Communitygithub.com

Andersonlimahw/lemon-ai-hub

Synchronisiere Erzählung, Untertitel, Musik und Soundeffekte mit dem Bild – inklusive Erzählschreiben, Skriptsperre, TTS oder aufgenommener Voiceover, Wort-für-Wort-Zeitstempel, Untertitelblöcke, aus der Tonspur abgeleitete Einstellungsfenster, Verweildauer-Budgets, Ducking und Lautheitsziele. Verwende es für erklärende Videos, Voiceover-Änderungen, Untertitel oder jede Art von Video, dessen Timing dem Audio folgen muss.

Was ist lemon-ai-hub?

Dieses Skill ermöglicht es, den gesamten Videoproduktions-Workflow präzise auf die Tonspur auszurichten – angefangen beim Schreiben des Erzähltextes bis hin zum endgültigen Audiomix. Es stellt sicher, dass jedes Bild, jeder Untertitel und jeder Soundeffekt exakt mit der gemessenen Audiospur synchronisiert ist. Die Kernlogik basiert auf einer Temporallinie, die automatisch aus Wort-für-Wort-Zeitstempeln generiert wird, sodass manuelle Rahmenzahl-Eingaben entfallen und die Synchronisation nach einer Skriptänderung automatisch aktualisiert wird. Unterstützt werden sowohl TTS-Engines (ElevenLabs, Azure, OpenAI, Google, Kokoro, Piper) als auch aufgenommene Voiceover (WAV 48 kHz) sowie Forced-Alignment-Tools (WhisperX, `whisper-timestamped`, `stable-ts`) zur Präzisionssynchronisation. Das Skill deckt außerdem Untertitel-Richtlinien (max. 42 Zeichen pro Zeile, ≤2 Zeilen, Lesegeschwindigkeit ≤17 Zeichen/s), Audiomixing mit Ducking, EQ und Lautheitsnormalisierung (z. B. −14 LUFS) sowie einen Vorschau-Checkpoint ab. Es ist plattformunabhängig und funktioniert ideal mit HyperFrames-Audio-Plugins oder FFmpeg zur Audiobearbeitung. Entwickler und Nutzer profitieren von einem strikten Regelwerk, das Timing-Fehler eliminiert und einen wiederholbaren, dokumentierten Workflow garantiert.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Andersonlimahw/lemon-ai-hub/tree/HEAD/plugins/motion-movie-expert/skills/voice-video-sync

In Ihrer bevorzugten KI fragen

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

Dokumentation

Sprach-↔-Video-Synchronisation

Regel null: Die Tonspur gibt den Takt vor. Das Bild wird an der gemessenen Audiospur ausgerichtet, niemals an geschätzten Dauern.

1. Erzählung schreiben

  • Beginne mit der Situation des Betrachters, nicht mit einer Definition. Eine Handlungslinie; Ursache vor Wirkung.
  • Konvertiere Zahlen in eine fühlbare Skala („die Größe eines Telefonbuchs“, nicht „3,2 MB“).
  • Metaphern müssen Gewicht haben; der Erzähler hat einen Standpunkt.
  • Beschreibe nicht, was das Bild bereits zeigt; sage, was das Bild nicht zeigen kann.
  • Beende mit einem Rückgriff auf den Anfang. Kapitelübergänge übergeben: Die letzte Zeile von Kapitel N bereitet die erste Zeile von N+1 vor.
  • Budgetiere nach Sprechgeschwindigkeit: Englisch ≈ 125–150 Wörter/min (TTS-Stimmen variieren – eine Probe messen); Portugiesisch ≈ 140–160 Wörter/min; Chinesisch ≈ 4–5,5 Zeichen/s.

Format für die Skriptdatei (ein Absatz = eine Einstellung, | trennt Untertitelblöcke):

# KAPITEL 1 Warum Karten lügen
Jede Karte, die du gesehen hast | wurde von jemandem gezeichnet | mit einem Grund.

Mercator wollte, dass Seeleute | einen geraden Kurs halten.
## gap 0.6

## gap <Sekunden> fordert eine Pause von mindestens dieser Länge nach dem Absatz an (Verweildauer für das letzte Bild). Erzeuge sie im Audio – SSML <break time="600ms"/> für TTS oder eingefügte Stille beim Zusammenfügen von Absatzdateien. Das Timeline-Tool verschiebt niemals Timings; es überprüft die Pause.

2. Skript sperren

Zeige das vollständige Skript mit Wortanzahl und geschätzter Dauer an und hole eine explizite „Genehmigt“-Bestätigung ein. Nach der Sperre werden alle Timings vom Audio abgeleitet; eine Wortänderung verschiebt alle nachfolgenden Einstellungen.

3. Sprache produzieren

  • TTS (Standard, wenn keine Aufnahme): Frage den Benutzer nach einer bevorzugten Engine/Stimme. Das Senden von Text an einen Cloud-TTS (ElevenLabs, Azure, OpenAI, Google, edge-tts) teilt das Skript mit diesem Anbieter – vorher bestätigen. Lokale Optionen (Kokoro, Piper) bleiben auf der Maschine.
  • Aufgenommene VO: Akzeptiere WAV 48 kHz. Schneide Stille ab, lasse Atemgeräusche natürlich, normalisiere später im Mix.
  • Behalte entweder eine Datei pro Absatz oder eine Hauptdatei plus Zeitstempel; beide funktionieren mit dem Timeline-Tool.

4. Zeitstempel abrufen

Verwende Wort- oder Segment-Zeitstempel aus der TTS-API-Antwort oder führe eine Forced-Alignment des Audios mit dem Skript durch (WhisperX, whisper-timestamped, stable-ts oder Whisper mit word_timestamps=True). Normalisiere sie in folgendes JSON:

{"segments": [{"text": "Jede Karte, die du gesehen hast", "start": 0.00, "end": 1.42,
  "words": [{"word": "Jede", "start": 0.00, "end": 0.21}]}]}

5. Timeline erstellen

python3 <plugin-root>/scripts/build_timeline.py words.json --script script.txt --fps 30 \
  --out-dir timeline/ --max-chars 42 --min-dwell 1.0

Erzeugt timeline.json (Einstellungen mit Start-/End-Frames, Untertitelblöcken, Kapitelstarts), captions.srt, captions.vtt und Warnungen für: Skriptwörter, die im Audio fehlen (oder Audiowörter, die im Skript fehlen), zu lange oder zu schnelle Untertitel zum Lesen, Einstellungen, deren letzter Untertitel weniger als --min-dwell Sekunden vor der nächsten Einstellung endet (füge eine Pause im Audio hinzu oder führe zusammen), angeforderte ## gap-Pausen, die das Audio nicht enthält, und Stille länger als 3 s. Wörter, die ein Forced-Aligner nicht zeitlich zuordnen konnte (häufig bei Zahlen in WhisperX), werden zwischen ihren Nachbarn interpoliert. Speise timeline.json in die Komposition ein; tippe niemals Rahmenzahlen von Hand.

6. Untertitel-Regeln

  • ≤42 Zeichen pro Zeile, ≤2 Zeilen, ≥1,0 s auf dem Bildschirm, ≈17 Zeichen/s Lesegeschwindigkeit maximal.
  • Trenne an Satzgrenzen, niemals zwischen Artikel und Nomen.
  • Halte Untertitel außerhalb der unteren Plattform-UI-Zone im 9:16-Format und fern von Text auf dem Bildschirm-UI.
  • Eingebrannte Untertitel für soziale Medien; Sidecar-SRT/VTT für YouTube und Web-Player.

7. Mix

EbeneZielwert
Integrierte Lautheit (final)−14 LUFS für soziales Netz/Web (−16 akzeptabel); −23 LUFS für Rundfunk
True Peak≤ −1 dBTP
Musik unter VOducke 8–12 dB während Sprache vorhanden ist, 150–300 ms Attack/Release
SFX≈10 dB unter Musik; am verursachenden Frame, nicht danach

Messe mit <plugin-root>/scripts/qc.sh loudness final.mp4 (füge -23 für Rundfunk hinzu). Wenn HyperFrames-Audio-Skills installiert sind, bietet hyperframes-audio Ducking („Voiceover-Carve“), EQ und Automation innerhalb der Komposition; andernfalls verwende FFmpeg sidechaincompress und loudnorm (zwei Durchgänge).

8. Vorschau-Checkpoint

Rendere die ersten ≤30 s mit Stimme, Untertiteln und Musik und frage: „Stimme, Tempo, Untertitelgröße und Rhythmus – okay?“ Eine Tempowechsel nach diesem Punkt bedeutet, dass TTS erneut ausgeführt und alles neu getimt werden muss.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

Andersonlimahw/lemon-ai-hub

When the user wants to plan a product launch, feature announcement, or release strategy. Also use when the user mentions 'launch,' 'Product Hunt,' 'feature release,' 'announcement,' 'go-to-market,' 'beta launch,' 'early access,' 'waitlist,' 'product update,' 'how do I launch this,' 'launch checklist,' 'GTM plan,' or 'we're about to ship.' Use this whenever someone is preparing to release something publicly. For ongoing marketing after launch, see marketing-ideas. For the offer being launched (bonuses, guarantees, scarcity, naming), see offers.

Andersonlimahw/lemon-ai-hub

Create and edit motion videos end to end — product motion films, motion graphics, narrated explainers, captioned clips, UI animation recreations, and recuts. Orchestrates brief, storyboard, choreography, build (HyperFrames or any deterministic renderer), voice/caption sync, and render QC. Use when the user asks to make, animate, storyboard, narrate, caption, edit, or render a video or motion piece; skip for static images and web UI work with no video deliverable.

Andersonlimahw/lemon-ai-hub

Build and render a deterministic video composition — HyperFrames (HTML + GSAP) by default, or a custom seek(t) + Playwright + FFmpeg pipeline. Covers project setup, composition contract, timeline rules, creative direction for frames, lint/check/snapshot, preview, and local render. Use when implementing an approved storyboard as code.

Andersonlimahw/lemon-ai-hub

Motion law for multi-scene videos — seam continuity (axis, direction, speed, phase), carriers, causal motion, springs and timing, camera, transitions, stillness, and loop design. Use when planning or fixing how scenes connect and move, before and during any animation build.

Andersonlimahw/lemon-ai-hub

Short design-led motion graphics where motion is the message — kinetic typography, stat count-up, chart/data-viz reveal, logo sting, lower third or callout, animated map, tweet/news/headline card, webpage or UI walkthrough, and image-plus-data fusion. Usually under 10 s, up to about 30 s, no narration; renders to MP4 or a transparent overlay. Use when the user wants a short motion graphic, animated stat/chart/logo/map/card, or overlay; when the upstream HyperFrames `motion-graphics` skill is installed, use it for exact CLI flags and registry blocks.

Andersonlimahw/lemon-ai-hub

Turn a video idea, product, or script into an approved master prompt and pre-implementation storyboard — intake, concept, 8–12 state sequence, beat grid, transition map, camera plan, audio cue plan, and render architecture. Use before building any new video, or when a video brief is vague.

Andersonlimahw/lemon-ai-hub

Motion tokens, spring presets, and React/Next.js (motion/react) interaction patterns for product UI that appears in a video — rebuilding real product screens faithfully, animating them as seekable scenes, and keeping the live product's motion consistent with the film. Use when a motion video shows or recreates product UI; for web UI work with no video deliverable use design-expert instead.

Andersonlimahw/lemon-ai-hub

Edit existing video and verify any render before delivery — recut, trim, reframe to other aspect ratios, burn in or attach captions, swap or remix audio, loop, and export; plus the QC gates (probe, contact sheet, stills per beat, loudness, loop seam, legibility, facts, PII). Use for editing footage or for the final check of any motion video.

Andersonlimahw/lemon-ai-hub

Agent skill at plugins/video/SKILL.md

Verwandte Skills