iamjeffia/estudio-ia

Motion Narration: Die Szene entsteht durch das Sprechen

Datum: 2026-10-22 · Typ: Leitfaden · Status: gültig

Zusammenfassung: Regeln für Animation über einer Narration: Nichts erscheint, bevor es gesagt wird, der Untertitel gibt Zeit zum Lesen, jede Idee bekommt ein echtes Element oder eine visuelle Metapher, und die Szene wechselt erst, nachdem der Satz beendet ist. Gilt in jeder Engine (wähle in estudio-video). Startnummern in regeln.md.

Bevor du beginnst, folge der video-referenzen (Referenz angesehen und echte Assets). Ein Video mit gesprochenem Produkt oder Software kombiniert diese Regeln mit dem Standard aus animacao-saas, wobei die Sprache anstelle des Beats das Timing jeder Transformation vorgibt.

Der Input: Zeiten pro Wort

Alles basiert auf der genehmigten und Wort-für-Wort transkribierten Narration (words.json: Wort, Beginn, Ende). Wenn die Narration später beschleunigt wird, transkribiere die bereits beschleunigte Datei und animiere darüber.

Storyboard vor Rhythmus

Bei Tutorials und Erklärvideos gilt: Weniger ist mehr – jedes Element hat einen Zweck, kommt zum richtigen Zeitpunkt und verschwindet oder wird zum nächsten. Längere, weichere Animationen, eine Hauptidee pro Bildschirm, immer etwas Lebendiges und Soundeffekte nur, wo sie etwas bringen. Ausgangspunkt:

• eine Komposition pro Satz, 4 bis 6 s;
• ein neues Element alle 1,5 bis 2 s, bei dem Wort, das es benennt;
• maximal 3 Dinge neben dem Untertitel (1 Hauptelement + 2 Hilfselemente);
• die Hälfte der Wechsel ist ein Element, das zum nächsten wird, kein Schnitt.

Ein kinetischer Reel-Opening kann viel schneller ablaufen (alle halbe Sekunde etwas Neues); gib im Projekt an, welcher Rhythmus für welchen Abschnitt gilt. Dauern für Ein-, Ausgänge und Kamera in regeln.md.

Regel 1 – Nichts erscheint, bevor es gesagt wird

Jedes Element erscheint im Moment des Wortes, das es rechtfertigt (bis zu ~0,15 s früher, niemals Sekunden zu früh). Die Szene beginnt leer oder nur mit dem Untertitel und baut sich dann auf.

Falsch	Richtig
die Produktkarte von Anfang an sichtbar	das Icon entsteht, wenn die Stimme den Namen sagt, mit eigener Animation; beim vollständigen Namen fliegt es in die Kopfzeile und die Karte baut sich auf
stillstehende Balken, die darauf warten, aktiviert zu werden	die Balken erscheinen beim Wort "erster Teil" und der erste füllt sich sofort
drei Schritte verblasst, bevor sie genannt werden	jeder Schritt erscheint, wenn er genannt wird
das Handy bereits geöffnet bei "so funktioniert es"	das Foto des Themas erscheint, wenn es genannt wird; das Handy erscheint bei "Suche in der App"

So wendest du es an: Erstelle vor dem Animieren die Tabelle Wort → Zeit → Element, das erscheint. Bei der Überprüfung suche im Kontaktbogen nach Elementen, die ohne Nennung erscheinen.

Ausnahme: Der Held der Szene (das Handy, auf dem die Aktion stattfindet) kann von Anfang an auf dem Bildschirm sein, wenn die Stimme bereits darüber spricht.

Regel 2 – Untertitel, der Lesezeit gibt

• Sätze mit 4 bis 9 Wörtern, in maximal 2 handschriftlich gebrochene Zeilen. Passagen mit 1 oder 2 Wörtern, die ständig wechseln, verschwinden, bevor sie gelesen werden.
• Mindestlesezeit: Jeder Satz bleibt mindestens ~0,6 s, nachdem das letzte Wort erscheint. Der nächste wartet, bis der vorherige verschwunden ist; er kann bis zu ~0,5 s gegenüber der Sprache verzögern, niemals voraus sein.
• Kein automatischer Zeilenumbruch: Die Schriftgröße wird verkleinert, um Platz zu schaffen. Dadurch wird sichergestellt, dass nie eine dritte Zeile hinter dem Handy versteckt wird.
• Wort für Wort mit Maske: Jedes Wort steigt aus einer ausgeschnittenen Box (von 100 % auf 0, mit leichter Unschärfe). Lose schwebende Wörter mit Unschärfe und freier Verschiebung wirken amateurhaft.
• Generiere den Untertitel aus der Sprache: uv run scripts/video/make_captions.py.

Regel 3 – Hervorhebung ohne Textmarker und ohne Wiederholung

• Vermeide Textmarker (farbiger Balken hinter dem Wort): wird von der Wort-für-Wort-Maske abgeschnitten und wirkt repetitiv.
• Standard: Das Schlüsselwort wechselt zur Highlight-Farbe des Videos und wird fetter. Maximal eines pro Satz.
• Variiere, wenn die Hervorhebung wichtig ist: offizielles Logo in der Zeile, ein Element, das aus dem Wort entsteht (der Buchstabe des Logos), ein Zähler, ein Highlight-Ring auf der Karte. Wiederhole nicht dasselbe Mittel in aufeinanderfolgenden Szenen.
• Großer Highlight-Text immer mit Finish: Farbverlauf, Glanz, Textur, Kontur oder das Wort mit Videomaterial gefüllt.

Regel 4 – Echtes Element und Metapher für jede Idee

• Echter Ort → echter Screenshot. „Lokales Geschäft“ erfordert die echte Karte: Aufnahme von Google Maps über Chrome ohne Fenster (--headless --window-size=1900,1600 --force-device-scale-factor=2 --virtual-time-budget=20000 und die URL .../maps/place/<stadt>/@lat,lng,13.5z). Darüber Markierungen für reale Unternehmen, positioniert durch Mercator-Projektion mit demselben Zentrum und Zoom (überprüfe, indem du alle Punkte vorher plottest). „Ihr Unternehmen“ ist der einzige Pin in der Highlight-Farbe.
• Populäre Analogie → ihre Illustration. „Langsamer als die Schlange im Gesundheitszentrum“ erfordert das offizielle Symbol des Dienstes, ein Foto einer Schlange (Menschen von hinten, ohne lesbaren Text) und das LED-Senkrechtstart-Panel mit „Wartezeit: 4 Stunden“. Eine generische Nummer vermittelt den Witz nicht.
• Logo, Icon und SVG: immer das offizielle von der Website der Marke. Das Logo eines Dritten identifiziert das Thema, es erscheint nie als Partner.
• Illustriere das Konzept, zähle nicht auf. „Engpass“ ist ein Fluss, der ins Stocken gerät: Kunden kommen und sammeln sich in einem Schritt, der Zähler steigt, das Laden stoppt, das Etikett „festgefahren“.
• Emotion ohne wiederverwendetes Video. Verwende kein Video einer Person, das für eine andere Situation gemacht wurde. Ein Emoji in SVG, das sich mit der Sprache ändert (neutral → wütend → rot mit Dampf), funktioniert besser; eine echte Person erfordert neues Material.
• Jeder gesprochene Satz muss eine wörtliche visuelle Übersetzung haben. Wenn der Satz kein Element hat, muss der Untertitel allein ausreichen.

Regel 5 – Szenenwechsel, Sprache und Beat

• Bildschirmwechsel erst nach der Sprache. Die neue Szene beginnt, nachdem das letzte Wort des vorherigen Satzes beendet ist (Ende des Wortes + eine kurze Pause). Wenn die Überblendung den Bildschirm vor dem Schnitt abdeckt, zähle diese Zeit. Dann passe auf den nächsten Beat an, falls er bis zu ~0,2 s entfernt ist.
• Track messen: uv run scripts/som/batida.py markiert Beats und starke Zeiten (siehe --help; prüft auch einen Render gegen den Track). Ziel: die meisten Schnitte auf dem Beat.
• Szenenanfang auf der Kickdrum; das Stoppen des Tracks fällt auf die Wendung im Skript (bringe die Musik vor oder verspäte sie).
• Trockene Narration, Musik unter der Sprache leiser und über das gesamte Video hinweg. Wenn es einen musikalischen Filmvorspann gibt, kommt die Sprache danach, niemals darüber. Musikauswahl, Effekte und Mix: Skill som-do-video.

Regel 6 – Finish

• Nichts hinter dem Helden: Untertitel in einer eigenen Leiste (oben, bei vertikalem Video), der Held darunter.
• Kein Effekt wird mitten durch eine Überblendung abgeschnitten: Eine Hervorhebung beginnt nur, wenn sie Zeit hat, vor dem Ende des Satzes zu enden.
• Sanfte Überblendung: Die neue Szene kommt von oben, aus der Unschärfe und einer leicht größeren Skala. Die alte Szene bleibt undurchsichtig, wird nur unscharf und kleiner; zwei halbtransparente Szenen erzeugen einen grauen Schleier.
• Eine dunkle Szene mit reinem Text kann bis zu ~1 s vor dem ersten Wort atmen; eine helle Szene wird nicht länger als ~0,3 s leer geöffnet, es sei denn, das Element wurde noch nicht genannt.

Regel 7 – Fertigstellungseffekte, die funktionieren

Effekt	Wann verwenden	Wie
Kamera, die der Aktion folgt	Tippen, Berühren, Nachricht: das Auge muss zum Detail	Zoom (Skala ~1,3–1,5) auf den Punkt der Aktion und zurück; der Untertitel bleibt außerhalb der Kamera
Hand-Cursor mit Wellen	jeder gezeigte Klick oder Berührung	Fingerspitze auf dem Ziel; drücken und loslassen zwei Wellen; Berührungsgeräusch
Punktübergang	2 oder 3 große Wendepunkte (Impact-Szene, Marke, CTA); nicht bei allen	Gitter aus kleinen Kugeln in den Videofarben, das den Bildschirm bedeckt, Schnitt in der Mitte, zeigt die nächste Szene
Pin mit Foto + Radar	Karte oder Ort	rundes Foto mit weißem Rand und Name; Radar, das auf dem Hauptpin rotiert
Wortstapel	Vorteile, die in Serie genannt werden	das gesagte Wort erscheint in der Mitte, das vorherige steigt verblasst nach oben
Handy-Oberkanten-Insel	Benachrichtigung oder Nachricht kommt an	schwarze Pille, die sich mit einer Feder ausdehnt
Logo durch Linie	Markenenthüllung	Linie, die sich zeichnet und dann füllt
Heller Hintergrund mit Pastellglanz	helle Szene	ein Farbton pro Szene
Zähler, der rollt	genannte Zahl	steigt auf den Wert beim Erscheinen
Welle mit Pillen	„von Anfang bis Ende“, Prozess in Schritten	gewellte Linie, die sich zeichnet und für jeden genannten Schritt eine Pille erhält
Element-Draht, dem die Kamera folgt	Reise durch mehrere Bildschirme	ein Punkt reist zwischen echten Bildschirmen in einer „Welt“, die größer als der Bildschirm ist; jeder Bildschirm leuchtet auf, wenn er ankommt; am Ende öffnet die Kamera und zeigt alles

In After Effects mit dem Motion Kit AE bevorzuge die vorgefertigten Operationen des Kits (Feder, Ein-, Ausgang, Live-Kamera) anstatt Ausdrücke von Null zu schreiben. In HyperFrames oder Remotion wird alles zu einer Funktion der Zeit (t), ohne echte Uhr, damit derselbe Frame in jedem Render gleich aussieht.

Checkliste vor dem Rendern

• Tabelle Wort → Element geschrieben; kein Element vor dem Wort.
• Untertitel: Sätze mit 4 bis 9 Wörtern, maximal 2 Zeilen, Mindestlesezeit, nichts hinter dem Helden.
• Kein Textmarker; abwechslungsreiche Hervorhebungen.
• Jede Analogie, jeder Ort oder jede genannte Marke hat ein echtes Bild oder eine klare Illustration.
• Kein Bildschirmwechsel vor dem Ende des Satzes; Wechsel gegen den Beat geprüft.
• Klicks mit Hand-Cursor gezeigt; Kamera zoomt auf kleine Aktionen; maximal 3 Punktübergänge.
• Kein wiederverwendetes Video außerhalb des ursprünglichen Kontexts.
• Kontaktbogen und vergrößerte Ausschnitte überprüft, auf Spoiler, versteckten Text, abgeschnittene Effekte und leeren Bildschirm (uv run scripts/video/detectar_saltos.py im Render).
• Seite an Seite mit der Referenz und dem besten vorherigen Video desselben Typs verglichen: Ist es insgesamt besser? Wenn nicht, ist es noch nicht fertig.