Wenn dieser Skill aktiviert wird, beginnen Sie Ihre erste Antwort immer mit dem Emoji :movie_camera:.
Video-Ersteller
Dies ist der Orchestrator-Skill für die End-to-End-Videoerstellung. Er koordiniert einen kompletten 7-Schritte-Workflow, der den Benutzer von „Ich brauche ein Video“ zu einem fertigen 4K-Rendern führt. Jeder Schritt delegiert an Companion-Skills (remotion-video, video-scriptwriting, video-audio-design, video-analyzer), während dieser Skill die Sequenzierung, Freigabepunkte und Übergaben zwischen den Phasen verwaltet.
Sie müssen keine Remotion-Interna oder Audiotechnik kennen – das wird von den Companion-Skills erledigt. Die Aufgabe dieses Skills ist es, den Prozess zu steuern, die richtigen Fragen zu stellen und sicherzustellen, dass nichts übersprungen wird.
Wann dieser Skill verwendet werden soll
Lösen Sie diesen Skill aus, wenn der Benutzer:
- „Mach mir ein Video“, „Erstelle ein Video über“ oder „Ich brauche ein Video für“ sagt
- Eine Produktdemo, ein Erklärvideo, einen Social-Media-Clip oder ein Ankündigungsvideo möchte
- Eine End-to-End-Videoproduktion vom Konzept bis zum Render wünscht
- Hilfe braucht, um eine Idee in eine fertige Videodatei umzuwandeln
- Ein programmatisches Video mit Remotion erwähnt
- Ein Referenzvideo hat und Ähnliches erstellen möchte
Verwenden Sie diesen Skill NICHT für:
- Das Bearbeiten einer vorhandenen Videodatei (verwenden Sie video-analyzer oder ffmpeg-Skills)
- Nur das Schreiben eines Skripts ohne Videoproduktion (verwenden Sie video-scriptwriting)
- Nur Audio-Produktionen wie Podcasts (verwenden Sie video-audio-design für Musik/SFX)
- Remotion-Coding-Fragen ohne Produktionskontext (verwenden Sie remotion-video)
- Das Analysieren oder Überprüfen eines Videos (verwenden Sie video-analyzer)
Kernprinzipien
-
Visuell zuerst: Holen Sie die Freigabe für die Visuals ein, bevor Sie Geld für Audio ausgeben. Sprachausgabe kostet echtes Geld über ElevenLabs – generieren Sie diese niemals, bis die visuelle Ebene abgeschlossen ist.
-
Gründlich interviewen: Stellen Sie bis zu 30 Fragen, um den gesamten Kontext zu Produkt, Zielgruppe, Zielen, Ton, Assets und visuellen Präferenzen zu erfassen. Unvollständiger Kontext führt zu teuren Nacharbeiten.
-
Strukturierte Übergabe: Die Datei
video-script.yamlist die zentrale Quelle der Wahrheit für alle Schritte. Jede Szene, Bildanzahl, Sprachzeile und SFX-Anweisung befindet sich in dieser Datei. -
Benutzer-Freigabepunkte: Für jeden wichtigen Schritt ist eine explizite Freigabe erforderlich. Fahren Sie niemals automatisch fort. Der Benutzer muss „freigegeben“ oder „sieht gut aus“ sagen, bevor der nächste Schritt beginnt.
-
4K-Standard: Rendern Sie immer mit 3840x2160, sofern der Benutzer nichts anderes angibt. Herunterskalieren ist einfach; Hochskalieren nicht.
Der 7-Schritte-Workflow
Schritt 0: Remotion-Projekt sicherstellen (Voraussetzung)
Bevor irgendetwas anderes passiert, muss der Benutzer ein Remotion-Projekt eingerichtet haben. Dies ist der Arbeitsbereich, in dem der gesamte Videocode geschrieben wird. Überprüfen Sie, ob Sie sich bereits in einem Remotion-Projekt befinden (suchen Sie nach remotion.config.ts oder @remotion/cli in package.json). Wenn nicht, legen Sie eines an:
npx create-video@latest
Dies erstellt einen neuen Ordner mit dem Starter-Projekt. Installieren Sie dann die Abhängigkeiten:
cd <projektname>
npm install
Fahren Sie NICHT mit Schritt 1 fort, bis ein Remotion-Projekt existiert und die Abhängigkeiten installiert sind. Alle nachfolgenden Schritte schreiben Code in dieses Projekt.
Wenn der Benutzer bereits ein Remotion-Projekt hat, wechseln Sie mit cd dorthin und fahren Sie fort.
Schritt 1: Tiefeninterview
Sammeln Sie den gesamten Kontext, der zum Schreiben eines vollständigen Skripts erforderlich ist. Stellen Sie die Fragen einzeln in einem interaktiven, dialogbasierten Ansatz.
Fragenkategorien (zielen Sie auf insgesamt 15-30 Fragen ab):
| Kategorie | Beispielfragen |
|---|---|
| Produkt/Thema | Was macht das Produkt? Was ist das Kernwertversprechen? |
| Zielgruppe | Wer ist der Zielzuschauer? Technisches Niveau? |
| Videoziele | Was soll der Zuschauer nach dem Ansehen tun? |
| Ton/Style | Verspielt oder professionell? Schnell oder langsam geschnitten? |
| Assets | Haben Sie Logos, Screenshots, Markenfarben, Schriftarten? |
| Inhalt | Welche wichtigen Funktionen oder Botschaften sollen abgedeckt werden? |
| Visuelle Präferenzen | Gibt es Referenzvideos? Bevorzugter Animationsstil? |
| Dauer | Wie lang soll das Video sein? Wo wird es veröffentlicht? |
Regeln für Schritt 1:
- Stellen Sie eine Frage nach der anderen – werfen Sie keinen Fragebogen hin
- Wenn der Benutzer ein Referenzvideo bereitstellt, analysieren Sie es ZUERST mit dem video-analyzer-Skill, bevor Sie Fragen stellen
- Fassen Sie alle 5-8 Fragen zusammen, was Sie wissen
- Fahren Sie nicht fort, bis Sie genügend Kontext für jede Szene haben
- Beenden Sie mit: „Ich habe genügend Kontext, um das Skript zu schreiben. Bereit fortzufahren?“
Abbruchkriterium: Der Benutzer bestätigt, dass Sie genügend Kontext haben.
Schritt 2: Skript generieren (YAML)
Verwenden Sie Muster aus dem video-scriptwriting-Skill, um ein strukturiertes YAML-Skript zu erstellen.
Bildanzahl-Formel:
frames = duration_seconds * 30
Alle Remotion-Kompositionen verwenden standardmäßig 30fps.
Generieren Sie eine video-script.yaml-Datei mit dieser Struktur:
title: "Produktdemo - Acme Widget"
fps: 30
resolution: { width: 3840, height: 2160 }
total_duration_seconds: 60
scenes:
- id: scene-01
title: "Aufhänger"
duration_seconds: 5
frames: 150
narration: "Hätten Sie sich jemals gewünscht, dass Ihre Widgets selbst denken könnten?"
visuals: "Dunkler Hintergrund, leuchtendes Acme-Logo blendet ein, Partikel"
animation_notes: "Logo-Skalierung 0->1 mit Feder, Partikel emittieren von der Mitte"
music_cue: "Ambient-Synth-Fläche, niedrige Energie"
sfx: "Subtilen Whoosh beim Logo-Einblenden"
transition_out: "crossfade"
- id: scene-02
# ... für alle Szenen fortsetzen
Regeln für Schritt 2:
- Jede Szene muss Felder für
duration_seconds,frames,narration,visuals,animation_notes,music_cueundsfxhaben - Bildanzahlen müssen gleich
duration_seconds * 30sein - Die Summe der Szenendauern muss
total_duration_secondsergeben - Präsentieren Sie dem Benutzer das vollständige Skript zur Überprüfung
- Iterieren Sie auf Feedback, bis der Benutzer explizit freigibt
Abbruchkriterium: Der Benutzer gibt das Skript frei.
Schritt 3: Visuelle Verifikation
Erstellen Sie ein minimales Remotion-Projekt nur mit Visuals – noch keine Audioebene.
Was zu erstellen ist:
- Remotion-Kompositionen für jede Szene (Visuals, Animationen, Typografie, Farben)
- Szenenübergänge passend zum Skript
- Korrekte Bildanzahlen pro Szene
- Grundlegendes Layout und Abstände in 4K-Auflösung
Was NOCH NICHT zu erstellen ist:
- Audio-Integration
- Sprachausgaben-Synchronisation
- Volume-Ducking
- Finaler Render-Pipeline
Prozess:
- Überprüfen Sie, ob das Remotion-Projekt eingerichtet ist (in Schritt 0 erledigt)
- Erstellen Sie visuelle Kompositionen für jede Szene innerhalb des Projekts
- Starten Sie Remotion Studio:
npx remotion studio - Weisen Sie den Benutzer an, unter
http://localhost:3000eine Vorschau anzusehen - Iterieren Sie auf visuelles Feedback (Farben, Timing, Animationen, Übergänge)
- Holen Sie EXPLIZIT die visuelle Freigabe ein, bevor Sie fortfahren
Abbruchkriterium: Der Benutzer gibt die Visuals explizit frei.
Schritt 4: Vollständiges Remotion-Projekt erstellen
Nachdem die Visuals freigegeben sind, bauen Sie das komplette Projekt aus.
Aufgaben:
- Finalisieren Sie alle Kompositionen mit polierten Animationen
- Verdrahten Sie Szenen-zu-Szenen-Übergänge
- Fügen Sie Zod-Schemas für Parametrisierung hinzu (Titel, Farben, Dauern)
- Stellen Sie sicher, dass die Bildanzahlen exakt mit dem Skript übereinstimmen
- Organisieren Sie die Projektstruktur sauber:
src/
compositions/
Scene01Aufhaenger.tsx
Scene02Feature.tsx
...
components/
AnimatedLogo.tsx
TransitionWipe.tsx
...
Root.tsx
index.ts
video-script.yaml
Regeln für Schritt 4:
- Jede Szene sollte eine eigene Kompositionsdatei sein
- Gemeinsame Komponenten kommen in
components/ - Alle magischen Zahlen sollten durch Zod-Schema-Eigenschaften ersetzt werden
- Bildanzahlen müssen weiterhin mit
video-script.yamlübereinstimmen
Abbruchkriterium: Das vollständige Projekt baut fehlerfrei und entspricht den freigegebenen Visuals.
Schritt 5: Hintergrundaudio + SFX hinzufügen
Verwenden Sie Muster aus dem video-audio-design-Skill.
Aufgaben:
- Beschaffen oder wählen Sie Hintergrundmusik (vom Benutzer bereitgestellt oder aus dokumentierten Quellen)
- Platzieren Sie SFX an den Triggerpunkten aus dem Skript (Klicks, Tippgeräusche, Whooshes usw.)
- Stellen Sie Basis-Lautstärkepegel für Musik und SFX ein
- Implementieren Sie Ducking-Infrastruktur – bereiten Sie Lautstärkekurven vor, die die Musik während der Sprachausgabe in Schritt 6 absenken
- Vorschau der Audio-Video-Synchronisation in Remotion Studio
Lautstärkerichtlinien:
| Ebene | Basis-Lautstärke | Während Sprachausgabe |
|---|---|---|
| Hintergrundmusik | 0.3-0.5 | 0.1-0.15 |
| SFX | 0.5-0.8 | 0.4-0.6 |
| Sprachausgabe | N/A (Schritt 6) | 1.0 |
Abbruchkriterium: Der Benutzer gibt die Audio-Video-Synchronisation frei.
Schritt 6: Sprachausgabe hinzufügen (Verzögert – kostet Geld)
Dieser Schritt beinhaltet kostenpflichtige API-Aufrufe an ElevenLabs. Bestätigen Sie immer vor dem Fortfahren.
Einrichtung:
- Überprüfen Sie, ob der Benutzer einen ElevenLabs-API-Schlüssel hat
- Wenn nicht, führen Sie ihn durch die Anmeldung unter
https://elevenlabs.io - Fragen Sie nach den Stimmenpräferenzen:
- Geschlechterpräferenz?
- Altersbereich (jung, mittel, reif)?
- Akzentpräferenz?
- Energieniveau (ruhig, moderat, dynamisch)?
- Wärme (warm und freundlich, neutral, autoritär)?
Prozess:
- Generieren Sie Sprachausgabe-Audio für jede Szene über die ElevenLabs-API
- Berechnen Sie die genauen Audiodauern aus den generierten Dateien
- Passen Sie die Bildanzahlen an, wenn die Sprachausgabe länger/kürzer als geplant ist
- Aktualisieren Sie
video-script.yamlmit den tatsächlichen Audiodauern - Synchronisieren Sie die Sprachausgabe mit dem visuellen Timing
- Aktivieren Sie das Volume-Ducking für Hintergrundmusik während der Sprachausgabe-Abschnitte
- Vorschau der vollständigen Audiomischung in Remotion Studio
Regeln für Schritt 6:
- Bestätigen Sie immer die Kosten, bevor Sie API-Aufrufe tätigen
- Wenn der Benutzer auf Sprachausgabe verzichten möchte, ist das in Ordnung – fahren Sie ohne sie mit Schritt 7 fort
- Wenn der Benutzer einen anderen TTS-Anbieter bevorzugt, unterstützen Sie diesen
- Synchronisieren Sie das gesamte Timing neu, wenn die Audiodauern von den Skriptschätzungen abweichen
Abbruchkriterium: Der Benutzer gibt die Sprachausgabe-Synchronisation frei (oder überspringt diesen Schritt explizit).
Schritt 7: Finale Vorschau + 4K-Render
Prozess:
- Starten Sie die vollständige Vorschau mit allen Ebenen in Remotion Studio
- Weisen Sie den Benutzer an, das komplette Video zu überprüfen (Visuals + Musik + SFX + Sprachausgabe)
- Holen Sie die finale Freigabe ein
- Rendern Sie in 4K:
npx remotion render src/index.ts Main out/video.mp4 \
--width 3840 --height 2160
Formatleitfaden:
| Format | Anwendungsfall |
|---|---|
| MP4 (H.264) | Web, soziale Medien, allgemeines Teilen |
| MP4 (H.265) | Kleinere Dateigröße, Wiedergabe auf modernen Geräten |
| ProRes | Weiterverarbeitung in Premiere, Final Cut, DaVinci |
| WebM (VP9) | Web-Einbettung mit Transparenzunterstützung |
Abbruchkriterium: Gerenderte Videodatei an den Benutzer ausgeliefert.
Orchestrierungsregeln
- Jeder Schritt erfordert eine explizite Benutzerfreigabe, bevor zum nächsten Schritt übergegangen werden kann
- Erklären Sie in jedem Schritt, was Sie tun und warum
- Wenn der Benutzer ein Referenzvideo bereitstellt, führen Sie zuerst video-analyzer aus, bevor Sie mit Schritt 1 beginnen
- Erstellen Sie immer eine
video-script.yamlals zentrale Quelle der Wahrheit - Die Remotion-Projektstruktur muss sauber und gut organisiert sein
- Wenn der Benutzer auf Sprachausgabe (Schritt 6) verzichten möchte, gehen Sie direkt zu Schritt 7
- Wenn der Benutzer einen anderen TTS-Anbieter wünscht, passen Sie Schritt 6 entsprechend an
- Generieren Sie niemals Sprachausgabe-Audio vor der visuellen Freigabe (Schritt 3 abgeschlossen)
- Überspringen Sie niemals die visuelle Verifikation – sie verhindert teure Nacharbeiten
- Standardmäßig immer 4K (3840x2160) verwenden, sofern der Benutzer nichts anderes angibt
Unterstützte Videotypen
| Typ | Dauer | Szenen | Pro Szene |
|---|---|---|---|
| Produktdemo | 30-120s | 6-15 | 5-10s |
| Erklärvideo | 60-180s | 8-20 | 5-12s |
| Social-Media-Clip | 15-60s | 3-8 | 3-8s |
| Ankündigung | 15-45s | 3-6 | 4-8s |
Anti-Patterns / häufige Fehler
| Anti-Pattern | Warum es scheitert | Richtiger Ansatz |
|---|---|---|
| Sprachausgabe vor visueller Freigabe generieren | Verschwendet Geld, wenn sich Visuals ändern | Schritte 1-4 zuerst abschließen, dann Sprachausgabe |
| Das Interview überspringen | Skript fehlt Kontext, Szenen wirken generisch | 15-30 gezielte Fragen stellen |
| Keine YAML-Skriptdatei | Keine Quelle der Wahrheit, Timing driftet | Immer video-script.yaml generieren |
| Ohne Freigabe automatisch fortfahren | Benutzer verliert Kontrolle, Nacharbeit ist teuer | Warten Sie auf explizites „Freigegeben“ an jedem Gate |
| Werte in Remotion hartcodieren | Kann nicht parametrisiert oder wiederverwendet werden | Verwenden Sie Zod-Schemas für alle konfigurierbaren Werte |
| Standardmäßig mit 1080p rendern | Kann später nicht hochskaliert werden | Standardmäßig immer 4K (3840x2160) |
| Audio und Visuals gleichzeitig erstellen | Macht Iteration mühsam | Visuell zuerst, Audio nach Freigabe |
Fallstricke
-
Bildanzahl-Mathematik ist wichtig. 60 Sekunden bei 30fps = genau 1800 Bilder. Wenn die Szenendauern nicht korrekt aufsummieren, ist das Video zu kurz oder zu lang. Überprüfen Sie immer:
sum(scene.duration_seconds) == total_duration_seconds. -
Remotion Studio benötigt einen laufenden Dev-Server. Nach dem Erstellen der Kompositionen müssen Sie
npx remotion studioausführen und den Benutzer anweisen,http://localhost:3000zu öffnen. Gehen Sie nicht davon aus, dass er ohne dies eine Vorschau sehen kann. -
ElevenLabs-Sprachdauern sind unvorhersehbar. Ein 5-Sekunden-Skriptzeile könnte 4,2s oder 6,1s Audio erzeugen. Messen Sie immer die tatsächlichen Dauern nach der Generierung und passen Sie die Bildanzahlen entsprechend an.
-
Volume-Ducking erfordert Kenntnis des Sprach-Timings. Die Ducking-Kurven für Hintergrundmusik hängen davon ab, genau zu wissen, wann die Sprachausgabe in jeder Szene beginnt und endet. Deshalb richtet Schritt 5 die Ducking-Infrastruktur ein, aber Schritt 6 aktiviert sie.
-
4K-Rendering ist langsam. Ein 60-Sekunden-Video bei 3840x2160 kann je nach Komplexität 10-30 Minuten dauern. Warnen Sie den Benutzer vor der Renderzeit, bevor Sie beginnen, und schlagen Sie bei Bedarf einen schnellen 1080p-Testrender vor.
Referenzen
references/workflow-checklist.md- Detaillierte Checkliste für jeden der 7 Schritte mit Unteraufgaben, erwarteten Ergebnissen und Freigabekriterienreferences/project-templates.md- Starter-Remotion-Projektstrukturen für jeden Videotyp mit Dateibäumen und Komponenten-Scaffoldsreferences/troubleshooting.md- Häufige Probleme und Lösungen für Remotion-Rendering, Audio-Synchronisation, FFmpeg, ElevenLabs-API und Leistung
Begleitprüfung
Bei der ersten Aktivierung dieses Skills in einer Konversation: Überprüfen Sie, welche Companion-Skills installiert sind, indem Sie
ls ~/.claude/skills/ ~/.agent/skills/ ~/.agents/skills/ .claude/skills/ .agent/skills/ .agents/skills/ 2>/dev/nullausführen. Vergleichen Sie die Ergebnisse mit dem Feldrecommended_skillsim Frontmatter dieser Datei. Für alle fehlenden Skills erwähnen Sie diese einmal und bieten Sie die Installation an:
…
[für die Übersetzung gekürzt]