Communitygithub.com

cosmicstack-labs/mercury-agent-skills

Erstelle ein 15-30 Sekunden langes Scroll-Video einer beliebigen GitHub-Repository-Seite mit KI-Erzählung von ElevenLabs und wortgenauer Untertitel-Synchronisation.

Was ist mercury-agent-skills?

Dieses Skill wandelt jede GitHub-Repository-Seite in ein kurzes, vertikales Video im Instagram-Reels-Format um. Es erstellt einen vollständigen mobilen Screenshot der Seite, scrollt mit GSAP von oben nach unten und fügt eine KI-generierte Erzählung von ElevenLabs mit Karaoke-artigen Wort-für-Wort-Untertiteln hinzu. Die Untertitel heben jedes gesprochene Wort zeitlich genau hervor, sodass der Zuschauer mitlesen kann. Das Ergebnis ist ein 1080x1920 MP4-Video, das sich perfekt für soziale Medien eignet und mit einem Call-to-Action wie 'Star on GitHub' endet. Es basiert auf dem HyperFrames-Workflow und erfordert ein vorgeladenes 'website-to-hyperframes'-Skill, ElevenLabs-API-Zugang und die Installation von Whisper für die Transkription.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/cosmicstack-labs/mercury-agent-skills/tree/HEAD/categories/media-download/github-repo-tour

In Ihrer bevorzugten KI fragen

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

Vorschau

Aus dem Skill-README

mercury-agent-skills preview

Dokumentation

GitHub-Repo-Tour – Scroll-Video mit synchronisierter Erzählung und Untertiteln

Abhängig von: website-to-hyperframes – vor dem Start laden. Der dortige 6-Schritte-Workflow und die Referenzdateien gelten auch hier. Dieses Skill spezialisiert diesen Workflow für einseitige Scroll-Touren mit Erzählung und sichtbaren Untertiteln.


Was dieses Skill produziert

Ein 1080x1920 Portrait-Video (Instagram-Reels-Format), das:

  1. Eine GitHub-Repository-Seite zeigt – vollständiger mobiler Screenshot, der über 15–30 Sekunden sanft von oben nach unten scrollt.
  2. Die Tour erzählt – ElevenLabs KI-Stimme beschreibt, was auf dem Bildschirm zu sehen ist, synchron zur Scroll-Position.
  3. Untertitel auf dem Bildschirm einblendet – Wort-für-Wort-Überlagerung, die jedes Wort hervorhebt, während der Erzähler es spricht. Der Betrachter liest mit, während er zuhört.
  4. Mit einem CTA endet – „Auf GitHub starren" oder „Folgen für mehr"-Handlungsaufforderung.

Kernentscheidungen

EntscheidungWertBegründung
Abmessungen1080x1920Primärformat für Instagram Reels
Dauer15–30 SekundenOptimal für Shorts/Reels-Engagement
ErzählungBestimmt das TimingScroll-Geschwindigkeit, Takt-Dauern und Untertitel-Timing leiten sich alle aus dem Audio ab
UntertitelWort-für-Wort-HervorhebungJedes Wort leuchtet auf, während der Erzähler es spricht – Karaoke-artige Bildunterschriften
Telefon-ViewportVollbild-Scroll, ohne RahmenDie GitHub-Seite füllt die gesamte 1080x1920-Leinwand aus
Ausgabeordnergithub-promos/<repo>-tour/Neben den github-repo-promo-Projekten

Verzeichnisstruktur

github-promos/
  <repo>-tour/
    index.html              ← Haupt-HyperFrames-Komposition
    package.json            ← von hyperframes init
    hyperframes.config.json ← HyperFrames-Konfiguration
    SCRIPT.md               ← Erzählskript mit Zeitstempeln
    assets/
      repo-page.png         ← Vollständiger GitHub-Screenshot (dunkler Modus, mobiler Viewport)
      narration.mp3         ← ElevenLabs-Sprachausgabe
    renders/                ← generierte MP4s

Workflow

Schritt 0: Repo-Informationen & Screenshot erfassen

Verwende web-search oder fetch_url, um Repo-Metadaten zu erhalten:

  • Stars, Forks, Watcher, offene Issues
  • Primäre Sprache, Beschreibung, Themen
  • README-Zusammenfassung (was das Projekt tut, Hauptfunktionen)

Verwende dann das screenshot-Skill, um einen vollständigen, mobilen Screenshot im dunklen Modus zu erstellen:

use_skill("screenshot")
// URL: https://github.com/{owner}/{repo}
// Vollständige Seite, dunkler Modus
// Viewport: 390px breit (iPhone 14 mobil) – der Screenshot sollte
//   die gesamte Höhe der Seite auf mobil Breite erfassen
// Speichern unter: github-promos/<repo>-tour/assets/repo-page.png

Erfasse die Screenshot-Abmessungen (du benötigst die Pixelhöhe für die Scroll-Berechnung):

sips -g pixelHeight github-promos/<repo>-tour/assets/repo-page.png
sips -g pixelWidth github-promos/<repo>-tour/assets/repo-page.png

Schritt 1: Das Erzählskript schreiben

Schreibe ein 15–30 Sekunden langes Skript, das beschreibt, was der Betrachter sieht, während der Scrollvorgang fortschreitet. Der Erzähler führt den Betrachter durch die Seite:

[0s–4s]  „Das ist {repo}. {Einzeiler-Beschreibung}."
[4s–8s]  „Hier ist die README – die Installation ist ein Befehl."
[8s–13s] „Durch die Funktionsliste scrollen – {2-3 sichtbare Funktionen erwähnen}."
[13s–18s] „{Stars} Sterne, {Forks} Forks und eine wachsende Community."
[18s–23s] „Auf GitHub starren. Link in der Bio."
[23s–25s] „Folgen für mehr."

Regeln für das Skript:

  • Der Erzähler bezieht sich auf das, was aktuell auf dem Bildschirm an jeder Scroll-Position zu sehen ist.
  • Gesamtwortzahl: 50–75 Wörter (angenehmes Tempo für 15–30 Sekunden).
  • Keine Füllwörter („ähm", „ah", „lass mich dir zeigen"). Jedes Wort verdient seinen Platz.
  • Mit einem klaren CTA enden.

Schritt 2: Sprachausgabe über ElevenLabs generieren

curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/AZnzlk1XvdvUeBnXmlld" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "VOLLSTÄNDIGES_SKRIPT_HIER",
    "model_id": "eleven_multilingual_v2",
    "voice_settings": {
      "stability": 0.35,
      "similarity_boost": 0.8,
      "style": 0.25,
      "use_speaker_boost": true
    }
  }' \
  --output github-promos/<repo>-tour/assets/narration.mp3

Überprüfe, ob die Datei existiert und eine Größe > 0 hat.

Schritt 3: Transkribieren & Zeitkarte

Nach der Audio-Generierung Wort-für-Wort-Zeitstempel extrahieren:

Option A: ElevenLabs-Zeitstempel (werden mit der API-Antwort zurückgegeben, wenn output_format: "mp3" nicht die einzige Ausgabe ist – überprüfe die API-Dokumentation für aligned-Ausgabe).

Option B: ffmpeg + Whisper verwenden (lokale Transkription mit Wort-Zeitstempeln):

# Whisper installieren, falls nötig
pip install openai-whisper

# Mit Wort-Zeitstempeln transkribieren
whisper github-promos/<repo>-tour/assets/narration.mp3 \
  --model base \
  --output_format json \
  --output_dir github-promos/<repo>-tour/assets/ \
  --word_timestamps True

Die Ausgabe liefert words[] mit start- und end-Zeitstempeln für jedes Wort. Ordne diese Zeitstempel den Scroll-Positionen zu.

Schritt 4: Die HyperFrames-Komposition erstellen

Erstelle index.html gemäß der HyperFrames-Kompositionsarchitektur:

<!DOCTYPE html>
<html lang="de">
<head>
<meta charset="UTF-8"/>
<meta name="viewport" content="width=1080,height=1920"/>
<script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/gsap.min.js"></script>
<link href="https://fonts.googleapis.com/css2?family=Inter:wght@400;500;600;700;800;900&display=swap" rel="stylesheet">
<style>
  /* ── Root & Leinwand ── */
  * { margin: 0; padding: 0; box-sizing: border-box; }
  #root {
    position: relative;
    width: 1080px;
    height: 1920px;
    background: #0d1117;
    font-family: 'Inter', sans-serif;
    overflow: hidden;
  }

  /* ── Scrollender Screenshot ── */
  .scroll-container {
    position: absolute;
    inset: 0;
    width: 1080px;
    height: 1920px;
    overflow: hidden;
  }
  .scroll-content {
    position: absolute;
    top: 0;
    left: 0;
    width: 1080px;
    height: VAR_IMG_H px;   /* tatsächliche Screenshot-Höhe */
  }

  /* ── Untertitel-Overlay ── */
  .subtitle-bar {
    position: absolute;
    bottom: 180px;
    left: 50%;
    transform: translateX(-50%);
    width: 1000px;
    text-align: center;
    z-index: 100;
  }
  .subtitle-word {
    display: inline-block;
    font-size: 42px;
    font-weight: 700;
    color: rgba(255,255,255,0.35);
    padding: 0 4px;
    transition: color 0.08s, transform 0.08s;
  }
  .subtitle-word.active {
    color: #FFFFFF;
    transform: scale(1.08);
  }
  .subtitle-word.past {
    color: rgba(255,255,255,0.65);
  }

  /* ── Scroll-Fortschrittsbalken ── */
  .scroll-progress-track {
    position: absolute;
    right: 16px;
    top: 100px;
    width: 5px;
    height: 1720px;
    border-radius: 3px;
    background: rgba(255,255,255,0.1);
    z-index: 50;
  }
  .scroll-progress-thumb {
    position: absolute;
    top: 0;
    left: 0;
    width: 5px;
    height: VAR_THUMB_H px;
    border-radius: 3px;
    background: linear-gradient(180deg, #58a6ff, #3fb950);
    z-index: 51;
  }

  /* ── CTA-Overlay (Beat 6-7) ── */
  .cta-overlay {
    position: absolute;
    inset: 0;
    display: flex;
    flex-direction: column;
    align-items: center;
    justify-content: center;
    background: rgba(13,17,23,0.92);
    backdrop-filter: blur(8px);
    z-index: 200;
    opacity: 0;
  }
  .cta-title {
    font-size: 56px;
    font-weight: 800;
    color: #e6edf3;
    text-align: center;
  }
  .cta-subtitle {
    font-size: 32px;
    color: #8b949e;
    margin-top: 16px;
  }
  .cta-button {
    margin-top: 40px;
    padding: 18px 48px;
    background: #238636;
    color: #e6edf3;
    font-size: 28px;
    font-weight: 700;
    border-radius: 999px;
    box-shadow: 0 0 30px rgba(35,134,54,0.5);
  }
  .follow-pill {
    margin-top: 24px;
    padding: 12px 28px;
    background: rgba(22,27,34,0.8);
    border: 1px solid #30363d;
    border-radius: 999px;
    font-size: 22px;
    color: #e6edf3;
    font-weight: 600;
  }
</style>
</head>
<body>
<div id="root"
  data-composition-id="{repo}-tour"
  data-width="1080"
  data-height="1920"
  data-start="0"
  data-duration="{total_seconds}">

  <audio id="narration-audio"
    src="assets/narration.mp3"
    data-start="0"
    data-duration="{total_seconds}"
    preload="auto"></audio>

  <!-- Scrollender Screenshot (volle Leinwand) -->
  <div class="scroll-container">
    <img class="scroll-content" src="assets/repo-page.png" />
  </div>

  <!-- Scroll-Fortschrittsbalken -->
  <div class="scroll-progress-track">
    <div class="scroll-progress-thumb" id="scroll-thumb"></div>
  </div>

  <!-- Untertitel-Overlay -->
  <div class="subtitle-bar" id="subtitle-bar">
    <!-- Wörter werden von JS eingefügt, ein <span class="subtitle-word"> pro Wort -->
  </div>

  <!-- CTA-Overlay (letzte 5s) -->
  <div class="cta-overlay" id="cta-overlay">
    <div class="cta-title">Auf GitHub starren</div>
    <div class="cta-subtitle">{repo Beschreibung}</div>
    <div class="cta-button">github.com/{owner}/{repo}</div>
    <div class="follow-pill">@githubprojects</div>
  </div>
</div>

<script>
// ── Scroll-Berechnung ──────────────────────────────────────────
var IMG_H = /* tatsächliche Screenshot-Höhe */;
var CANVAS_H = 1920;
var MAX_SCROLL = IMG_H - CANVAS_H;
var THUMB_TRACK = 1720;
var THUMB_H = Math.round(THUMB_TRACK * (CANVAS_H / IMG_H));
var THUMB_TRAVEL = THUMB_TRACK - THUMB_H;

function thumbTop(scrollY) {
  return (Math.abs(scrollY) / MAX_SCROLL) * THUMB_TRAVEL;
}

// ── Wort-Zeitstempel ─────────────────────────────────────
// Füge hier die Wort-für-Wort-Zeitstempel aus Schritt 3 ein.
// Format: [Wort, StartSekunden, EndSekunden]
var WORDS = [
  // ["Das", 0.0, 0.3],
  // ["ist", 0.3, 0.5],
  // ["mercury-skills", 0.5, 1.0],
  // ...
];

var TOTAL_DURATION = /* Gesamtsekunden aus dem Audio */;

// ── Untertitel-Spans erstellen ────────────────────────────────
var subtitleBar = document.getElementById("subtitle-bar");
var wordSpans = [];
WORDS.forEach(function(w, i) {
  var span = document.createElement("span");
  span.className = "subtitle-word";
  span.textContent = w[0];
  subtitleBar.appendChild(span);
  wordSpans.push(span);
});

// ── GSAP-Timeline ───────────────────────────────────────
window.__timelines = window.__timelines || {};
var tl = gsap.timeline({paused: true});

// Phase 1: Scroll (0s bis ~80 % der Gesamtdauer)
var scrollEnd = TOTAL_DURATION * 0.80;
var ctaStart = TOTAL_DURATION * 0.80;

// Von oben nach unten mit Easing scrollen
tl.to(".scroll-content", {
  y: -MAX_SCROLL,
  duration: scrollEnd,
  ease: "none",
  onUpdate: function() {
    var progress = this.progress();
    var thumbTop = progress * THUMB_TRAVEL;
    gsap.set("#scroll-thumb", { top: thumbTop });
  }
}, 0);

// Phase 2: Wort-für-Wort-Untertitel-Hervorhebung
var currentWordIndex = -1;
WORDS.forEach(function(w, i) {
  tl.call(function() {
    // Vorheriges Wort deaktivieren
    if (currentWordIndex >= 0 && wordSpans[currentWordIndex]) {
      wordSpans[currentWordIndex].classList.remove("active");
      wordSpans[currentWordIndex].classList.add("past");
    }
    // Aktuelles Wort aktivieren
    wordSpans[i].classList.add("active");
    currentWordIndex = i;
  }, null, w[1]);
});

// Phase 3: CTA-Overlay blendet bei 80 % ein
tl.to("#cta-overlay", { opacity: 1, duration: 0.5, ease: "power2.out" }, ctaStart);

// Phase 4: Untertitel-Leiste während CTA abdunkeln
tl.to("#subtitle-bar", { opacity: 0.3, duration: 0.5 }, ctaStart);

// Phase 5: Scroll-Fortschrittsbalken ausblenden
tl.to(".scroll-progress-track", { opacity: 0, duration: 0.3 }, ctaStart);

window.__timelines["{repo}-tour"] = tl;
</script>
</body>
</html>

Schritt 5: Rendern

cd github-promos/<repo>-tour

# Wenn keine HyperFrames-Projektkonfiguration vorhanden:
npx hyperframes init --example blank --non-interactive

# Lint
npx hyperframes lint

# Snapshot zur visuellen Überprüfung
npx hyperframes snapshot

# Entwurf rendern
npx hyperframes render --quality draft

# Überprüfe das ausgegebene MP4 in renders/
ls -la renders/

# Wenn alles gut aussieht, final rendern
npx hyperframes render --quality standard

Schritt 6: Liefern

Sende das finale MP4 an den Benutzer. Frage, ob sie möchten:

  • Hochwertiger Render (--quality high)
  • Anderes Seitenverhältnis (Landschaft 1920x1080)
  • Skript-Überarbeitungen

Untertitel-System – So funktioniert es

Das Untertitel-System ist das zentrale Unterscheidungsmerkmal dieses Skills. So funktioniert die Wort-für-Wort-Synchronisation:

Wort-für-Wort-Zeitstempel

Die Erzähl-Audio wird mit Wort-für-Wort-Zeitstempeln transkribiert (von ElevenLabs oder Whisper). Jedes Wort erhält einen [Wort, StartSekunden, EndSekunden]-Eintrag im WORDS-Array.

Drei visuelle Zustände

Jedes Wort in der Untertitel-Leiste hat drei CSS-Zustände:

ZustandKlasseVisuell
Kommend.subtitle-wordGedimmtes Weiß rgba(255,255,255,0.35)
Aktiv.subtitle-word.activeHelles Weiß #FFFFFF, leicht skaliert 1.08
Vergangen.subtitle-word.pastMittleres Weiß rgba(255,255,255,0.65)

Die GSAP-Timeline ruft zu jedem startSeconds eines Wortes eine Funktion auf, um currentWord → active und previousWord → past zu überführen. Dies erzeugt eine Karaoke-artige Wort-für-Wort-Hervorhebung, die perfekt mit dem Audio synchronisiert ist.

Typografie

  • Schriftart: Inter 700, 42px
  • Position: Unten 180px, zentriert, maximal 1000px breit
  • Hintergrund: Kein Hintergrundfeld – Wörter schweben über dem Scroll-Inhalt mit dem gedimmt/hell/gedimmt-Gradienten, der sie vor jedem Inhalt lesbar macht
  • Z-Index: 100 (über dem Scroll-Inhalt auf Z-Index 1, unter dem CTA-Overlay auf Z-Index 200)

Layout-Überlegungen

Wörter werden mit display: inline-block und natürlichem Textumbruch angeordnet. Für längere Skripte (20+ Sekunden) empfiehlt sich die Aufteilung in 2–3 Zeilengruppen, die zwischen den Scroll-Abschnitten erscheinen/verschwinden:

// Wörter nach Scroll-Abschnitt gruppieren
var SEGMENTS = [
  { start: 0, end: 5, words: [0, 12] },     // Beat 1: Held
  { start: 5, end: 15, words: [13, 35] },   // Beat 2: Scroll
  { start: 15, end: 20, words: [36, 50] },   // Beat 3: Statistiken
  {
  
...

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills