Communitygithub.com

Video2dsprite (nur Grok Build)

Erzeuge dichte Animationssprites aus einem 2D-Charakter-Standbild mittels Grok Builds nativer Videotools – video-to-sprite, Bewegungserfassung aus generiertem Video, flüssigere Lauf-/Gehzyklen.

Was ist Video2dsprite (nur Grok Build)?

Dieses Skill wandelt ein 2D-Charakter-Standbild über `image_gen`/`image_edit` und `image_to_video` in ein Bewegungsvideo um, extrahiert Einzelbilder, entfernt den Chroma-Key-Hintergrund (Magenta) und erzeugt dichte Sprite-Sheets, -Grids und -GIFs. Es ist ausschließlich für Grok Build (xAI) geeignet, da nur dort die benötigten Videotools verfügbar sind. Auf Codex/Claude wird es mit einem Hinweis auf die Alternative `$generate2dsprite` abgelehnt. Das Skill kann auf Wunsch verschiedene Frame-Anzahlen (z. B. 8, 16, 24, 48) exportieren und eignet sich besonders für flüssigere Bewegungsübergänge als diskrete Posen. Allerdings liefert Video weichere Pixel, Identitätsdrift und Chroma-Säume – für produktionsreife Helden wird `$generate2dsprite` empfohlen, es sei denn, der Nutzer wünscht explizit den Video-Look.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/0x0funky/agent-sprite-forge/video2dsprite

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Video2dsprite (nur Grok Build)?

Konvertiere ein 2D-Charakter-Standbild in dichte Animationssprites mit Grok Builds nativen Videotools.

Standbild → image_to_video (Bewegung an Ort und Stelle) → Einzelbilder extrahieren → Chroma Key → Abtasten/Normalisieren → Strip / Grid / GIF

Plattform-Prüfung (zuerst lesen)

LaufzeitUnterstützt?
Grok Build (xAI)Ja – benötigt image_gen / image_edit + image_to_video (oder reference_to_video)
Codex / Claude / andere AgentenNein – ihnen fehlen Grok-Videotools. Weise den Nutzer darauf hin, dass dieses Skill nur für Grok Build ist, und biete stattdessen $generate2dsprite an

Fehlt image_to_video in der Werkzeugliste, stoppe und erkläre den Grund. Erzeuge keine Bewegungen mit selbst gezeichneten Einzelbildern.

Dieses Skill ist ein optionaler Pfad für dichtere Bewegungen. Es ersetzt nicht $generate2dsprite:

Verwende $generate2dsprite, wenn…Verwende $video2dsprite, wenn…
Klare Pixel-Sheets, feste Raster, identitätskritische HeldenDer Nutzer dichtere Zwischenposen / flüssigere Schleifen wünscht
Angriff/Zauber-Körper-Sheets, Prop-Pakete, Engine-AtlantenExperimentieren mit video-basierter Lauf-/Geh-/Stillstand-Bewegung
Produktionsstandard für die meisten Spiel-SpritesDer Nutzer explizit Video → Einzelbilder → Sprites anfordert

Video weicht Pixel auf, verursacht Identitätsdrift und hinterlässt Chroma-Säume. Führe immer eine Qualitätskontrolle durch; für Produktionshelden bevorzuge $generate2dsprite, es sei denn, der Nutzer wünscht den Video-Look.

Parameter

Aus der Nutzeranfrage ableiten:

  • subject: Beschreibung der Figur / Kreatur oder Pfad zu einem vorhandenen Standbild
  • action: run | walk | idle | attack | benutzerdefinierte Bewegungsphrase
  • view: normalerweise side (Side-Scroller). topdown ist schwieriger – warne und halte die Kamera fixiert
  • duration: 6 (Standard) oder 10 Sekunden
  • frame_counts: welche dichteren Sätze exportiert werden sollen, Standard 8,16,24,48
  • cell_size: Ausgabe-Sprite-Zelle, Standard 128
  • anchor: feet (Standard für Seitwärtsbewegung) | center
  • bg: einfarbiges #FF00FF (erforderlich für Chroma Key)
  • name: Ausgabe-Slug
  • out_dir: Arbeitsverzeichnis (Standard ./sprites/video2dsprite/<name>/ oder projektrelativ)

Agentenregeln

  1. Nur Grok. Auf Nicht-Grok-Laufzeiten mit einer kurzen Erklärung + $generate2dsprite-Alternative ablehnen.
  2. Standbild → Video, nie Text-zu-Video allein. Bühnenbild-Frame 1 als sauberes Standbild (image_gen oder image_edit aus einer Referenz). Dann image_to_video aufrufen.
  3. Bewegung an Ort und Stelle. Fordere Laufen/Gehen an Ort und Stelle in einer festen Richtung an. Keine Kamerafahrt, kein Hintergrund-Scrollen, keine Szenenänderung. Die Figur bleibt ungefähr zentriert.
  4. Einfarbiger Magenta-Hintergrund auf dem Standbild und im Video-Prompt beibehalten (#FF00FF / reines Magenta). Erforderlich für Flood-Fill-Chroma Key.
  5. Erfinde keine Kunst mit PIL/Canvas. Die Basis-Kunst kommt von image_gen / image_edit oder einem Benutzer-/lokalen Standbild. Skripte führen nur Nachbearbeitung durch.
  6. Lege keine experimentellen Ausgaben in das Spiel, es sei denn, der Nutzer bittet um Integration.
  7. Bevorzuge einen Bewegungszyklus für Spielzwecke. Dichte Abtastung über einen vollständigen 6-Sekunden-Mehrfachzyklus-Clip ist für Vorschauen in Ordnung; für Engine-Sheets optional einen einzelnen Zyklus (12–16 Frames) nach visueller Qualitätskontrolle neu abtasten.
  8. Melde absolute Pfade des Videos, der bereinigten Frames, Strips und Vorschau-GIFs nach Abschluss.

Arbeitsablauf

1. Planen

Wähle den kleinstmöglichen nutzbaren Durchlauf:

  • Side-View Lauf-/Geh-Schleife → dieses Skill
  • Mehrfach-Aktions-Helden-Kit → verwende weiterhin $generate2dsprite pro Aktion; verwende Video nur für Fortbewegung, wenn gewünscht
  • FX / Projektil / Prop-Pakete → $generate2dsprite, nicht Video

Erstelle:

<out_dir>/
  base/
  video/
  frames-raw/
  frames-clean/
  sprite/          # Standard 8-Frame-Set + dichter x16/x24/x48
  prompt-verwendet.txt
  pipeline-meta.json
  README.txt

2. Standbild erstellen

Optionen:

  • A. Vorhandenes Sprite: mit Bildwerkzeugen öffnen / Bild lesen, bei Bedarf auf einfarbigem #FF00FF zusammensetzen
  • B. Neue Figur: image_gen mit einfarbigem Magenta-Hintergrund, ganzer Körper, Seitenansicht, zentriert
  • C. Referenz anpassen: image_edit aus Benutzerreferenz auf Magenta, Identität bewahren

Basisanforderungen:

  • Ganzer Körper sichtbar, großzügiger Magenta-Rand
  • Seitenansicht für Laufen/Gehen (Profil oder 3/4-Seite), Füße im unteren Drittel
  • Gleicher Kunststil wie der Rest des Projekts, wenn eine Referenz vorhanden ist
  • Kein Text, keine Benutzeroberfläche, kein Wasserzeichen, keine zweite Figur

Speichere als <out_dir>/base/<name>-base.png.

Schreibe den genauen Bild-Prompt in prompt-verwendet.txt.

3. Mit image_to_video animieren

Rufe Grok image_to_video auf:

  • image: Pfad zum Standbild
  • duration: 6 (Standard) oder 10
  • resolution_name: 480p, es sei denn, der Nutzer wünscht 720p
  • prompt: eine kurze Präsens-Aufnahme (siehe references/prompt-rules.md)

Obligatorische Bewegungseinschränkungen im Prompt:

  • Figur läuft/geht an Ort und Stelle (Laufband-Stil)
  • Kamera fixiert – keine Schwenk-, Zoom- oder Orbit-Bewegung
  • Hintergrund bleibt einfarbig Magenta flach
  • Identität, Kostüm, Palette für die gesamte Aufnahme stabil
  • Nur eine einzige durchgehende Aktion

Kopiere das zurückgegebene Video nach <out_dir>/video/<name>-<duration>s.mp4.

Wenn Videotools nicht verfügbar sind, stoppe (Plattform-Prüfung).

4. Extrahieren + Chroma Key + Abtasten (lokales Skript)

Führe den Prozessor aus (ffmpeg + Pillow + numpy):

python skills/video2dsprite/scripts/video2dsprite.py process \
  --video <out_dir>/video/<name>-6s.mp4 \
  --out-dir <out_dir> \
  --name <name> \
  --frame-counts 8,16,24,48 \
  --cell-size 128 \
  --body-height 100 \
  --foot-y 118 \
  --fps 0

Hinweise:

  • --fps 0 = jeden dekodierten Frame extrahieren (Quell-FPS verwenden)
  • Magenta-Flood-Fill von den Ecken + Despill
  • Gleichmäßige Abtastung für jede Anzahl in --frame-counts
  • Fuß-normalisierte Zellen, horizontaler Strip, Grid, Loop-GIF pro Anzahl

Optional: Nur dichtere Sätze aus vorhandenen bereinigten Frames neu abtasten:

python skills/video2dsprite/scripts/video2dsprite.py sample \
  --clean-dir <out_dir>/frames-clean \
  --out-dir <out_dir> \
  --frame-counts 16,24,48 \
  --cell-size 128

5. Qualitätskontrolle

Visuell prüfen:

  • Vorschau-GIFs schleifen ohne große Sprünge
  • Magenta entfernt (keine festen pinken Blöcke); Säume akzeptabel oder neu keyen
  • Füße bleiben auf einer stabilen Grundlinie (kein Hüpfen durch schlechten Zuschnitt)
  • Identität einigermaßen stabil (Gesicht/Kleidung morphieren nicht in jedem Frame)
  • Aktion an Ort und Stelle (rutscht nicht aus dem Bild)
  • Für Spielzwecke: eine Anzahl wählen (oft 16 oder 24) oder einen echten Zyklus ausschneiden

Bei starkem Identitätsdrift oder zu weichen Pixeln auf $generate2dsprite für Produktions-Sheets zurückgreifen und das Video-Set nur als Bewegungsreferenz behalten.

6. Ausliefern

Nur Pfade melden (es sei denn, der Nutzer bittet um Einbindung in ein Spiel):

  • Video: video/*.mp4
  • Dichte Sprites: sprite/x16|x24|x48/
  • Strips / Grids / GIFs: sprite/run-strip-N.png, run-grid-N.png, run-preview-N.gif
  • Meta: pipeline-meta.json

Ändere keinen Spielcode, es sei denn, der Nutzer wünscht es.

Standardwerte

  • Dauer: 6s
  • Aktion: seitlich laufen an Ort und Stelle, Blick nach rechts
  • Export-Anzahlen: 8, 16, 24, 48
  • Zelle: 128², Körperhöhe ~100, Füße bei y≈118
  • Hintergrund: #FF00FF
  • Bevorzuge image_to_video gegenüber reference_to_video (falls nötig, zuerst mit image_edit mehrere Referenzen zusammensetzen)

Abwägungen (dem Nutzer einmal mitteilen)

Vorteile: Dichtere Zwischenstufen → fühlt sich oft flüssiger an als 4–8 diskrete generierte Posen. Nachteile: Weichere Pixel, Identitätsdrift, Chroma-Säume, Mehrfach-Zyklus-6s-Clips sind keine einzelne perfekte Schleife, schwerere Assets. Faustregel: 8→16→24 bringt meist Flüssigkeit; 48 bringt oft abnehmenden Nutzen; 145 Roh-Frames dienen zum Abtasten, nicht zur Laufzeit.

Ressourcen

Beziehung zu anderen Skills

  • $generate2dsprite – primäre Sheet-Pipeline (Codex + Grok, wenn Bildgenerierung vorhanden)
  • $generate2dmap – Karten; hier nicht verwendet
  • $video2dsprite – exklusiv für Grok Build Bewegungspfad

Individual skills in this repo

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

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

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

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

Verwandte Skills