Communitygithub.com

NeverSight/learn-skills.dev

KI-gestützter Videobearbeitungs-Workflow zum Schneiden, Strukturieren und Verbessern von echtem Filmmaterial. Deckt die gesamte Pipeline von der Rohaufnahme über FFmpeg, Remotion, ElevenLabs, fal.ai bis zur endgültigen Nachbearbeitung in Descript oder CapCut ab.

Was ist learn-skills.dev?

Dieser Skill beschreibt einen vollständigen, mehrstufigen Videobearbeitungs-Workflow, der KI-Assistenten wie Claude Code oder Codex nutzt, um echtes Filmmaterial zu verarbeiten – nicht um es zu generieren. Der Kern des Ansatzes ist die Kompression: Lange Aufnahmen werden strukturiert, in Segmente zerteilt und für verschiedene Plattformen optimiert. Die Pipeline besteht aus sechs Schichten: Erfassung mit Tools wie Screen Studio, Strukturierung mit Claude/Coded (Transkription, Szenenmarkierung, Schnittlisten-Erstellung), deterministisches Schneiden mit FFmpeg (Splitten, Zusammenfügen, Proxy-Erstellung), programmierbare Compositing-Skripte mit Remotion (Overlays, Titel, Animationen), generative Assets via ElevenLabs (Voiceover) und fal.ai (Musik, Soundeffekte, B-Roll) sowie die abschließende kreative Verfeinerung in Descript oder CapCut. Der Skill enthält konkrete Codebeispiele für FFmpeg-Befehle, Remotion-Komponenten und API-Aufrufe. Er unterstützt zudem die automatische Szenenerkennung, Stille-Detektion und die intelligente Neuausrichtung für soziale Medien (YouTube, TikTok, Instagram). Die Schlüsselprinzipien sind: Bearbeiten statt Generieren, Struktur vor Stil, deterministische Werkzeuge für Routineaufgaben und menschliche Entscheidungen für die finale künstlerische Gestaltung.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/aaione/everything-claude-code-zh/video-editing

In Ihrer bevorzugten KI fragen

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

Vorschau

Aus dem Skill-README

Dokumentation

Videobearbeitung

KI-gestützte Bearbeitung von echtem Filmmaterial. Nicht aus Prompts generiert. Schnelle Bearbeitung vorhandener Videos.

Wann aktivieren

  • Der Benutzer möchte Videomaterial bearbeiten, schneiden oder strukturieren
  • Lange Aufnahmen in Kurzvideos umwandeln
  • Aus Rohmaterial Vlogs, Tutorials oder Demovideos erstellen
  • Dem vorhandenen Video Overlays, Untertitel, Musik oder Voiceover hinzufügen
  • Videos für verschiedene Plattformen (YouTube, TikTok, Instagram) neu ausrichten
  • Der Benutzer sagt „Video bearbeiten“, „dieses Material schneiden“, „Vlog erstellen“ oder „Video-Workflow“

Kernthese

KI-Videobearbeitung ist dann nützlich, wenn man aufhört, mit ihr ein ganzes Video zu erstellen, und stattdessen verwendet, um echtes Filmmaterial zu komprimieren, zu strukturieren und zu verbessern. Der Wert liegt nicht in der Generierung. Der Wert liegt in der Kompression.

Pipeline

Screen Studio / Rohmaterial
  → Claude / Codex
  → FFmpeg
  → Remotion
  → ElevenLabs / fal.ai
  → Descript oder CapCut

Jede Schicht hat eine bestimmte Aufgabe. Überspringe keine Schichten. Versuche nicht, alles mit einem einzigen Werkzeug zu erledigen.

Schicht 1: Erfassung (Screen Studio / Rohmaterial)

Sammle das Quellmaterial:

  • Screen Studio: Hochwertige Bildschirmaufnahmen für App-Demos, Codierungssitzungen, Browser-Workflows
  • Rohmaterial Kamera: Vlog-Material, Interviews, Veranstaltungsaufnahmen
  • Desktop-Capture über VideoDB: Sitzungsaufnahmen mit Live-Kontext (siehe videodb-Skill)

Ausgabe: Rohdateien, bereit zum Sortieren.

Schicht 2: Sortieren (Claude / Codex)

Verwende Claude Code oder Codex für:

  • Transkription und Markierung: Transkript erstellen, Themen und Gesprächsthemen identifizieren
  • Struktur planen: Entscheiden, was behalten, was weggeschnitten wird, in welcher Reihenfolge
  • Tote Stellen erkennen: Pausen, Abschweifungen, Wiederholungen finden
  • Schnittliste erstellen: Zeitstempel für Schnitte, zu behaltende Segmente
  • FFmpeg- und Remotion-Code erstellen: Befehle und Kompositionen generieren
Beispiel-Prompt:
„Dies ist ein Transkript einer 4-stündigen Aufnahme. Finde die 8 stärksten Segmente
für einen 24-minütigen Vlog. Gib mir die FFmpeg-Schnittbefehle für jedes Segment.“

Diese Schicht dreht sich um Struktur, nicht um endgültige kreative Entscheidungen.

Schicht 3: Deterministisches Schneiden (FFmpeg)

FFmpeg erledigt die langweilige, aber entscheidende Arbeit: Teilen, Zuschneiden, Zusammenfügen und Vorverarbeitung.

Segment nach Zeitstempel extrahieren

ffmpeg -i raw.mp4 -ss 00:12:30 -to 00:15:45 -c copy segment_01.mp4

Stapelverarbeitung aus der Schnittliste

#!/bin/bash
# cuts.txt: start,ende,bezeichnung
while IFS=, read -r start end label; do
  ffmpeg -i raw.mp4 -ss "$start" -to "$end" -c copy "segments/${label}.mp4"
done < cuts.txt

Segmente zusammenfügen

# Dateiliste erstellen
for f in segments/*.mp4; do echo "file '$f'"; done > concat.txt
ffmpeg -f concat -safe 0 -i concat.txt -c copy assembled.mp4

Proxy-Dateien für schnellere Bearbeitung erstellen

ffmpeg -i raw.mp4 -vf "scale=960:-2" -c:v libx264 -preset ultrafast -crf 28 proxy.mp4

Audio für Transkription extrahieren

ffmpeg -i raw.mp4 -vn -acodec pcm_s16le -ar 16000 audio.wav

Audio-Pegel normalisieren

ffmpeg -i segment.mp4 -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:v copy normalized.mp4

Schicht 4: Programmierbare Compositing (Remotion)

Remotion verwandelt Bearbeitungsprobleme in kombinierbaren Code. Für Dinge, die in herkömmlichen Editoren umständlich sind:

Wann Remotion verwenden

  • Overlays: Text, Bilder, Branding, Lower Thirds
  • Datenvisualisierung: Diagramme, Statistiken, animierte Zahlen
  • Motion Graphics: Übergänge, Erklär-Animationen
  • Zusammensetzbare Szenen: Wiederverwendbare Vorlagen für mehrere Videos
  • Produktdemos: Annotierte Screenshots, UI-Highlights

Grundlegende Remotion-Komposition

import { AbsoluteFill, Sequence, Video, useCurrentFrame } from "remotion";

export const VlogComposition: React.FC = () => {
  const frame = useCurrentFrame();

  return (
    <AbsoluteFill>
      {/* Hauptmaterial */}
      <Sequence from={0} durationInFrames={300}>
        <Video src="/segments/intro.mp4" />
      </Sequence>

      {/* Titel-Overlay */}
      <Sequence from={30} durationInFrames={90}>
        <AbsoluteFill style={{
          justifyContent: "center",
          alignItems: "center",
        }}>
          <h1 style={{
            fontSize: 72,
            color: "white",
            textShadow: "2px 2px 8px rgba(0,0,0,0.8)",
          }}>
            KI-Bearbeitungs-Stack
          </h1>
        </AbsoluteFill>
      </Sequence>

      {/* Nächstes Segment */}
      <Sequence from={300} durationInFrames={450}>
        <Video src="/segments/demo.mp4" />
      </Sequence>
    </AbsoluteFill>
  );
};

Ausgabe rendern

npx remotion render src/index.ts VlogComposition output.mp4

Siehe Remotion-Dokumentation für detaillierte Patterns und API-Referenz.

Schicht 5: Assets generieren (ElevenLabs / fal.ai)

Generiere nur das, was du brauchst. Versuche nicht, das gesamte Video zu generieren.

Voiceover mit ElevenLabs

import os
import requests

resp = requests.post(
    f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}",
    headers={
        "xi-api-key": os.environ["ELEVENLABS_API_KEY"],
        "Content-Type": "application/json"
    },
    json={
        "text": "Dein Voiceover-Text",
        "model_id": "eleven_turbo_v2_5",
        "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}
    }
)
with open("voiceover.mp3", "wb") as f:
    f.write(resp.content)

Musik und Soundeffekte mit fal.ai

Verwende den fal-ai-media-Skill für:

  • Hintergrundmusik generieren
  • Soundeffekte (ThinkSound-Modell für Video-zu-Audio)
  • Übergangs-Soundeffekte

Generative Visuals mit fal.ai

Für Zwischenschnitte, Thumbnails oder B-Roll, die es nicht gibt:

generate(app_id: "fal-ai/nano-banana-pro", input_data: {
  "prompt": "Professionelles Tech-Vlog-Thumbnail, dunkler Hintergrund, Code auf dem Bildschirm",
  "image_size": "landscape_16_9"
})

Audio mit VideoDB generieren

Falls VideoDB konfiguriert ist:

voiceover = coll.generate_voice(text="Hier ist das Voiceover", voice="alloy")
music = coll.generate_music(prompt="Lo-Fi-Hintergrundmusik für Coding-Vlog", duration=120)
sfx = coll.generate_sound_effect(prompt="Leichter Wisch-Übergangs-Soundeffekt")

Schicht 6: Endgültige Verfeinerung (Descript / CapCut)

Die letzte Schicht ist die menschliche Arbeit. Verwende herkömmliche Editoren für:

  • Rhythmus: Schnitte anpassen, die zu schnell oder zu langsam wirken
  • Untertitel: Automatisch generieren, dann manuell korrigieren
  • Farbkorrektur: Grundlegende Korrektur und Atmosphäre
  • Endgültiger Audio-Mix: Sprache, Musik und Soundeffekte ausbalancieren
  • Export: Für die Plattform optimierte Formate und Qualitätseinstellungen

Hier zeigt sich der Geschmack. Die KI beseitigt die sich wiederholende Arbeit. Du triffst die endgültigen Entscheidungen.

Soziale Medien neu ausrichten

Verschiedene Plattformen erfordern unterschiedliche Seitenverhältnisse:

PlattformSeitenverhältnisAuflösung
YouTube16:91920x1080
TikTok / Reels9:161080x1920
Instagram Feed1:11080x1080
X / Twitter16:9 oder 1:11280x720 oder 720x720

Neuausrichtung mit FFmpeg

# 16:9 zu 9:16 (zentriert zuschneiden)
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih,scale=1080:1920" vertical.mp4

# 16:9 zu 1:1 (zentriert zuschneiden)
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4

Neuausrichtung mit VideoDB

from videodb import ReframeMode

# Intelligente Neuausrichtung (KI-geführtes Objekt-Tracking)
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

Szenenerkennung und automatisches Schneiden

FFmpeg-Szenenerkennung

# Szenenwechsel erkennen (Schwellwert 0.3 = mittlere Empfindlichkeit)
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr -f null - 2>&1 | grep showinfo

Stille-Erkennung für automatisches Schneiden

# Stille Segmente finden (zum Entfernen von Pausen)
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence

Highlight-Extraktion

Verwende Claude, um Transkript + Szenenzeitstempel zu analysieren:

„Basierend auf diesem zeitgestempelten Transkript und diesen Szenenwechselpunkten,
identifiziere die 5 besten 30-Sekunden-Clips für soziale Medien.“

Was jedes Werkzeug am besten kann

WerkzeugStärkeSchwäche
Claude / CodexSortieren, Planen, Code generierenKeine kreative Stilschicht
FFmpegDeterministisches Schneiden, Stapelverarbeitung, FormatkonvertierungKeine visuelle Schnittstelle
RemotionProgrammierbare Overlays, zusammensetzbare Szenen, wiederverwendbare VorlagenNicht-Entwickler haben eine Lernkurve
Screen StudioSofort schöne BildschirmaufnahmenNur Bildschirmaufnahme
ElevenLabsSprache, Voiceover, Musik, SoundeffekteKein Workflow-Hub
Descript / CapCutEndgültiger Rhythmus, Untertitel, VerfeinerungManuell, nicht automatisierbar

Schlüsselprinzipien

  1. Bearbeiten, nicht generieren. Dieser Workflow dient zum Schneiden von echtem Material, nicht zum Erstellen aus Prompts.
  2. Struktur vor Stil. Ordne die Geschichte in Schicht 2, bevor du visuelle Elemente anfasst.
  3. FFmpeg ist das Rückgrat. Langweilig, aber entscheidend. Langes Material wird hier handhabbar.
  4. Remotion für Wiederholbarkeit. Wenn du denselben Vorgang mehrmals ausführst, mache ihn zu einer Remotion-Komponente.
  5. Selektive Generierung. Verwende KI-Generierung nur für Assets, die es nicht gibt, nicht für alles.
  6. Geschmack ist die letzte Schicht. KI beseitigt sich wiederholende Arbeit. Du triffst die endgültigen kreativen Entscheidungen.

Verwandte Skills

  • fal-ai-media — KI-Bild-, Video- und Audiogenerierung
  • videodb — Serverseitige Videoverarbeitung, Indexierung und Streaming
  • content-engine — Plattformnative Inhaltsverteilung

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