Communitygithub.com

xb-video-cut

XB Video Cut v2: Führt in ChatCut sprachgesteuerte Videobearbeitung durch – von der Entfernung von Füllwörtern über die Untertitelung bis hin zur fertigen Videoproduktion.

Was ist xb-video-cut?

XB Video Cut v2 ist eine hochspezialisierte KI-Fähigkeit für ChatCut, die eine vollständige, sprachgesteuerte Videobearbeitung ermöglicht. Sie trennt den Entscheidungsprozess („Was soll geschnitten werden?“) von der Ausführungslogik („In welcher Reihenfolge wird es auf der Timeline platziert?“). Die Fähigkeit deckt eine breite Palette von Szenarien ab, darunter Solo-Präsentationen, Interviews, Video-Podcasts, Kurse, Tutorials und erklärende Videos. Sie unterstützt die Bearbeitung von A-Roll (Sprachaufnahmen), Untertiteln, Hintergrundmusik, Übergängen, B-Roll, Motion Graphics (MG-Animationen) und KI-gestützter Sprachisolierung auf einer einzigen Plattform. Ihr wichtigstes Merkmal ist die strikte Einhaltung eines zustandsbasierten Workflows: Der A-Roll-Schnitt muss immer vor allen downstream-Aufgaben wie Untertiteln und Musik abgeschlossen sein. Benutzereingaben werden durch ein klares System von Bestätigungspunkten gesteuert, das sicherstellt, dass kein Schritt ohne explizite Genehmigung übersprungen wird, während gleichzeitig ein effizienter Ablauf ermöglicht wird, wenn eine End-to-End-Ausführung gewünscht wird. Die Fähigkeit organisiert alle zugehörigen Materialtabellen (B-Roll-Checkliste, Soundeffekttabelle, Übergangstabelle) in einem einzigen Obsidian-Skriptdokument und sorgt so für eine zentrale, nachvollziehbare Quelle der Wahrheit während des gesamten Projekts.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Iris-lover/xb-video-cut/tree/main

In Ihrer bevorzugten KI fragen

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

Dokumentation

XB Video Cut v2

Dies ist eine Spezifikation für die sprachgesteuerte Videobearbeitung in ChatCut. Sie trennt die Entscheidung „Was soll geschnitten werden?“ von der Reihenfolge „In welcher Reihenfolge wird es auf der Timeline platziert?“: Zuerst wird das inhaltliche Ziel bestimmt, dann werden alle visuellen, textlichen und Audio-Ebenen basierend auf der endgültigen Sprach-Editierung angeordnet.

1. Anwendungsbereich und grundlegende Einschränkungen

Geeignet für vorhandenes Material für Solo-Präsentationen, Interviews, Video-Podcasts, Kurse, Tutorials und erklärende Videos. Wenn ein Benutzer einen Talking-Head von Grund auf neu ohne Quellmaterial erstellen möchte, wird der Bearbeitungsablauf dieser Fähigkeit nicht verwendet; weisen Sie zuerst darauf hin, dass vorhandenes Videomaterial benötigt wird.

Das Quellmaterial kann sich bereits im aktuellen Projekt befinden, ein lokaler Pfad oder ein Chat-Anhang sein:

  • Material, das sich bereits im Projekt befindet, wird direkt verwendet, ohne erneut importiert zu werden.
  • Lokal lesbare Pfade oder Chat-Anhänge werden gemäß der aktuellen Asset-Registrierungsmethode von ChatCut Desktop zum Projekt hinzugefügt, bevor das Transkript gelesen wird.
  • Wenn der Editor das Zielprojekt nicht geöffnet hat, lassen Sie den Benutzer zuerst das Zielprojekt öffnen; gehen Sie nicht davon aus, dass das aktuelle Projekt das Zielprojekt ist.

Einheitliche Verwendung chinesischer Produktterminologie:

  • A-roll: Sprach-Editierung
  • Background music: Hintergrundmusik
  • Captions: Untertitel
  • B-roll: Immer B-roll beibehalten
  • Motion Graphics: MG-Animation
  • AI Voice Isolation: KI-Sprachisolierung
  • Transcript panel: Textfeld

Verwenden Sie nicht „Bewegungseffekt“, „Untertitelzeile“ oder „dynamische Untertitel“ als Ersatz für „MG-Animation“ und übersetzen Sie B-Roll nicht in andere chinesische Begriffe.

2. Zuerst das Ziel bestimmen, dann die Verarbeitungsschritte auswählen

Beginnen Sie jedes Mal, indem Sie diese drei Dimensionen klären:

  1. Ziel: Plattform, endgültige Videolänge, Hoch-/Querformat oder andere Anforderungen an die Leinwand.
  2. Verarbeitungsschritte: Nur A-Roll, oder auch Untertitel, Hintergrundmusik, Übergangseffekte, B-Roll, MG-Animation, KI-Sprachisolierung oder Export.
  3. Rhythmus: Kompakt, natürlich, formell, locker, emotional oder den vorhandenen Stil des Projekts übernehmen.

Fügen Sie nicht standardmäßig alle Verarbeitungsschritte hinzu, nur weil ein Tool verfügbar ist. Lassen Sie verbessernde Elemente, die der Benutzer nicht erwähnt hat, unverändert.

Wenn ein Projekt bereits eine Leinwand, einen Untertitelstil oder einen Markenstil hat, priorisieren Sie die Beibehaltung. Verwenden Sie Standardwerte nur, wenn das Projekt keine Einstellungen hat und der Benutzer keine Anforderungen gestellt hat. Standard für neue Projekte ist 1920×1080 / 60 fps; überschreiben Sie diesen Standard nicht für bestehende Projekte und ändern Sie nicht eigenmächtig das Seitenverhältnis.

Querformat-Material/Leinwand: Erinnern Sie den Benutzer in der Endprüfungs- und Exportphase (siehe Abschnitt 12), ob eine zusätzliche vertikale Version benötigt wird. Hochformat-Material/Leinwand: Erwähnen Sie dies nicht, überspringen Sie es und fragen Sie nicht jedes Mal nach. Die Grundlage für die Beurteilung ist das Seitenverhältnis der aktuellen Timeline-Leinwand, nicht ob der Benutzer es erwähnt hat.

Wenn mehrere Schlüsseldimensionen gleichzeitig fehlen, sammeln Sie sie in einem kurzen Formular auf einmal; wenn nur ein kleines Problem fehlt, stellen Sie eine direkte Kernfrage. Fragen Sie nicht wiederholt nach Informationen, die bereits aus dem Projekt oder Kontext abgeleitet werden können.

2.1 Bearbeitungstabellen einheitlich im Obsidian-Skriptdokument speichern

Materialtabellen (einschließlich B-Roll-Checkliste), Soundeffekttabellen und Übergangstabellen, die für dasselbe Video generiert oder aktualisiert werden, MÜSSEN im selben Obsidian Markdown-Dokument wie das Videoskript gespeichert werden, wobei separate Unterabschnitte beibehalten werden; dieses Dokument ist die einzige Quelle der Wahrheit für diese Tabellen. Das Anzeigen von Tabellen im Chat ersetzt nicht das Speichern.

  • Bestimmen Sie zuerst das Skriptdokument für dieses Video anhand des vom Benutzer bereitgestellten Obsidian-Links, Dateipfads oder Kontexts. obsidian://-Links müssen den Vault und die Datei auflösen und die tatsächliche lokale Markdown-Datei lokalisieren; wenn keine eindeutige Identifizierung möglich ist, fragen Sie nur nach dem Zieldokument, erstellen Sie nicht standardmäßig eine separate Tabellendatei und schreiben Sie keine anderen Videos in ein bekanntes Dokument.
  • Lesen Sie beim ersten Mal den vollständigen Text und alle vorhandenen Unterabschnitte, aktualisieren Sie an Ort und Stelle im entsprechenden Unterabschnitt; fügen Sie einen Unterabschnitt nur hinzu, wenn er nicht vorhanden ist. Behalten Sie das Skript, Benutzeranmerkungen und andere Inhalte bei, um ein mehrfaches Anhängen mehrerer Tabellen zu vermeiden. Nachfolgende Zusammenführungen, Löschungen, Neunummerierungen, Materialabgleiche oder Timelinänderungen werden mit demselben Unterabschnitt und den zugehörigen Zusammenfassungen synchronisiert.
  • Standardspalten für die Materialtabelle: Absatz / Sprachanker | Benötigtes B-Roll | Benötigte Dauer | Bereitgestellt? | Korrespondierendes Material. Der Absatz beschreibt das Inhaltsthema und das tatsächliche gesprochene Originalzitat; die Dauer ist die erforderliche Anzeigezeit in Sekunden im Endvideo, nicht die Start-/Endzeit des Quellvideos. Füllen Sie ✅/❌ basierend auf tatsächlich überprüftem Material aus und geben Sie das Datum und den Umfang der Überprüfung an; geben Sie nicht vor, dass etwas fehlt, wenn es nicht überprüft wurde. Wenn die Planung und Generierung von B-Roll erforderlich ist, fügen Sie in der Gesamttabelle eine zusätzliche Spalte Vorgeschlagene Quelle (zu bestätigen) hinzu, damit der Benutzer die visuellen Anforderungen und die Quelle gleichzeitig überprüfen kann; teilen Sie nach der Bestätigung in eine Upload-Liste und eine Generierungsliste auf. Fügen Sie in anderen Fällen standardmäßig keine Spalten wie „Kann generiert werden?“, „Bildänderung und Endpunkt“ oder „Wie verbinden?“ hinzu.
  • Die Soundeffekttabelle zeichnet Sprach- oder Aktionsanker, Soundeffekt-Zweck/-Typ, Dauer, entsprechendes Material und Bestätigungs-/Ausführungsstatus auf; die Übergangstabelle zeichnet das tatsächliche gesprochene Wort vor und nach der Grenze, den Übergangstyp, den passenden Soundeffekt und den Bestätigungs-/Ausführungsstatus auf. Übernehmen Sie die vom Benutzer bestätigte Tabellenstruktur. Erstellen Sie Tabellen nur, wenn die entsprechenden Verarbeitungsschritte aktiviert sind; das Speichern eines Plans bedeutet nicht, dass er bestätigt oder auf der Timeline platziert wurde.
  • Sobald das Zieldokument angegeben wurde, müssen Sie nicht jedes Mal nach dem Speicherort fragen, wenn Sie diese Tabellen warten. Wenn sich eine alte Liste an einem anderen Ort befindet, verschieben Sie sie in das Skriptdokument und behalten Sie in der alten Datei nur einen Migrationshinweis bei; pflegen Sie nicht gleichzeitig zwei Sätze von Haupttexten.
  • Lesen Sie nach dem Speichern erneut, überprüfen Sie die Tabelle, die Anzahl der Elemente, die Nummerierung, die Dauer und den Status und geben Sie einen Dokumentlink an. Wenn das Schreiben nicht möglich ist, geben Sie ehrlich Bescheid und geben Sie nicht vor, es gespeichert zu haben. Betten Sie keine tatsächlichen Bild-, Video- und Audiodateien binär in das Markdown ein; zeichnen Sie Materialpfade oder -links in der Tabelle auf. Der Speicherort der Materialdateien folgt den Konventionen des Benutzers.

3. Timeline-Zustandsautomat

Die Phasen müssen nicht alle ausgeführt werden, sondern werden „basierend auf der Benutzerauswahl aktiviert“. Die einzige feste Abhängigkeit ist, dass die A-Roll-Editierung allen von der endgültigen Timeline abhängigen Verarbeitungsschritten vorausgehen MUSS.

Empfohlene Reihenfolge:

  1. Projekt- und Materialbestätigung
  2. A-Roll-Sprach-Editierung
  3. Untertitel
  4. Hintergrundmusik
  5. Übergänge und passende Soundeffekte
  6. B-Roll
  7. MG-Animation
  8. Endprüfung und Export

Wenn der Benutzer nur einen Verarbeitungsschritt angefordert hat, führen Sie diesen Schritt aus und führen Sie die entsprechende Überprüfung durch. Erweitern Sie die Aufgabe nicht automatisch.

Phasenübergabe

Nach Abschluss jeder aktivierten Hauptphase:

  1. Beschreiben Sie das gerade abgeschlossene Ergebnis in einem Satz;
  2. Markieren Sie das aktuelle Ergebnis als „wartet auf Benutzerbestätigung“;
  3. Erklären Sie, was der nächste Schritt ist;
  4. Stellen Sie nur eine Kernfrage, die den nächsten Schritt beeinflusst.

Wenn der Benutzer „Weiter“, „Nächster Schritt“, „OK“ oder „Bestätigen“ sagt, betrachten Sie dies als Bestätigung der aktuellen Wartephase und fahren Sie mit der nächsten Phase fort. Wenn der Benutzer gleichzeitig Änderungen vorschlägt, führen Sie zuerst die Änderungen durch und überprüfen Sie die aktuelle Phase erneut. Überspringen Sie den Bestätigungspunkt nicht.

Wenn der Benutzer ausdrücklich eine End-to-End-Fertigstellung anfordert, können Schritte ohne subjektive Wahlmöglichkeiten nacheinander ausgeführt werden. In folgenden Fällen muss jedoch für eine Bestätigung angehalten werden: kostenpflichtige Generierung, irreversible Vorgänge, fehlende kreative Richtung oder Entscheidungen, die die endgültige Struktur deutlich verändern.

Bündeln Sie keine Bestätigungsfragen mehrerer Phasen in derselben Nachricht. Geben Sie nicht vor, dass etwas „abgeschlossen“ ist, ohne es tatsächlich ausgeführt oder verifiziert zu haben.

4. A-Roll: Zuerst den gesprochenen Inhalt bearbeiten

Wenn Sie entscheiden, ob ein Satz behalten oder gelöscht werden soll und wie Sie dem Benutzer den Änderungsvorschlag präsentieren, konsultieren Sie zuerst references/speech-cleanup-judgment.md – dort finden Sie die in der Praxis durch wiederholte Korrekturen verfeinerten Klassifizierungsstandards (Füllwörter/Stottern/abgebrochene Sätze/kürzbare Sätze/bewertende Sprache/Bedienungsschritte), Formatierungsspezifikationen (Tabelle: links Originaltext durchgestrichen, rechts überarbeiteter Effekt) und eine Checkliste für häufige Fehler.

4.1 Zuerst die Aufgabe klassifizieren

Bestimmen Sie vor Beginn der Bearbeitung, was der Benutzer möchte:

  • Bereinigen: Feste Füllwörter, fehlgeschlagene Aufnahmen, Versprecher, bedeutungslose Pausen und offensichtliche Stille entfernen.
  • Extrahieren: Wichtige Punkte, Meinungen oder Highlights aus langem Material extrahieren.
  • Umstrukturieren: Die Reihenfolge der Meinungen anpassen, um Schlussfolgerungen, Konflikte, Schritte oder Erklärungen klarer zu machen.
  • Hook/Kurzfassung: Starke Meinungen, Ergebnisse, Konflikte oder Fragen nach vorne stellen oder auf die Zieldauer komprimieren.
  • Zielskriptabgleich: Behalten und neu anordnen basierend auf vom Benutzer bereitgestelltem Text, Absätzen oder angegebenen Sätzen.

Das Tool kann die Bearbeitungsstrategie nicht bestimmen. Legen Sie zuerst die inhaltlichen Grenzen fest, dann wählen Sie das Werkzeug.

4.2 Allgemeine semantische Prinzipien

  • Bearbeiten Sie nach Möglichkeit vollständige Sätze, vollständige Gedanken, vollständige Antworten oder vollständige Schritte.
  • Wenn der Benutzer ausdrücklich angibt, welche Sätze beibehalten werden sollen, behalten Sie die angegebenen Wörter präzise bei, ohne unnötige Kopf- oder Endteile derselben ASR-Zeile mitzunehmen.
  • Setzen Sie keine Fragmente verschiedener fehlgeschlagener Aufnahmen zu einem künstlichen Satz zusammen.
  • Behalten Sie Subjekte, Objekte, Konnektoren, Konjunktionen, Listenmarkierungen, Qualifikatoren und Kontext, die für die Satzstruktur erforderlich sind, bei.
  • Wiederholung ist nicht unbedingt ein Fehler: Sie kann Betonung, Strukturmarkierung, zusätzliche Informationen oder Emotionsausdruck sein. Nur fehlgeschlagene Wiederholungen derselben Absicht werden als Neuaufnahme behandelt.
  • Wenn Sie sich nicht sicher sind, ob ein Schnittpunkt die Semantik oder die Hörbarkeit beeinträchtigt, behalten Sie den Inhalt oder verkleinern Sie den Löschbereich.
  • Wenn Sie dem Benutzer die Bearbeitung erklären, verwenden Sie den tatsächlichen gesprochenen Inhalt oder natürliche Sprache. Zeigen Sie keine internen Adressen wie [sN], Wortindizes, Clip-IDs, Segment-IDs usw.

4.3 Empfohlene Vorgehensweise

  1. Lesen Sie das aktuelle Skript und die timeline.md mit read_script, um die Inhaltsstruktur zu verstehen.
  2. Wenn es feste bedeutungslose Füllwörter oder große Mengen langer Pausen gibt, führen Sie zuerst eine mechanische Bereinigung mit clean_script durch.
  3. Lesen Sie nach der Bereinigung die neueste timeline.md erneut. Bearbeiten Sie nicht aus dem Gedächtnis basierend auf dem alten Transkript vor der Bereinigung.
  4. Führen Sie die semantische Editierung durch: Wählen Sie die beste Neuaufnahme, löschen Sie Fehlstarts, entfernen Sie doppelte oder fehlgeschlagene Segmente und ordnen Sie den Inhalt bei Bedarf neu an.
  5. Wenden Sie die Änderungen mit apply_script an.
  6. Lesen Sie das generierte Transkript erneut und überprüfen Sie Semantik, Reihenfolge, Satzzeichensetzung, Wiederholungen und Pausen.
  7. Nachdem die Sprachstruktur festgelegt ist, führen Sie smooth_audio aus, um Nähte zu überprüfen und zu behandeln.

manage_transcript fix dient nur zur Korrektur von ASR-Text oder Sprecherzuordnung und schneidet kein Audio; find_transcript dient nur zur Lokalisierung, nicht zur Bearbeitung. Alle Löschungen, Verschiebungen, Auswahlen und Wiederverwendungen von gesprochenem Inhalt werden im Skript durchgeführt.

4.4 Auswahl der besten Version bei Mehrfachaufnahmen

Gruppieren Sie Aufnahmeversionen, die denselben semantischen Inhalt ausdrücken, und vergleichen Sie sie gruppenweise:

  • Ist die Semantik vollständig und stimmt sie mit dem Zielskript überein?
  • Flüssigkeit, Verschlucken von Wörtern, Stottern und Tonfall;
  • Ist die Atmung natürlich?
  • Rauschen, Klangfarbe, Bildstabilität und Schnittpunktreserve;
  • Führt die Verbindung mit vorherigen und nachfolgenden Sätzen zu einem natürlich klingenden Ablauf?

Behalten Sie für jede semantische Einheit vorzugsweise eine vollständige Version. Gehen Sie nicht standardmäßig davon aus, dass die zuletzt aufgenommene Version die beste ist; ersetzen Sie eine frühere Version nur durch eine spätere, wenn sie vollständiger, flüssiger ist oder unverzichtbare Informationen hinzufügt. Hören Sie sich nach der Anwendung die Nähte zwischen den Versionen einzeln an und achten Sie besonders auf Stottern, abgeschnittene Atmung, Klangfarbensprünge und hörbare Rauschanteile.

4.5 Füllwörter, Neuaufnahmen und Satzfragmente

Reine Zögerungslaute können normalerweise in großen Mengen gelöscht werden: 呃, 额, um, uh, er, ah. Die folgenden Wörter müssen im Kontext beurteilt werden und können nicht mechanisch nach einer Wortliste gelöscht werden: 然后, 就是, 嗯, 那个, 所以, 但是, 啊, まあ, なんか usw.

Behalten Sie ein Wort bei, wenn es als Reihenfolge, Ursache-Wirkung, Konjunktion, Referenz, Antwort, Betonung oder Modus fungiert; löschen Sie es nur, wenn es nur eine Füllung ist und das Weglassen natürlich klingt.

Bereinigen Sie Neuaufnahmen in der folgenden Reihenfolge:

  1. Bestätigen Sie, ob die verschiedenen Äußerungen wirklich dieselbe Absicht ausdrücken.
  2. Finden Sie die vollständigste und natürlichste Version. Wählen Sie nicht mechanisch die letzte Version.
  3. Schneiden Sie ab dem Punkt, an dem der Fehler oder die Wiederholung tatsächlich beginnt, und schneiden Sie nur den überdeckten oder schwebenden Teil ab.
  4. Behalten Sie in der späteren Version Lead-in, Konnektoren, Subjekte, Vergleiche oder Schlussfolgerungen bei, die nicht wiederholt werden, aber dennoch semantisch notwendig sind.

Bei unvollständigen Satzfragmenten wie “这个其实……” („Dies eigentlich...“): Löschen Sie sie nur, wenn sie keine nützlichen Informationen liefern und der folgende Text dadurch nicht unvermittelt wirkt. Löschen Sie nicht unnötigerweise notwendigen Kontext, um die Sache kurz zu machen.

5. Untertitel

Untertitel hängen von der endgültigen A-Roll ab. Reichen Sie keine endgültigen Untertitel basierend auf einer alten Timeline ein, solange die A-Roll noch nicht bestätigt ist.

Wenn kein bestehender Stil vorhanden ist und es sich um 1080p Querformat handelt, verwenden Sie standardmäßig:

-Stil: deyi-card; Deyi-Font, weiße Schrift, halbtransparente abgerundete dunkle Karte;

  • Position: bottom-center;
  • Schriftgröße: 80 px, entsprechend fontSizeRatio: 0.074074;
  • Karten-Innenabstand: horizontal 28 px, vertikal 18 px;
  • Rhythmus: Kurze Karten bevorzugen, natürliche Satzzeichensetzung nach vollständigen Sinneinheiten;
  • Bereich: Alle hörbaren Sprachpassagen auf der Timeline.

Passen Sie sich bei anderen Leinwänden proportional an. Erzwingen Sie nicht die 1080p Querformat-Schriftgröße. Benutzervorlieben haben Vorrang; fragen Sie nicht wiederholt nach.

Bei 1080p Querformat: Jede Untertitelkarte zeigt standardmäßig nur eine Zeile (maxLines: 1). Wenn der Text zu breit ist, teilen Sie ihn nach vollständigen Sinneinheiten in zwei oder mehr kurze Karten auf. Erzwingen Sie keinen Zeilenumbruch innerhalb derselben Karte. Die Priorität der Satzzeichensetzung ist festgelegt: Wörter und feste Ausdrücke nicht trennen > semantische Vollständigkeit > einzeilige Anzeige > gleichmäßige Kartenlänge. Machen Sie die vorherige Karte lieber kürzer, als feste Wortgruppen, Fachbegriffe, englische Produktnamen, Zahlen mit Einheiten, Prozentsätze, Negationen mit ihren Prädikaten aufzuteilen, um die Breite zu füllen. Vermeiden Sie isolierte Untertitelkarten mit nur 1–3 Zeichen, es sei denn, sie werden zur Betonung verwendet oder sind durch die Sprachzeitsteuerung erforderlich.

Betrachten Sie vor der Untertitelteilung chinesische Wortgruppen, Fachbegriffe, Produktnamen, Zahlen mit Einheiten und feste Ausdrücke im Kontext als unteilbare Einheiten. Wenn eine einzelne Zeile zu breit ist, verschieben Sie die gesamte Gruppe auf die nächste Karte und gehen Sie zum nächstgelegenen Zeichensetzungs-, Pausen-, Subjekt-Prädikat-, Verb-Objekt- oder nebenordnenden Sinneinheitsgrenze zurück. Teilen Sie nicht hart nach Zeichenanzahl.

Nach der Untertitelgenerierung oder Neusatzung MÜSSEN Sie eine Überprüfung der Kartenübergänge durchführen: Überprüfen Sie die letzten 2–4 Zeichen der vorherigen Karte und die ersten 2–4 Zeichen der nächsten Karte einzeln, um geteilte Zwei-Zeichen-Wörter, Mehrzeichen-Wörter, englische Namen, Zahlen mit Einheiten, Negationsstrukturen und abhängige Partikel zu identifizieren. Wenn eine Untertitelkarte mit einem isolierten einzelnen Zeichen endet oder beginnt, oder wenn die vorherige Karte mit einem stark abhängigen Zeichen wie 的, 了, 和, 在, 不, 被, 把 endet, MUSS die Überprüfung im Kontext erfolgen; Wenn ein Problem festgestellt wird, beheben Sie es durch Verschieben der gesamten Wortgruppe oder durch erneutes Ausbalancieren der benachbarten Karten. Behandeln Sie nicht nur das eine vom Benutzer angegebene Beispiel.

Entfernen Sie standardmäßig am Ende jedes Untertitelkartensatzes keine chinesischen Kommas ,, chinesischen Punkte 。, englische Kommas , und englische Punkte .; behalten Sie Fragezeichen, Ausrufezeichen, Dezimalpunkte, Abkürzungen, Auslassungspunkte und andere Satzzeichen innerhalb des Satzes. Der Reinigungsvorgang betrifft die Satzzeichen am Ende jeder Untertitelkarte. Löschen Sie keine Kommas oder Punkte innerhalb des Satzes, die zur Satzzeichensetzung oder zum Ausdruck des Tonfalls dienen.

Jedes Mal nach dem Generieren, erneuten Anwenden oder Ändern von Untertiteln sowie vor dem Export:

  1. Lesen Sie alle Untertitelkarten seitenweise; betrachten Sie nicht nur die erste Charge.
  2. Verwenden Sie die Textbearbeitung der Untertitelkarten, um die Satzzeichen am Ende tatsächlich zu bereinigen. Verwenden Sie keinen globalen Schalter, der alle Satzzeichen verbirgt.
  3. Verwenden Sie die vom Tool zurückgegebenen Karten-IDs und die neueste Revision. Raten Sie nicht über Batch-Schnittstellen.
  4. Lesen Sie nach dem Speichern erneut seitenweise und bestätigen Sie, dass die Anzahl der chinesischen und englischen Kommas und Punkte am Satzende Null ist und dass andere Zeichen und Satzzeichen nicht versehentlich geändert wurden.
  5. Nur wenn das Speichern und die Überprüfung erfolgreich sind, können Sie dem Benutzer melden, dass die Bereinigung abgeschlossen ist, und die tatsächliche Anzahl der geänderten Elemente angeben.

Die Satzzeichensetzung ändert nur die Untertitelkarten: Verwenden Sie forcePageBreak:true für das erste Zeichen einer neuen Karte, keepWithPrevious:true für das Zusammenführen mit der vorherigen Karte und hidden:true zum Ausblenden von wiederholten Zeichen oder Versprechern in den Untertiteln. Ändern Sie nicht das ursprüngliche wortgetreue Transkript, die Schriftgröße, die Breite des Untertitelrahmens oder wordsPerPage, um einen bestimmten Schnittpunkt zu reparieren.

Senden Sie nach dem Anwenden der Untertitel den vollständigen Untertiteltext, getrennt durch | ohne Nummern, zur manuellen Bestätigung an den Benutzer; fahren Sie erst nach der Benutzerbestätigung mit der Hintergrundmusik oder anderen nachgelagerten Schichten fort.

6. Hintergrundmusik

Hintergrundmusik ist optional. Identifizieren Sie zuerst basierend auf der endgültigen Sprachaufnahme den Anfang, den Hauptteil, das Ende und die tatsächlichen emotionalen Grenzen. Verwenden Sie nicht standardmäßig dieselbe emotionale Vorlage für alle drei Abschnitte.

Erklären Sie vor der Generierung oder Songauswahl:

  • Die Ausdrucksfunktion jedes Abschnitts, z. B. Diagnose, Erklärung, Demonstration, Reflexion, Humor oder Handlungsaufforderung;
  • Emotion und Energie;
  • Die tatsächlichen inhaltlichen Grenzen für Musikwechsel.

Bieten Sie zuerst eine kleine Anzahl von Hörproben mit deutlich unterschiedlichen Stimmungen zur Auswahl an. Platzieren Sie sie nicht auf der Timeline, bevor der Benutzer eine Richtung ausgewählt hat. Erstellen Sie nach der Bestätigung Anfang, Hauptteil und Ende desselben Soundsystems. Die Wechselpunkte folgen den inhaltlichen Grenzen, nicht einer gleichmäßigen Aufteilung.

Beim Platzieren:

  • Setzen Sie die Sprachspur auf anchor, die Musikspur auf follower und verwenden Sie automatisches Ducking.
  • Stellen Sie audioRouting.duckDepthDb nicht manuell ein, es sei denn, der Benutzer fordert es ausdrücklich an.
  • Reduzieren Sie nicht die Lautstärke von Musiksegmenten drastisch, um dann tiefes Ducking zu überlagern.
  • Ein- und Ausblendungen sind normalerweise 1–2 Sekunden lang.
  • Die Musik darf das tatsächliche Inhaltsende nicht überschreiten.
  • Wenn die Musik nicht ausreicht, verwenden Sie mehrere Segmente auf abwechselnden Spuren. Dehnen Sie ein einzelnes Segment nicht unnatürlich in die Länge.
  • Platzieren Sie kurze Soundeffekte nicht auf der Follower-Musikspur.

7. Übergänge, Übergangs-Soundeffekte und emotionale Soundeffekte

Aktivieren Sie Übergänge oder Soundeffekte nur, wenn der Benutzer sie benötigt. Unterscheiden Sie zuerst die folgenden Konzepte, bevor Sie Vorschläge machen und ausführen:

  • Übergangseffekt: Eine visuelle Änderung zum Verbinden von Bildern, zum Trennen von semantischen Unterpunkten oder Kapiteln. Ein normaler harter Schnitt wird nicht automatisch als Übergangseffekt betrachtet, der einen Soundeffekt benötigt.
  • Übergangs-Soundeffekt: Der Soundeffekt, der einen Übergang begleitet. Jeder Übergangseffekt MUSS einen entsprechenden Übergangs-Soundeffekt haben. Die Bildänderung und der Audiopunkt müssen paarweise überprüft werden.
  • Emotionaler Soundeffekt: Ein Soundeffekt, der Emotionen oder Informationsschwerpunkte verstärkt, z. B. Schmerzpunkte, Erwartungsunterschiede, Erinnerungen, Überraschungen, Bestätigungen, Ergebnisse und Vorteile. Er kann unabhängig von einem Übergang erscheinen und erfordert keinen begleitenden Bildübergang.

Soundeffekte sind nicht unbedingt an Übergänge gebunden, aber die Verwendung eines Übergangseffekts erfordert einen dazugehörigen Übergangs-Soundeffekt. Hintergrundmusik und Audio-Crossfades von Sprachnähten gelten nicht als abgeschlossene Übergangseffekte oder die oben genannten zwei Arten von Soundeffekten.

Wählen Sie basierend auf der Inhaltsebene und dem Rhythmus. Verwenden Sie nicht wiederholt dieselbe Kombination. Größere Kapitelwechsel priorisieren eine klarere Richtung, etwas längere Whip-Pans mit einem Whoosh-Sound, damit der Zuschauer ein neues Kapitel spürt; eng verbundene kurze Schritte oder aufgezählte Punkte (z. B. erster, zweiter, dritter Schritt) verwenden einen kurzen Mausklick und einen leichten visuellen Takt, um zu betonen, dass sie noch zur selben Inhaltsgruppe gehören. Die Dauer sollte die Haupt- und Nebenaspekte widerspiegeln, aber es gibt keine festgelegte universelle Sekundenzahl für das gesamte Video; hören Sie zuerst die Sprachaufnahme, sehen Sie sich das Bild an und bestimmen Sie dann die spezifische Länge und den Schnittpunkt.

  1. Kurzer Schwarzblitz + Mausklick-Soundeffekt: Geeignet für eng verbundene Schrittewechsel; der Haupttransient des Klick-Sounds wird auf den Knotenpunkt des offensichtlichsten Schwarzblitzes ausgerichtet. Der Schwarzblitz MUSS kurz sein und darf nicht wie ein deutlicher Kapitelwechsel wirken.
  2. Whip-Pan + Whoosh-Sound: Geeignet für den Eintritt in ein größeres Kapitel; die horizontale Bewegungsunschärfe sollte deutlich sein, die Dauer sollte merklich länger sein als bei einem Schrittklick, die Bewegungsrichtung des Whoosh-Sounds sollte mit dem Bild übereinstimmen, und der Spitzenwert oder Endpunkt sollte auf den Schlüsselknoten ausgerichtet sein. Verwechseln Sie ein lineares Wischen mit einer weißen Trennlinie nicht mit einer Whip-Pan oder einer schwarzen Überlagerung; Wenn in der Vorschau eine störende weiße Linie erscheint, ersetzen Sie sie durch eine echte Whip-Pan oder den vom Benutzer angegebenen Blendenübergang.

Hören und zeigen Sie nach dem Platzieren gleichzeitig eine Vorschau an. Übergänge müssen spürbar, aber nicht schleppend sein. Die Bildänderung und der Audiopunkt müssen synchron sein. Der Soundeffekt darf die Sprachaufnahme nicht übertönen.

7.1 Übergangspunkte: Jedes Mal vom Agent vorgeschlagen, vom Benutzer bestätigt, keine festen Regeln anwenden

Verschiedene Videotranskripte haben unterschiedliche Strukturen. Übergangspunkte können nicht durch mechanische Regeln wie Pausentrennung, Leerzeilen, Stichwortabgleich usw. identifiziert werden. Das Wesen eines Übergangspunkts ist der Wechsel semantischer Unterpunkte innerhalb desselben Inhaltsabschnitts (z. B. wo Aufzählungspunkte wie „Erstens/Zweitens/Und dann noch“ in einer Liste jeweils beginnen, oder wo ein vollständiges Beispiel endet und der nächste Funktionspunkt beginnt). Dies MUSS durch das Verständnis der Semantik des Inhalts beurteilt werden, nicht durch strukturelle Stellvertreter.

Bevor Sie jedes Mal einen Übergang platzieren:

  1. Lesen Sie das aktuelle Skript/Transkript vollständig durch und finden Sie Kandidatenpositionen, die semantisch für einen Übergang geeignet sind.
  2. Fassen Sie es in einem Plan zusammen und senden Sie ihn zur Bestätigung an den Benutzer: Zitieren Sie den Text vor und nach dem Kandidatenpunkt unter Verwendung des tatsächlichen gesprochenen Inhalts (zeigen Sie keine Bildnummern oder internen Adressen wie [sN]), schlagen Sie den Übergangseffekt und den entsprechenden Soundeffekt vor und präsentieren Sie die Übergangstabelle gemäß Abschnitt 7.3 separat. Wenn emotionale Soundeffekte benötigt werden, listen Sie diese gleichzeitig separat in einer Tabelle für emotionale Soundeffekte auf.
  3. Nachdem der Benutzer bestätigt oder angepasst hat, platzieren Sie nur die Übergänge und Soundeffekte im bestätigten Bereich auf der Timeline; platzieren Sie sie nicht ohne Bestätigung. Wenn der Benutzer sagt „Nach diesen beiden Tabellen ausführen“, autorisiert dies die Ausführung der neuesten Versionen beider Tabellen; fragen Sie nicht wiederholt nach bereits bestätigten Punkten.
  4. Sobald ein Plan bestätigt ist, ist er die Übergangsbasis für dieses Video. Nachfolgende Anpassungen für dasselbe Video (einschließlich abgeleiteter Versionen wie Quer-zu-Hochformat, Hinzufügen eines Hooks usw., solange der Hauptinhalt unverändert bleibt) folgen dieser Basis. Schlagen Sie nicht jedes Mal eine vollständige Neubewertung vor.

7.2 Nachdem der Benutzer Inhalte hinzugefügt oder gelöscht hat, überprüfen Sie nur die geänderten Teile

Wenn der Benutzer nachträglich Sprachinhalte hinzufügt oder löscht, starten Sie keine vollständige Runde der Übergangsplanbestätigung. Stattdessen:

  1. Lesen Sie das aktuelle Skript erneut und überprüfen Sie für jeden bestätigten Übergangspunkt, ob der verankerte Text vor und nach dem Punkt noch vorhanden ist und ob die semantische Grenze noch gültig ist.
  2. Wenn der verankerte Text noch vorhanden ist, sich aber die Bildnummer geändert hat: Verschieben Sie den Übergang einfach zur neuen Bildnummer. Fragen Sie den Benutzer nicht erneut.
  3. Wenn der verankerte Text gelöscht oder umgeschrieben wurde, sodass die ursprüngliche Grenze nicht mehr gültig ist: Informieren Sie den Benutzer nur über diesen einen oder zwei betroffenen Punkte. Fragen Sie, welcher Satz sich geändert hat, und ob er einen benachbarten Ankerpunkt verschieben oder diesen Übergang löschen möchte. Fragen Sie nicht gleichzeitig nach anderen, nicht betroffenen Übergangspunkten.

Abgeleitete Versionen wie Quer-zu-Hochformat oder Hinzufügen eines Hooks folgen ebenfalls Punkt 2: Solange der Hauptinhalt unverändert bleibt, lokalisieren Sie einfach die bestätigte Basis auf den entsprechenden Bildnummern der neuen Timeline neu. Eine vollständige Neubestätigung ist nicht erforderlich.

7.3 Zwei unabhängige Ausführungstabellen, nicht mit der B-Roll-Materialtabelle kombinieren

Pflegen Sie standardmäßig separate Tabellen: B-Roll-Materialtabelle, Übergangstabelle, Tabelle für emotionale Soundeffekte. Sie können auf denselben Sprachanker verweisen, aber fügen Sie nicht automatisch einen Übergang oder emotionalen Soundeffekt hinzu, nur weil es einen B-Roll-Wechsel gibt.

Übergangstabelle: Jede Zeile MUSS sowohl den Übergangseffekt als auch den entsprechenden Übergangs-Soundeffekt enthalten.

Ungefähre ZeitSprachwechselpunkt (vorheriger Text → nachfolgender Text)Übergangseffekt und -dauerEntsprechender Übergangs-SoundeffektMethode der Audio-Video-SynchronisationStatus
Baseline auf aktueller TimelineTatsächliches Sprachzitat verwendenSchwarzblitz / Rechtswischen usw.Klicken / Whoosh usw.Bildknotenpunkt, mit dem Transient, Spitze oder Endpunkt ausgerichtet wirdAusstehend / Bestätigt / Hinzugefügt / Überprüft

Tabelle für emotionale Soundeffekte: Basiert auf der Wortbedeutung und dem emotionalen Endpunkt. Es kann überhaupt keinen Übergang geben.

Ungefähre Zeit oder BereichWortendpunktVerstärkte Emotion oder InformationVorgeschlagener emotionaler SoundeffektVerwendungsmethodeStatus
Baseline auf aktueller TimelinePräzises Stichwort oder KurzsatzSchmerzpunkt / Erinnerung / Überraschung / Erfolgsgefühl usw.Beschreibung der KlangeigenschaftenAnzahl der Vorkommen, Endpunkt, Ausklang und LautstärkeanforderungAusstehend / Bestätigt / Hinzugefügt / Überprüft

Die Zeit in den Tabellen dient der Suche. Die tatsächliche Ausführung basiert auf dem neuesten Sprachanker. Verstehen Sie zuerst die Semantik vollständig, richten Sie sie dann Wort für Wort an der Zeit aus. Bestimmen Sie nicht automatisch anhand von Stichwörtern, welche Wörter einen Klang haben müssen. Festschreiben Sie Zeitpunkte, Mengen oder Material-IDs des aktuellen Projekts nicht als Standardregeln für andere Videos.

7.4 Ausführung und Überprüfung

  • Verwenden Sie für Übergangs-Soundeffekte und emotionale Soundeffekte separate Audiospuren mit klaren Namen. Mischen Sie sie nicht in die Hintergrundmusik-Follower-Spur, um eine unabhängige Anpassung zu ermöglichen.
  • Emotionale Soundeffekte sind kurz, leise und wenige; wählen Sie innerhalb derselben semantischen Einheit die wichtigste Stelle aus und stapeln Sie nicht Wort für Wort. Überprüfen Sie benachbarte Übergangs-Soundeffekte und emotionale Soundeffekte auf Überlappungen, versetzen Sie die Haupttransienten oder kürzen Sie den Ausklang, um die Sprachaufnahme nicht zu übertönen.
  • Die Regel „Geschwindigkeit priorisieren“ für Video-Screenaufnahmen erfordert nicht, dass die Soundeffekte lange Ausklänge behalten. Soundeffekte können nach Gehör gekürzt und natürlich ausgeblendet werden.
  • Übergänge wirken auf das Bild, das der Zuschauer tatsächlich sieht. Überprüfen Sie darüber liegende B-Roll-Ebenen, Hintergrundebenen und andere Schichten. Fügen Sie nicht nur Effekte auf der verdeckten Sprachspur hinzu und behaupten Sie dann, der Übergang sei sichtbar. Halten Sie die zeitliche Abfolge von Sprachaufnahme, Untertiteln und anderen Inhalten ein.
  • Wenn der Benutzer einen bestimmten Übergangspunkt abbricht, brechen Sie den Übergangseffekt und den Übergangs-Soundeffekt für diesen Punkt paarweise ab. Behalten Sie emotionale Soundeffekte als unabhängigen Plan bei, es sei denn, der Benutzer fordert gleichzeitig eine Anpassung an.
  • Überprüfen Sie nach der Ausführung die neuesten Punkte, Mengen, Paarungen und Spurverhältnisse beider Tabellen. Zeigen Sie eine Vorschau auf Eintritt, Schlüsselpunkte, Ende und benachbarte Bilder an. Hören Sie gleichzeitig, um Audio-Video-Synchronisation, Lautstärke und Ausklang zu überprüfen. Wenn Sie nicht tatsächlich zugehört haben, geben Sie dies an. Verwechseln Sie eine Positionsprüfung nicht mit einer Hörabnahme.
  • Melden Sie separat die Anzahl der Übergangseffekte, Übergangs-Soundeffekte und emotionalen Soundeffekte. Unterscheiden Sie zwischen „Hinzugefügt“ und „Überprüft“. Melden Sie nicht, dass Übergänge und Soundeffekte abgeschlossen sind, wenn nur Musik- oder Sprach-Crossfades vorhanden sind.

8. B-Roll

B-Roll wird verwendet, um natürliche Sprungschnitte zu überdecken, bestimmte Objekte zu zeigen oder das Verständnis zu verbessern. Bestätigen Sie zuerst den Modus:

Zuerst Tabelle, dann Produktion: Wenn der Benutzer eine Reihe von B-Rolls planen oder generieren möchte, lesen Sie zuerst die aktuelle offizielle Sprachaufnahme, das vorhandene Storyboard/Skript und die tatsächliche Materialbibliothek. Erstellen Sie eine einheitliche Bildmaterialtabelle, die Sprachanker, benötigtes Bild, empfohlene endgültige Anzeigedauer, ob bereits verwendbares Material vorhanden ist, entsprechendes Material und empfohlene Quelle auflistet. Speichern Sie dies im selben Obsidian-Skriptdokument und markieren Sie es deutlich als „ausstehend“. Die empfohlene Quelle ist nur ein Vorschlag und autorisiert nicht die Generierung. Nachdem der Benutzer die Bildanforderungen und die Quelle bestätigt oder angepasst hat, teilen Sie die bestätigte Version in zwei Ausführungslisten auf: Vom Benutzer hochzuladendes echtes Material (Websites, Tool-Bedienung, eigene Werke, Dokumente, Cover usw.) und Vom Agent generierbares Material (Konzeptszenen, Cartoon-Ergänzungsbilder usw.). Echte Produktoperationen oder Ergebnisse dürfen nicht durch KI-Konzeptbilder vorgetäuscht werden; vom Benutzer hochzuladende Elemente dürfen nicht eigenmächtig in generierte Elemente umgewandelt werden. Sammeln/überprüfen Sie anschließend die hochgeladenen Materialien oder erstellen Sie gemäß den Generierungsfähigkeiten und der erforderlichen kostenpflichtigen Bestätigung generierte Materialien, platzieren Sie sie auf der Timeline und führen Sie eine Abnahme durch. Verwechseln Sie nicht die Listenbestätigung mit der Autorisierung zum Generieren, Herunterladen, Ersetzen von echten Beweisen oder zum Ändern der Timeline.

  • Vollbildwechsel: Geeignet zum Überdecken von Sprungschnitten und zum Anzeigen von Inhalten, die vollständig gelesen oder angesehen werden müssen.
  • PiP (Bild-in-Bild): Behält die sprechende Person bei und bietet gleichzeitig ein Hilfsbild.
  • Agent-Entscheidung: Wenn der Benutzer keine Präferenz hat, beurteilen Sie jeden Inhaltspunkt einzeln.

Überprüfen Sie vor der Platzierung von PiP das Zielbild und das Materialbild. Vermeiden Sie Gesichter, Münder, wichtige Gesten, Untertitel, Produkte, Logos und lesbare Texte. Standardmäßig abgerundete Ecken 24–36. Wählen Sie basierend auf dem Seitenverhältnis des Vollbildmaterials und dem geschützten Inhalt cover oder contain. Standardmäßig nicht innerhalb der ersten und letzten 3 Sekunden wegschneiden, es sei denn, der Inhalt erfordert es.

Die Quelle kann Projektmaterial, Archivmaterial oder KI-Video sein. Wenn eine kostenpflichtige Generierung betroffen ist, holen Sie vor der Übermittlung der Generierung die ausdrückliche Genehmigung des Benutzers ein. Überprüfen Sie nach dem Platzieren jedes B-Rolls das Bild, um sicherzustellen, dass das Hauptmotiv, die Untertitel oder kritische Bedienvorgänge nicht verdeckt werden.

8.1 Materialtabellengesteuertes B-Roll

Wenn der Benutzer eine B-Roll-Materialsammlungsliste, Checkliste, Storyboard-Tabelle oder eine Tabelle mit „Sprachanker – benötigtes Bild – empfohlene Dauer“ bereitstellt und verlangt, dass der Inhalt der Materialbibliothek an der entsprechenden Position platziert wird, verwenden Sie references/b-roll-checklist-workflow.md.

Die Kernregel für diese Art von Aufgabe lautet: Überprüfen Sie zuerst das tatsächliche Bild und gleichen Sie es basierend auf der Sprachsemantik ab. Entscheiden Sie dann über die Geschwindigkeit und den Abdeckungsbereich. Videos werden vorzugsweise vollständig beibehalten und beschleunigt. Schneiden Sie sie nur, wenn sie selbst im erlaubten Geschwindigkeitsbereich nicht in den relevanten Sprachabschnitt passen. Schneiden Sie nicht einfach ein kurzes Stück aus einem langen Video heraus, um sich die Arbeit zu erleichtern.

8.2 Screenshots von Text: Haupttext vergrößern und scrollfähiges Lesen

  • Bei Screenshots, die hauptsächlich Text enthalten (Chatverläufe, Benutzerantworten, Berichte usw.), priorisieren Sie das Vergrößern des Haupttextes, der für die Sprachaufnahme relevant ist, anstatt die gesamte Oberfläche verkleinert anzuzeigen. Überprüfen Sie zuerst die tatsächlichen Pixel, bestimmen Sie die Grenzen des Haupttextes und schneiden Sie dann irrelevante Seitenleisten, Symbolleisten und Leerräume weg. Schneiden Sie keine Titel, Quellen, Kontext oder wichtige Wörter ab, die zum Verständnis des Inhalts erforderlich sind.
  • Bei längeren Haupttexten kann eine Bildschirmverschiebung verwendet werden, um ein Scrollen von oben nach unten zu simulieren: Der Bildschirminhalt bewegt sich nach oben, um nach und nach den darunter liegenden Text freizugeben; bewegen Sie den Text nicht nach unten und beschreiben Sie ein statisches Bild nicht als echte Bedienungs-Screenaufnahme.
  • Halten Sie kurz am Anfang und Ende an, damit der Zuschauer Zeit hat, sich zu orientieren und zu lesen. Die Dauer des Anhaltens, die Scroll-Entfernung und die Geschwindigkeit werden basierend auf der Länge des Haupttextes, den Informationsschwerpunkten und der Dauer der aktuellen Sprachaufnahme festgelegt. Verwenden Sie keine festgelegten Sekundenzahlen. Wenn ein kurzes Intervall nicht klar angezeigt werden kann, verkleinern Sie den Scroll-Bereich, zeigen Sie nur den relevanten Inhalt an oder schlagen Sie eine Anpassung der Dauer vor. Scrollen Sie nicht zu schnell, um die gesamte Seite zu erfassen.
  • Halten Sie im Prinzip den zeitlichen Ablauf der bestätigten Sprachaufnahme, Untertitel, Musik und benachbarten Materialien ein. Verwenden Sie bearbeitbare Positions-Keyframes oder gleichwertige deterministische Animationen. Der gesamte Bewegungsvorgang darf keine schwarzen Ränder zeigen und den horizontalen Haupttext nicht abschneiden. Überprüfen Sie, ob die Untertitel wichtige Textbereiche verdecken.
  • Überprüfen Sie den Eintritt, die Scroll-Mitte, das Ende und die benachbarten Schnittpunkte. Zeigen Sie die Scroll-Geschwindigkeit in einer kontinuierlichen Vorschau an, wenn dies abspielbar ist. Wenn Sie nur Einzelbilder überprüft haben, geben Sie dies ehrlich an. Verwechseln Sie Einzelbildprüfungen nicht mit einer Bewegungs-Hörabnahme. Synchronisieren Sie die tatsächliche Komposition, den Anzeigebereich und die Dauer mit derselben Materialtabelle im Obsidian-Skriptdokument.
  • Diese Regel gilt für Screenshots von Text. Schneiden Sie keine bereits zusammengesetzten Screenaufnahmen von B-Roll automatisch zu oder verpacken Sie sie neu.

9. MG-Animation

Stilkonsistenz innerhalb desselben Videos (Standard, keine wiederholte Betonung durch den Benutzer erforderlich): Alle MG-Animationen desselben Videos (einschließlich Aufforderungsseiten, Beitrags-Highlights, Titel, Tags und Kapitelfortschrittsbalken) MÜSSEN den bestätigten einheitlichen Designstil übernehmen. Überprüfen Sie vor der Erstellung die vorhandenen MGs dieses Videos und halten Sie Farbgebung, Schriftart, Schriftschnitt-Hierarchie, abgerundete Ecken, Linien und Animationsrhythmus konsistent. Vergleichen Sie bei mehreren Optionen nur die strukturellen Unterschiede innerhalb derselben visuellen Sprache. Verwenden Sie nicht Vorlagen aus anderen Videos, die zu inkonsistenten Stilen führen. Die spezifischen Farben dieses Videos werden nicht als Standardfarben für andere Videos festgeschrieben. Geben Sie diese visuellen Einschränkungen bei der Übergabe des Kapitelfortschrittsbalkens an xb-video-timeline weiter.

MG-Animationen sind optionale visuelle Erklärungsebenen. Sie sollten platziert werden, nachdem die Richtung von A-Roll, Untertiteln sowie der benötigten Musik und B-Roll festgelegt wurde. Bestimmen Sie zuerst basierend auf dem Transkript und dem Zielbild, was es dem Zuschauer helfen soll zu verstehen, und legen Sie dann Folgendes fest:

  • Inhalt: Titel, Tags, Listen, Vergleiche, Diagramme oder Vollbildinformationen;
  • Zeit: Mit welchem Sprachrhythmus oder Informationsendpunkt synchronisiert werden soll;
  • Form: Transparente Überlagerung oder undurchsichtiges Vollbild;
  • Position: Vermeiden Sie Gesichter, Münder, wichtige Gesten, Untertitel und vorhandene Elemente.

Verwenden Sie bei der Erstellung von MG-Animationen den in der aktuellen ChatCut-Umgebung verfügbaren Motion Graphics-Workflow. Überprüfen Sie nach dem Platzieren stabile Einzelbilder. Verwechseln Sie eine vorübergehende Abwesenheit in der Übergangsanimation nicht mit einem Designfehler. Vollbild-MGs können absichtlich die A-Roll ersetzen, aber dies MUSS eine klare inhaltliche Entscheidung sein.

MG-Produktionsablauf: Lesen Sie zuerst das neueste Transkript und das Zielbild. Entscheiden Sie, ob ein Vollbild-MG oder eine transparente Überlagerung verwendet werden soll. Übernehmen Sie den vorhandenen Designstil des Projekts. Erstellen Sie zuerst eine tatsächlich anzeigbare HTML-Statikskizze. Generieren Sie erst nach der Bestätigung der Statikskizze durch den Benutzer die Animation, platzieren Sie sie auf der Timeline und überprüfen Sie die Keyframes. Beginnen Sie nicht mit der Animation, bevor die statische Richtung nicht bestätigt ist.

Prüfung mehrerer Optionen: Wenn die visuelle Richtung noch nicht festgelegt ist, bieten Sie zuerst 3 HTML-Statikoptionen mit deutlichen Unterschieden zur Überprüfung durch den Benutzer an. Wenn eine bestätigte Richtung vorhanden ist, iterieren Sie nur um diese Option herum. Entwickeln Sie nicht in andere Richtungen.

Kompositionsregeln: MG vermeidet Bereiche mit Untertiteln, Gesichtern und kritischen Bedienvorgängen. Wenn Untertitel am unteren Rand vorhanden sind, verschieben Sie den visuellen Schwerpunkt des MG-Hauptinhalts insgesamt um etwa 40–60 Pixel nach oben, um klaren Platz für die Untertitel zu schaffen.

MG in Videospezifikation: Wenn Sie eine MG-Animation exportieren oder in ein Video rendern, verwenden Sie immer 1080p, 60 fps. Ersetzen Sie nach dem Export das entsprechende MG auf der B-Roll-Spur der Timeline direkt. Führen Sie eine echte Export-Einzelbildprüfung durch.

MG-Abnahme: Überprüfen Sie die drei Zustände Eintritt, Stabil und Austritt. Überprüfen Sie bei kapitelbezogenen MGs auch jede Kapitelwechselgrenze. Überprüfen Sie bei der Abnahme gleichzeitig die Untertitelvermeidung, die Vollständigkeit der Hintergrundabdeckung und ob das MG auf der aktuellen Leinwand das korrekte Seitenverhältnis beibehält und nicht verzerrt wird.

9.1 Kapitelfortschrittsbalken

Die detaillierte Design- und Animationsimplementierung des Kapitelfortschrittsbalkens wird nicht mehr innerhalb dieser Fähigkeit behandelt. Wenn eine obere/untere Kapitelzeitleiste, Kapitelnavigation oder ein Fortschrittshinweis beim Abspielen benötigt wird, übergeben Sie dies an die eigenständige Fähigkeit xb-video-timeline. Vermeiden Sie, dass xb-video-cut gleichzeitig Videokarten, Kapitelsemantik und Fortschrittsbalken-Visualisierung verwaltet, was zu Regeldoppelungen und Inkonsistenzen zwischen Upstream und Downstream führt.

Vor der Übergabe bereitet diese Fähigkeit Folgendes auf und bestätigt es:

  • Kapitelnamen, Reihenfolge und endgültiger Text;
  • Tatsächliche Start- und Endposition jedes Kapitels in der endgültigen A-Roll-Timeline;
  • Tatsächlicher Inhaltsendpunkt, nicht die Gesamtlänge der Timeline, die durch Musik- oder Untertitelnachläufe gebildet wird;
  • Seitenverhältnis des Endprodukts, Untertitelposition und Anforderungen zur Vermeidung von Gesichtern und kritischen Bedienvorgängen;
  • Bestätigter Designstil, Primärfarbe und wiederverwendbare Referenzstile.

Nach der Übergabe ist xb-video-timeline verantwortlich für: HTML-Stilprüfung, Fortschrittsvisualisierung, Animationsgenerierung, Zeitzuordnung, Platzierung auf der Timeline und Überprüfung der Kapitelgrenzen. Diese Fähigkeit generiert keine Fortschrittsbalkenpläne erneut und kopiert auch nicht deren visuelle Parameter und Implementierungsdetails.

Wenn sich A-Roll, Kapitelüberschriften oder Videokarten später ändern, aktualisiert diese Fähigkeit nur die Kapitelinhalte und die Grenzliste. Sie übergibt das neueste Ergebnis erneut an xb-video-timeline. Verwenden Sie keine alten Bildpositionen. Pflegen Sie nicht zwei Sätze von Kapiteldaten in zwei Fähigkeiten.

9.2 Kapitelüberschriften: Zuerst die Überschrift, dann das B-Roll

Wenn Kapitelüberschriften aktiviert sind, zeigen Sie sie standardmäßig zuerst in den vorhandenen Leerräumen des A-Roll-Sprachbildes an. Schneiden Sie erst dann zum entsprechenden B-Roll des Kapitels, nachdem die Überschrift vollständig verschwunden ist. Die Austrittsanimation der Überschrift MUSS ebenfalls enden. Lassen Sie nicht zu, dass große Überschriften gleichzeitig mit Haupttext-Screenshots und Bedienoberflächen um die Leseaufmerksamkeit konkurrieren.

  • Behalten Sie die Position, Skalierung und den Zuschnitt der ursprünglichen A-Roll-Person bei. Die Überschrift passt sich dem vorhandenen Leerraum an. Verschieben Sie die Person nicht für die Überschrift. Vermeiden Sie Gesichter, wichtige Gesten, Untertitel und Bedienbereiche.
  • Berücksichtigen Sie bei der Zuweisung einer Startzeit für das nachfolgende B-Roll gleichzeitig die Hintergrundebene und andere zugehörige Schichten. Verschieben Sie nicht nur das Bild nach hinten, während die schwarze Hintergrundebene die Person vorzeitig verdeckt. Behalten Sie den bestätigten zeitlichen Ablauf der Sprachaufnahme bei. Überprüfen Sie die Materialabdeckung und benachbarte Knotenpunkte erneut. Schneiden Sie nicht eigenmächtig echte Bedienungs-Screenaufnahmen, um Zeit für die Überschrift zu gewinnen.
  • Der Überschriftstext, die Anzahl der Kapitel und die Endpunkte werden aus der aktuellen offiziellen Sprachaufnahme bestätigt. Übernehmen Sie nicht die Kapitelanzahl, Nummerierung oder Zeitpunkte aus anderen Videos. Bestätigte Übergänge und Soundeffekte werden durch das Hinzufügen von Überschriften nicht automatisch ersetzt.
  • Verwenden Sie den vorherigen Statikentwurf-Bestätigungsprozess. Überlagern Sie zuerst repräsentative Überschriften im tatsächlichen Sprachbild zur Überprüfung. Fahren Sie dann in großen Mengen fort. Erstellen Sie nur auf ausdrücklichen Wunsch des Benutzers Eröffnungsüberschriften, schwarze Kapitelkarten oder dauerhafte Navigation.

Bestätigter wiederverwendbarer Überschriftenstil: Hellgelbe Nummer / Cremeweiße Pixel-Schrift

Wird verwendet, wenn der Benutzer diese Pixel-Kapitelüberschriftenrichtung wählt oder wenn Kapitelüberschriften aktiviert sind und kein anderer bestätigter Überschriftenstil vorhanden ist. Der vorhandene Projekt-Designstil und die aktuellen ausdrücklichen Anforderungen haben Vorrang. Überschreiben Sie nicht alle MGs mit diesem Plan.

Element1920×1080 Referenzspezifikation
SchriftartGuanZhi-8px Pixel-Schriftart; die tatsächliche lokale Familie ist GuanZhi 8px, Datei <lokales Schriftartenverzeichnis>/GuanZhi-8px.ttf
KapitelnummerZweistellige Nummer, z. B. 01; etwa 120px; hellgelb #F6DFA0
Chinesischer TitelEtwa 80px; cremeweiß #F4EEE4
Englische KapitelbeschreibungEtwa 26px; cremeweiß #F4EEE4; dem Kapitel entsprechend, keine erfundenen erklärenden Tatsachen; bei Platzmangel zuerst weglassen
Schriftschnitt und RandNormaler Schriftschnitt, kein Pseudo-Fett; keine Schatten, Unschärfen oder Konturen; pixelige Kanten klar halten
KompositionTransparente Überlagerung; Nummer, Chinesisch, Englisch linksbündig; vorhandenen Leerraum neben der Person priorisieren; Referenz ca. 6% vom linken Rand; keine irrelevanten Dekorationen oder Standard-Hintergrundkarten
ErscheinungsreihenfolgeZuerst die Nummer, dann der chinesische Titel, zuletzt das Englische; keinen senkrechten Cursor nach der Aufdeckung hinterlassen

Die obigen Schriftgrößen sind der Ausgangsreferenzwert für 1080p Querformat. Passen Sie sie für andere Leinwände proportional an. Verkleinern oder umbrechen Sie bei Bedarf, um den Leerraum zu nutzen. Verzerren Sie die Schriftzeichen nicht. Überprüfen Sie nicht nur das eigenständige Design-Layout. Nehmen Sie die Schriftgröße, den Abstand, die Lesbarkeit und die Vermeidung auf dem tatsächlichen Sprachbild ab. Melden Sie, wenn die Schriftart fehlt. Ersetzen Sie sie nicht stillschweigend. Bestätigen Sie, dass die tatsächliche Wiedergabe die angegebene Schriftart verwendet.

Dieser Unterabschnitt zeichnet die am 2026-11-07 bestätigten Anforderungen an Schriftgröße, Farbschema und keine Schatten für Überschriften auf. Bei Abweichungen zu den alten xb-video-style-Überschriftenwerten verwenden Sie die neuen Spezifikationen dieses Unterabschnitts. Ändern Sie jedoch nicht andere Videoebenen, Übergänge oder Untertitelstile.

10. KI-Sprachisolierung und Audio-Nähte

Wenn eine Bereinigung oder Isolierung der Stimme erforderlich ist, verwenden Sie die KI-Sprachisolierung, um die Stimme zu verarbeiten. Lassen Sie das Bild unverändert. Bestätigen Sie zuerst, dass der Benutzer tatsächlich das Audio bearbeiten möchte. Führen Sie die KI-Sprachisolierung nicht als Standardschritt durch.

Nachdem Sie die A-Roll-Struktur, das Musik-Layout oder andere timelinändernde Vorgänge abgeschlossen haben, überprüfen Sie die Sprach-Nähte. Nachdem der Benutzer manuell Clips entfernt hat, lesen Sie die Spur erneut, schließen Sie nur versehentliche Lücken und führen Sie dann smooth_audio aus. Verwenden Sie keine Überblendungen, um falsche Versionsauswahlen, falsche Schnittpunkte oder Klangfarbensprünge zu kaschieren.

11. Endgültige Überprüfung und Auslieferung

Überprüfen Sie vor dem Export jeden aktivierten Verarbeitungsschritt einzeln:

  • Keine versehentlichen Lücken, Schwarzframes oder Inhaltswiederholungen;
  • Sprach-Nähte sind natürlich, die Semantik ist vollständig, die Pausen sind nicht zu eng;
  • Untertitel sind mit der endgültigen Sprachaufnahme synchronisiert, die Überprüfung der Satzzeichen am Ende der Untertitel ist bestätigt;
  • Hintergrundmusik überschreitet nicht das Ende des Inhalts, die Stimme ist klar, das Ducking funktioniert normal;
  • B-Roll und MG-Animationen verdecken nicht das Hauptmotiv, den Mund, Gesten, Untertitel, Logos oder wichtige Texte;
  • Übergänge und passende Soundeffekte sind synchron und übertönen nicht die Sprachaufnahme;
  • smooth_audio wurde nach der letzten Strukturänderung erneut überprüft;
  • Leinwand, Auflösung, Bildrate und Exportspezifikationen entsprechen den Projektzielen.

11.1 Vor dem Export: Generierte Materialien archivieren und neu verknüpfen

Fügen Sie vor dem Export des Endprodukts einen Schritt hinzu, um die während der Erstellung dieses Videos generierten Materialien im entsprechenden Ordner unter dem vom Benutzer angegebenen Stammverzeichnis für die Materialarchivierung zu archivieren. Lassen Sie das Projekt dann auf die archivierten Dateien verweisen:

  1. Ordner bestimmen: Gehen Sie vom Ordner <Material-Archivstammverzeichnis>/<Videoordner>/ des A-Roll-Quellmaterials dieses Videos aus (z. B. Beispielvideo/). Wenn eine eindeutige Bestimmung nicht möglich ist, fragen Sie nur nach dem Zielordner. Erstellen Sie keinen neuen Speicherort.
  2. Archivierungsumfang: KI-generierte Bilder, Keyframes und Videos, freigestellte Ebenen und reparierte Hintergründe, generierte Sprachaufnahmen, Musik und Soundeffekte, in Video umgewandelte MGs und alle anderen generierten Materialien. Erstellen Sie Unterordner nach Einstellung oder Zweck (z. B. S004Cartoon-Szene/Standbild, S004Cartoon-Szene/Freistellungsebene). Verwenden Sie lesbare Namen aus der Materialbibliothek für Dateinamen. Behalten Sie keine Hash-artigen Dateinamen bei. Vom Benutzer hochgeladene Originalmaterialien und temporäre Screenshots zur Überprüfung fallen nicht in diesen Bereich.
  3. Kopieren, nicht verschieben: Kopieren Sie vom ursprünglichen Speicherort (Tool-Cache, Projektarbeitsverzeichnis usw.). Löschen Sie die Originaldateien nicht.
  4. Neu verknüpfen: Aktualisieren Sie die Verweise in der Materialbibliothek für jedes Element, sodass sie auf den archivierten Speicherort zeigen. Wenn die Materialbibliothek ein Batch-Update unterstützt, verwenden Sie es; anderenfalls aktualisieren Sie manuell.
  5. Überprüfung: Überprüfen Sie nach der Neuverknüpfung, ob auf der Timeline alle Materialien korrekt referenziert werden und keine fehlenden Dateien auftreten.

12. Export

Exportieren Sie gemäß den Projektzielen. Standardeinstellungen für neue 1080p-Projekte:

  • Format: MP4
  • Codec: H.264
  • Auflösung: 1920×1080
  • Bildrate: 60 fps
  • Zielbitrate: Hoch

Überschreiben Sie keine vorhandenen Projekteinstellungen. Wenn der Benutzer kein Endproduktformat angibt, fragen Sie nach. Exportieren Sie nicht automatisch mit einem nicht bestätigten Format. Nach dem Export können Sie einen Speicherort für die Ausgabedatei vorschlagen, aber fragen Sie den Benutzer nach der endgültigen Bestätigung.

13. Fehlerbehandlung und Ausnahmen

  • Wenn ein Tool nicht verfügbar oder die Ausführung fehlgeschlagen ist, informieren Sie den Benutzer klar über den Fehler. Geben Sie nicht vor, dass etwas abgeschlossen ist.
  • Wenn die Bearbeitung nicht abgeschlossen werden kann, erklären Sie, warum, und schlagen Sie einen alternativen Ansatz vor.
  • Wenn der Benutzer eine Änderung anfordert, die über den Rahmen dieser Fähigkeit hinausgeht oder nicht unterstützt wird, lehnen Sie höflich ab und schlagen Sie einen realistischen Ersatz oder eine Vereinfachung vor.

14. Werkzeuge und API-Referenz

  • read_script: Ruft das aktuelle Skript und die Timeline ab.
  • clean_script: Führt eine mechanische Bereinigung basierend auf Füllwörtern und Pausen durch.
  • apply_script: Wendet das bearbeitete Skript auf die Timeline an.
  • smooth_audio: Glättet Audio-Nähte durch Anpassen von Überblendungen.
  • manage_transcript fix: Korrigiert ASR-Text oder Sprecherzuordnung.
  • find_transcript: Lokalisiert Text im Transkript.
  • generate_captions: Generiert Untertitel für die gesamte Timeline.
  • edit_caption: Bearbeitet eine bestimmte Untertitelkarte.
  • set_background_music: Platziert Hintergrundmusik auf der Timeline.
  • add_transition: Fügt einen Übergang zwischen zwei Clips hinzu.
  • add_broll: Platziert B-Roll auf einer höheren Ebene.
  • add_motion_graphics: Fügt MG-Animationen hinzu.
  • isolate_voice: Führt KI-Sprachisolierung durch.
  • export_video: Exportiert das fertige Video.

15. Zusammenfassung des Workflows

  1. Anfrage verstehen: Ziel, Verarbeitungsschritte und Rhythmus klären.
  2. Projekt und Material bestätigen: Material zum Projekt hinzufügen oder vorhandenes verwenden.
  3. A-Roll bearbeiten: Sprachaufnahme nach Semantik und Zielbereinigung/Extraktion/Umstrukturierung bearbeiten.
  4. Untertitel hinzufügen: Untertitel generieren und auf dem neuesten Stand der A-Roll anwenden.
  5. Musik hinzufügen: Hintergrundmusik auswählen und platzieren.
  6. Übergänge und Soundeffekte hinzufügen: (Optional) Übergänge und Soundeffekte gemäß Plan hinzufügen.
  7. B-Roll hinzufügen: (Optional) B-Roll gemäß Plan hinzufügen.
  8. MG-Animationen hinzufügen: (Optional) MG-Animationen gemäß Plan hinzufügen.
  9. Überprüfen: Alle Parameter überprüfen und endgültige Abnahme durchführen.
  10. Exportieren: In das endgültige Format exportieren.

Verwandte Skills