Communitygithub.com

render-cartoon-music-video

Baut aus einer Konfiguration ein animiertes / gezeichnetes / handgefertigtes Musikvideo-Werbeformat – ein gesungener Song trägt die gesamte Erzählung, während N Clips pro Takt (eine wiederkehrende animierte Figur, ein Look-Paket) anhand von librosa-Beat-Tracking auf das BAR-Fenster zugeschnitten, hart concateniert und mit VEED-Whisper-Untertiteln sowie einem persistenten Logo-Bug versehen werden.

Was ist render-cartoon-music-video?

Dieses Skill assembliert deterministisch und kostenfrei ein animiertes Musikvideo aus einer Konfigurationsdatei. Es nutzt einen gesungenen Song als einzige Audio-Spur, erkennt mit librosa die Beats im 4/4-Takt und schneidet pro Takt einen passenden i2v-Clip (z. B. aus Seedance via Fal) auf das BAR-Fenster zu. Die Clips werden hart concataniert, ein weißer Logo-Bug (unten links, unterdrückt auf der Endcard) und weiße Bold-Sans-Untertitel (unten Drittel, ohne Hintergrund-Pill) eingebrannt. Die Szene endet mit einer solidfarbenen PIL-Endcard, während der Song weiterläuft. Der gesamte Workflow läuft über FFmpeg, benötigt keine API-Kosten und erfordert, dass Song, Keyframes und Clips aus anderen Skills (ElevenLabs, Fal) vorab erzeugt werden. Ein Beispiel in `scripts/config.example.json` zeigt den Aufbau für eine Coinbase-Anzeige (55 s, 1080×1920, 9:16).

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/render-cartoon-music-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht render-cartoon-music-video?

Erstelle aus einer Konfiguration ein animiertes Musikvideo-Werbeformat: eine animierte / illustrierte / handgefertigte Geschichte (Stop-Motion aus Filz und Schaumstoff, Knetanimation, 2D-Cartoon, Cut-Out), in der ein gesungener Song das gesamte Skript ist und eine einzige wiederkehrende animierte Figur jede Einstellung trägt – geschnitten auf den Takt mit der Höhepunktszeile auf dem Drop. Diese Fähigkeit ist die KOSTENLOSE, deterministische Montage – Takt-Schnitt, Hard-Concat, Logo-Bug + Untertitel-Einblendung und die einfarbige Endcard.

scripts/config.example.json enthält das ausgearbeitete Beispiel (Coinbase „Bet on anything“, ~55 s 1080×1920 9:16, 16 Körper-Takte + eine 3 s Endcard – deren Filz-Look, Figur, Geschichte und Song sind die Wahl des Demos, niemals Voreinstellungen); scripts/PIPELINE.md ordnet jeden Konfigurationsblock seinem Quellschritt zu und scripts/README.md dokumentiert die kostenlose Montage.

Entscheidungen

Die kreativen Entscheidungen liegen beim Aufrufer (das Videoformat-Rezept fragt den Benutzer); diese Montage trifft sie nie. Der Wert des Demos ist lediglich ein Beispiel:

  • Kunststil / Look-Paket (Filz-Stop-Motion, Knetanimation, 2D-Cartoon, Cut-Out…) – Demo: Filz-und-Schaumstoff-Diorama.
  • Figur – DIE eine wiederkehrende animierte Figur – Demo: eine geschlechtsneutrale Filzfigur in einem markenblauen Trikot.
  • Handlungsbogen – Demo: Außenseiter-Lohn.
  • Song-Stil + Hauptgesang – Demo: Hype-Dance-Pop / EDM-Trap, männlicher halb gerappter Lead.

Ausführung

Dies ist die KOSTENLOSE, deterministische Montagephase – sie kostet nichts. Die kostenpflichtigen Eingaben sind separate Fähigkeiten: der gesungene Song (create-music-elevenlabs oder eine vom Benutzer bereitgestellte mp3 + Whisper-Wort-Zeitstempel), beat-getrackt mit librosa, sodass das BAR-GITTER die Zeitachse setzt; eine festgelegte wiederkehrende Figur + ein Keyframe pro Takt in einem Look-Paket (create-image-fal, Nano Banana); und ein Seedance i2v-Clip pro Takt (create-video-fal). Mit dem Song + word-timestamps.json + bars.json + einem Clip pro Takt + dem Marken-Wortmarken-SVG schneidet render-cartoon-music-video jeden Clip auf sein Takt-Fenster zu, concataniert hart auf dem Takt, brennt den Logo-Bug + Untertitel ein, hängt die einfarbige Endcard an und muxed den Song darunter → das Master. Nachschnitte verwenden den vorhandenen Song / die Keyframes / Clips und kosten $0.

Vertrag (die kostenlose Montage)

  • Der gesungene Song trägt die Erzählung – kein separater Voice-Over. Die generierte/bereitgestellte Spur IST das Bett (kein VO, das darunter gemischt werden muss); füge keinen gesprochenen Voice-Over oder ein zweites Bett hinzu.
  • Plane die Zeitachse UM das gelieferte BAR-GITTER des Songs herum. Beat-Tracke den Song mit librosa (gehe von 4/4 aus); ein Takt = eine Einstellung (Standard). Raste jedes Tableau-Fenster an den Taktgrenzen ein – schneide den Song niemals auf ein vorab geplantes Gitter zu.
  • Untertitel aus den Wort-Zeitstempeln des Songs, neu buchstabiert gegen den gesperrten Liedtext. Whisper hört schreiende Akzente falsch („BETS“ → „Hearts“); buchstabiere die zeitgestempelten Token gegen die gesperrte Liedtext-Datei neu (bearbeite niemals den Liedtext, um Whisper zu entsprechen). VEED-Whisper weißes fettgedrucktes Sans im unteren Drittel (Alignment 2, margin_v über dem unten links platzierten Logo-Bug), ~4–5 Wörter pro Hinweis, KEINE Hintergrund-Pille; Untertitel HÖREN an der Endcard-Grenze auf. Niemals mittendrin – es bedeckt die Figur (festgelegt 2026-07). Wenn dem Host-ffmpeg libass fehlt, rendere die Hinweise als zeitgesteuerte PIL-PNG-Overlays (ffmpeg overlay=…:enable='between(t,st,en)') an derselben unteren Position.
  • Setze die Höhepunktszeile auf den Drop. Das Höhepunkt-Tableau wird so getimt, dass die Lohnzeile auf dem Sub-Bass-Drop sitzt; betone diese Zeile.
  • Persistenter Logo-Bug, unterdrückt auf der Endcard. Brenne ein weißes Marken-Wortmarke unten links über die Körper-Takte (cairosvg → PIL aus dem echten SVG), unterdrückt auf der Endcard, wo die große Wortmarke dominiert.
  • Endcard via cairosvg + PIL aus der echten Wortmarke – niemals KI-rendere Markentext. Einfarbige Markenfarbe-Karte + weiße Wortmarke + Untertitel, etwa 3 s haltend MIT dem Song, der noch darunter läuft (afade-out über den Ausklang – kein stummer Ausklang). Ein Diffusionsmodell verunstaltet eine Wortmarke.
  • FFmpeg-Komposit, deterministisch, KOSTENLOS. Schneide jeden Clip auf sein Takt-Fenster zu, hard-concatane, brenne den Logo-Bug + Untertitel ein, hänge die Endcard an, muxed den Song über das gesamte Video mit einem 0,5 s afade-Ausklang, loudnorm I=-14 → ein 1080×1920 h264+aac Master. Keine kostenpflichtigen Aufrufe, keine Schlüssel. Wenn dem Host-ffmpeg libass/drawtext fehlt, sind sowohl die Untertitel als auch der Logo-Bug zeitgesteuerte PIL-PNG-Overlays (overlay=x:y:enable='between(t,st,en)'), kein ASS-Brand.
  • QC PRO SZENE, niemals nur das Master – die beiden Fehlermodi sind Inhalt, nicht Montage. Die vorgelagerten Keyframe/i2v-Schritte können (a) die Figur aus ihrem Look treiben lassen (Filz → glatt-3D „Mann“ im Demo) teilweise durch (weg vom gewählten Look – im Filz-Demo: Filz → glatt-3D) und (b) Hände halluzinieren – realistische Finger in einer Hand-Makroaufnahme, ein zeigender Finger bei einer „tippe auf das Telefon“-Einstellung oder eine körperlose Hand, die vom Bildrand hereingleitet. Beide verstecken sich in der Daumengröße. Extrahiere ein 2 fps Kontaktblatt + einen GESICHTS-Ausschnitt pro Takt und einen HAND-Ausschnitt pro Takt (über die gesamte Dauer jedes Clips), bestätige, dass jeder Takt den EINEN gewählten Look (im Demo: mattes Filz) mit der EINEN Figur und keine menschlichen/schwebenden Hände enthält, und überprüfe die ausgelieferten Bytes nach der Veröffentlichung erneut. Ein abgedrifteter Takt bedeutet, dass der KEYFRAME dieses Takts neu generiert werden muss (nicht neu schneiden) – siehe Rezept SCHRITT 3/6.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Verwandte Skills