Communitygithub.com

calesthio/generative-media-skills – Dialogbearbeitung und ADR-R…

Anbieterunabhängige Dialogbearbeitung und ADR-Regie für KI-Agenten, die generierte Videos, Filme, Werbung, Avatar-Clips, Erklärvideos, Lokalisierung/Synchronisation, Podcasts, Neuauflagen und Social-Media-Inhalte erstellen. Geeignet für Dialogvorbereitung, -reparatur, Raumatmosphäre, Takes-Kompilierung, Synchronisation, ADR-Einweisung, Synchronregie, Aussprache, De-Essing, Plosive, Mundgeräusche, Stimmkontinuität, Grenzen synthetischer Stimmen, Untertitel/Transkriptübergabe, Mischungsübergabe, Lautstärke, Verständlichkeit, Barrierefreiheit und Qualitätssicherung.

Was ist generative-media-skills – Dialogbearbeitung und ADR-R…?

Dieses Skill befähigt KI-Agenten zur professionellen Dialogbearbeitung und ADR-Regie in der audiovisuellen Produktion. Es behandelt Dialoge als performance- und vertragsrelevantes Element, nicht nur als Wellenform. Der Skill klassifiziert Dialogprobleme (Produktionsbearbeitung, Performance-Korrektur, ADR-Ersatz, Lokalisierung, synthetische Neugenerierung) und bietet dokumentierte Fakten aus Industriestandards (ITU-R BS.1770-5, EBU R 128, FCC, W3C, Netflix-Richtlinien). Er leitet Agenten zu gezielten Hörkontrollen – Kopfhörer, Lautsprecher, kleine Monitore, Bildsynchronisation, Vollmischung – und liefert bewährte Produktionsheuristiken für Dialogkarten, schonende Reparatur (Mundklicks, Plosive, Sibilanz, Rumpeln) und ADR-Vorbereitung inklusive Performance-Regie und Stimmkontinuität. Zudem definiert der Skill Grenzen für synthetische Stimmen (Zustimmung, Rechte, Erkennbarkeit) und Richtlinien für Untertitel, Transkripte und Barrierefreiheit auf Basis von W3C WCAG 2.2 und Netflix-Vorgaben. Der Skill ist plattformunabhängig und für KI-Agenten wie Claude Code, Cursor oder Codex konzipiert, die in der Medienproduktion eingesetzt werden.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/dialogue-editing-adr

In Ihrer bevorzugten KI fragen

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

Dokumentation

Dialogbearbeitung und ADR-Regie

Verwenden Sie dieses Skill, wenn gesprochene Audioinhalte eine Geschichte, Marke, Anweisung, Figur oder Barrierefreiheit vermitteln müssen. Behandeln Sie Dialoge als eine Performance und einen redaktionellen Vertrag, nicht nur als eine Wellenform. Die Aufgabe besteht darin, Verständlichkeit, Absicht, Kontinuität und Rechte zu wahren, während dem Mischtonmeister, Untertitel-Assistenten, Lokalisierungsteam oder nachgelagerten Video-Agenten eindeutiges Material übergeben wird.

Nachweisposition

Die unten aufgeführten dokumentierten Fakten stammen aus professionellen Standards, offiziellen Plattformrichtlinien, offizieller Werkzeugdokumentation oder Rechteorganisationen. Volatile Plattform-/Werkzeug-/Rechtsfakten wurden am 10.07.2026 überprüft. Empirische Beobachtungen beschränken sich auf Hör-/QC-Verhalten, die ein Agent am tatsächlichen Projekt durchführen sollte; es wird kein universelles Audioverarbeitungsergebnis ohne Anhören angenommen. Produktionsheuristiken sind praktische Standardwerte, die gegen Bild und Abgabespezifikationen getestet werden sollten, keine Gesetze der Audiotechnik.

Erster Durchgang: Entscheiden, um welche Art von Dialogproblem es sich handelt

Klassifizieren Sie jede Zeile oder jeden Abschnitt, bevor Sie ihn bearbeiten:

  • production-edit: Nutzbare Quellaudio benötigt Bereinigung, Glättung, Füllung, Anpassung oder Kompilierung.
  • performance-fix: Die Wörter sind technisch nutzbar, aber die Lesart, Emotion, Aussprache, Betonung oder das Timing entsprechen nicht der Szene.
  • ADR-replace: Der Produktionston ist unverständlich, weist nicht behebbares Rauschen/Clipping auf, enthält geändertes Skript, benötigt eine rechtliche/Markenkorrektur oder muss einem neuen Schnitt entsprechen.
  • localization-dub: Eine neue Sprach- oder Regionalversion muss Bedeutung, Performance, Timing und Bildsynchronisation bewahren.
  • VO-style-dub: Die Originalstimme bleibt teilweise wahrnehmbar oder wird absichtlich unter eine lokalisierte Voice-Over-Stimme gemischt.
  • synthetic-rerender: Eine lizenzierte synthetische Stimme oder generische TTS-Stimme muss neu generiert, bearbeitet oder dirigiert werden.
  • caption/transcript-handoff: Text-Assets müssen das endgültig gehörte Audio genau und barrierefrei wiedergeben.

Wählen Sie ADR oder synthetischen Ersatz nicht allein deshalb, weil die Reparatur unbequem ist. Entscheiden Sie zuerst, ob die Originalperformance ohne hörbare Artefakte verständlich gemacht werden kann, ob die Rechte des Schauspielers/der Stimme einen Ersatz erlauben und ob der Ersatz zu Bild und Kontinuität passt.

Zu respektierende dokumentierte Fakten

  • ITU-R BS.1770-5 spezifiziert Algorithmen zur Messung der Audioprogrammlautstärke und des True-Peak-Pegels; es handelt sich um eine Messmethode, nicht um ein kreatives Mischrezept. Quelle: ITU-R BS.1770-5, überprüft am 10.07.2026.
  • EBU R 128, Version 5.0, empfiehlt eine Programmlautstärkenormalisierung bei -23 LUFS und verwendet Lautstärkebereich und True-Peak-Deskriptoren. Quelle: EBU R 128, überprüft am 10.07.2026.
  • Die FCC-Qualitätsrichtlinien für Untertitel im US-Fernsehen verwenden vier Qualitätssäulen: Genauigkeit, Synchronizität, Vollständigkeit und Platzierung. Der FCC-Leitfaden besagt, dass für vorab aufgezeichnete Programme eine vollständige Einhaltung erwartet wird, da eine Offline-Überprüfung möglich ist. Quelle: FCC DA 21-469, überprüft am 10.07.2026.
  • W3C WCAG 2.2 SC 1.2.2 erfordert Untertitel für vorab aufgezeichnete Audioinhalte in synchronisierten Medien, wobei die Untertitel Dialoge, Sprecheridentifikation und bedeutungsvolle nichtsprachliche Informationen abdecken müssen. Quelle: W3C WAI Understanding SC 1.2.2, überprüft am 10.07.2026.
  • Die allgemeinen Anforderungen von Netflix an zeitgesteuerte Texte verwenden eine Mindestdauer von 5/6 Sekunden und eine Höchstdauer von 7 Sekunden für Untertitelereignisse, ein Maximum von zwei Zeilen und eine Positionierung, die Überlappungen mit relevantem Bildschirmtext vermeidet. Dabei handelt es sich um Netflix-Anforderungen, nicht um universelle Spezifikationen. Quelle: Netflix Partner Help Center, überprüft am 10.07.2026.
  • Die Netflix-Richtlinien zur Synchronisation betonen, dass die Lippensynchronität in erster Linie anhand des Bildes beurteilt werden sollte, nicht anhand der Wellenformen der Originalversion; Schlüsselmomente sollten Mundbewegungen, Labiale und Mundformen zu Beginn und Ende berücksichtigen. Quelle: Netflix Dubbing Guiding Principles, überprüft am 10.07.2026.
  • Die Netflix-Richtlinien zur Synchronisation/Mischung verlangen, dass Dialoge natürlich in das Musik- und Effektbett eingebettet werden, mit realistischer Lautstärke, EQ, Hall, Perspektive, Verfremdung und Kontinuität über Sprachen hinweg. Quelle: Netflix Mixing Style Guide for Dubbed Content, überprüft am 10.07.2026.
  • Die Netflix-Richtlinien zur englischen Nonfiction-Synchronisation empfehlen, saubere Dialoge ohne dynamische Verarbeitung aufzuzeichnen, mit Ausnahme eines Low-Cuts von maximal 100 Hz, das Entfernen von Zungenklicken/Speichelgeräuschen, sofern nicht performancebedingt, das Verwenden von Ein- und Ausblendungen bei Dialog-Clips, das Bearbeiten anhand der Audioreferenz und das Beenden des synchronisierten Dialogs zur gleichen Zeit wie die Originalversion, sofern dieser Workflow anwendbar ist. Quelle: Netflix Partner Help Center, überprüft am 10.07.2026.
  • Die Dokumentation von iZotope RX beschreibt Mouth De-click als Erkennung und Reduzierung von Mundgeräuschen wie Klicken und Lippenschmatzen, warnt jedoch, dass eine hohe Empfindlichkeit Plosive beeinträchtigen oder das Originalsignal beschädigen kann. RX De-plosive wird als Werkzeug zur Identifizierung und Reduzierung von Plosiven unter Erhalt von Sprachgrundlagen und Obertönen beschrieben, wobei eine höhere Stärke jedoch die nutzbare Sprache beeinträchtigen kann. Dabei handelt es sich um Werkzeugfähigkeiten, nicht um Garantien. Quelle: iZotope RX docs, überprüft am 10.07.2026.
  • Der KI-Bericht des US Copyright Office (Seite) gibt an, dass Teil 1, veröffentlicht am 31. Juli 2024, digitale Repliken behandelt, während das KI-Framework von SAG-AFTRA klare Zustimmung, faire Vergütung und Kontrolle über die Performances als Leitplanken nennt. NAVA empfiehlt, dass Verträge mit Darstellern Zustimmung, Grenzen für KI-/synthetische Nutzung und Training, Opt-out oder Laufzeitbegrenzung, Zahlung, Klarheit über Exklusivität sowie sichere Speicherung/Nachverfolgung umfassen. Dabei handelt es sich nicht um eine vollständige Rechtsmeinung. Quellen: U.S. Copyright Office, SAG-AFTRA, NAVA, überprüft am 10.07.2026.

Empirische Prüfungen am tatsächlichen Medienmaterial

Hören Sie zu, schließen Sie nicht nur aus Pegeln. Führen Sie für jedes abzuliefernde Material mindestens diese Prüfungen durch:

  • Kopfhörerdurchgang für Klicks, Schnitte, Atemgeräusche, Plosive, Kleidungsgeräusche, Zischlaute, harsche De-Noise-Artefakte, abgeschnittene Silben und unnatürliche Raumatmosphären-Loops.
  • Lautsprecherdurchgang bei normaler Konsumentenlautstärke, ohne Untertitel, um zu beurteilen, ob eine Person, die das Skript nicht kennt, den Wörtern folgen kann.
  • Durchgang mit kleinen Lautsprechern oder in Mono, wenn der Inhalt auf Telefonen, Laptops, Fernsehern oder in sozialen Feeds angesehen werden kann.
  • Bildsynchronisationsdurchgang bei endgültiger Bildrate und Codec-Pfad, da die Timing-Vorschau in DAW, NLE, Browser oder bei niedriger Latenz die Sync-Beurteilung irreführen kann.
  • Kontextdurchgang mit Musik, Effekten und Untertiteln/Übersetzungen, wie sie ausgeliefert werden; eine Zeile, die solo klar ist, kann in der Vollmischung scheitern.

Produktionsheuristiken

Erstellen Sie eine Dialogkarte

Erstellen Sie vor der Reparatur oder ADR eine Karte auf Zeilenebene. Enthalten Sie:

  • Timecode In/Out;
  • Sprecher/Figur;
  • On-Screen- oder Off-Screen-Status;
  • Quelldatei/Take/Spur;
  • exakt gehörten Text und beabsichtigten Text, falls unterschiedlich;
  • Problembezeichnung;
  • vorgeschlagene Behandlung;
  • Aussprachehinweise;
  • Rechts-/Zustimmungsstatus für jede reale Person oder synthetische Ähnlichkeit;
  • Übergabehinweise für Untertitel, Transkript, Mischung oder Lokalisierung.

Bevorzugen Sie diese Form:

TC In-Out | Sprecher | Bildschirm | Gehört/Beabsichtigt | Problem | Behandlung | Notizen
00:00:12:04-00:00:15:10 | Maya | an | „wir versenden Freitag“ | Lüfter+Klick bei „Freitag“ | Reparatur | Lachenden Atem behalten; Raumatmosphäre B
00:00:35:12-00:00:37:01 | CEO | aus | „Serie B“ falsch als „serious B“ gelesen | Aussprache | ADR | „SEER-eez bee“ sagen; Rechtsname unverändert

Bewahren Sie die beste Originalperformance

Verwenden Sie den am wenigsten invasiven Weg, der das eigentliche Problem löst:

  1. Alternatives Mikrofon oder isolierter Produktionskanal.
  2. Alternativer Take oder wilde Zeile.
  3. Manuelle Bearbeitung, Clip-Verstärkung, kurze Überblendung, Raumatmosphären-Füllung.
  4. Gezielte Reparatur nur des Fehlers.
  5. ADR oder synthetische Neugenerierung, wenn die Zeile weiterhin unverständlich, falsch, unsicher oder nicht zielführend ist.

Vermeiden Sie zuerst eine breite Rauschunterdrückung. Breite Verarbeitung reduziert oft Konsonantendetails, Atemrealismus und Raumkontinuität, bevor sie das Problem löst.

Schneiden Sie Dialoge als durchgehenden Luftstrom

Beim Zusammenstellen oder Kompilieren:

  • Behalten Sie Atemgeräusche, die die Performance unterstützen, entfernen Sie nur ablenkende oder technisch schlechte Atmer.
  • Verwenden Sie Raumatmosphäre oder passende Umgebung unter jeder Lücke, in der Dialog geschnitten wurde.
  • Blenden Sie jede Clip-Grenze über, es sei denn, der Schnitt fällt in maskiertes Rauschen oder einen Transienten, der wirklich keine Überblendung benötigt.
  • Passen Sie die Raumatmosphäre nach Szene, Mikrofonperspektive und emotionaler Distanz an. Kleben Sie nicht ein „Stille“-Bett über verschiedene Räume.
  • Verwenden Sie Clip-Verstärkung, um Silben vor der Kompression zu glätten. Behandeln Sie Kompression als Mischungsunterstützung, nicht als Lösung für ungleichmäßige Bearbeitung.
  • Bewahren Sie Konsonantenangriffe. Schneiden Sie nicht die Vorderseite von Plosiven, Frikativen oder leisen Einsätzen ab, nur weil die Wellenform leise aussieht.

Reinigen Sie Artefakte in einer Reparaturreihenfolge

Verwenden Sie gezielte, abgehörte Durchgänge:

  1. Entfernen Sie Bearbeitungsklicks mit Grenzen, Überblendungen und Nulldurchgangsanpassungen.
  2. Reduzieren Sie Mundklicks/Lippenschmatzen lokal; behalten Sie performancerelevante Mundtexturen, wenn Realismus zählt.
  3. Reduzieren Sie Plosive mit einem gezielten Tieffrequenz- oder De-Plosive-Durchgang; wenn die nützliche tiefe Stimme beschädigt wird, machen Sie rückgängig und verwenden Sie manuelle Clip-Verstärkung/ Spektralreparatur.
  4. Kontrollieren Sie Zischlaute mit schmaler, dynamischer Behandlung; zischen Sie den Sprecher nicht an.
  5. Reduzieren Sie Brummen/Brummen mit einem Hochpass- oder Brumentfernungsdurchgang nur so weit wie nötig. Bei gesprochenem Inhalt müssen Low-Cut-Entscheidungen die Körperstimme und die Abgabespezifikationen respektieren.
  6. Verwenden Sie De-Noise/De-Reverb/Dialogue-Isolation konservativ und achten Sie auf wässrige, phasige, zwitschernde oder dumpfe Konsonanten.
  7. Bringen Sie nach der Reparatur die Clip-Verstärkung und die Raumatmosphäre neu ins Gleichgewicht, da Reparaturen neue Diskontinuitäten offenbaren können.

Wenn eine Reparatur ein auffälligeres Artefakt erzeugt als das ursprüngliche Problem, kehren Sie zurück und wählen Sie einen alternativen Take, ADR oder eine ehrliche Notiz „Kann nicht sauber repariert werden“.

ADR- und Synchronregie

Bereiten Sie den Cue vor

Ein ADR-Cue sollte ohne Raten performbar sein. Enthalten Sie:

  • Szenenkontext in einem Satz;
  • Bildreferenz-Timecode;
  • exakte Zeile und genehmigte Alternativen;
  • Grund für ADR;
  • Performance-Absicht;
  • Sync-Anker: Mund zu Beginn/Ende, Labiale, sichtbare Pausen, Gesten, Atmer, Reaktionen;
  • Aussprachehilfe für Namen, Akronyme, Produktbegriffe und sensible Wörter;
  • Mikrofon-/Perspektivenziel: nah, brustig, geflüstert, quer durch den Raum gerufen, Telefon, Helm, Radio, Archiv usw.;
  • Raum-/Verarbeitungsziel und ob der Mischer den Produktionssound nachahmen oder die Wiedergabetreue verbessern soll;
  • angeforderte Takes und was sich zwischen den Takes ändert.

Verwenden Sie zum Cueing, was auch immer das Talent und die Aufnahmeausrüstung unterstützen: Pieptöne, Streamer, visuellen Text, Loop-Aufnahme oder Hören-und-Wiederholen. Dreiton-ADR ist in Film-Workflows üblich, aber erzwingen Sie es nicht, wenn es dem Schauspieler schadet. Die Cueing-Methode ist eine Aufführungshilfe, nicht das Ziel.

Leiten Sie die Performance, bevor Sie die Wellenform betrachten

Geben Sie den Schauspielern spielbare Verben und Kontext:

  • Sagen Sie, was der Sprecher vom Zuhörer will.
  • Identifizieren Sie die emotionale Wendung in der Zeile.
  • Geben Sie jeweils eine Timing-Anweisung.
  • Bewahren Sie den sozialen Status, die Müdigkeit, das Alter, die Akzentpolitik und die Beziehung der Szene.
  • Bitten Sie um natürliche Aussprache, es sei denn, die Geschichte erfordert zusätzliche Klarheit.
  • Lenken Sie bei Werbung und Erklärvideos die Betonung auf die Bedeutung, nicht auf jedes Markenwort. Überbetonte Produktbegriffe klingen synthetisch.

Bewahren Sie bei der Lokalisierung die Absicht und nicht die Wortstellung. Verwenden Sie nach Möglichkeit umgangssprachliche Formulierungen der Zielsprache, wenn sie zur Figur und zum Briefing passen. Wenn die Bildsynchronisation wichtig ist, beurteilen Sie anhand des Mundes und des Schnitts, nicht nur anhand der Quellwellenform. Mundformen zu Beginn und Ende, sichtbare Labiale und offene Mundvokale sind in Nahaufnahmen und Schlüsselmomenten am wichtigsten.

Nehmen Sie genügend Takes auf, um zu schneiden

Fordern Sie an:

  • einen Take mit originalgetreuem Timing;
  • einen Take mit Performance-Schwerpunkt;
  • einen Take mit sauberer Diktion;
  • eine Sicherheitsalternative mit einer kürzeren oder längeren Phrase, falls der Sync dies erfordern könnte;
  • Raumatmosphäre/Efforts/Atemgeräusche nur, wenn die Rechte und die Performance-Anforderungen dies rechtfertigen.

Vermeiden Sie bei Nonfiction-VO-Synchronisation die Aufnahme von Lachen, Weinen und nonverbalen Reaktionen, es sei denn, der Stilleitfaden oder der Kunde verlangt dies ausdrücklich. Wenn ursprüngliche nonverbale Geräusche in der Mischung verbleiben, sollte der Editor sie hervorheben, anstatt sie zu duplizieren.

Sorgen Sie für Stimmkontinuität

Erstellen Sie eine Kontinuitätsnotiz für wiederkehrende Stimmen:

  • Stimmquelle oder Schauspieler;
  • Zustimmungs-/Rechteumfang;
  • Sprache/Lokal;
  • Alter, Geschlechtsausdruck, Akzentpolitik, Dialektnotizen;
  • Sprechgeschwindigkeitsbereich;
  • Tonhöhen-/Energiebereich;
  • Mikrofonabstand und Raum;
  • charakteristische Aussprachen;
  • vorherige Behandlungen: EQ, Hall, Verfremdung, Rauschboden, De-Ess-Verhalten;
  • Ausnahmen wie Archiv, Telefon, Stress, Krankheit, Rückblende oder absichtliche Abweichung.

Stimmen Sie niemals die Stimme einer realen Person synthetisch nach, es sei denn, das Projekt hat ausdrückliche Rechte und informierte Zustimmung für diese exakte Nutzung. Wenn die Zustimmung unklar ist, bieten Sie eine generische Stimme, eine neue Besetzungsrichtung oder eine Frage zur Rechteklärung an.

Grenzen synthetischer Stimmen

Bevor Sie TTS, Sprachkonvertierung, Sprachklonen oder synthetische Synchronisation verwenden:

  • Überprüfen Sie, wem die Quellstimme gehört oder wer sie kontrolliert, ob der Sprecher dieser Nutzung zugestimmt hat, ob Modelltraining oder Stimmreplikation erlaubt ist, ob die Nutzung durch Laufzeit/Gebiet/Medium eingeschränkt ist und ob eine Offenlegung durch Kunde, Plattform, Vertrag oder Gesetz erforderlich ist.
  • Trainieren, klonen, imitieren oder „klingen Sie wie“ eine lebende oder verstorbene identifizierbare Person nicht ohne dokumentierte Erlaubnis.
  • Verwenden Sie keine synthetische Stimme, um jemanden etwas sagen zu lassen, das er nicht autorisiert hat.
  • Nehmen Sie Zustimmung nicht aus der öffentlichen Verfügbarkeit von Aufnahmen ab.
  • Bewahren Sie Prüfnotizen auf: Quelle, Lizenz-/Zustimmungszusammenfassung, Stimm-ID, Anbieter/Modell, Datum, Prompt, Parameter, Bearbeiter und endgültige Verwendung.
  • Wenn eine Aufforderung eine geschützte oder identifizierbare Stimmimitation ohne Rechte verlangt, leiten Sie auf zulässige stimmliche Qualitäten um: Altersspanne, Energie, Tempo, Klangfarbe, Akzent nur, wenn angemessen und nicht karikierend.

Gute synthetische Regie ist dennoch Performance-Regie:

Stimme: lizenzierte interne Markenerzählerstimme, ruhig, aber nicht schläfrig.
Zeile: „Ihr Backup ist fertig, bevor Ihr Kaffee kalt ist.“
Absicht: beruhigender Beweis, keine Übertreibung.
Tempo: mittel-schnell; leichtes Lächeln bei „Kaffee“; keine Ansager-Stimme.
Aussprache: „Backup“ als BACK-up, nicht back-UP.
Lieferbeschränkungen: keine Nachahmung von Prominenten oder Mitarbeitern; keine zusätzlichen Wörter.
Bearbeitungshinweise: 200 ms sauberes Ende für Überblendung lassen; als trockene WAV plus Timing liefern.

Untertitel, Transkripte und Barrierefreiheitsübergabe

Die Übergabe des gesprochenen Audios muss dem entsprechen, was ausgeliefert wird, nicht dem, was das Skript ursprünglich sagte.

Stellen Sie sicher, dass alle Untertitel- und Transkripte genau mit der finalen Audiomischung übereinstimmen. Kennzeichnen Sie mindestens Punkte, an denen abweichende Takes, ADR-Einfügungen, Tonhöhenänderungen oder synthetische Stimmen die gesprochenen Wörter von der ursprünglichen Skriptbeschreibung unterscheiden.

Ziehen Sie die folgenden Zugänglichkeitsanforderungen heran:

  • W3C WCAG 2.2 SC 1.2.2 verlangt Untertitel für vorab aufgezeichnete Audioinhalte in synchronisierten Medien, einschließlich Dialog, Sprecheridentifikation und bedeutungsvoller nichtsprachlicher Informationen.
  • Die Untertitelqualität des FCC besteht aus den vier Säulen Genauigkeit, Synchronizität, Vollständigkeit und Platzierung. Vorab aufgezeichnete Programme müssen vollständig konform sein.
  • Synchronisieren Sie Untertitelereignisse mit der hörbaren Audiowellenform, nicht mit der Skript-Timeline.
  • Befolgen Sie die Netflix-Konvention von 5/6 Sekunden minimaler und 7 Sekunden maximaler Ereignisdauer, maximal zwei Zeilen, wenn Sie für diesen Dienst produzieren, es sei denn, die Spezifikation weicht ab.
  • Kennzeichnen Sie bei synthetischer Sprache deutlich, ob die Stimme generiert, kloniert oder konvertiert ist, wenn die Offenlegungspolitik dies vorschreibt.

Fügen Sie abschließend eine klare Übergabe für den nächsten Bearbeitungsschritt hinzu:

  • Quellcues, Referenz, bearbeitete Dateien und Mischung.
  • Probematerial und endgültiges Material.
  • Bekannte Probleme und angewandte Lösungen.
  • Nicht behebbare Probleme mit Empfehlungen.
  • Kontaktdaten für Ansprechpartner bei Fragen zu Performance, Rechten und Barrierefreiheit.

Qualitätssicherung als letzten Schritt

Führen Sie eine vollständige QC-Prüfung durch, die Folgendes umfasst:

  • Alle Dialoge sind verständlich (auch ohne Untertitel und unter widrigen Hörbedingungen).
  • Lippensynchronität ist in allen ADR/Sync-Spots korrekt.
  • Stimmkontinuität ist zwischen Takes und über Szenen hinweg konsistent.
  • Keine hörbaren Artefakte (Klicks, Knacken, Artefakte durch Rauschunterdrückung, abgeschnittene Silben).
  • Untertitel sind genau, synchron und vollständig.
  • Die Loudness ist innerhalb der Abgabespezifikation (z. B. -23 LUFS für EBU R 128, -24 LKFS für ATSC A/85).
  • Alle Rechte und Zustimmungen sind dokumentiert.

Wenn ein Problem nicht behebbar ist, dokumentieren Sie es klar und geben Sie eine Empfehlung.

Bereit für die Auslieferung.

Individual skills in this repo

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

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

Verwandte Skills