Communitygithub.com

calesthio/generative-media-skills

Anbieterunabhängige Anleitung für Lokalisierung und Dubbing-Produktion für KI-Agenten, die übersetzte Videos, synchronisierte Werbung, Social-Clips, Erklärvideos, Avatar-Videos, Dokumentationen, Schulungsmedien und Multi-Markt-Kampagnen erstellen.

Was ist generative-media-skills?

Dieses Skill bietet eine umfassende, anbieterunabhängige Anleitung für die Lokalisierung und Synchronisation von Videoinhalten durch KI-Agenten. Es behandelt die gesamte Produktionskette von der Klassifizierung des Inhalts über die Übersetzungsstrategie, Skriptanpassung und Sprachauswahl bis hin zur Qualitätssicherung und Barrierefreiheit. Das Skill unterstützt Plattformen wie YouTube, WebVTT, Netflix und andere OTT-Dienste und berücksichtigt dabei rechtliche, kulturelle und technische Einschränkungen. Es ist besonders nützlich, wenn Agenten Entscheidungen über Untertitel, Voice-Over, Phrasen-Synchronisation oder Lippen-Synchronisation treffen müssen, und hilft dabei, Fallstricke wie wörtliche Übersetzungen oder fehlende Einwilligungen für synthetische Stimmen zu vermeiden. Die Anleitung basiert auf dokumentierten Fakten (z. B. WCAG, FCC, ISO 17100) und empirischen Beobachtungen aus der Produktion.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Lokalisierung und Synchronisationsproduktion

Nutzen Sie dieses Skill, um ein Quellvideo in marktreife lokalisierte Varianten zu verwandeln, ohne Übersetzung als reinen Wortersatz zu behandeln. Steuern Sie die Lokalisierungsstrategie, Skriptanpassung, Sprachansatz, Timing, Barrierefreiheit, Rechteprüfungen, Überprüfungsschleife und Qualitätskontrolle, bevor Sie einen Anbieter oder ein Modell auswählen.

Dies ist eine Produktionsanleitung, keine Rechtsberatung. Wenn die Arbeit Talentverträge, gewerkschaftlich geschützte Darsteller, biometrische/Sprachdaten, Persönlichkeitsrechte, politische Inhalte, regulierte Behauptungen, Minderjährige, gesundheits-/finanz-/rechtsbezogene Behauptungen oder bezahlte Medien in mehreren Rechtsräumen betrifft, verlangen Sie eine qualifizierte rechtliche/marktspezifische Prüfung vor der Veröffentlichung.

Nachweisstand

Dokumentierte Fakten in diesem Skill basieren auf den am Ende aufgeführten Quellen und wurden, sofern nicht anders angegeben, am 10.07.2026 überprüft. Empirische Beobachtungen sind wiederkehrende Produktionsmuster aus der Lokalisierungs-/Synchronisationsarbeit und sollten anhand des tatsächlichen Quellmaterials überprüft werden. Produktionsheuristiken sind Entscheidungsregeln für Agenten; überschreiben Sie diese, wenn ein Kundenbriefing, eine Plattformspezifikation, ein Gesetz, eine Barrierefreiheitsanforderung oder ein muttersprachlicher Prüfer etwas anderes vorgibt.

Beginnen Sie mit der Klassifizierung des Auftrags

Identifizieren Sie den Inhaltstyp, bevor Sie Lokalisierungsentscheidungen treffen:

  • Unterhaltung, Dokumentation, Erfahrungsbericht, Nachrichten oder Creator-Inhalte: Bewahren Sie Stimme, Identität, kulturelle Besonderheit und Vertrauen. Untertitel können bei Zeugenaussagen oder Journalismus ehrlicher sein als Synchronisation.
  • Werbung, Produkteinführung, App-Demo, Social-Clip, Avatar-Video oder Erklärvideo: Optimieren Sie Verständnis, Erinnerung, Markenton und Plattformverhalten. Synchronisation oder native Neueinsprache sind oft die Kosten wert.
  • Schulung, Compliance, medizinische, finanzielle, rechtliche oder öffentliche Medien: Priorisieren Sie Genauigkeit, Terminologiekontrolle, Barrierefreiheit, nachvollziehbare Prüfung und prüffähige Freigaben gegenüber flüssigen Abkürzungen.
  • Kinder-/Familien-, schreibschwache oder Mobile-ohne-Ton-Zielgruppen: Gehen Sie nicht davon aus, dass Untertitel allein ausreichen; erwägen Sie Synchronisation, Untertitel, visuelle Verstärkung und einfachere Leselast.
  • Emotionsstarkes Drama, Nahaufnahme-Moderator, Avatar oder gesichtsbetonte Werbung: Entscheiden Sie frühzeitig, ob Lippen-Synchronisation erforderlich ist, da dies das Skript, das Casting, den Schnitt und den QC-Aufwand verändert.

Fragen Sie nach oder leiten Sie diese Essentials ab:

  1. Ausgangssprache, Zielmärkte, Zielgruppe, Plattform, Veröffentlichungsdatum und Region.
  2. Vorhandene Verträge/Berechtigungen für Stimme, Abbildung, Musik, gezeigte Personen und synthetische Verarbeitung.
  3. Quell-Assets: endgültiges Video, saubere Dialog-/Musik-/Effektspuren falls verfügbar, Transkript, Untertitel, Markenrichtlinien, genehmigte Produktbegriffe, Kampagnenaussagen, rechtliche Haftungsausschlüsse und Schnittprojekt oder Shot-Liste.
  4. Auslieferungsmodus pro Markt: Untertitel, SDH/Untertitel, Voice-Over, Phrasen-Synchronisation, Lippen-Synchronisation, lokalisierte Avatar-Performance oder vollständig neu geschnittener Marktschnitt.
  5. Prüfer: muttersprachlicher Prüfer, Marken-/Rechtsprüfer, fachlicher Prüfer, Barrierefreiheitsprüfer und endgültiger Genehmiger.

Trennen Sie Fakten, Beobachtungen und Heuristiken während der Planung

Dokumentierte Fakten für die Produktion:

  • WCAG 2.1 verlangt Untertitel für vorab aufgezeichnetes Audio in synchronisierten Medien gemäß Erfolgskriterium 1.2.2 Level A und Live-Untertitel gemäß 1.2.4 Level AA. Audiobeschreibung ist separat gemäß 1.2.5 Level AA erforderlich, wenn visuelle Informationen anderweitig nicht verfügbar sind.
  • Die FCC beschreibt die Qualität von TV-Untertiteln hinsichtlich Genauigkeit, Synchronität, Vollständigkeit und Platzierung. Auch wenn FCC-Regeln nicht für bestimmte Web-/Social-Auslieferungen gelten, sind diese Dimensionen nützliche QC-Kategorien für Untertitel.
  • Die Allgemeinen Anforderungen für zeitgesteuerte Texte von Netflix legen eine Mindestdauer von 5/6 Sekunde und eine Höchstdauer von 7 Sekunden für Untertitelsignale bei Netflix-Auslieferungen fest; wenden Sie Netflix-spezifische Grenzen nicht blind auf Nicht-Netflix-Plattformen an, sondern nutzen Sie sie als Plausibilitätsprüfung für die Lesbarkeit.
  • ISO 17100:2015 definiert Anforderungen an Kernübersetzungsprozesse und -ressourcen für Übersetzungsdienstleistungen; ihre öffentliche Zusammenfassung gibt an, dass maschinelle Rohübersetzung plus Nachbearbeitung außerhalb ihres Geltungsbereichs liegt.
  • YouTube-Mehrsprachiges Audio ermöglicht berechtigten Creatorn, zusätzliche Sprach-Audiospuren zu einem Video oder Short hochzuladen; hochgeladene Spuren müssen reines Audio sein und in etwa die gleiche Länge wie das Video haben. Die automatische Synchronisation von YouTube ist separat und kann Fehler in Aussprache, Dialekt, Redewendungen, Eigennamen, Fachjargon, Spracherkennung oder Stimm-Matching enthalten.
  • YouTube verlangt von Creatorn, realistische KI-generierte oder inhaltlich signifikant KI-veränderte Inhalte in Studio zu kennzeichnen; YouTube gibt an, dass eine Kennzeichnung für die Erstellung von Untertiteln nicht erforderlich ist, und listet das Klonen der eigenen Stimme für Voice-Overs oder Synchronisationen als Beispiele, die Creator nicht kennzeichnen müssen, aber dies ist eine Plattformrichtlinie, keine pauschale Rechteklärung.
  • WebVTT ist ein W3C-Textspur-Format für zeitlich abgestimmte Untertitel/Übersetzungen, Beschreibungen, Kapitel und Metadaten.
  • NAVA definiert aktive Einwilligung für synthetische/KI-Stimmen als eine ausdrückliche Verzichtserklärung/Zustimmung des Darstellers oder Vertreters, die alle anderen Nutzungen ausschließt. Die öffentlichen KI-Ressourcen von SAG-AFTRA betonen Einwilligung, Offenlegung und Schutz vor digitalen Repliken im gewerkschaftlichen Kontext.

Empirische Beobachtungen, die bei jedem Projekt zu überprüfen sind:

  • Wörtliche Übersetzungen brechen oft Timing, Humor, Übereinstimmung mit Bildschirmtexten, mundmotorische Feinheiten, rechtliche Nuancen und Markenton.
  • KI-Synchronisationssysteme versagen am ehesten bei überlappenden Sprechern, verrauschtem Audio, regionalen Akzenten, Namen, Akronymen, Witzen, Sarkasmus, Code-Switching, schneller Sprache, Liedern und Fachjargon.
  • Zuschauer tolerieren lockerere Synchronisation bei Erzählungen, Schulungen, Erklärvideos und Off-Kamera-Voice-Over als bei Nahaufnahmen menschlicher Darsteller, Erfahrungsberichten, Dramen oder Avatar-Sprechern.
  • Manche Märkte erwarten Synchronisation als Standard für Unterhaltung; andere bevorzugen Untertitel für Authentizität. Behandeln Sie dies als Marktforschung, nicht als universelle Regel.

Produktionsheuristiken:

  • Lokalisieren Sie zuerst die Absicht, dann die Wortwahl, dann das Timing. Eine flüssige Zeile, die die Behauptung, den Witz oder den Aufruf zum Handeln verfehlt, ist falsch.
  • Frieren Sie den Quellschnitt vor der Lokalisierung ein, es sei denn, der Lokalisierungsplan sieht explizit marktspezifische Neuschnitte vor.
  • Erstellen Sie eine Terminologiedatenbank, bevor Sie mehr als eine Stichprobe übersetzen. Die Korrektur von Terminologie nach der Aufnahme ist teuer.
  • Verwenden Sie muttersprachliche Prüfer für die Markttauglichkeit, nicht nur zweisprachige Prüfer für die Wörterbuchgenauigkeit.
  • Bevorzugen Sie Phrasen-Synchronisation gegenüber Lippen-Synchronisation, wenn der Mund nicht zentral für Vertrauen oder Immersion ist; geben Sie das Lippen-Synchronisations-Budget nur dort aus, wo das Gesicht die Performance verkauft.
  • Behandeln Sie jede Anfrage für synthetische Stimme, geklonte Stimme, Gesichts-Nachstellung und Avatar-Lippen-Synchronisation als eine Einwilligungs- und Offenlegungs-Hürde vor der Produktion, nicht als nachgeliefertes Papierproblem.

Wählen Sie Untertitel, Bildschirmuntertitel, Voice-Over, Phrasen-Synchronisation oder Lippen-Synchronisation

Verwenden Sie den leichtesten Modus, der die Ziele in Bezug auf Verständnis, Vertrauen, Barrierefreiheit und Plattform erfüllt.

Untertitel sind in der Regel am besten geeignet, wenn:

  • Die ursprüngliche Performance, Aussage, der Akzent, die Musik oder die dokumentarische Authentizität wichtig ist.
  • Budget oder Zeitplan keine native Besetzung, Regie, Mischung und Qualitätskontrolle unterstützen.
  • Der Inhalt mit eingeschaltetem Ton angesehen wird und die Leselast zumutbar ist.
  • Rechtliche oder technische Einschränkungen den Austausch der Originalstimme riskant machen.
  • Die Quelle viele Sprecher hat, aber sichtbare Lippen-Synchronisation nicht erforderlich ist.

Bildschirmuntertitel (SDH/Captions) sind erforderlich, wenn Barrierefreiheit im Rahmen ist:

  • Sie enthalten Dialoge, Sprecherkennzeichnung wo nötig und bedeutungsvolle nicht-sprachliche Audiosignale wie Musiksignale, Soundeffekte, Stimmen aus dem Off, Lachen, Alarme oder stimmungsbildendes Audio.
  • Captions sind nicht nur übersetzte Untertitel; sie repräsentieren Audioinformationen für Zuschauer, die diese nicht hören können.
  • Erstellen Sie für die lokalisierte Barrierefreiheit Captions für das lokalisierte Audio, nicht nur übersetzte Untertitel aus der Quelle.

Voice-Over ist in der Regel am besten geeignet, wenn:

  • Die Originalsprecher unter einer übersetzten Erzählspur hörbar bleiben können.
  • Der Inhalt eine Dokumentation, Nachrichten, Schulung, ein Webinar, Interview oder Bildungsinhalt ist und eine perfekte Gesichtssynchronisation künstlich oder unnötig wirken würde.
  • Geschwindigkeit und Klarheit wichtiger sind als die Illusion, dass die Person die Zielsprache spricht.

Phrasen-Synchronisation ist in der Regel am besten geeignet, wenn:

  • Die lokalisierte Stimme in der Nähe der Phrasen des Quellsprechers beginnen und enden soll, aber eine exakte Lippenformanpassung nicht erforderlich ist.
  • Die Quelle Moderatoraufnahmen, Demos, Erklärvideos, Unternehmensschulungen oder Werbung mit moderater Gesichtssichtbarkeit enthält.
  • Das Skript an die Phrasendauer angepasst werden kann, während eine natürliche zielsprachliche Performance erhalten bleibt.

Lippen-Synchronisation ist in der Regel am besten geeignet, wenn:

  • Das Publikum Nahaufnahmen von Mündern, emotionale Performances, Charaktere, Avatare oder direkt in die Kamera gerichtete Talente sieht.
  • Die lokalisierte Version die Illusion erzeugen muss, dass die Person auf dem Bildschirm die Zielsprache spricht.
  • Das Budget Anpassung, Besetzung, Sprachregie, Wiederholungen, Ausrichtung und visuelle Qualitätskontrolle unterstützt.

Vermeiden Sie Lippen-Synchronisation, wenn:

  • Die Quelle hauptsächlich aus Off-Kamera-Erzählung, Bildschirmaufnahmen, Produktdemos oder Bewegtgrafiken besteht.
  • Die Expansion der Zielsprache zu gehetzter, unnatürlicher Sprache zwingen würde.
  • Die Einwilligung für Gesichts-/Stimmenmanipulation fehlt.
  • Die Produktion keine native sprachliche und performative Qualitätskontrolle leisten kann.

Erstellen Sie das Lokalisierungsbriefing

Erstellen oder fordern Sie ein Briefing mit:

  • Quell- und Zielmärkte, nicht nur Sprachen: z.B. Spanisch für Mexiko, Spanisch für Spanien, Französisch für Kanada, Arabisch MSA versus Dialekt, Portugiesisch Brasilien versus Portugal.
  • Zielgruppe: Alter, Fachwissen, Lesefähigkeit, kultureller Kontext, Barrierefreiheitsanforderungen und wahrscheinlicher Betrachtungsmodus.
  • Zweck: informieren, überzeugen, schulen, unterhalten, konvertieren, einhalten, unterstützen oder Vertrauen aufbauen.
  • Markenstimme: formell/informell, Humor-Toleranz, Pronomen-/Anredepolitik, verbotene Töne, genehmigte Slogans.
  • Marktbeschränkungen: rechtliche Behauptungen, medizinische/finanzielle Haftungsausschlüsse, regulierte Terminologie, politische Sensibilität, religiöse/kulturelle Einschränkungen, Einheiten/Währungen/Datumsformate.
  • Plattform/Auslieferung: YouTube-Mehrsprachiges Audio, Social-Eingebrannte Untertitel, OTT-Zeitgesteuerter Text, LMS-Schulungsmodul, Rundfunk, bezahlte Werbe-Uploads, In-App-Video oder Sales-Enablement-Datei.
  • Synchronisationsziel: keine Synchronisation, Zeit-Synchronisation, Phrasen-Synchronisation, Lippen-Synchronisation, Avatar-Lippen-Synchronisation oder neu geschnittener nativer Schnitt.
  • Prüfweg: Wer gibt Terminologie, Aussagen, Performance, Barrierefreiheit und endgültige Auslieferung frei?

Bereiten Sie Quell-Assets vor der Übersetzung vor

Beginnen Sie nicht mit einem Auto-Transkript allein, es sei denn, es gibt keine bessere Quelle. Erstellen Sie ein Quell-Lokalisierungspaket:

  • Eingefrorenes Quellvideo mit Timecode-Referenz.
  • Dialogtranskript mit Sprecherkennungen, Timecodes, Notizen zu überlappender Sprache, Off/On-Screen-Status und unverständlichen Markierungen.
  • Absichtsnotizen pro Abschnitt: Witz, Warnung, emotionaler Beat, Produktbehauptung, CTA, rechtlicher Haftungsausschluss, Sicherheitsanweisung, Charakterbeziehung oder Handlungsenthüllung.
  • Bildschirmtext, UI-Zeichenfolgen, Grafiken, Lower Thirds, Untertitel, Übersetzungen, Titelcards, Endcards, Einblendungen und rechtliche Anzeigetafeln.
  • Ausspracheliste für Namen, Produkte, Akronyme, Orte, erfundene Begriffe und Bereichsterminologie.
  • Musik-/Effekt-/Dialogspuren bei Synchronisation oder Neumischung.
  • Rechtehinweise für Talent, Musik, Archivmaterial, benutzergenerierte Clips, öffentliche Persönlichkeiten, Minderjährige und synthetische Verarbeitung.

Wenn die Quelle nicht eingefroren ist, kennzeichnen Sie jedes nachgelagerte Artefakt als vorläufig. Ein geänderter Quellschnitt kann Untertitel, Synchronisationstiming, lokalisierte Grafiken und Freigaben ungültig machen.

Übersetzen Sie für den Zweck, dann passen Sie an die Zeit an

Verwenden Sie einen zweistufigen Skriptprozess:

  1. Bedeutungsdurchgang: Übersetzen Sie alle Aussagen, Anweisungen, Handlungsschritte, emotionale Absichten, Terminologie, Namen, Zahlen, sicherheits-/rechtliche Aussagen und Handlungsaufforderungen genau für den Zielmarkt.
  2. Anpassungsdurchgang: Formen Sie Zeilen für Lesegeschwindigkeit, Phrasendauer, Mundsichtbarkeit, Atem des Darstellers, marktübliche Redewendungen, Markenstimme und On-Screen-Kontext um.

Führen Sie für Synchronisationsarbeiten eine Zeilentabelle:

FeldZweck
Quell-Timecode in/outTiming erhalten und Wiederholungen nachvollziehbar machen.
SprecherUnterstützt Besetzung, Untertitelbeschriftungen und Mischentscheidungen.
QuellzeileHält Prüfer verankert.
Wörtliche BedeutungVerhindert, dass die Anpassung von der Absicht abweicht.
Lokalisierte Performance-ZeileDie tatsächlich aufgenommene/synthetisierte Zeile.
SynchronisationsbeschränkungKeine Synchronisation, Zeit-Synchronisation, Phrasen-Synchronisation, Lippen-Synchronisation, Off-Kamera oder kann neu geschnitten werden.
AusspracheNamen, Produktbegriffe, Akronyme, regionale Begriffe.
PrüfernotizenMarken-/rechtliche/kulturelle/Barrierefreiheitsnotizen und Status.

Für Untertitel erhalten Sie Bedeutung und Lesbarkeit, nicht jedes Quellwort. Für Captions erhalten Sie Audioinformationen. Für Synchronisation erhalten Sie die Performance-Absicht und das Timing, während Sie natürlich in der Zielsprache bleiben.

Erstellen Sie Glossar und Stilsteuerungen

Erstellen Sie eine Projekt-Terminologiedatenbank vor der Chargenlokalisierung:

  • Produktnamen: übersetzen, transliterieren oder unverändert lassen.
  • UI-Zeichenfolgen: exakt mit dem ausgelieferten Produkt-UI übereinstimmen; keine lokalen Bezeichnungen erfinden.
  • Markenslogans und Kampagnenzeilen: genehmigte Übersetzungen markieren oder „transkreieren, nicht wörtlich nehmen."
  • Rechtliche, sicherheits-, medizinische, finanzielle und Compliance-Begriffe: fachliche Genehmigung erforderlich.
  • Einheiten, Währungen, Daten, Telefonnummern, Adressen, Maße, Anreden und Formalität/Register.
  • Wettbewerbsnamen, Marken, kulturelle Referenzen, Redewendungen, verbotene Phrasen und sensible Wörter.
  • Aussprache: IPA, verständliche Aussprache, Betonung und akzeptable Varianten.

Für Multi-Markt-Kampagnen erstellen Sie ein globales Glossar plus marktspezifische Überschreibungen. Erzwingen Sie keine einheitliche spanische/französische/arabische/etc. Zeile über Märkte hinweg, wenn Nutzung, Regulierung oder Zielgruppenerwartung unterschiedlich sind.

Besetzen und führen Sie Stimmen

Passen Sie die kommunikative Funktion vor der oberflächlichen Ähnlichkeit an:

  • Rolle: Erzähler, Experte, Kunde, Gründer, Ausbilder, Charakter, Kind, Älterer, Support-Agent, Avatar, Ansager.
  • Performance: warm, dringend, glaubwürdig, verspielt, zurückhaltend, exklusiv, gesprächig, technisch, beruhigend, komödiantisch.
  • Stimmattribute: Umfang, Tempo, Energie, Artikulation, Alterseindruck wo relevant, Akzent/Dialekt, Idiom-Komfort, korrekter Register und Aussprache.

…

[gekürzt für die Übersetzung]

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 dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and 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