Communitygithub.com

Launch-Film

Zeigt einem Agenten, wie man einen „Launch-Film“ plant, baut oder schneidet, sodass das konkrete Ergebnis eine Landing Page, Homepage oder ein Portfolio ist. Der Ablauf durchläuft Launch-Film, 0. Fakten zuerst – was das Video behaupten darf, 1. Drehbuch. Verwende es, wenn ein neuer Auftrag dieses Handwerk erfordert.

Was ist Launch-Film?

Dieser Skill beschreibt eine vollständige Pipeline zur Erstellung eines professionellen Launch-Videos (MP4) aus Produktfakten und einer Sprachaufnahme. Jeder Frame ist eine reine Funktion der Zeit (`renderFrame(t)` in `film/film.js`), sodass Standbilder, Vorschauen und der finale Render immer übereinstimmen. Der Skill unterstützt Node.js 20+, ffmpeg/ffprobe und Chromium (Playwrights `chromium-headless-shell` wird automatisch gefunden). Er umfasst die Schritte: Fakten sammeln, Drehbuch schreiben, Sprachaufnahme generieren und alignieren, Assets erstellen (Schriftarten, Bilder), UI-Elemente nachzeichnen, die Filmvorlage anpassen und final rendern, vertonen und prüfen. Besonderes Augenmerk liegt auf Markenhygiene (keine fremden Logos, keine Reste aus alten Projekten) und einer nahtlosen, schnörkellosen Bildsprache mit weichen Überblendungen. Der Skill arbeitet ohne externe Abhängigkeiten für Musik oder Soundeffekte – diese werden auf Basis der Sprachaufnahme synthetisiert. Geeignet für Agenten, die selbstständig Launch-Videos für Produkte, Startups oder Portfolios erstellen sollen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hieunguyen24041998-dotcom/launch-film-skill/tree/HEAD/launch-film

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Launch-Film?

Eine Pipeline, die Produktfakten + eine Sprachaufnahme in ein fertiges MP4 verwandelt. Jeder Frame ist eine reine Funktion der Zeit (renderFrame(t) in film/film.js), sodass Standbilder, Vorschauen und der finale Render immer übereinstimmen, und jeder Untertitel/Schnitt von einer gemessenen Worttabelle gesteuert wird.

Die Skripte liegen in scripts/ neben dieser Datei (nennen wir sie <skill>). Sie haben keine npm-Abhängigkeiten: Sie benötigen Node 20+, ffmpeg/ffprobe im PATH und ein beliebiges Chromium (Playwrights chromium-headless-shell wird automatisch gefunden; andernfalls CHROME= setzen). Arbeite in einem frischen Projektordner, z.B. ~/<produkt>-launch/, und führe jedes Skript von dort aus.

0. Fakten zuerst – was das Video behaupten darf

Lies das echte Produkt, bevor du ein Wort schreibst: seine Landing Page, seine Doku/README, seinen UI-Quellcode, ein bestehendes Einführungsvideo (Frames mit ffmpeg extrahieren). Features im Drehbuch und UI in den Szenen müssen Dinge sein, die das Produkt tatsächlich tut, geschrieben in Worten, die seine Benutzer verwenden. Zielgruppe zählt: Für Ladenbesitzer / nicht-technische Käufer kurze, alltägliche Sätze verwenden, kein Fachjargon.

Markenhygiene, auf die harte Tour gelernt:

  • Wenn der Produktname eine fremde Marke enthält (z.B. ein Tool für Zalo/Shopee/Notion) und keine offizielle Partnerschaft besteht, nicht das Logo oder die Signaturfarbe dieser Marke verwenden; den Namen als Text schreiben.
  • Quellordner sind oft Forks eines älteren Kundenprojekts. Durchsuche Screenshots/UI-Strings nach übriggebliebenen Kundennamen (alte Firmennamen, alte Logos, alte Beispieldaten) und halte sie aus dem Film heraus. Frage den Benutzer, wenn du unsicher bist.
  • Zeichne das offizielle Logo eines echten Unternehmens nicht neu, es sei denn, der Benutzer liefert es. Das eigene Logo eines Produkts, das in seinem Einführungsvideo zu sehen ist, darf nachgebildet werden, aber sag es und biete an, die Originaldatei auszutauschen.
  • Beispielnamen, Preise und Chats auf dem Bildschirm sind illustrativ – sag es dem Benutzer.

1. Drehbuch

Standardform (anpassen; Länge folgt dem Inhalt, ~9–12 kurze Zeilen):

Das ist [Name]. Ein [Kategorie]… entwickelt für [Wert]. [VERB] in JEDEM [Ding]! ← fallen lassen · Gib ihm [Eingabe], und er versteht einfach. · Je mehr du es nutzt, desto BESSER wird es. · [3 Einstellungen/Funktionen, eine kurze Zeile pro] · Jede [Ausgabe], genau wie du sie dir vorgestellt hast. · [Name]. Jetzt erhältlich.

  • Nur ein einziges hervorgehobenes Wort (Farbverlauf + Leuchten). Markenfarbener Name ist zusätzlich in Ordnung.
  • Um alle Schlüsselfunktionen abzudecken (Benutzerwunsch), bekommt jede Funktion eine eigene kurze Zeile und der Film läuft ~27–30 s statt 22 s.
  • Schreibe script.json (siehe templates/script.example.json): lines[] → units[] aufgeteilt an Kommas/Satzenden, jeweils mit end: ","|".". Zeilen sind das, woran Untertitel und Szenen andocken. extraBefore (Sekunden) fügt vor einer Zeile etwas Luft hinzu (wird vor dem Logo-Sammeln verwendet).

2. Stimme

Bevorzugt: das VoiceStudio MCP, falls verbunden (list_voices, generate_speech mit profile_id, language, steps: 32). Sonst ElevenLabs über HTTPS mit dem Schlüssel des Benutzers. Generiere 4 Takes des gesamten Skripts, kopiere sie mit lesbaren Namen in voice/ und vermesse jeden (ffmpeg -af silencedetect=noise=-38dB:d=0.12): Länge, längste Pause, Spitzenwert. Präsentiere die Tabelle und lass den Benutzer wählen; wenn er nicht wählt, wähle den flüssigsten Take (wenigste/kürzeste Pausen) und sag es.

Hinweise: VoiceStudios instruct ist ein Attribut-String zur Sprachgestaltung ("weiblich, junge Erwachsene, amerikanischer Akzent"), keine Emotions-Tags – Emotion kommt von der Zeichensetzung und der Stimme selbst. Dessen transcribe kann 409 zurückgeben, wenn ASR nicht aktiviert ist; der untenstehende Aligner benötigt kein ASR.

Dann den gewählten Take alignieren und bereinigen:

node <skill>/scripts/voice_align.mjs voice/take.wav script.json build/voice.wav build/words.json 0.9

Es teilt Sprache bei Pausen ≥100 ms auf, aligniert Segmente mit dynamischer Programmierung an die Skript-Einheiten (ein Komma kann eine Pause bedeuten oder nicht), kürzt Pausen >0,28 s auf 0,2 s, pegelt jede Zeile 85 % in Richtung des Medians (Verstärkung bewegt sich nur innerhalb von Pausen) und schreibt words.json (phrases[], words[] mit t0/t1). Prüfe, ob die gedruckte Alignment-Tabelle sinnvoll ist (jede Einheit auf plausiblen Audiodaten). Wortzeiten innerhalb einer Phrase sind silbenproportional und an Hüllkurven-Minima ausgerichtet – gut für Tipp-Untertitel; sag es, wenn der Benutzer wortgenaue ASR-Präzision erwartet.

3. Assets

node <skill>/scripts/assets.mjs fonts            # Be Vietnam Pro (alle vietnamesischen Diakritika) + Geist Mono
node <skill>/scripts/assets.mjs pool 2 11        # ~1000 kostenlose Thumbnails + Kontaktabzüge zur Auswahl
node <skill>/scripts/assets.mjs get <id> <id>…   # ausgewählte Fotos in 640²
node <skill>/scripts/shoot-ui.mjs <produkt>/public ref/ui index.html other.html   # schreibgeschützte UI-Screenshots (kein Backend)

Sieh dir die Kontaktabzüge an (lies die .jpg) und wähle Bilder aus, die zur Produktwelt passen; kostenloses Stockmaterial besteht meist aus Landschaften, also zeichne Produktgrafiken prozedural, wenn Stock nicht passt (die Vorlage zeichnet flach liegende T-Shirts, Chat-Karten, Datei-Karten, Code-Karten). Echte UI wird aus Screenshots/Quellcode auf der Leinwand nachgezeichnet – gleiches Layout, gleiche Farben (lies die CSS-Variablen), gleiche Beschriftungen und Beispielabläufe – keine eingefügten Screenshots.

4. Film

Kopiere templates/film/ als film/ in das Projekt, exportiere die Worttabelle, und passe dann film.js an:

node -e "const j=require('./build/words.json');require('fs').writeFileSync('film/words.js','window.WORDS='+JSON.stringify(j)+';')"

Lies references/film-template.md vor dem Bearbeiten – es beschreibt jede Szene, die Hilfsfunktionen (typeWords, glass, tile, aura, cam, push), die Timing-Variablen, die Sound-Event-Tabelle und META.runs. Halte die Regeln ein, die den Stil zum Funktionieren bringen:

  • Szenenanfänge landen auf Phrasenanfängen (B[]), Überblendungen überlappen sie (±0,18 s). Kamerafahrten 1,00→1,04 pro Szene; wenn Inhalt in die nächste Szene übergeht, beginne diese Szene mit dem Zoom, mit dem die vorherige endete.
  • Nichts erscheint plötzlich: sanfte Einblendungen ≥0,3 s. Die einzigen harten Schnitte sind Sechzehntel-Läufe (Bildblitze, Kartenwechsel, Seed-Rollen), ausgerichtet am Raster, das auf dem Drop verankert ist.
  • Keine Punkte auf dem Bildschirm. Keine Auswahl-Highlights weiße Blitze, Knaller, 3D.
  • „Glass“ braucht etwas dahinter (Aura oder verschwommener Fotowaschgang), sonst verschwindet es.

5. Standbilder vor dem vollständigen Rendern prüfen

node <skill>/scripts/render.mjs events build/events.json          # beweist auch, dass die Seite startet
SUB=1 node <skill>/scripts/render.mjs stills build/stills 1.7 3.9 6.4 7.6 …   # eines pro Szene + Schlüsselmomente
node <skill>/scripts/finish.mjs sheet build/stills build/contact.jpg

Lies den Kontaktabzug selbst und korrigiere, was du siehst, bevor du es dem Benutzer zeigst: Chip/Label nicht synchron mit der Karte, die es benennt, überlappende Badges, Text, der unter Glas läuft, ein themenfremdes Bild, das eine Sequenz beendet, Untertitel, die vom Bildrand abgeschnitten werden, unübersetzte oder übrig gebliebene Zeichenketten. Rendere die betroffenen Standbilder mit SUB=8 neu, um zu bestätigen, dass die Bewegungsunschärfe richtig aussieht. Zeige dem Benutzer etwa 8 Standbilder (Pfade + was jedes zeigt), wenn er die Standbilder genehmigen soll; andernfalls fahre fort.

6. Ton, Rendern, Verifizieren

node <skill>/scripts/finish.mjs audio                 # Musik+SFX-Synthese, 3-Band-Ducking, pro-Phrase mid trim auf ~+9 dB, loudnorm -14 LUFS
node <skill>/scripts/finish.mjs video <name>.mp4 3    # ~1 s/Frame/Worker; im Hintergrund ausführen

audio.mjs synthetisiert ein Bett mit 130 BPM, dessen Takt-Raster auf dem Drop verankert ist (META.D), und einen SFX pro Event an seinem Höhepunkt (Taste pro getipptem Buchstaben, Klick pro Bildwechsel, Whoosh, Riser in den Drop/das Logo, Impact, sanfte Landung auf dem hervorgehobenen Wort), sodass nichts heruntergeladen werden muss. Wenn der Benutzer einen Track liefert, mische ihn stattdessen und behalte den Drop auf der Verb-Zeile. Melde die gedruckte Sprach-musik-Tabelle ehrlich: Zeilen nach dem Drop sollten etwa +9 dB liegen; spärliche Intro/Outro-Zeilen sind von Natur aus lauter.

finish.mjs video rendert parallel, multiplexst AAC 320k, scannt Framedifferenzen auf Einzelframe-Pops außerhalb von META.runs und gibt Größe/fps/Lautstärke aus. Extrahiere dann ein paar Frames aus dem endgültigen MP4 und sieh sie dir an, bevor du Bericht erstattest.

7. Bericht

Gib den Pfad zum MP4, seine Spezifikationen, was jede Szene zeigt, die Prüfergebnisse (Pops, LUFS/Peak, Sprach-musik-Verhältnis), und was illustrativ oder nachgezeichnet ist (Logo, Beispieldaten, prozedurale Produktaufnahmen, synthetisierte Musik), plus das einzeilige Angebot, echte Assets auszutauschen. Schreibe dem Benutzer in seiner Sprache und in einfachen Worten.

Fallstricke

  • Shell-Tools unter Windows: Verwende ffmpeg -f concat-Listen anstelle von Prozesssubstitution; setze cd innerhalb desselben Befehls wie lange Hintergrund-Renderings.
  • canvas.letterSpacing und ctx.filter benötigen ein aktuelles Chromium – der gebündelte Finder wählt den neuesten Playwright-Build.
  • Schriftarten: Geist fehlt einigen vietnamesischen Glyphen; verwende Be Vietnam Pro für vietnamesischen Text.
  • Bewegungsunschärfe überbrückt harte Sechzehntel-Schnitte und zeigt einen gemischten Frame – das ist erwartet, und diese Bereiche gehören zu META.runs.

Verwandte Skills