REAL/Easel

>- 通用图像处理加工：改尺寸/缩放、裁剪、补边适配平台尺寸、格式转换（png/jpg/webp）、 压缩到目标大小、加文字或图片水印、圆角、多图拼接、生成缩略图、读图片信息。 基于 image_ops.py 确定性处理。 使用时机：用户说"改尺寸"、"缩放图片"、"裁剪"、"压缩图片"、"加水印"、"转格式"、 "圆角"、"拼图/多图联排"、"缩略图"、"适配小红书/朋友圈尺寸"、"把图 pad 成 1:1"。 和 card-*（卡片类）的区别：card-* 是"HTML 设计→渲染出图"， image-editing 只加工已有图片，不负责视觉设计。

ZJU-REAL/Easel

多角色对话配音：按 cast 和逐行对白为不同角色分配音色与情绪，合成多声线音轨和带角色名字幕。 当用户说“多角色/双人/剧本/对话配音、多人对白、不同角色不同声音、有声剧配音”时使用。 单一公共音色用 tts-voiceover；克隆本人音色用 voice-clone；整部短剧制作由 short-drama 编排。

ZJU-REAL/Easel

Easel video-highlights: CN/livestream highlight extract + stable static vertical reframe (sibling to clipify).

ZJU-REAL/Easel

>- 视频制作策略与工具选型：AI 视频生成模型对比、视频脚本结构设计、制作流程规划，覆盖产品演示/解说/社媒短视频场景。 当用户说"视频怎么做""视频选型""用什么工具做视频""视频制作流程""视频策略""视频系列规划"时使用。 和 video-script 的区别：video-strategy 做内容规划与工具选型，video-script 写具体某条视频的脚本。

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community