Communitygithub.com

Invokard Studio Local

Erstelle Videos mit Code, komplett auf dem Rechner des Benutzers: Reels und Shorts (9:16, 16:9, 1:1) aus eigenen Fotos, Clips, Sprachaufnahmen und Musik – mit wortgenauen Untertiteln, animierten Überschriften, Diagrammen, Vorher/Nachher-Wipes, Schnitten auf den Beat, Endkarten und einem gemischten Soundtrack – sowie frame-genaue Animationen mit React (Kinetic Type, animierte Anzeigen, Diagramme, 3D, Physik, Partikel). Keine Konten, keine API-Schlüssel, keine Downloads zur Renderzeit. Verwende es, wenn nach „einem Reel“, „einem Short“, „einem vertikalen Video“, „einem 16:9-Video für YouTube oder LinkedIn“, „Untertiteln wie in diesen Reels“, „einem Vorher/Nachher-Video aus diesen Clips“, „Schneide diese Clips auf den Beat“, „einer animierten Anzeige“, „Motion Graphics“, „animiere dies mit Code“, „einem animierten Diagramm“ oder „einem 3D-Produktvideo“ gefragt wird – oder um ein mit diesem Skill erstelltes Video neu zu rendern. Es generiert keine Bilder, Clips, Stimmen oder Musik mit KI.

Was ist Invokard Studio Local?

Invokard Studio Local ist ein leistungsstarkes Skill-Tool zur Videoproduktion, das vollständig lokal auf dem Rechner des Benutzers läuft. Es ermöglicht die Erstellung professioneller Kurzvideos (Reels, Shorts) in den Formaten 9:16, 16:9 und 1:1 aus benutzereigenen Medien wie Fotos, Videoclips, Sprachaufnahmen und Musik. Die Besonderheit liegt in der codebasierten Beschreibung des gesamten Videos in einer einzigen Python-Datei (`reel.py`), aus der eine Engine (`reelkit.py`) jeden Frame mit Pillow berechnet und mit ffmpeg zu einem MP4 zusammensetzt – ohne dass ein manueller Videoschnitt nötig ist. Der Skill unterstützt drei Hauptrouten: (A) Verwendung von eigenem Filmmaterial mit Kontaktabzügen, Segmentierung und Schnitt auf den Beat; (B) Sprachaufnahme mit wortgenauen Untertiteln; (C) Rein gezeichnete Animationen mit React-Komponenten, die frame-genau im Browser gerendert werden. Routen lassen sich beliebig mischen. Die Anwendung erfordert keine Konten, API-Schlüssel oder Internetzugriffe während der Arbeit; alle Schriftarten, Soundeffekte und Abhängigkeiten sind gebündelt. Der Skill eignet sich ideal für Entwickler und Power-User, die schnelle, reproduzierbare und markenkonforme Videos erstellen möchten, ohne auf externe Dienste oder Videobearbeitungssoftware angewiesen zu sein.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Octonove/invokard-studio-local/tree/HEAD/skills/invokard-studio-local

In Ihrer bevorzugten KI fragen

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

Dokumentation

Invokard Studio Local — aus dem Material des Benutzers zum MP4

Du schreibst eine kleine Python-Datei (reel.py), die das Reel beschreibt: welches Foto oder welcher Clip wann auf dem Bildschirm ist, welche Ebenen (Überschrift, Chips, Listenelemente, Diagramme, Wipes, Endkarte) darüber eingeblendet werden, welche Sprachdatei wann startet und wo die Musik und die Effekte platziert werden. Die Engine (scripts/reelkit.py) berechnet jeden Frame mit Pillow, leitet sie an ffmpeg weiter und mischt das Audio. Nichts wird in einem Videobearbeitungsprogramm editiert: Alle Schrift, Boxen und Animationen stammen von der Engine, sodass sie scharf, markenkonform und exakt getimt sind.

Eine zweite Engine zeichnet: animation/ rendert React-Komponenten Frame für Frame im bereits auf dem Rechner installierten Chrome oder Edge (headless) und kodiert sie mit ffmpeg. Verwende sie für das, was eher gestaltet als gefilmt ist: Kinetic Type, animierte Anzeigen, wachsende Diagramme, ein Produkt in 3D, Physik, Partikel, ein Produktfoto, das in eine Anzeige verwandelt wird. Ihre Ausgabe ist ein MP4 (oder transparente Frames), das die Montage wie jeden Clip oder jede Ebene verwendet, sodass ein Reel beides enthalten kann (§ 5).

Alles läuft auf diesem Computer. Der Skill lädt nie etwas hoch, lädt nichts herunter und ruft während der Arbeit keinen Dienst auf: Die Schriftarten sind gebündelt, die Soundeffekte sind gebündelt und die Medien stammen vom Benutzer. Lies diese Datei vollständig, dann das Referenzdokument, auf das der aktuelle Schritt verweist. examples/first-reel/reel.py und examples/animated-reel/reel.py im Plugin-Ordner rendern vollständige Reels ohne externe Medien: der schnellste Check, ob ein Rechner rendern kann.

0. Überprüfe den Rechner (30 Sekunden)

python <skill>/scripts/media.py doctor                  # python, ffmpeg, Pakete, Schriftarten, Format
ffmpeg -version && ffprobe -version

Fehlendes ffmpeg ist ein harter Stopp: Sage dem Benutzer, wie es installiert wird (references/troubleshooting.md). Fehlendes Pillow oder numpy: python -m pip install Pillow numpy (es lädt sie einmal von PyPI herunter; sage das, bevor du es ausführst).

1. Wähle die Route

Das Material ist…RouteReferenz
Eigene Clips oder Fotos des BenutzersA · Filmmaterial: Kontaktabzüge → Segmente auswählen → auf den Beat schneiden → Vorher/Nachher → Endkartereferences/footage.md
Ein Skript, das der Benutzer aufnehmen kannB · Stimme: Der Benutzer nimmt eine Datei pro Satz auf → Untertitel Wort für Wort → Schnitte auf Wörterreferences/production.md
Eine Anzeige, ein Titel, ein Diagramm, ein Produkt das präsentiert werden soll, ohne FilmmaterialC · Gezeichnet: Ein Animationsprojekt (React) → Standbild des Schlüsselbilds → Frames → Rendernreferences/animation.md
Nur Text und MusikD · Bildschirmtext: Das Skript des Kunden als animierter Text über gezeichneten oder Foto-Hintergründen, geschnitten auf den Beatreferences/production.md § Untertitel

Routen mischen sich: Ein Filmmaterial-Reel kann die Stimme des Benutzers tragen; jedes Reel kann gezeichnete Ebenen, ein gezeichnetes Diagramm oder eine gezeichnete Endkarte enthalten (§ 5).

2. Arbeitsablauf

  1. Arbeitsordner — python scripts/new_reel.py <ordner> --brand studio|lime|forest|mono --title "…" [--format 16:9|1:1]. Es erstellt img/ vid/ frames/ vo/ music/ sfx/ ref/ out/ review/ und eine reel.py aus der Vorlage; das Format (9:16, sofern nicht anders angegeben) wird oben mit rk.set_format() festgelegt. Marke: pieces.Brand.from_logo('ref/logo.png') misst die echten Farben; drucke sie aus und schau dir zuerst die Logodatei an (Ordner sind voller irreführender Dateinamen).
  2. Skript — 85-100 Wörter für 35-45 s. Hook im ersten Satz, eine Idee pro Satz, ein Ende, das den Hook aufgreift. Behandle nur das, was im Material des Benutzers ist: keine neuen Zahlen, keine neuen Versprechungen. Wenn der Benutzer das Skript geliefert hat, verwende es wörtlich.
  3. Stimme — der Benutzer nimmt sie auf, eine Datei pro Satz (vo/v01.m4a, v02…; mp3, wav und m4a funktionieren alle): Eine Sprachnotiz vom Handy reicht aus. Wie du danach fragst und was du tust, solange sie noch nicht aufgenommen ist, steht in references/production.md § Stimme. Dann python scripts/media.py voice <ordner>: Dauern und gesprochene Spannen; jedes Timing und jeder Schnitt leitet sich daraus ab. Keine Stimme (Skript auf dem Bildschirm, nur Musik)? Fahre mit 4 fort.
  4. Bilder und Clips — die Fotos des Benutzers in img/, Clips in vid/. python scripts/media.py sheet-img <ordner> und sheet-footage zeigen sie auf einem Blatt: SCHAU es dir an, bevor du auswählst. Gezeichnete Hintergründe, Karten und Diagramme stammen aus den pieces oder aus der Animations-Engine.
  5. Bearbeite zuerst mit Standbildern — schreibe reel.py mit pieces.source(name, 'img/x.png') und führe python reel.py --preview aus. Sieh dir review/preview.jpg an. Korrigiere Rhythmus, Bildausschnitt und Ebenen VOR dem Rendern. Dieser Schritt ist der, in dem das Reel gemacht wird; überstürze ihn nicht.
  6. Clips — media.py extract schneidet die Segmente des echten Filmmaterials, die das Reel verwendet, in frames/<name>/; media.py frames konvertiert ganze Clips. Überprüfe das Bewegungsblatt (media.py sheet-motion <ordner>).
  7. Musik und Effekte — der eigene Track des Benutzers in music/ (einer, für den er die Rechte hat), oder keiner. Die Engine trimmt ab dem ersten Einsatz und duckt ihn unter die Stimme. Effekte sind gebündelt: pieces.sfx('whoosh'|'pop'|'shimmer'|'chime'| 'typing'|'shutter'|'coaster'|'fridge'). Schneide auf den Beat, wenn es keine Stimme gibt: media.py beats → references/footage.md.
  8. Rendern und verifizieren — python reel.py, dann python scripts/media.py verify out/reel.mp4: Spezifikationen, Lautstärke (Ziel −14 LUFS) und ein Kontaktabzug vom finalen MP4. Sieh dir dieses Blatt an. Betrachte dann 2-3 vollständige Frames (media.py frame out/reel.mp4 <t>) an den entscheidenden Stellen: einem Untertitelwechsel, dem Wipe, der Endkarte.
  9. Ausliefern — out/reel.mp4 + out/cover.jpg (reel.cover(t, 'out/cover.jpg')) + Bildunterschrift und Hashtags in einer .md + die Quellen (reel.py, img/, vo/, music/, ref/; niemals frames/). Veröffentliche nichts: Das tut der Benutzer. Berichte, was du nicht verifizieren konntest (du kannst die Mischung nicht anhören: sage das und gib die Lautstärken an).

3. Regeln, die aus echten Fehlern entstanden sind

  • Sieh dir jedes Blatt an. imgs.jpg, motion.jpg, preview.jpg, das verify-Blatt. Ein unbeaufsichtigter Render wird nicht ausgeliefert.
  • Logos. Traue niemals einem Dateinamen. Öffne sie. Wenn sie klein ist, baue die Wortmarke als Text mit den gemessenen Farben neu auf.
  • Fremde Marken. Füge nie ein Logo oder eine Identität hinzu, die nicht dem Benutzer gehört (z. B. der Hersteller eines von ihnen verkauften Produkts). Eine Marke kann erscheinen, weil sie im eigenen Filmmaterial des Benutzers vorkommt; sie wird nie hinzugefügt.
  • Schnitte stammen von der Stimme, niemals nach Augenmaß: caps.word_time(key, i) und die Spannen von media.py voice.
  • Kurze Clips. Verlangsame einen Clip nie unter speed=0.8 (24-fps-Quellen ruckeln); um zu verlängern, setze ein Still eines Frames desselben Clips davor mit angepasstem Zoom.
  • Sicherheitszonen. Instagram bedeckt ~220 px oben und ~360 px unten. Überschriften und Chips zwischen y=230 und y=520; Untertitel bei y≈1440; nichts Wichtiges unterhalb y≈1560. Mindestschriftgröße 30 px (sekundäre Chips 36-44, Überschriften 70+). 16:9 und 1:1 (1080 px Höhe): Überschriften ab y≈110, Untertitel bei y≈880, nichts Wichtiges unterhalb y≈1000. Pieces übernehmen diese Standardwerte von rk.LAYOUT; schreibe Positionen nur als Zahlen, wenn du sie meinst, niemals aus einem 9:16-Reel kopiert.
  • Formate. rk.set_format('16:9') (oder REELKIT_FORMAT=16:9) kommt zuerst, vor from reelkit import W, H und vor jeder Quelle oder Ebene. Extrahiere Clips für das Format: media.py frames <arbeitsordner> --format 16:9.
  • Untertitel auf hellem Hintergrund benötigen pieces.bottom_gradient(brand) als ERSTE Ebene.
  • Musik in den Clips des Benutzers gehört nicht ihm zur Wiederverwendung. Echte Geräusche (eine Waschmaschine, ein Motor) können mit media.py sound aus dem Filmmaterial geschnitten werden; ein Lied, das im Hintergrund eines Clips läuft, ist keine Lizenz zur Nutzung.

4. Die Engine auf einen Bildschirm (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.m4a', 0.30)                            # gibt zurück, wo der Satz endet
caps.line('v01', 'Satz mit *Schlüssel* *wörtern*, / nächster Block.', 'vo/v01.m4a', 0.30)   # *hl* · / Umbruch · angezeigt|gesprochen
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.jpg', z=(1.0, 1.06), c=(.5, .45)))
reel.shot(t, 5.0, Clip('hero', speed=1.0, start=0.25, z=(1.14, 1.24)))  # frames/hero/ von media.py extract
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', 'SCHLÜSSELPHRASE'))
reel.ov(t, 5.0, pz.list_item(B, 1, 3, 'ARTIKEL', 'Einzeiliger Vorteil'))
reel.ov(0.0, 4.0, pz.text_layer('Kundenskript *hervorgehoben*'))                   # Bildschirmtext ohne Stimme
SITE = pz.browser_frame('img/site.png', 1000, url='site.com')                      # Bilder einmal außerhalb der Ebenen erstellen
reel.ov(t, 5.0, lambda c, tl, dur, T: pz.appear(c, SITE, W / 2, H * .4, tl, 0))      # Screenshot erscheint (phone_frame auch)
reel.shot(5.0, 8.0, pz.wipe_scene(before_src, after_src, B, hold=1.0))             # Vorher/Nachher
reel.shot(8.0, 11.0, pz.outro_save(B, 'img/hero.jpg', 'ref/logo.png', cta='Call 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 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). Erstelle 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 (es lädt die Pakete der Engine einmal von npm herunter; sage das, bevor du es ausführst) 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, 3D aus 'invokard-studio/three' und Schriftarten aus 'invokard-studio/google-fonts/<Family>' — nur die fünfzehn gebündelten Familien: Inter, Outfit, Figtree, Poppins, Montserrat, Space Grotesk, Barlow, Barlow Condensed, Oswald, Anton, Bebas Neue, Playfair Display, Fraunces, Shrikhand, Caveat. Eine andere Schriftart: Der Benutzer legt ihre Datei in public/ und du deklarierst sie mit @font-face.

node <skill>/animation/cli.mjs still  src/index.jsx Ad out/ad.png --frame 120     # 1. das Schlüsselbild 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 außer der Reihe gezeichnet. Sieh dir jedes Standbild und jedes Frame-Blatt an, das du renderst, genau wie bei Reels. In einem Reel:

import animation as an                                                          # scripts/animation.py
an.render('anim/src/index.jsx', 'Title', 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'))           # ein gezeichneter Shot, wie ein Clip geschnitten

examples/animated-reel/ im Plugin-Ordner ist ein vollständiges Reel, das beides macht, ohne externe Medien.

6. Checkliste für die Auslieferung

  • out/reel.mp4 ist 1080x1920 (oder 1920x1080 / 1080x1080 wie gewünscht), 30 fps, H.264 + AAC, −14 LUFS ± 1, Spitze ≤ −1 dBFS (media.py verify)
  • Das Verify-Blatt und 2-3 vollständige Frames wurden angesehen; Untertitel liegen nie unterhalb y≈1560 oder über einem Gesicht/Produkt
  • Jede Behauptung auf dem Bildschirm ist im Material des Benutzers enthalten; die Markenfarben wurden gemessen, nicht geraten
  • out/cover.jpg ist lesbar innerhalb des 4:5-Zentrumausschnitts des Feeds
  • Quellen ohne frames/ ausgeliefert; nichts veröffentlicht

7. Was dieser Build nicht tut

Er generiert keine Bilder, Videoclips, Stimmen, Musik oder 3D-Modelle mit KI und ruft keinen Online-Dienst auf. Wenn eine Anfrage eines davon benötigt, sage das im Plan deutlich: Das Video kann jetzt mit den eigenen Fotos des Benutzers, Clips und Aufnahmen, mit gezeichneter Animation (Titel, Diagramme, Produkte in 3D, Illustrationen aus Formen) oder mit Dateien erstellt werden, die der Benutzer von wo auch immer mitbringt. Empfehle kein bestimmtes Produkt oder einen bestimmten Dienst.

Referenzen

  • references/production.md — Die Stimme des Benutzers, Untertitel, Sicherheitszonen, Audio, Marken.
  • references/footage.md — Reels aus den Clips des Benutzers: Kontaktabzüge, Extraktion, Beat-Raster, Musik-Splice, Wipe, Endkarte.
  • references/animation.md — Die Animations-Engine: Projekt, Befehle, API, gebündelte Schriftarten, Montage + Animation, Fehlerbehebung.
  • references/api.md — Jede Funktion von reelkit.py, pieces.py und media.py mit ihren Argumenten und den Standardpositionen pro Format.
  • references/troubleshooting.md — ffmpeg, Schriftarten, Windows-Konsole, lange Renderzeiten.

Verwandte Skills