Communitygithub.com

NeverSight/learn-skills.dev

Leitfaden zur Umwandlung von Standbildern in Videos: Modellauswahl, Bewegungs-Prompting und Kameraführung. Behandelt Wan 2.5 i2v, Seedance, Fabric, Grok Video mit Anwendungsempfehlungen.

Was ist learn-skills.dev?

Dieses Skill ist ein umfassender Leitfaden für die Konvertierung von Standbildern in animierte Videos mithilfe der inference.sh CLI. Es behandelt die Auswahl des geeigneten KI-Videogenese-Modells (Wan 2.5 i2v, Seedance 2.0, Fabric 1.0, Grok Imagine Video) basierend auf dem gewünschten Bewegungsstil und Anwendungsfall – von fotorealistischen Landschaften bis hin zu physikbasierten Stoffsimulationen. Das Skill bietet detaillierte Anleitungen für Bewegungs-Prompts, unterteilt in Kamerabewegungen (Dolly, Schwenk, Neigung, Orbit) und Motivbewegungen (Natur, Charaktere, mechanische Elemente). Es enthält eine goldene Regel der Subtilität für bessere Ergebnisse, praktische Beispiele pro Szenario, Richtlinien zur Videodauer und eine vollständige Pipeline von der Bilderzeugung über die Animation bis zur Nachbearbeitung (Hochskalieren, Audio hinzufügen). Entwickler, die das inference.sh CLI (belt) verwenden, können mit klaren Bash-Befehlen und strukturierten JSON-Eingaben direkt loslegen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/101-skills/skills/image-to-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Installiere das belt CLI-Skill: npx skills add belt-sh/cli

Bild zu Video

Standbilder mit der inference.sh CLI in animierte Videos umwandeln.

Schnellstart

Erfordert inference.sh CLI (belt). Installationsanleitung

belt login

# Ein Standbild generieren
belt app run falai/flux-dev-lora --input '{
  "prompt": "ruhiger Bergsee bei Sonnenuntergang, schneebedeckte Gipfel gespiegelt im stillen Wasser, goldenes Abendlicht, Landschaftsfotografie",
  "width": 1248,
  "height": 832
}'

# Es animieren
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "sanfte Wellen auf der Seeoberfläche, langsam ziehende Wolken, sich veränderndes warmes Licht, Vögel in der Ferne",
  "image": "pfad/zum-see-bild.png"
}'

Modellauswahl

ModellApp-IDAm besten geeignet fürBewegungsstil
Wan 2.5 i2vfalai/wan-2-5-i2vRealistische Bewegung, natürliche BewegungFotorealistisch, dezent
WAN-I2V (Pruna)pruna/wan-i2vWirtschaftlich, schnell, 480p/720pNatürlich, effizient
Seedance 2.0bytedance/seedance-2-0Bis zu 1080p, Audio-Synchronisation, alle EingabetypenVielseitig, hohe Qualität
Seedance 2.0 Fastbytedance/seedance-2-0-fastSchnelle Variante, gleiche FähigkeitenVielseitig, schnell
Fabric 1.0falai/fabric-1-0Stoff, Gewebe, Flüssigkeiten, fließende MaterialienPhysikbasierter Fluss
Grok Imagine Videoxai/grok-imagine-videoAllgemeine Animation, textgesteuertVielseitig

Wann welches Modell verwenden

SzenarioBestes ModellBegründung
Landschaft mit Wasser/WolkenWan 2.5 i2vAm besten bei natürlicher, realistischer Bewegung
Porträt mit dezentem AusdruckWan 2.5 i2vBewahrt die Gesichtstreue
Produkt mit Stoff/GewebeFabric 1.0Spezialisiert auf Materialphysik
Wehende Fahne, fließender VorhangFabric 1.0Stoffsimulation
Illustriertes/künstlerisches BildSeedance 2.0Passt zu stilisierten Inhalten
Allgemeines „Zum Leben erwecken“Seedance 2.0Guter Allrounder, bis zu 1080p
Schneller Test/IterationSeedance 2.0 FastSchnellere Generierung

Bewegungstypen

Kamerabewegung

BewegungPrompt-SchlüsselwortEffekt
Hereinzoomen / Dolly vorwärts„langsamer Dolly vorwärts“, „Kamera zoomt hinein“Steigerung der Intimität/Fokussierung
Herauszoomen / Dolly rückwärts„Kamera zoomt heraus“, „langsamer Zoom-out“Enthüllung, Kontext
Schwenk links/rechts„Kamera schwenkt langsam nach rechts“Abtasten, Verfolgen
Neigung aufwärts/abwärts„Kamera neigt sich nach oben“Höhe enthüllen
Orbit„Kamera umkreist das Motiv“3D-Erkundung
Kran hoch„Kamera fährt nach oben“Große Enthüllung
Statisch(keine Kamerabewegung im Prompt)Nur Motivbewegung

Motivbewegung

TypPrompt-Beispiele
Naturelemente„Wasser kräuselt sich“, „Wolken ziehen“, „Blätter rascheln im Wind“
Haare/Kleidung„Haare wehen sanft im Wind“, „Stoff des Kleides fließt“
Atmosphärisch„Nebel rollt langsam herein“, „Staubpartikel schweben in Lichtstrahlen“
Charakter„Person dreht sich langsam zur Kamera“, „dezente Atembewegung“
Mechanisch„Zahnräder drehen sich“, „Uhrzeiger bewegen sich“
Flüssigkeit„Kaffeewrasen steigt auf“, „Farbe tropft“, „Wasser fließt“

Best Practices fürs Prompting

Die goldene Regel: Dezent > Dramatisch

KI-Videomodelle liefern bessere Ergebnisse mit sanften, dezenten Bewegungen als mit dramatischen Aktionen. Zu viel Bewegung verursacht Verzerrungen und Artefakte.

❌ "Person rennt und springt über Hindernisse, während die Kamera dreht"
✅ "Person geht langsam vorwärts, sanfte Brise, Kamera folgt seitlich"

❌ "Explosion mit herumfliegenden Trümmern"
✅ "Kerzenflamme flackert sanft, warmes Umgebungslicht verändert sich"

❌ "Schneller Zoom auf die Augen mit dramatischem Kamera-Wackler"
✅ "Langsamer Dolly vorwärts auf das Motiv zu, dezenter Fokuswechsel"

Prompt-Struktur

[Kamerabewegung] + [Motivbewegung] + [Atmosphärische Effekte] + [Stimmung/Tempo]

Beispiele nach Szenario

# Landschaftsanimation
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "sanfter Kameraschwenk nach rechts, Wasser reflektiert ziehende Wolken, Bäume wiegen sich leicht im Wind, warmes goldenes Licht, friedlich und langsam",
  "image": "landschaft.png"
}'

# Porträtanimation
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "dezente Atembewegung, leichte Kopfdrehung, natürlicher Lidschlag, Haare bewegen sich sanft, weiche Umgebungslichtwechsel",
  "image": "portrait.png"
}'

# Produktanimation
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "langsamer 360-Grad-Orbit um das Produkt, sanfte Scheinwerferbewegung, dezente Reflexionswechsel, Premium-Produktpräsentation, gleichmäßige Bewegung",
  "image": "produkt.png",
  "generate_audio": true
}'

# Stoff-/Gewebeanimation
belt app run falai/fabric-1-0 --input '{
  "prompt": "Stoff fließt und kräuselt sich im sanften Wind, natürliche Stoffphysik, weiche Bewegung",
  "image": "stoff-szene.png"
}'

# Architekturvisualisierung
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "langsamer Dolly vorwärts durch den Eingang, leichter Kameraschwenk nach oben, Umgebungslicht fällt durch Fenster, Staubpartikel in Lichtstrahlen",
  "image": "gebaeudeinnenraum.png"
}'

Richtlinien zur Dauer

DauerQualitätVerwendung für
2-3 SekundenHöchste QualitätGIFs, sich wiederholende Hintergründe, Cinemagraphs
4-5 SekundenHohe QualitätSocial-Media-Beiträge, Produktvorstellungen
6-8 SekundenGute QualitätKurze Clips, Übergänge
10+ SekundenQualität nimmt abVermeiden, es sei denn, kürzere Clips werden aneinandergereiht

Dauer verlängern

Für längere Videos mehrere kurze Clips generieren und aneinanderreihen:

# 3 Clips aus demselben Bild mit progressiver Bewegung generieren
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "langsamer Schwenk nach links, sanfte Wasserbewegung",
  "image": "szene.png"
}' --no-wait

belt app run falai/wan-2-5-i2v --input '{
  "prompt": "fortlaufender Schwenk, Wolken verschieben sich, Licht verändert sich",
  "image": "szene.png"
}' --no-wait

# Aneinanderreihen
belt app run infsh/media-merger --input '{
  "media": ["clip1.mp4", "clip2.mp4"]
}'

Der vollständige Workflow

Pipeline „Standbild zum fertigen Video“

# 1. Quellbild generieren (beste Qualität)
belt app run bytedance/seedream-4-5 --input '{
  "prompt": "filmische Landschaft, neblige Berge in der Morgendämmerung, See im Vordergrund, dramatische Wolken, goldene Stunde, 4K-Qualität, professionelle Fotografie",
  "size": "2K"
}'

# 2. Bild animieren
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "sanfter Nebel zieht durch das Tal, Seeoberfläche kräuselt sich, Wolken ziehen langsam, Vögel in der Ferne, warmes Licht verändert sich",
  "image": "landschaft.png"
}'

# 3. Video bei Bedarf hochskalieren
belt app run falai/topaz-video-upscaler --input '{
  "video": "animierte-landschaft.mp4"
}'

# 4. Umgebungsaudio hinzufügen
belt app run infsh/hunyuanvideo-foley --input '{
  "video": "animierte-landschaft.mp4",
  "prompt": "sanfte Naturatmosphäre, entfernte Vögel, sanfter Wind, plätscherndes Wasser"
}'

# 5. Video mit Audio zusammenführen
belt app run infsh/video-audio-merger --input '{
  "video": "hochskalierte-landschaft.mp4",
  "audio": "umgebungs-audio.mp3"
}'

Cinemagraph-Effekt

Ein Cinemagraph ist ein Standbild, in dem sich nur ein Element bewegt (z. B. ein Wasserfall in einer sonst eingefrorenen Szene). So erreichst du das:

  1. Generiere das Standbild mit dem klar definierten Bewegungselement
  2. Gib im Prompt nur für dieses spezifische Element Bewegung an
  3. Halte die Dauer bei 2-4 Sekunden für eine nahtlose Schleife
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "nur der Wasserfall bewegt sich, alles andere bleibt völlig still, Wasser fließt gleichmäßig, der Rest der Szene ist eingefroren",
  "image": "wasserfall-szene.png"
}'

Häufige Fehler

FehlerProblemBehebung
Zu viel Bewegung angefordertVerzerrung, Artefakte, VerzerrungDezent > dramatisch, immer
Falsches Modell für den InhaltstypSchlechte ErgebnisseAuswahltabelle oben verwenden
Clips zu lang (10s+)Qualität nimmt deutlich abAuf 3-5 Sekunden begrenzen, bei Bedarf aneinanderreihen
Keine Kamerabewegung angegebenZufällige/unvorhersehbare BewegungKamerabewegung immer angeben
Sich widersprechende BewegungsrichtungenChaotisch, unnatürlichEine Hauptbewegungsrichtung
Niedrig aufgelöstes QuellbildNiedrig aufgelöstes VideoausgabeMit der höchstmöglichen Qualität beginnen
Komplexe ActionszenenModelle können nicht damit umgehenBewegung einfach und natürlich halten

Verwandte Skills

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@ai-image-generation
npx skills add inference-sh/skills@p-video
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@prompt-engineering

Alle Apps durchsuchen: belt app store

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Download YouTube videos, extract/proofread/translate subtitles, and render them onto video. Use whenever the user asks to download a YouTube video with subtitles, translate video subtitles to Chinese, add subtitles/burn subtitles to a video, or do ASR transcription on video audio. Covers the full pipeline: video download → subtitle extraction → proofreading → translation → SRT generation → subtitle rendering. Also use for "下载视频加字幕", "视频翻译字幕", "把字幕烧录到视频中". For pure subtitle file creation without rendering (just SRT output), this skill handles that too — stop before Phase 5.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Verwandte Skills