Stickman Animation Studio — /make-video
Verwandle einen Prompt in ein fertiges, studioqualitatives englisches vertikales Cartoon-Video (1080×1920, 30 fps, H.264 + AAC) – nur mit Code. Du schreibst die Geschichte, erstellst ein Storyboard mit einem expliziten Erzählung-zu-Bild-Synchronvertrag, durchläufst die integrierte Engine durch ihre QS-Gates und übergibst das überprüfte MP4 mit seinen Quellen.
Arbeite autonom. Keine Rückfragen, keine Fortschrittsbeschreibungen, kein Unterbrechen zur Hälfte. Wenn ein Schritt blockiert ist, behandle es als Routing-Problem: Versuche das nächste Tool, die nächste Ressource oder baue es selbst. Stoppe erst, wenn das Video gerendert, überprüft und ausgeliefert ist.
Produktionssprache ist Englisch – ausschließlich. Erzählung, Dialoge, Bildschirmtext, Untertitel,
Beschriftungen und Einfügungen sind alle auf Englisch. Die Erzählung muss wie professionelles Dokumentar-, Bildungs-
oder Animations-Storytelling klingen (references/10-english-voice-direction.md).
0. Überprüfe deine Fähigkeiten, dann passe dich an
Überprüfe vor der Produktion, was DIESER Agent/dieses Modell tatsächlich tun kann, und passe den Workflow an. Gehe nicht davon aus; überprüfe. Eine Minute hier erspart später ein kaputtes Rendering.
| Überprüfung | Wie | Wenn fehlend → Anpassung |
|---|---|---|
| Shell + Dateizugriff | Führe node --version aus | Keine Shell → dieses Skill kann nicht rendern; falle zurück auf install/PASTE-THIS-PROMPT.md Übergabe an einen Coding-Agenten |
| Web-Recherche | Ist ein Web-Suchwerkzeug verfügbar? | Keine Suche → schreibe aus internem Wissen, markiere jede Behauptung als "unbestätigt" in fact-check.md, bevorzuge Evergreen-Physik/Geschichtsthemen |
| Bilderkennung | Kannst du Bilddateien lesen? | Keine Bilderkennung → verlasse dich auf engine/scripts/qa_stills.py + engine/scripts/qa_sync.ts Pixel-/Lexikon-Gates und erwähne dies im Lieferbericht |
| Hintergrundausführung | Kannst du lange Befehle im Hintergrund ausführen? | Nein → führe Renderings im Vordergrund aus und verwende zuerst --preview; kalkuliere mehrere Minuten ein |
| Kontextbudget | Sehr großer Kontext? | Enger Kontext → lies nur die references/-Dateien, die die aktuelle Stufe benennt, eine nach der anderen; behalte das Story-JSON als einzige Quelle der Wahrheit |
| Argumentationstiefe | Starke Modell → treibe das Handwerk weiter: reichhaltigere Inszenierung, mehr Beats, tiefere Recherche | Schwächeres Modell → folge den Referenzstandards buchstabengetreu; sie sind kalibriert, um ohne Improvisation gute Ergebnisse zu liefern |
Unabhängig von der Umgebung sind die Qualitätsgates (Schritte 4, 5, 7) nicht optional – ein schwächerer Workflow muss dennoch dieselben ausführbaren Prüfungen bestehen.
0.5 Finde die Engine
Die Engine ist ein eigenständiges Remotion-Projekt. Finde es in dieser Reihenfolge:
- Ein Verzeichnis im aktuellen Projekt, dessen
package.jsonden Namenstickman-studio-engineträgt – verwende es. - Den
engine/-Ordner, der neben dieser Datei ausgeliefert wird – kopiere ihn in das Arbeitsverzeichnis (cp -r <skill-dir>/engine ./engine) und führenpm installdarin aus (nur beim ersten Mal). - Wenn keines existiert, wurde das Skill ohne seine Engine installiert – klone das Skill-Repository
und entnehme
engine/von dort.
Einmalige Einrichtung im Engine-Verzeichnis:
npm install # Remotion + three + zod
pip install edge-tts imageio-ffmpeg numpy scipy pillow # Erzählung + prozedurales Audio + QS
Die 65 SFX, 6 Musikbetten und Filmkörnung werden beim ersten Rendern prozedural erzeugt (keine Downloads,
keine Lizenzen, kein Audio von Drittanbietern). Die Erzählung benötigt Internet für edge-tts (kostenlos, kein Schlüssel);
--no-tts funktioniert vollständig offline für Vorarbeiten. Nur englische Stimmen – siehe
references/10-english-voice-direction.md für den Stimmkatalog und die Regieanweisungen.
1. Recherchiere das Thema (Englisch)
- Die Eingabe ist ein Thema, ein Titel oder ein Pfad zu einer TXT-Datei (lies sie, falls angegeben).
- Recherchiere vor dem Schreiben mit Websuche. Erstelle eine Faktenprüftabelle (Behauptung | was die Quelle sagt
| Quellen-URL) für jede faktische Behauptung, die du erzählen wirst →
stories/<slug>/fact-check.md. - Wenn etwas nur ein Gerücht oder Folklore ist, lasse es entweder weg oder markiere es in der Erzählung ("der Legende nach…").
- Bevorzuge die seltsamste wahre Information gegenüber einer glatteren erfundenen.
2. Schreibe das Script + wähle die Stimme
Ziele auf 190–210 Wörter ≈ 60–75 s. Struktur (folge ihr genau):
- Zeile 1: Paradoxon-Aufhänger als einfache Tatsache formuliert. Keine Begrüßungen, kein "Wusstest du schon".
- Aufbau und Einsatz – Held, Ort, Verlangen.
- Eskalation + ein kurzer ziti erter Satz, in dem jemand den Helden verspottet.
- Wendepunkt / rhetorische Frage.
- "Weißt du," + der Mechanismus, mit einer alltäglichen Analogie und einem Einfügungs-Grafik.
- Twist in der letzten Zeile. Hart enden.
Vollständige Handwerksregeln: references/04-script-craft.md. Speichere das Script unter stories/<slug>/script.md.
Dann führe Regie für die Stimme vor dem Rendern: Wähle Anbieter/Stimme/Geschwindigkeit für das Genre aus
references/10-english-voice-direction.md (Standard: en-US-AndrewMultilingualNeural @ +22%;
ruhige Dokumentationen lesen langsamer). Teste die Aufhängerzeile bei Unsicherheit mit einer schnellen Synthese.
3. Überprüfe und erstelle Assets
- Liste auf, was die Geschichte braucht: Orte, stehende Objekte, gehaltene Gegenstände.
- Überprüfe, was existiert:
npx tsx scripts/locations.ts --list. Verwende wieder, bevor du baust; erstelle niemals einen nahezu identischen Nachbau; benenne Assets nach dem, was sie sind. - Baue fehlende Assets vor dem Storyboarding – Rezepte in
references/08-extending-assets.md(3D-Ort / 3D-Objekt / 2D-Prop / 2D-Hintergrund / Outfit). - Überprüfe neue 3D-Assets mit
npx tsx scripts/locations.ts --stills --only=<name>.
4. Storyboard MIT einem Sync-Vertrag (das Sync-Gate)
Schreibe stories/<kebab-title>.json. Schema + IDs: references/09-schema-reference.md,
engine/src/catalog.ts. Handwerksregeln: references/05-storyboard-craft.md.
Erzählung-zu-Bild-Synchronisation ist obligatorisch und maschinell überprüfbar. Jedes Erzählsegment
(ein Shots say) muss sichtbar zeigen, was es sagt: richtiger Ort, richtige Tageszeit, die beschriebene
Aktion als Pose/Beat/Prop, erwähnte Objekte auf dem Bildschirm, zitierte Zeilen, die an einen quote-Schauspieler
gebunden sind, und Kontinuität über Shots hinweg. Die Wort-für-Wort-Timings innerhalb eines Shots werden mit beats
gebunden (at = ein gesprochenes Wort).
Führe das ausführbare Gate aus und iteriere auf null Fehler:
npx tsx scripts/qa_sync.ts stories/<file>.json # Ort/Zeit/Aktion/Objekt/Dialog/Kontinuitätsprüfungen
npx tsx scripts/qa_sync.ts stories/<file>.json --map # Drucke die Shot-für-Shot-Sync-Vertragstabelle
- Alle ERRORs müssen behoben werden (ändere Ort/Zeit/Pose/Props des Shots oder formuliere die Erzählung neu).
- Überprüfe jedes WARN; behebe es entweder oder dokumentiere, warum es akzeptabel ist in
stories/<slug>/sync-map.md(generiere die Tabelle mit--map; Vorlage:templates/sync-map.md). - Ein geschichtsspezifisches Lexikon (Idiome, erfundene Substantive) kommt in
stories/<slug>/sync-lexicon.json– siehe Vorlage.
5. Standbild-Gate (niemals überspringen)
npm run make -- stories/<file>.json --stills # ein QS-Standbild pro Shot → out/<slug>/stills/
python scripts/qa_stills.py out/<slug>/stills # Belichtungs-/Totbild-Gate (exit 1 bei Fehlschlag)
Überprüfe dann jedes Standbild auf Bildausschnitt, Gesichter, schwebende Props, Lesbarkeit, Konsistenz – mit
deiner eigenen Bilderkennung, falls du sie hast, sonst agentvision check <file> pro Standbild plus dem Pixel-Gate
oben. Behebe und führe erneut aus, bis alles sauber ist. Rendere niemals ein Video, bevor dieses Gate bestanden ist.
6. Rendern
npm run make -- stories/<file>.json # volle Qualität → out/<slug>/<slug>.mp4
npm run make -- stories/<file>.json --preview # halbe Größe als Entwurf, wenn unsicher
Führe es nach Möglichkeit im Hintergrund aus; starte keine nicht zusammenhängenden schweren Aufträge gleichzeitig. Die Erzählung wird pro Slug zwischengespeichert und nur bei Änderung von Script/Stimme/Geschwindigkeit neu synthetisiert.
7. Überprüfen (ffprobe + Frames + Audio-Gate)
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,codec_name -of csv=p=0 out/<slug>/<slug>.mp4
ffmpeg -i out/<slug>/<slug>.mp4 -vf fps=1/5 qa_%03d.jpg # Ziehe Frames über das Video
python scripts/qa_audio.py out/<slug>/<slug>.mp4 # Lautstärke-/Clipping-/Stimmenpräsenz-Gate
- Spezifikationen: 1080×1920 (540×960 für
--preview), 30 fps, h264 + aac; Dauer ≈ Erzählung + 0,6 s. - Frames: erstes/mittleres/letztes nicht schwarz; Untertitel lesbar; kein steckengebliebener Shot.
- Audio-Gate muss BESTEHEN: −14 LUFS ±1.5, True Peak ≤ −1.0 dBTP, Sprach-Energie vorhanden.
8. Reparaturschleife, dann ausliefern
Durchlaufe die Stufen 4→7, bis jedes Gate besteht. Budget: bis zu 3 Reparaturrunden pro Gate; wenn ein Gate danach immer noch fehlschlägt, liefere mit einem expliziten Hinweis darauf aus, was übrig bleibt (liefere niemals einen bekannten Fehler stillschweigend aus, höre niemals ohne Auslieferung auf).
Liefere als Satz aus: das MP4, script.md, fact-check.md, sync-map.md, das Story-JSON, alle neuen
Bibliotheks-Assets und ehrliche Einschränkungen (überprüfte Tatsache vs. dramatisiert; welche Gates liefen und wie
sie überprüft wurden).
Qualitätsstandard (nicht verhandelbar)
- Sync: Die Bilder zeigen genau das, was die Erzählung vermittelt – null Widersprüche, null tote Shots. Wenn Erzählung und Animation zwei verschiedene Geschichten erzählen würden, schreibe das Storyboard neu.
- Ausdrucksstarke Figuren: Reaktionen auf Beats, Posen, die in Silhouette lesbar sind, eine konsistente Lichtquelle pro Szene; Ruheleben (Atmen/Blinzeln/Gehen) ist automatisch – absichtliche Bewegung oben drauf.
- Kinematografie: Bildausschnittleiter pro Szene, Kameravarietät (das Sync-Gate markiert ≥3 identische Bildausschnitt+Kamera-Shots hintereinander), ein klares visuelles Ziel pro Shot.
- Sound kämpft nie mit der Stimme: Ducking ist automatisch; manuelles
sfxnur für bestimmte Momente; das Audio-Gate erzwingt Lautstärke und kein Clipping. - Keine Wiederholungen, kein Schlonz: Variiere Bildausschnitte, Übergänge und Reaktionen; ≤ 2 fx pro Shot; ≤ 1 Einfügung pro 8–10 Shots.
- Keine KI-generierten Bilder oder Videos, keine Bildgenerierungsdienste, keine kostenpflichtigen APIs. Niemals.
- Nur Englisch – Erzählung, Dialoge, Bildschirmtext, Untertitel.
Ausführliches Referenzmaterial (pro Stufe lesen, nicht alles auf einmal)
| Datei | Lies es für |
|---|---|
references/01-animation-principles.md | Bewegung, Easing, Antizipation, Sekundäraktion – wie die Engine sie implementiert |
references/02-character-system.md | Das Strichmännchen-Rig: Proportionen, Bauten, Posen, Gesichter, Konsistenz |
references/03-scenes-camera-light.md | Parallax-Ebenen, Bildausschnitte, Kamerafahrten, Beleuchtung, festgelegte Paletten |
references/04-script-craft.md | Script-Struktur, Hooks, Analogien, Wortbudgets |
references/05-storyboard-craft.md | Shot-Grammatik, Beats, Übergänge, der Sync-Vertrag |
references/06-sound-design.md | Ducking, Auto-SFX-Karte, Musikstimmungen, Komfortregeln, Audio-Gates |
references/07-rendering-qa.md | Alle QS-Gates, Pixel-Prüfungen, ffprobe, Reparaturschleifen |
references/08-extending-assets.md | Rezepte: 3D-Ort/-Objekt, 2D-Prop/-Hintergrund, Outfit, SFX |
references/09-schema-reference.md | Jedes Story-JSON-Feld mit Standardwerten und Einschränkungen |
references/10-english-voice-direction.md | Der englische Stimmkatalog, Regie, Tempo, Offline-Fallback |