Communitygithub.com

render-cinematic-music-video

Erstelle aus einer Konfiguration einen cineastischen Musikvideo-Werbespot im Live-Action-Stil – mit einem original eingesungenen Anthem, 35mm-Film-Look-Clips, synchronen Texten und einer Brand-Endcard. Der kostenlose, deterministische Montage-Schritt.

Was ist render-cinematic-music-video?

Dieses Skill ermöglicht die vollständig deterministische und kostenlose Montage eines cineastischen Musikvideos im Stil eines Live-Action-Werbespots. Ausgehend von einer JSON-Konfiguration werden ein eingesungenes Anthem (von ElevenLabs), mehrere 35mm-Film-Look-Videoclips (Kling 3.0 i2v) und eine Brand-Endcard zu einem Master-Video zusammengebaut. Der Prozess umfasst das exakte Zuschneiden jedes Clips auf das zugehörige Textfenster, das harte Aneinanderfügen im Takt, das Einbetten des Anthems mit Loudnorm-Normalisierung, das Einbrennen von serifenbetonten Untertitel-Textblenden (basierend auf den originalen Wortzeitstempeln des Songs) und die Überlagerung der Endcard – ohne Einsatz von KI-generierten Textelementen. Das Skill ist als freier Baustein innerhalb eines größeren Agenten-Workflows konzipiert und eignet sich besonders für Werbe- und Content-Formate, die eine kompakte, narrative Musikvideo-Ästhetik mit hoher visueller Konsistenz fordern. Die Entscheidungen über Song-Stil, Besetzung, Setting und Story-Bogen werden im Vorfeld vom User getroffen und in der Konfiguration abgelegt.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht render-cinematic-music-video?

Erstelle einen cineastischen Musikvideo-Werbespot aus einer Konfiguration: ein Kurzfilm im LIVE-ACTION-Stil, bei dem ein original eingesungenes Anthem die musikalische Untermalung liefert und jeder visuelle Beat ein inszeniertes Filmtableau ist (Kodak Portra-Körnung, Lichteinfälle, natürliches Licht, Handkamera-Unvollkommenheit), zeitlich auf die Lyrics abgestimmt, als 3-Akt-Bogen (dessen Form der User über story_arc wählt), mit der Hook-Line auf dem Chorus-Drop. Diese Fähigkeit ist die KOSTENLOSE, deterministische Montage – Clips zuschneiden, hard-concat, Anthem muxen, Captions einbrennen und die Brand-Endcard einfügen.

scripts/config.example.json ist das ausgearbeitete Beispiel (Hype and Vice "Game Day Girls", ~28s 1080×1920 9:16, 14 Tableaus) – kopiere die Struktur, niemals die kreativen Werte; scripts/PIPELINE.md ordnet jeden Config-Block seinem Quellschritt zu und scripts/README.md dokumentiert die kostenlose Montage.

Ausführen

Dies ist die KOSTENLOSE, deterministische Montagestufe – sie verbraucht nichts. Die kostenpflichtigen Eingaben sind separate Fähigkeiten: das eingesungene Anthem (create-music-elevenlabs, force_instrumental false – die Lyrics SIND das Skript, liefert mp3 + words_timestamps); ein 35mm-Film-Keyframe pro Beat in einem einheitlichen Look-Pack (create-image-gpt-image-fal); und ein Kling 3.0 i2v-Clip pro Beat (create-video-fal). Mit dem gelieferten Anthem + words.json + einem Clip pro Beat + der Brand-Endcard-Asset schneidet render-cinematic-music-video jeden Clip auf sein Textfenster zu, fügt sie hart im Takt an, muxed das Anthem, brennt die cineastischen Lower-Third-Captions ein und überlagert die Endcard → der Master. Neuschnitte verwenden das vorhandene Anthem / die Keyframes / Clips und kosten $0.

Entscheidungen

Der kreative Inhalt, den diese Stufe montiert, wird vorgelagert durch die choices des Formats bestimmt, die dem User vor jedem kostenpflichtigen Schritt gestellt werden. Die Werte des ausgearbeiteten Beispiels sind Beispiele, niemals Standardwerte:

  • song_style – das Genre, die Stimmung, BPM und das Arrangement des Anthems. Die Demo verwendete ein triumphales 120-BPM-Indie-Pop-Kino-Anthem.
  • vocalist – wer es singt. Die Demo verwendete eine selbstbewusste, aber warme weibliche Leadstimme.
  • cast – wer in den Tableaus zu sehen ist. Die Demo verwendete vier junge Collegestudentinnen.
  • setting – Ort + Tageszeit (bestimmt das Licht und die Palette des Look-Packs). Die Demo verwendete eine amerikanische College-Stadt am Spieltag, Herbst, goldene Stunde.
  • story_arc – die 3-Akt-Form der Tableaus und Lyrics. Die Demo verwendete einen Spieltag, Morgen → Stadion-Höhepunkt → Abenddämmerung, mit einem Augenzwinkern zur Ursprungsgeschichte.

Diese Montage liest diese Werte nur durch die Konfiguration (tableaux[]-Fenster + Captions, das Anthem, captions.accent_words, end_card.*); sie sind hier nicht fest codiert.

Vertrag (die kostenlose Montage)

  • Das eingesungene Anthem trägt die Geschichte – kein separater Voiceover. Der generierte ElevenLabs-Track IST die Musikbettung und das Skript (force_instrumental false); füge keinen gesprochenen Voiceover oder eine zweite Musikbettung hinzu.
  • Plane den Zeitplan UM das gelieferte Anthem herum. Das Anthem wird zuerst generiert und kann die geplante Länge über-/unterschreiten; raste jede Tableau-Grenze an den Lyrik-Phrasenrändern in den zurückgegebenen Wortzeitstempeln ein – schneide das Anthem niemals auf ein vorab geplantes Raster.
  • Captions aus den EIGENEN Wortzeitstempeln des Anthems, nicht mit Whisper. Leite words.json aus den words_timestamps des Musikmodells ab, gruppiere ~4 Wörter an Lyrik-Grenzen und brenne cineastische serifenbetonte Lower-Third-Captions ein (--placement low) mit der Hook-Line hervorgehoben (fett-kursiv). Whisper auf gesungenem Audio liefert "🎵 Music Playing 🎵".
  • Setze die Hook auf den Chorus-Drop. Das Helden-Tableau (is_hook) ist zeitlich so platziert, dass die tragende Zeile genau auf dem Chorus-Drop sitzt; hebe diese Zeile in den Captions hervor.
  • Ein einheitlicher Kino-Look-Pack + harte Schnitte im Takt. Der Look-Pack (benannter Filmstock + Körnung + Flares + Handkamera) plus ein Kontinuitätsanker hält alle Clips zusammen; schneide jeden Clip auf sein Textfenster zu und füge sie hart aneinander (ein optionaler Match-Cut in die Helden-Enthüllung) – keine Überblendungen.
  • Endcard aus dem echten Brand-Asset – niemals das Wortmarken-Logo als Diffusionstext KI-rendern. Setze das Logo (PIL/ffmpeg) aus dem echten Asset zusammen oder verwende einen gestalteten Keyframe-Hintergrund; Diffusion verstümmelt ein Wortmarken-Logo.
  • FFmpeg-Komposition, deterministisch, KOSTENLOS. Normalisiere jeden Clip auf sein taktgenaues Fenster, hard-concat, muxe das Anthem (afade ein/aus + loudnorm I=-14), brenne die Caption-ASS ein, überlagere die Endcard → ein 1080×1920 h264+aac-Master. Keine kostenpflichtigen Aufrufe, keine Schlüssel.

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 cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-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