Was macht render-editorial-motion-podcast?
Baut einen redaktionellen Bewegtbild-Podcast-Clip aus einer Konfiguration zusammen: Eine echte geklippte Podcast-Audiospur trägt die gesamte Erzählung, und jeder visuelle Schlag ist auf den Satz getaktet, den er beschreibt – in einem einzigen, flachen, streng limitierten redaktionellen Illustrations-Look-Pack („eine Magazin-Spotillustration, die sich bewegt“ – Stil und Palette wählt der Aufrufer). Die Bewegung ist kein generatives Video, sondern deterministischer ffmpeg-Ken-Burns auf statischen Keyframes, sodass es sich wie eine sich bewegende gedruckte Seite liest. Diese Fähigkeit ist diese KOSTENFREIE, deterministische Assemblierung – die ffmpeg-Bewegung, der harte Schnitt (hard-concat), das Audio-Muxing, das Einbrennen von Untertiteln und die PIL-Endcard.
scripts/config.example.json ist das durchgearbeitete Beispiel (Klarify „Rat Park“, ~40,8s, 1080×1920, 9:16, 6 Beats – sein Zweiton-Niemann-Look, die creme/anthrazit/salbeigrüne Palette und die Rat-Park-Metapher sind die Wahl dieser Demo, niemals Standardwerte); scripts/PIPELINE.md bildet jeden Konfigurationsblock auf seinen Quellschritt ab, und scripts/README.md dokumentiert die freie Assemblierung.
Entscheidungen
Die kreativen Entscheidungen trifft der Aufrufer (das Videoformat-Rezept fragt den Benutzer); diese Assemblierung trifft sie nie. Der Wert der Demo ist nur ein Beispiel:
- Illustrationsstil – Demo: kühne flache Zweitonsilhouetten, Halbton (Niemann-/Steinberg-Linie).
- Palette – Demo: Creme #F4EBD9 + Anthrazit #1A1A1A + ein Salbeigrün #86987A Akzent.
- Zentrale Metapher – Demo: die Rat-Park-Studie.
- Ton / Stimme – Demo: warm und reflektierend, der echte Podcast-Moderator (keine generierte Stimme).
Ausführung
Dies ist die KOSTENFREIE, deterministische Assemblierungsstufe – sie kostet nichts für die Bewegungsebene. Die kostenpflichtigen Eingaben sind getrennt: Die echte Podcast-MP3 wird aus der Quelle geklippt (kostenloses ffmpeg) mit ihren Whisper-Wort-Zeitsteuerungen, und ein redaktioneller Illustrations-Keyframe pro Beat (verkettete Referenzbilder, sodass Käfig-/Charaktergeometrie erhalten bleibt) stammt von create-image-fal (Nano Banana). Mit der geklippten Audio + words.json + den Keyframes pro Beat + dem echten Marken-Wortmarken-PNG rendert render-editorial-motion-podcast jeden Keyframe als Ken-Burns-Segment, verkettet sie hart auf dem Beat, muxed die echte Audio, brennt die Satzmitte-Untertitel ein und komponiert die PIL-Endcard → das Mastervideo. Nachschnitte verwenden die vorhandene Audio / Keyframes und kosten $0.
Vertrag (die freie Assemblierung)
- Eine gesprochene Erzählung trägt den gesamten Spot – kein generierter SONG. Muxe die bereitgestellte Erzähl-MP3 (
-map 0:v:0 -map 1:a:0) – eine echte geklippte Podcast-Zeile (bevorzugt) ODER eine genehmigte generierte VO (create-vo-elevenlabs). Niemals einen gesungenen/generierten Track. (Clip-vs-generate ist die STEP-0-Entscheidung des Rezepts – wenn keine Quell-Episode geliefert wird, FRAGE den Benutzer.) - KEINE generative i2v – nur deterministischer ffmpeg-Ken-Burns. Animiere jeden statischen Keyframe mit
zoompan(Reinfahrt / Rückwärtsfahrt, 1,0→~1,06×, 24fps); Seedance/Kling sind fotorealistisch trainiert und erfinden naturalistische Zwischenzustände, die den flachen, limitierten Look zerstören. Niemals-loop 1mitzoompan d=Nverwenden (es bläht die Dauer auf); füttere ein einzelnes Bild und begrenze mit-t+trim. - Harte Schnitte auf den Beat – keine Überblendungen. Überblendungen geistern durch zwei driftende Käfige hindurch; verkette die Segmente jedes Beats hart und teile lange Beats in Mikro-Schnitte auf (Ziel: 8–10 unterschiedliche visuelle Momente). Jeder Beat beginnt VISUELL innerhalb von ~0,5 s seiner gesprochenen Zeile.
- Untertitel basierend auf Whisper-Wort-Zeitstempeln, NUR in der Satzmitte. Brenne
frosted-subtle-Untertitel ein, während der Sprecher spricht; lass stille/nachdenkliche Beats und die Endcard unbeschriftet. DREI zwingende Regeln (jede hat uns in der Produktion gebissen – einbrennen):- KEINE ÜBERLAPPUNG – begrenze jede Zeile auf ENDE vor dem nächsten START (
end = min(last_word_end + ~0.15, next_start - 0.03)). Zwei Boxen dürfen nie an derselben Stelle übereinanderstehen; ein Endschwanz, der in das nächste Fenster blutet, ist der #1-Untertitel-Bug. - SICHERHEITSBEREICH – Untertitel sitzen im unteren Drittel, daher muss das Motiv des Keyframes im oberen ~75 % bleiben (siehe
look_pack.caption_safe_areades Rezepts). Wenn das Motiv eines fertigen Keyframes in das Untertitelband eindringt, verschiebe das Motiv deterministisch NACH OBEN in den leeren oberen Bereich (PIL: etwa 0,24H auf eine Leinwand kleben, die mit der exakten Papierfarbe aus einer sauberen Ecke vorgefüllt ist) – lass die Box niemals auf dem Motiv sitzen. - BRENN-ENGINE – bevorzuge libass (
ass/subtitles-Filter), aber prüfe zuerstffmpeg -filters: Viele Builds (Homebrew) haben kein libass/drawtext. Wenn nicht vorhanden, verwende den deterministischen Overlay-Fallback – rendere jede Zeile als transparentes PNG (farbige abgerundete Box + weißer Text, PIL) und setze es über den ffmpegoverlay-Filter mit zeitgesteuertenenable='between(t,st,en)'-Fenstern zusammen. Gleicher Look, kein libass.
- KEINE ÜBERLAPPUNG – begrenze jede Zeile auf ENDE vor dem nächsten START (
- Endcard via PIL aus dem echten Wortmarken-PNG – niemals KI-generierten Markentext. Das Lockup wird deterministisch komponiert (gestreckter Verlaufs-Hintergrund + gefederter Maskottchen-Zuschnitt + Wortmarke + Claim mit einer System-Schriftart); ein Diffusionsmodell verunstaltet eine Wortmarke („therapits“). Das Video hält nach der Audio ~1,5 s still auf der Endcard (erste/letzte 0,3 s ausblenden).
- FFmpeg-Komposition, deterministisch, KOSTENFREI. Ken-Burns für jeden Keyframe, Hard-Concat, Audio muxen, Untertitel einbrennen, auf Endcard halten → ein 1080×1920 h264+aac-Master. Keine bezahlten Aufrufe.