Communitygithub.com

NeverSight/learn-skills.dev

Nutze dieses Skill, um programmatischen Videos Audiospuren hinzuzufügen – inklusive Sprachgenerierung mit ElevenLabs TTS, lizenzfreier Hintergrundmusik, Soundeffekten mit FFmpeg, Audio Ducking und dem Mischen mehrerer Audiospuren in Remotion.

Was ist learn-skills.dev?

Dieses Skill führt Entwickler durch den gesamten Prozess der Videoton-Gestaltung, von der Erstellung von Voiceovers bis zum endgültigen Audio-Mix. Es ist für die Verwendung mit programmatischen Video-Frameworks wie Remotion optimiert und unterstützt mehrere TTS-Anbieter, darunter ElevenLabs, OpenAI und Edge TTS. Zu den Kernfunktionen gehören eine 3-schichtige Audio-Architektur (Sprache, Soundeffekte, Hintergrundmusik), Audio-Ducking zur automatischen Absenkung der Musik während der Sprache, die programmatische Generierung von Soundeffekten mit FFmpeg und das frame-genaue Audio-Synchronisieren in Remotion. Das Skill bietet praktische Codebeispiele, detaillierte Konfigurationstabellen und Fallstricke zur Fehlervermeidung, sodass es sich ideal für die Erstellung von Tutorials, Werbevideos und Erklärvideos eignet.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/absolutelyskilled/absolutelyskilled/video-audio-design

In Ihrer bevorzugten KI fragen

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

Dokumentation

Wenn dieses Skill aktiviert wird, beginne deine erste Antwort immer mit dem :speaker: Emoji.

Video-Audio-Design

Video-Audio-Design ist die Praxis, Erzählung, Soundeffekte und Hintergrundmusik zu programmatischen Videokompositionen zusammenzufügen. Großartiger Ton verwandelt eine Dia-Präsentation in eine professionelle Produktion – die Erzählung führt die Zuschauer, die Musik setzt die emotionale Stimmung und SFX betonen Schlüsselmomente. Dieses Skill umfasst die Sprachgenerierung mit ElevenLabs und alternativen TTS-Anbietern, die Erstellung synthetischer Soundeffekte mit FFmpeg, die Beschaffung lizenzfreier Hintergrundmusik, die Implementierung von Audio-Ducking, damit Sprache verständlich bleibt, und das Zusammenmischen aller Ebenen in Remotion-Kompositionen mit frame-genauer Zeitsteuerung.


Wann dieses Skill verwendet werden soll

Aktiviere dieses Skill, wenn der Benutzer:

  • Eine Erzählung oder einen Voiceover zu einem programmatischen Video hinzufügen möchte
  • Sprache mit ElevenLabs, OpenAI TTS oder Edge TTS generieren muss
  • Fragen zur Auswahl von Stimmen, Stimmeneinstellungen oder Stimmklonen stellt
  • Hintergrundmusik hinzufügen oder Quellen für lizenzfreie Musik benötigt
  • Fragt, wie man Soundeffekte programmatisch erstellt
  • Audio-Ducking implementieren möchte (Musik während der Sprache absenken)
  • Mehrere Audiospuren in Remotion mischen muss
  • Fragen zur Audio-Timing, Lautstärkepegeln oder frame-basierter Audio-Synchronisation hat

Aktiviere dieses Skill NICHT für:

  • Videoskripting oder Storyboarding – verwende das Video-Skripterstellungs-Skill
  • Remotion-Komponentenarchitektur oder Rendering – verwende das Remotion-Video-Skill
  • Professionelle Audioproduktion in einer DAW (Ableton, Logic, Pro Tools)
  • Musikkomposition oder MIDI-Programmierung

Schlüsselprinzipien

  1. Mehrschichtige Audio-Architektur – Jedes Video hat drei Audiospuren: Erzählung oben (am lautesten), SFX in der Mitte (Akzentlautstärke) und Hintergrundmusik an der Basis (am leisesten).

  2. Erzählung bestimmt das Timing – Generiere zuerst die Erzählung, messe ihre Dauer und stimme dann die Szenenzeitsteuerung darauf ab. Passe die Erzählung niemals an willkürliche Szenenlängen an.

  3. Ducke Musik während der Sprache – Hintergrundmusik muss um 50-60% sinken, wenn die Erzählung läuft. Verwende sanfte Rampen (10-15 Frames), um abrupte Wechsel zu vermeiden.

  4. SFX als Akzente, nicht als Ablenkung – Halte SFX kurz (unter 0,5s), subtil in der Lautstärke und relevant für die Bildschirmaktion.

  5. Teste Audio im Kontext – Vorschau des vollständigen Mixes immer mit allen Ebenen zusammen. Achte auf undeutliche Sprache, Lautstärkespitzen oder tote Stille.


Kernkonzepte

3-schichtige Audio-Architektur

SchichtRolleBasislautstärkeWährend der Erzählung
ErzählungVermittelt Informationen, bestimmt das Tempo0,8-1,0N/A (oberste Schicht)
SFXBetont Übergänge und Aktionen0,3-0,50,3-0,5 (unverändert)
HintergrundmusikSetzt emotionale Stimmung, füllt Stille0,3-0,50,15-0,25 (geduckt)

ElevenLabs API-Modell

ElevenLabs bietet neuronales TTS über eine REST-API. Der Kernablauf:

  1. Wähle eine Stimme (vorgefertigt oder geklont) – jede hat eine voice_id
  2. Sende Text + Stimmeneinstellungen an /v1/text-to-speech/{voice_id}
  3. Erhalte rohe Audiobytes (standardmäßig mp3)
  4. Schreibe in eine Datei und messe die Dauer für das Szenen-Timing

Stimmeneinstellungen:

EinstellungBereichNiedrigHochEmpfohlen
stability0-1Ausdrucksstärker, variabelKonsistenter, monotoner0,4-0,6
similarity_boost0-1KreativerNäher an der Originalstimme0,6-0,8
style0-1Neutrale WiedergabeÜbertriebener Stil0,3-0,6

Konzept des Audio-Duckings

Audio-Ducking reduziert die Lautstärke der Hintergrundmusik, wenn die Erzählung beginnt, und stellt sie wieder her, wenn die Erzählung endet. Verwende in Remotion interpolate():

Musiklautstärke:  0.4 ---\              /--- 0.4
                       \            /
               0.15     \__________/
                     Erzählung start → Ende

Rampen sollten 10-15 Frames dauern (~0,3-0,5s bei 30fps).

Frame-basierte Audio-Synchronisation in Remotion

  • useCurrentFrame() gibt die aktuelle Frame-Nummer zurück
  • interpolate() bildet Frame-Bereiche auf Wertebereiche ab (z. B. Lautstärke)
  • <Sequence from={frame}> platziert Audio an einem bestimmten Frame
  • <Audio volume={fn}> akzeptiert eine statische Zahl oder eine Frame-Funktion

Sekunden in Frames umrechnen: frames = seconds * fps.


Häufige Aufgaben

1. ElevenLabs API-Schlüssel einrichten und Erzählung generieren

import fs from 'fs';

const ELEVENLABS_API_URL = 'https://api.elevenlabs.io/v1';

async function generateNarration(
  text: string,
  voiceId: string,
  outputPath: string
): Promise<void> {
  const response = await fetch(
    `${ELEVENLABS_API_URL}/text-to-speech/${voiceId}`,
    {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'xi-api-key': process.env.ELEVEN_LABS_API_KEY!,
      },
      body: JSON.stringify({
        text,
        model_id: 'eleven_multilingual_v2',
        voice_settings: {
          stability: 0.5,
          similarity_boost: 0.75,
          style: 0.5,
          use_speaker_boost: true,
        },
      }),
    }
  );

  if (!response.ok) {
    const error = await response.text();
    throw new Error(`ElevenLabs API error ${response.status}: ${error}`);
  }

  const buffer = Buffer.from(await response.arrayBuffer());
  fs.writeFileSync(outputPath, buffer);
}

2. Stimme auswählen und Stimmeneinstellungen konfigurieren

Fragen zur Stimmenauswahl: Geschlecht, Altersgruppe, Akzent, Energielevel, Wärme.

interface VoiceSettings {
  stability: number;
  similarity_boost: number;
  style: number;
  use_speaker_boost: boolean;
}

const presets: Record<string, VoiceSettings> = {
  explainer: { stability: 0.6, similarity_boost: 0.75, style: 0.4, use_speaker_boost: true },
  promo: { stability: 0.3, similarity_boost: 0.7, style: 0.7, use_speaker_boost: true },
  tutorial: { stability: 0.7, similarity_boost: 0.8, style: 0.2, use_speaker_boost: false },
};

3. Erzählung pro Szene aus einem Skript generieren

import { execSync } from 'child_process';
import path from 'path';

interface Scene { id: string; narrationText: string; }
interface SceneWithAudio extends Scene {
  audioPath: string;
  durationMs: number;
  durationFrames: number;
}

function getAudioDurationMs(filePath: string): number {
  const output = execSync(
    `ffprobe -v error -show_entries format=duration -of csv=p=0 "${filePath}"`
  ).toString().trim();
  return Math.round(parseFloat(output) * 1000);
}

async function generateSceneNarrations(
  scenes: Scene[], voiceId: string, outputDir: string, fps: number
): Promise<SceneWithAudio[]> {
  const results: SceneWithAudio[] = [];
  for (const scene of scenes) {
    const audioPath = path.join(outputDir, `${scene.id}.mp3`);
    await generateNarration(scene.narrationText, voiceId, audioPath);
    const durationMs = getAudioDurationMs(audioPath);
    results.push({
      ...scene, audioPath, durationMs,
      durationFrames: Math.ceil((durationMs / 1000) * fps),
    });
  }
  return results;
}

4. Hintergrundmusik beschaffen

Quellen für lizenzfreie Musik:

  • Pixabay Audio: https://pixabay.com/music/ (kostenlos, keine Namensnennung erforderlich)
  • Freesound: https://freesound.org/ (CC0/CC-BY)
  • YouTube Audio Library: Download über YouTube Studio
  • Lokale Dateien: Lege sie in public/audio/ für Remotions staticFile() ab

5. SFX mit FFmpeg generieren

# Klickgeräusch - kurzer Sinusburst
ffmpeg -f lavfi -i "sine=frequency=800:duration=0.05" \
  -af "afade=t=out:st=0.02:d=0.03" click.wav

# Tastaturtippen - gefilterter Rauschburst
ffmpeg -f lavfi -i "anoisesrc=d=0.08:c=white:a=0.3" \
  -af "highpass=f=2000,lowpass=f=8000,afade=t=out:st=0.04:d=0.04" type.wav

# Whoosh - Frequenzdurchlauf
ffmpeg -f lavfi -i "sine=frequency=200:duration=0.4" \
  -af "vibrato=f=8:d=0.5,afade=t=in:d=0.1,afade=t=out:st=0.2:d=0.2,lowpass=f=1000" \
  whoosh.wav

# Ding/Klingel - Glockensynthese
ffmpeg -f lavfi -i "sine=frequency=1200:duration=0.6" \
  -af "afade=t=out:st=0.1:d=0.5,aecho=0.8:0.88:40:0.4" ding.wav

# Pop - Impuls
ffmpeg -f lavfi -i "sine=frequency=400:duration=0.08" \
  -af "afade=t=out:st=0.02:d=0.06,lowpass=f=600" pop.wav

# Übergangs-Swoosh
ffmpeg -f lavfi -i "sine=frequency=300:duration=0.3" \
  -af "vibrato=f=12:d=0.8,afade=t=in:d=0.05,afade=t=out:st=0.15:d=0.15,bandpass=f=500:w=400" \
  swoosh.wav

6. Audio-Ducking in Remotion implementieren

import React from 'react';
import { Audio, useCurrentFrame, interpolate, Sequence } from 'remotion';

const AudioMixer: React.FC<{
  narrationSrc: string;
  musicSrc: string;
  narrationStart: number;
  narrationDuration: number;
}> = ({ narrationSrc, musicSrc, narrationStart, narrationDuration }) => {
  const frame = useCurrentFrame();

  const duckRampFrames = 10;
  const musicVolume = interpolate(
    frame,
    [
      narrationStart - duckRampFrames,
      narrationStart,
      narrationStart + narrationDuration,
      narrationStart + narrationDuration + duckRampFrames,
    ],
    [0.4, 0.15, 0.15, 0.4],
    { extrapolateLeft: 'clamp', extrapolateRight: 'clamp' }
  );

  return (
    <>
      <Audio src={musicSrc} volume={musicVolume} />
      <Sequence from={narrationStart} durationInFrames={narrationDuration}>
        <Audio src={narrationSrc} volume={0.9} />
      </Sequence>
    </>
  );
};

export default AudioMixer;

7. 3 Audiospuren in einer Remotion-Komposition mischen

import React from 'react';
import { Audio, Sequence, useCurrentFrame, interpolate } from 'remotion';

interface NarrationSegment { src: string; startFrame: number; durationFrames: number; }
interface SfxEvent { src: string; frame: number; }

const FullAudioMix: React.FC<{
  narrations: NarrationSegment[];
  sfxEvents: SfxEvent[];
  musicSrc: string;
}> = ({ narrations, sfxEvents, musicSrc }) => {
  const frame = useCurrentFrame();
  const duckRamp = 10;

  let musicVolume = 0.4;
  for (const seg of narrations) {
    const duck = interpolate(
      frame,
      [seg.startFrame - duckRamp, seg.startFrame,
       seg.startFrame + seg.durationFrames, seg.startFrame + seg.durationFrames + duckRamp],
      [1, 0.375, 0.375, 1],
      { extrapolateLeft: 'clamp', extrapolateRight: 'clamp' }
    );
    musicVolume = musicVolume * duck;
  }

  return (
    <>
      <Audio src={musicSrc} volume={musicVolume} loop />
      {sfxEvents.map((sfx, i) => (
        <Sequence key={i} from={sfx.frame} durationInFrames={30}>
          <Audio src={sfx.src} volume={0.4} />
        </Sequence>
      ))}
      {narrations.map((seg, i) => (
        <Sequence key={i} from={seg.startFrame} durationInFrames={seg.durationFrames}>
          <Audio src={seg.src} volume={0.9} />
        </Sequence>
      ))}
    </>
  );
};

export default FullAudioMix;

8. Alternative TTS-Anbieter verwenden

OpenAI TTS – gute Qualität, einfache API, sechs integrierte Stimmen:

import OpenAI from 'openai';
import fs from 'fs';

const openai = new OpenAI();

async function generateWithOpenAI(
  text: string,
  outputPath: string,
  voice: 'alloy' | 'echo' | 'fable' | 'onyx' | 'nova' | 'shimmer' = 'alloy'
): Promise<void> {
  const mp3 = await openai.audio.speech.create({
    model: 'tts-1-hd',
    voice,
    input: text,
  });
  const buffer = Buffer.from(await mp3.arrayBuffer());
  fs.writeFileSync(outputPath, buffer);
}

Edge TTS – kostenlos, viele Stimmen, verwendet den TTS-Dienst von Microsoft Edge:

pip install edge-tts
edge-tts --voice de-DE-KatjaNeural --text "Hallo Welt" --write-media output.mp3
edge-tts --list-voices

Anti-Patterns / häufige Fehler

FehlerWarum es falsch istWas stattdessen zu tun ist
Musik in gleicher Lautstärke während der ErzählungSprache wird unverständlichAudio-Ducking implementieren – Musik während der Sprache um 50-60% absenken
ElevenLabs API-Schlüssel fest codierenSchlüssel gelangt in die VersionskontrolleUmgebungsvariablen verwenden: process.env.ELEVEN_LABS_API_KEY
TTS ohne Messung der Dauer verwendenSzenen-Timing falsch, Erzählung abgeschnittenAudiodauer mit ffprobe nach der Generierung messen
SFX lauter als die ErzählungLenkt vom Inhalt abSFX bei 0,3-0,5, Erzählung bei 0,8-1,0
Kein Ein-/Ausblenden am Start/Ende der MusikAbrupter Start/Stopp wirkt wie ein FehlerFüge am Anfang ein Einblenden von 0,5-1s und am Ende ein Ausblenden hinzu
Verwendung eines minderwertigen TTS-ModellsRoboterhafte Stimme beeinträchtigt die QualitätVerwende eleven_multilingual_v2 oder tts-1-hd
Audio-Dateiformat ignorierenManche Formate fügen Stille-Padding hinzuVerwende MP3 für Erzählungen, WAV für SFX

Fallstricke

  1. ElevenLabs Ratenbegrenzungen und Zeichenkontingente – Der kostenlose Tarif hat ein monatliches Zeichenlimit. Generiertes Audio aggressiv cachen und nur neu generieren, wenn sich der Text ändert. Verwende einen Hash des Textes als Cache-Schlüssel.

  2. MP3-Encoder-Padding fügt Stille hinzu – MP3-Dateien haben oft 20-50 ms Stille am Anfang. Schneide sie mit ffmpeg -af silenceremove=1:0:-50dB oder berücksichtige den Offset im Frame-Timing.

  3. Remotion Audio-Lautstärke ist pro Komponente, nicht global – Zwei <Audio>-Komponenten mit Lautstärke 1.0 können übersteuern. Halte die Gesamtlautstärke über gleichzeitige Spuren unter 1.0.

  4. FFmpeg SFX klingen auf verschiedenen Systemen unterschiedlich – Gib immer -ar 44100 -sample_fmt s16 für konsistente Ausgabe auf verschiedenen Rechnern an.

  5. Stimmkonsistenz über Szenen hinweg – ElevenLabs kann bei denselben Einstellungen mit unterschiedlichem Text verschiedene Töne erzeugen. Verwende stability >= 0.5 für szenenübergreifende Erzählungen.


Referenzen

Ausführliche Muster zu spezifischen Audio-Teilbereichen findest du in den entsprechenden Dateien im Ordner references/:

  • references/elevenlabs-api.md – Fortgeschrittene ElevenLabs API-Muster inklusive Stimmklonen, Streaming-TTS, WebSocket-API, Aussprachewörterbüchern und Kontingentverwaltung
  • references/audio-mixing-patterns.md – Fortgeschrittene Mischmuster inklusive Multi-Segment-Ducking, Überblendungen zwischen Szenen, Lautstärke-Automatisierungskurven und Abmischen des endgültigen Mixes
  • references/sfx-generation.md – Umfassende SFX-Generierung mit FFmpeg inklusive komplexer Synthese, Überlagerung mehrerer Generatoren und Aufbau einer wiederverwendbaren SFX-Bibliothek

Lade eine Referenzdatei nur dann, wenn die aktuelle Aufgabe sie erfordert – sie sind lang und verbrauchen Kontext.


Companion-Prüfung

Bei der ersten Aktivierung von ...

[gekürzt]

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

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

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

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