Communitygithub.com

jelukas/kaleidos

Erstelle kurze, dynamische Videos mit schnellen Schnitten für YouTube, Shorts, TikTok oder Reels – gleichzeitig im Hoch- und Querformat – mit generierter Sprachausgabe (ElevenLabs), Musik, Effekten, B-Roll von gpt-image-2, echten Fotos via Apify und HTML+GSAP-Montage mit HyperFrames.

Was ist kaleidos?

Diese Skill (benannt nach dem Kaleidoskop-Prinzip) wandelt ein Thema, ein Skript oder eine Nachricht in zwei MP4-Dateien um – vertikal 1080×1920 und horizontal 1920×1080 – aus einer einzigen Quelle. Der Workflow basiert auf HyperFrames, einem Framework für HTML+GSAP-Animationen, und nutzt ElevenLabs für die Sprachausgabe, gpt-image-2 für generiertes B-Roll und Apify für lizenzierte echte Fotos. Die Skill folgt einem strikten Pipeline-Prinzip: Zuerst wird die Sprachausgabe generiert, dann Bilder, Stockfotos, Audio und schließlich der Schnittplan gebaut. Der finale Rendering-Schritt erzeugt beide Videoformate parallel. Besonderer Wert liegt auf der Faktenprüfung bei Nachrichteninhalten (z.B. über eine Web-Suche) und auf einem rhythmischen Schnitt mit Beats zwischen 0,8 und 6 Sekunden, bei dem Textkarten durch animierte Szenen, Fotos, Zitate und Statistiken abgelöst werden. Die vollständige Pipeline ist über npm-Skripte steuerbar, erfordert Node 22+ und ffmpeg und wird durch ein Check-Kommando auf Fehler geprüft.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jelukas/kaleidos/tree/HEAD/skills-globales/video-corto

In Ihrer bevorzugten KI fragen

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

Dokumentation

Vídeo corto dual-formato

Wandle ein Thema, ein Skript oder eine Nachricht in zwei MP4 um – vertikal 1080×1920 und horizontal 1920×1080 – generiert aus einer einzigen Quelle. Die Sprachausgabe gibt den Takt vor; alles andere hängt von ihr ab.

Vorab: Wenn es sich um eine Nachricht handelt

Überprüfe die Fakten mit einer Websuche, bevor du eine einzige Zeile des Skripts schreibst. Ein informatives Video mit falschen Daten ist das schlechtest mögliche Ergebnis dieser Skill, und es ist ein stiller Fehler: Das Video sieht trotzdem gleich gut aus.

Wenn die Prämisse des Auftrags nicht haltbar ist, sag es und zeig, was wirklich passiert ist. „Verschönere“ das Skript nicht, damit es zu einer falschen Prämisse passt. Lies references/periodismo.md, bevor du das Skript anfasst: Es behandelt die Überprüfung, die Behandlung von Bildern in informativen Beiträgen und die Rückverfolgbarkeitsdatei.

Der Ablauf

npm run voz -- <slug>       # script.json → assets/voice/*.wav + Manifest mit Zeitangaben
npm run imagenes -- <slug>  # images.json → generiertes B-Roll
npm run stock -- <slug>     # stock.json  → echte Fotos (optional, kostenpflichtig)
npm run audio -- <slug>     # audio.json  → Musik und Effekte
npm run build -- <slug>     # plan.json   → vertical.html + horizontal.html
npm run use -- <slug> vertical
npm run check               # Pflicht: 0 Fehler vor dem Rendern
npm run render -- <slug>    # renders/<slug>-<format>.mp4

Wenn das Projekt noch nicht existiert: npx hyperframes@latest init . --non-interactive --example blank, kopiere scripts/ und assets/ dieser Skill und füge die Skripte aus package.json hinzu. Erfordert Node 22+ und ffmpeg. Schlüssel in .env (Vorlage in assets/env.example).

Struktur

videos/_shared/vox.css, timeline.js     gemeinsam für ALLE Videos
videos/<slug>/
  script.json    Skript – eine Zeile = ein Schnitt
  images.json    Prompts für generiertes B-Roll
  stock.json     Suchanfragen für echte Fotos
  audio.json     Musik und Effekte
  plan.json      Der Schnitt: Beats, die auf Skriptzeilen verweisen
  scenes/*.html  Einmal verwendete animierte Subkompositionen
  assets/        Generierte Dateien + Manifests mit den tatsächlichen Zeiten
  vertical.html, horizontal.html   GENERIERT von build.mjs – nicht bearbeiten

Die zwei Ideen, die alles tragen

1. Das Skript gibt die Taktung vor. voice.manifest.json enthält den start und die tatsächliche duration jeder Zeile. Ein Beat in plan.json verweist auf Zeilen, nicht auf Sekunden. Schätze niemals Dauern nach Augenmaß: Ändere das Skript, generiere die Stimme neu, und der Schnitt verschiebt sich automatisch.

2. Die Shells sind Artefakte. Bei Dutzenden von Schnitten in zwei Formaten ist manuelle Synchronisation unmöglich. build.mjs erzeugt beide aus derselben plan.json, sodass sie nicht auseinanderlaufen können: Der einzige Unterschied ist die Größe der Bühne. Bearbeite plan.json und baue neu auf.

Damit eine Szene sowohl im 9:16- als auch im 16:9-Format funktioniert: Layout in vw / vh / vmin, niemals feste px; die Wurzel einer Subkomposition darf kein data-width / data-height haben (die Box wird vom Slot des Hosts bestimmt); und Styling erfolgt über #root, niemals über eine Klasse – der Compiler verwirft sie sonst. Für Layouts, die die Achse wechseln: @media (min-aspect-ratio: 1/1).

Beat-Typen

stat (auffällige Zahl mit aufsteigender Zählung via countTo) · compare (zwei gegensätzliche Zahlen) · title (Kicker + Überschrift + Einleitung) · quote (Zitat + Quellenangabe) · photo (Vollbild mit Farbverlauf, Text und Credit) · capture (vollständiger Screenshot mit Quelle als Beleg der Behauptung) · scene (einmal verwendete animierte Subkomposition).

Für Videos über ein Unternehmen oder ein Produkt verbessern das Logo und ein Screenshot der Quelle das Ergebnis deutlich: Beides in references/imagenes.md.

Der häufigste Designfehler: Das Textkarten-Karussell

Ein Video, das nur aus Textkarten besteht, langweilt, egal wie gut die Typografie ist. Wenn du siehst, dass sich title und stat häufen, ist die Lösung nicht mehr Text, sondern Bewegung mit Bedeutung.

assets/scenes/ enthält neun animierte Szenen in SVG, die sich anpassen lassen: olas, puntos, barras, mapa, cierre, orbita (umkreisende Körper), precios (Vorher-Nachher-Tabelle), caida (ein Sturz mit Prozentangabe) und indice (Ranking mit Balken). Kopiere die passende nach videos/<slug>/scenes/ und ändere die Daten. Details und Performance-Regeln in references/escenas-animadas.md.

Wechsle ab: Zahl → Foto → animierte Szene → Zitat → Foto. Variiere die Bildausschnitte in jedem Schnitt (kb: "in" / "out" wechselt den Ken-Burns-Effekt ab).

Rhythmus

Beats von 2 bis 6 s in einem dreiminütigen Erklärvideo; von 0,8 bis 2,5 s in einem Short. Jeder Beat dauert, bis der nächste startet, damit keine schwarzen Einzelbilder entstehen. Eingänge mit fromTo(), niemals mit from(): Der Host sucht die Szene bei jedem Seek erneut, und from() verliert die Synchronisation.

Sprachausgabe mit Emotionen

eleven_multilingual_v2 ignoriert die Tags. Um die Interpretation zu steuern, verwende "modelId": "eleven_v3" und Tags in Kleinbuchstaben in eckigen Klammern, inline:

{ "id": "l19", "text": "[somber] Sesenta y siete personas murieron." }

Passe den Ton dem Thema an – bei einer Nachricht mit Opfern kein [excited]. Katalog der Tags, Einstellungen und wie du überprüfst, dass sie nicht vorgelesen werden: references/audio.md.

Vor dem Abschluss

npm run check muss mit 0 Fehlern enden. Danach schau dir das Video an: Extrahiere Einzelbilder (ffmpeg -ss <t> -i <mp4> -frames:v 1) oder verwende npx hyperframes snapshot --at 12,40,90, das zusätzlich eine Kontaktseite erstellt. Der Linter sieht nicht, ob eine Einstellung schwarz ist, ein Text überläuft oder ein Foto nicht zeigt, was es vorgibt.

Referenzen

  • references/hyperframes.md – Die Einschränkungen des Frameworks, die das Rendern stillschweigend brechen. Lies es, bevor du Kompositionen schreibst.
  • references/audio.md – ElevenLabs: Sprachausgabe mit v3-Tags, Musik, Effekte, Spuren.
  • references/imagenes.md – gpt-image-2 und Apify, inklusive Kostenkontrolle.
  • references/periodismo.md – Überprüfung und Bildbehandlung bei Nachrichten.
  • references/escenas-animadas.md – Die neun SVG-Szenen, wie man neue erstellt und die zwei Fallstricke, die einen Nachmittag kosten (Klassenkollision mit vox.css und GSAP, das transform von SVGs überschreibt).
  • references/sistema-visual.md – Die Palette und Typografie des Erklärstils.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

jelukas/kaleidos

>- Catálogo de guías de estilo de vídeo de kaleidos (estilos/): listar los estilos con sus referencias, aplicarlos a un proyecto del motor de Remotion o a un proyecto HyperFrames, recomendar 2–3 cuando no se indica ninguno, crear estilos nuevos (desde una web, una marca, un vídeo de referencia o una descripción), crear variantes y revisar la adherencia de un vídeo a su estilo antes de renderizar. Úsala cuando el usuario diga «con el estilo X», «en estilo curso-azul», «como el de Ensaya», «como el vídeo de la cabaña», «qué estilos hay», «enséñame los estilos», «qué estilo me recomiendas», «crea un estilo a partir de esta web», «saca el estilo de esta marca», «haz un estilo como este vídeo», «usa el estilo X pero con acento Y», «una variante de X más seria/más oscura/vertical», «revisa que el vídeo cumple el estilo», o cuando empiece un vídeo nuevo sin estilo decidido.

jelukas/kaleidos

>- Puerta de entrada de kaleidos para montar un vídeo NUEVO conversando, de principio a fin: comprueba el entorno, hace UNA ronda corta de preguntas (qué vídeo y con qué material, plantilla, estilo, duración y formato), escribe BRIEF.md y lo enruta al flujo adecuado (grabación con ponente → Remotion edicion-ponente; narración con voz de ElevenLabs → Remotion modo narración; generativo o promo → HyperFrames), con stills antes de Lambda, OK con coste antes de AWS e informe final con tiempo y coste. Úsala cuando el usuario diga «quiero montar un vídeo», «quiero hacer/crear un vídeo», «monta un vídeo», «vídeo nuevo», «hazme un vídeo de…», «necesito un vídeo sobre…», «empecemos un vídeo», «un vídeo con las noticias de…», «un explainer de…», «una promo de…» o similares. En este repo va ANTES que hyperframes, video-corto, product-launch-video, general-video y edicion-ponente: ella decide cuál usar. No la uses para retocar o re-renderizar un proyecto que ya existe (eso lo retoma su propia skill).

Verwandte Skills