yyert123/remotion-narration

Was macht remotion-narration?

Schreibt alles, was eine Remotion-Composition benötigt, um von ihrem Voiceover gesteuert zu werden: Audio pro Szene, exakte Laufzeiten, Startframes und Untertitel. Die Szenenlängen stammen aus dem tatsächlichen Audio, sodass nichts driftet.

Wann verwenden

• Der Benutzer hat ein Skript (Markdown, Text oder JSON) und ein Remotion-Projekt und wünscht eine Vertonung.
• Szenen sollen genau so lange dauern wie ihr Voiceover; Untertitel sollen dem Wortlaut folgen.

Schritte

1. Stelle sicher, dass MIRAGEA_API_KEY gesetzt ist (niemals ausgeben). Wähle die Stimme:

   • --voice VOICE_ID – eine im Miragea-Konto des Benutzers gespeicherte Stimme, oder
   • --ref-url https://... – einen öffentlichen Clip der zu klonenden Stimme (mit Zustimmung des Benutzers) plus --ref-text "genaue Wörter im Clip" für den günstigeren 1x-Tarif.

2. Schreibe das Skript. Jede ## Überschrift (oder leerzeilengetrennter Absatz) wird zu einer Szene:

   ## intro
   Lernen Sie Retake kennen, den schnellsten Weg, einen Versprecher zu korrigieren.
   ## demo
   Geben Sie das richtige Wort ein. Retake spricht den Satz neu ein und fügt ihn ein.
   

3. Generiere in den Remotion-Ordner public/:

   python3 scripts/narrate.py script.md --voice VOICE_ID --out public/narration --fps 30
   

4. Verwende public/narration/narration.json in der Composition (siehe examples/Narrated.tsx): totalFrames für durationInFrames, startFrame / durationInFrames jeder Szene für eine <Sequence>, staticFile('narration/' + scene.file) für <Audio> und scene.captions (Remotion Caption[]: text, startMs, endMs, timestampMs, confidence) mit @remotion/captions createTikTokStyleCaptions() für animierte Untertitel.

5. Bearbeite das Skript und führe es erneut aus: unveränderte Szenen werden aus dem Manifest ohne Kosten wiederverwendet; falls ein Lauf mittendrin abbricht, bleiben fertige Szenen erhalten und der nächste Lauf setzt fort.

Optionen

Flag	Standard	Bedeutung
--fps	30	Bildrate für die Frame-Berechnung
--pad	0.4	Sekunden Luft nach jeder Szene
--captions miragea	ja	Zeitsteuerung der Untertitel aus dem generierten Audio (genau; +3 Punkte/s)
--captions estimate		Kostenlos: verteilt Wörter nach Länge
--model	expressive	standard folgt der Referenzstimme genauer
--speed	1.0	0,25–4

Szenen länger als 2.000 Zeichen werden an Satzenden geteilt und automatisch zusammengefügt.

Fehlerbehebung

• wähle eine Stimme -> --voice oder --ref-url übergeben. Referenz-URLs müssen öffentlich, unter 1.024 Zeichen lang und direkt ausgeliefert werden (GitHub-Rohdaten, S3/R2-öffentliche Objekte funktionieren; signierte Weiterleitungen möglicherweise nicht).
• 401/402/429 -> Schlüssel, Guthaben, Ratenlimit. Ein erneuter Durchlauf ist immer sicher.