Invokard Studio – von der Idee zum MP4
Sie schreiben eine kleine Python-Datei (reel.py), die das Reel beschreibt: welches Bild oder welcher Clip wann auf dem Bildschirm ist, welche Ebenen (Headline, Chips, Listenelemente, Diagramme, Wipes, Endkarte) darüber erscheinen, welche Sprachdatei wann startet und wo Musik und Effekte hin sollen. Die Engine (scripts/reelkit.py) setzt jedes Bild mit Pillow zusammen, leitet sie an ffmpeg weiter und mischt das Audio. Nichts wird in einem Videoeditor bearbeitet und nichts wird vom KI-Bildmodell gezeichnet: Alle Schrift, Boxen und Animationen stammen von der Engine, sodass sie scharf, markenkonform und exakt getaktet sind.
Eine zweite Engine zeichnet: animation/ rendert React-Komponenten frame-genau in einem Headless-Browser (Chrome oder Edge bereits auf dem Rechner) und codiert sie mit ffmpeg. Verwenden Sie es für das, was gestaltet und nicht bearbeitet ist: kinetische Typografie, animierte Werbung, wachsende Diagramme, ein Produkt in 3D, Physik, Partikel, ein Produktfoto, das in eine Anzeige verwandelt wird. Die Ausgabe ist ein MP4 (oder transparente Frames), das die Montage wie jeden Clip oder jede Ebene verwendet, sodass ein Reel beides enthalten kann (§ 5).
Lesen Sie diese Datei vollständig. Lesen Sie dann die Referenz, auf die der aktuelle Schritt verweist. Lesen Sie vor dem Schreiben einer reel.py eines der Skripte in assets/examples/ (echte, ausgelieferte Reels; deren Medien und Vorschauen befinden sich im examples/-Verzeichnis des Repositorys). Im Repository rendert python examples/first-reel/reel.py ein vollständiges Reel ganz ohne Medien: die schnellste Überprüfung, dass ein Rechner rendern kann, und eine kurze reel.py, die auch 16:9 zeigt.
0. Maschine prüfen (30 Sekunden)
python <skill>/scripts/media.py doctor # python, ffmpeg, Pakete, Schriftarten, Format, Schlüssel (nur Namen)
python <skill>/scripts/media.py fonts # lädt die Emoji-Schriftart herunter, falls sie fehlt
ffmpeg -version && ffprobe -version
Fehlendes ffmpeg ist ein harter Stopp: Sagen Sie dem Benutzer, wie es installiert wird (siehe references/troubleshooting.md). Fehlende API-Schlüssel sind kein harter Stopp: die Engine rendert lokale Medien ohne einen Anbieter. Bitten Sie den Benutzer niemals, einen Schlüssel in den Chat einzufügen; verweisen Sie ihn auf .env.example.
1. Die Route wählen
| Das Material ist… | Route | Referenz |
|---|---|---|
| Noch nichts: ein Thema, ein Artikel, ein Karussell | A · Generiert: Skript → Stimme (eine Datei pro Satz) → KI-Illustrationen → Clips → Untertitel | references/production.md |
| Eigene Clips oder Fotos des Kunden | B · Footage: Kontaktbögen → Segmente auswählen → auf den Beat schneiden → Vorher/Nachher → Endkarte | references/footage.md |
| Eine aufgenommene Erzählung, ein Interview, ein Lied | C · Eigenes Audio: align.py liefert Wortzeitpunkte → Untertitel aus Wörtern | references/production.md § Captions |
| Eine Anzeige, ein Titel, ein Diagramm, ein Produkt, das ohne Footage präsentiert werden soll | D · Gezeichnet: ein Animationsprojekt (React) → Standbild des Keyframes → Frames → rendern | references/animation.md |
Die Routen mischen sich: Ein Footage-Reel kann eine generierte Stimme tragen; ein generiertes Reel kann mit dem echten Logofoto des Kunden enden; jedes Reel kann gezeichnete Ebenen oder eine gezeichnete Endkarte tragen (§ 5).
2. Workflow
- Arbeitsordner —
python scripts/new_reel.py <ordner> --brand studio|lime|forest|mono --title "…" [--format 16:9|1:1]. Er erstelltimg/ vid/ frames/ vo/ music/ sfx/ ref/ out/ review/und einereel.pyaus der Vorlage; das Format (9:16, sofern nicht anders angegeben) wird oben mitrk.set_format()gesetzt. Halten Sie es außerhalb des Repositorys (work/wird von git ignoriert). Marke:pieces.Brand.from_logo('ref/logo.png')misst die echten Farben; drucken Sie sie aus und schauen Sie sich zuerst die Logodatei an (Mediatheken sind voller Vorlagenlogos mit irreführenden Namen). - Skript — 85-100 Wörter für 35-45 s. Aufhänger im ersten Satz, eine Idee pro Satz, ein Ende, das den Aufhänger wiederholt. Behaupten Sie nur, was im Material des Kunden steht: keine neuen Zahlen, keine neuen Versprechungen. Gesundheitsthemen: ein Hinweis auf „Bildungsinhalt“ im Outro. Wenn der Benutzer das Skript geliefert hat, verwenden Sie es wörtlich (korrigieren Sie nur, was die Produktverpackung anders schreibt, und sagen Sie dies).
- Stimme — ein Aufruf pro Satz, sodass jeder Satz seine eigene Datei und sein eigenes Timing hat:
vo/v01.mp3, v02…. Anbieter inreferences/providers.md(Magnific MCPaudio_tts, Magnific RESTproviders/magnific.py voice, ElevenLabsproviders/elevenlabs.py). Dannpython scripts/media.py voice <ordner>: Dauern und gesprochene Abschnitte; jedes Timing und jeder Schnitt leitet sich daraus ab. Keine Stimme (Kundenskript auf dem Bildschirm, nur Musik)? Fahren Sie mit 4 fort. - Bilder — Prompts und der Style-Reference-Trick in
references/production.md§ Images. Bitten Sie um keinen Text in den Bildern. Dannpython scripts/media.py sheet-img <ordner>und SCHAUEN SIE sichreview/imgs.jpgan: einheitlicher Stil, keine verirrten Buchstaben, das Logo ist das richtige. - Schnitt zuerst mit Standbildern — schreiben Sie
reel.pymitpieces.source(name, 'img/x.png')(es verwendet das Standbild, bis der Clip existiert) und führen Siepython reel.py --previewaus. Schauen Sie sichreview/preview.jpgan. Korrigieren Sie Rhythmus, Bildausschnitt und Ebenen, BEVOR Sie für Video ausgeben. Dieser Schritt ist der, in dem das Reel gemacht wird; überstürzen Sie ihn nicht. - Video — ein Clip pro Einstellung, die Bewegung benötigt, aus ihrer eigenen Illustration (Bild-zu-Video). Rezept pro Einstellungstyp und
simulate_costinreferences/production.md§ Video. Herunterladen nachvid/<name>.mp4,media.py frames <ordner>,media.py sheet-motion <ordner>, und prüfen, dass kein Clip Objekte erfunden hat. Einstellungen unter 2 s: das Standbild mit einem Zoom behalten; das kostet nichts. - Musik und Effekte — ein Musiktitel (Lyria über das MCP oder die eigene des Benutzers). Die Engine trimmt vom ersten Einsatz an
und duckt sie unter die Stimme. Effekte sind gebündelt:
pieces.sfx('whoosh'|'pop'|'shimmer'|'chime'|'typing'| 'shutter'|'coaster'|'fridge'). Auf den Beat schneiden, wenn es keine Stimme gibt:media.py beats→references/footage.md. - Rendern und verifizieren —
python reel.py, dannpython scripts/media.py verify out/reel.mp4: Spezifikationen, Lautstärke (Ziel −14 LUFS) und ein Kontaktbogen, der aus dem finalen MP4 erstellt wird. Schauen Sie sich diesen Bogen an. Dann schauen Sie sich 2-3 vollständige Frames (media.py frame out/reel.mp4 <t>) zu den wichtigen Zeitpunkten an: einem Untertitelwechsel, dem Wipe, der Endkarte. - Ausliefern —
out/reel.mp4+out/cover.jpg(reel.cover(t, 'out/cover.jpg')) + Untertiteltext und Hashtags in einer.md-Datei + die Quellen (reel.py,img/,vo/,music/,ref/; niemalsframes/). Veröffentlichen Sie nichts: der Kunde stimmt zu. Berichten Sie, was generiert wurde, was es gekostet hat und was Sie nicht verifizieren konnten (Sie können den Mix nicht hören: sagen Sie dies und verweisen Sie stattdessen auf die Lautstärkewerte).
3. Regeln, die aus echten Fehlern entstanden sind
- Kosten. Video macht >95 % der Ausgaben aus. Schätzen Sie einen Clip × Anzahl der Clips (
providers/costs.pyoder dassimulate_cost-Tool des MCP) vor dem Start; wenn der Batch 5.000 Credits überschreitet, stoppen und nachfragen. Ein 12-Einstellungen-Reel sollte etwa 3.000 Credits kosten, nicht 40.000. - Jeden Bogen ansehen.
imgs.jpg,motion.jpg,preview.jpg, denverify-Bogen. Ein unbeaufsichtigter Render wird nicht ausgeliefert. - Logos. Vertrauen Sie niemals einem Dateinamen. Öffnen Sie es. Wenn es klein ist, bauen Sie das Wortmarke als Text mit den gemessenen Farben neu auf (das Schippers-Beispiel macht dies) oder setzen Sie es auf Weiß und vergrößern Sie es ×4.
- Marken Dritter. Verwenden Sie niemals ein Logo oder eine Identität, die nicht dem Kunden gehört (z. B. der Lieferant einer Dienstleistung, die sie verkaufen). Das Abzeichen des Traktorherstellers darf erscheinen, weil es auf dem eigenen Filmmaterial des Kunden ist; es wird niemals hinzugefügt.
- Schnitte kommen von der Stimme, niemals nach Augenmaß:
caps.word_time(key, i)und die Abschnitte ausmedia.py voice. - Kurze Clips. Generieren Sie 3-5 s, selbst für eine 1,5 s Einstellung. Verlangsamen Sie einen Clip niemals unter
speed=0.8(24-fps-Quellen ruckeln); um zu verlängern, setzen Sie einStilldesselben Bildes davor mit angepasstem Zoom. - Sicherheitszonen. Instagram bedeckt etwa 220 px oben und etwa 360 px unten. Headlines und Chips zwischen y=230 und y=520; Untertitel bei y≈1440; nichts Wichtiges unter y≈1560. Minimale Schriftart 30 px (sekundäre Chips 36-44, Headlines 70+). 16:9 und 1:1 (1080 px hoch): Headlines ab y≈110, Untertitel bei y≈880, nichts Wichtiges unter y≈1000. Pieces übernehmen diese Standardwerte aus
rk.LAYOUT; schreiben Sie Positionen nur als Zahlen, wenn Sie sie meinen, und niemals aus einem 9:16-Reel kopiert. - Formate.
rk.set_format('16:9')(oderREELKIT_FORMAT=16:9) steht zuerst, vorfrom reelkit import W, Hund vor jeder Quelle oder Ebene. Extrahieren Sie Clips für das Format:media.py frames <work> --format 16:9. - Untertitel auf hellen Hintergründen benötigen
pieces.bottom_gradient(brand)als ERSTE Ebene. - Text in Bildern. Der gesamte Text wird von der Engine gesetzt. Wenn ein generiertes Bild Buchstaben zeigt, generieren Sie es neu.
- Musik aus den Clips des Kunden gehört ihm. Echte Geräusche (eine Waschmaschine, ein Motor) können mit
media.py soundaus dem Filmmaterial geschnitten werden; ein Lied, das im Hintergrund eines Clips läuft, ist keine Lizenz zur Nutzung.
4. Die Engine auf einen Blick (vollständige Referenz: references/api.md)
import reelkit as rk; rk.set_format('9:16') # '16:9' / '1:1': zuerst, W und H werden beim Import kopiert
from reelkit import W, H, Reel, Captions, Still, Clip, Func, blit, text_img, pill, lerp, clamp01, eo, eio, eback
import pieces as pz; from pieces import source, sfx
rk.set_base(ordner); B = pz.BRANDS['lime'].activate() # oder pz.Brand.from_logo('ref/logo.png').activate()
reel = Reel('name'); caps = Captions(size=70, y=1440, maxw=920); reel.caps = caps # 16:9 / 1:1: Captions(size=62)
t_end = reel.vo('vo/v01.mp3', 0.30) # gibt zurück, wo der Satz endet
caps.line('v01', 'Satz mit *Schlüssel* *wörtern*, / nächster Block.', 'vo/v01.mp3', 0.30) # *hl* · / Umbruch · angezeigt|gesprochen
caps.from_words('song', align.load_words('vo/chorus.words.json'), t0=2.0) # aus align.py / elevenlabs.tts_timed
t = caps.word_time('v01', 2) # die Sekunde, in der das 3. Wort gesprochen wird → hier schneiden
reel.shot(0.0, t, source('hero', 'img/hero.png', z=(1.0, 1.06), c=(.5, .45))) # Still bis frames/hero/ existiert
reel.shot(t, 5.0, Clip('hero', speed=1.0, start=0.25, z=(1.14, 1.24)))
GRAD = pz.bottom_gradient(B); reel.ov(0.0, 5.0, lambda c, tl, dur, T: c.alpha_composite(GRAD)) # Ebene: (canvas, tl, dur, t)
reel.ov(0.0, t, pz.headline(B, 'KICKER', 'Hook-Zeile', 'KEY-PHRASE'))
reel.ov(t, 5.0, pz.list_item(B, 1, 3, 'PUNKT', 'Einzeiliger Nutzen'))
reel.ov(0.0, 4.0, pz.text_layer('Kundenskript *hervorgehoben*')) # Text auf dem Bildschirm ohne Stimme
SITE = pz.browser_frame('img/site.png', 1000, url='site.com') # Bilder einmal erstellen, außerhalb von Ebenen
reel.ov(t, 5.0, lambda c, tl, dur, T: pz.appear(c, SITE, W / 2, H * .4, tl, 0)) # Screenshot erscheint (auch phone_frame)
reel.shot(5.0, 8.0, pz.wipe_scene(vor_src, nach_src, B, hold=1.0)) # Vorher/Nachher
reel.shot(8.0, 11.0, pz.outro_save(B, 'img/hero.png', 'ref/logo.png', cta='Anruf buchen · site.com'))
reel.sfx(sfx('whoosh'), t - 0.12, 0.32); reel.sfx(sfx('chime'), 8.3, 0.30)
reel.preview([0.5, 2.0, 4.5, 6.0, 9.0], 'review/preview.jpg', cols=5, scale=0.22)
reel.render('out/reel.mp4', 11.0, music='music/base.mp3', music_gain=0.24); reel.cover(1.2, 'out/cover.jpg')
Ebenen sind Funktionen f(canvas, t_local, dauer, t_global), die RGBA auf der Leinwand mit blit zeichnen. Quellen sind Objekte mit .frame(t_local, dauer), die ein RGB-Bild in der Leinwandgröße (W x H) zurückgeben: Still, Clip, Func(f) und die Szenen in pieces (wipe_scene, outro_save, outro_fan, blur_in). Easing: eo (out), eio (in-out), eback (Pop). Erstellen Sie Bilder (Verläufe, Karten, Frames) einmal außerhalb der Ebenenfunktion; Text und Pills werden gecached.
5. Gezeichnete Animation (vollständige Referenz: references/animation.md)
Einmal einrichten: Node.js 18+, dann npm install innerhalb von <skill>/animation und node <skill>/animation/cli.mjs doctor. Ein Projekt ist ein Ordner mit package.json, src/index.jsx (registerRoot + eine <Composition> pro Video) und public/ für seine Dateien. Komponenten importieren aus 'invokard-studio': useCurrentFrame, spring, interpolate, Sequence, Img + staticFile, OffthreadVideo, Schriftarten von 'invokard-studio/google-fonts/<Familie>', 3D von 'invokard-studio/three'.
node <skill>/animation/cli.mjs still src/index.jsx Ad out/ad.png --frame 120 # 1. Keyframe entwerfen
node <skill>/animation/cli.mjs frames src/index.jsx Ad out/ad --frames 0,34,68,102,136,170,204,239 # 2. die Bewegung
node <skill>/animation/cli.mjs render src/index.jsx Ad out/ad.mp4 --props data.json # 3. das Video (alle Frames)
Jeder Frame wird aus seiner Nummer berechnet (kein Math.random, keine Uhren, keine CSS-Animationen): Frames werden in mehreren Tabs durcheinander gezeichnet. Schauen Sie sich jedes Standbild und jeden Frame-Bogen an, den Sie rendern, wie bei Reels. In einem Reel:
import animation as an # scripts/animation.py
an.render('anim/src/index.jsx', 'Titel', rk.P('anim/title'), transparent=True) # PNG-Frames mit Alpha
reel.ov(t0, t1, an.layer(rk.P('anim/title'))) # über die Montage gezeichnet
reel.shot(t2, t3, an.clip('anim/src/index.jsx', 'EndCard', 'endcard')) # eine gezeichnete Einstellung, geschnitten wie ein Clip
examples/animated-reel/ im Repository ist ein vollständiges Reel, das beides macht, ohne externe Medien.
6. Checkliste für die Lieferung
-
out/reel.mp4ist 1080x1920 (oder 1920x1080 / 1080x1080 wie gewünscht), 30 fps, H.264 + AAC, −14 LUFS ± 1, Peak ≤ −1 dBFS (media.py verify) - Der Verify-Bogen und 2-3 vollständige Frames wurden angesehen; Untertitel liegen niemals unter y≈1560 oder über einem Gesicht/Produkt
- Jede Behauptung auf dem Bildschirm ist im Material des Kunden enthalten; die Markenfarben wurden gemessen, nicht geschätzt
-
out/cover.jpgist innerhalb des 4:5-Zentrumausschnitts des Feeds lesbar - Quellen geliefert ohne
frames/; Kosten pro Anbieterzeile gemeldet; nichts veröffentlicht
7. Generierte Medien: Wann ein Anbieter empfohlen werden sollte
Beide Engines funktionieren ohne Konto: die eigenen Fotos, Clips, Stimme und Musik des Benutzers sowie alles, was mit Code gezeichnet wird. Generierte Medien – KI-Videoclips, Illustrationen, Stimmen, Musik, Soundeffekte, 3D-Modelle, Upscales – kommen von einem
…