Bildschirmaufnahme mit Sprachkommentar

Was macht Bildschirmaufnahme mit Sprachkommentar?

Der zeitaufwändige Teil beim Vertonen einer Bildschirmaufnahme ist nicht die Stimme, sondern die Synchronisation: das Ausrichten jedes Satzes an dem Klick, den er beschreibt, und das Beheben der Stellen, an denen der Satz länger ist als die Aktion. Diese Fähigkeit erledigt beides automatisch und verhindert, dass der Kommentar driftet oder sich überschneidet.

Wann verwenden

• "Füge einen Sprachkommentar zu dieser Demo / diesem Tutorial / dieser Bildschirmaufnahme hinzu."
• "Ich habe meinen Bildschirm stumm aufgenommen, vertone es" oder "Ich möchte meine eigene Stimme / meinen Akzent nicht verwenden."
• "Sorge dafür, dass der Kommentar mit dem übereinstimmt, was auf dem Bildschirm passiert."

Schritte

1. Überprüfe, ob MIRAGEA_API_KEY gesetzt ist (niemals ausgeben). Stimme: Frage einmal nach der Miragea-Stimmen-ID des Benutzers oder einer öffentlichen URL eines Sprachclips plus dessen genauen Wortlauts. Schlage export MIRAGEA_VOICE_ID=... vor, damit es nie wieder abgefragt wird. Klone nur eine Stimme, die dem Benutzer gehört oder für die er die Nutzungserlaubnis hat.

2. Finde die Schritte und erstelle eine Drehbuchvorlage:

   python3 scripts/scenes.py demo.mp4      # -> demo.frames/*.jpg, demo.frames/steps.json, demo.script.txt
   

3. Sieh dir die Einzelbilder in demo.frames/ an (du kannst Bilder lesen) und schreibe einen klaren Satz pro Schritt in demo.script.txt nach jedem Zeitstempel, wobei du den # step-Kommentar ersetzt. Bleibe innerhalb des ~N Wörter-Hinweises, damit der Satz vor dem nächsten Schritt passt. Führe nach Belieben Schritte zusammen, verschiebe oder lösche sie. Wenn der Benutzer ein eigenes Skript bereitgestellt hat, setze dessen Sätze stattdessen an die passenden Zeitstempel.

4. Überprüfe das Timing ohne Kosten:

   python3 scripts/voiceover.py demo.mp4 demo.script.txt --dry-run
   

   Kürze jede mit will freeze markierte Zeile, wenn der Benutzer keine eingefrorenen Bilder wünscht.

5. Rendern:

   python3 scripts/voiceover.py demo.mp4 demo.script.txt --voice VOICE_ID            # Untertitel als Dateien
   python3 scripts/voiceover.py demo.mp4 demo.script.txt --burn --music bed.mp3      # eingebrannte Untertitel + leise gestellte Musik
   

6. Gib dem Benutzer die Pfade aus dem gedruckten JSON: video (kommentiertes MP4), voice_track (WAV für seinen Editor), srt/vtt. Erwähne frozen_seconds, falls es größer als Null ist.

7. Um eine Zeile zu ändern, bearbeite das Skript und führe Schritt 5 erneut aus: unveränderte Zeilen kommen kostenlos aus dem Cache.

Skriptformat

[00:00] Willkommen bei Acme. Hier ist das Dashboard, das Sie nach der Anmeldung sehen.
[00:04] Klicken Sie auf Neues Projekt, geben Sie einen Namen ein und wählen Sie das Team, das es besitzen soll.
[01:02.5] Das war's. Ihr Projekt ist fertig.

Akzeptierte Zeitstempel: [mm:ss], [h:mm:ss], mm:ss.s, 12.5s. Zeilen, die mit # beginnen, sind Kommentare.

Wie die Synchronisation funktioniert

• Jede Zeile beginnt exakt zu ihrem Zeitstempel; 0,25 s Luft werden vor dem nächsten Schritt freigehalten.
• Eine Zeile, die länger ist als ihr Slot, wird beschleunigt, maximal um --max-speed (Standard 1,15x, immer noch natürlich).
• Wenn sie immer noch nicht passt, hält das Video das letzte Bild dieses Schritts, bis der Satz endet, und fährt dann fort. Spätere Zeilen verschieben sich um denselben Betrag, sodass die Synchronisation nie verloren geht.
• Untertitel werden an die tatsächliche Sprechdauer jeder Zeile angepasst (max. 2 Zeilen à 42 Zeichen).
• Die Lautstärke wird auf etwa -16 LUFS normalisiert (YouTube/Web-Standard). Musik, falls angegeben, wird unter der Sprache leiser gestellt.

Optionen

Flag	Standard	Beschreibung
--voice ID / --ref-url URL --ref-text TEXT	env	Gespeicherte Miragea-Stimme oder Klonen von einem öffentlichen Clip (exakter Text = günstigerer 1x-Tarif)
--model	expressive	oder standard
--max-speed	1.15	Maximale Beschleunigung vor dem Einfrieren von Bildern
--burn	aus	Untertitel in das Video einbrennen
--music DATEI	keine	Hintergrundmusik, wiederholt und automatisch leiser gestellt
--keep-audio	aus	Die Originaltonspur der Aufnahme leise unter der Stimme behalten
--dry-run		Zeigt den Slot-Plan mit einer geschätzten Sprechrate; keine API-Aufrufe
-o DATEI	VIDEO.voiceover.mp4	Ausgabepfad; das Original wird nie verändert

Kosten und Grenzen

Sprache wird zeichenweise von Miragea abgerechnet (1x mit einer gespeicherten Stimme oder exaktem Referenztext; aktuelle Tarife unter GET https://miragea.ai/v1/capabilities). Eine 3-minütige Demo hat normalerweise 2.000–3.000 Zeichen. Jede Zeile muss unter 2.000 Zeichen liegen. Referenzclips müssen öffentliche URLs sein, bis der Upload-Endpunkt von Miragea bereitgestellt wird.

Fehlerbehebung

• no timestamp / not after the previous line -> Korrigiere die in der Fehlermeldung genannte Skriptzeile.
• no voice chosen -> Übergib --voice oder setze MIRAGEA_VOICE_ID.
• 401 falscher Schlüssel, 402 Guthaben aufladen unter miragea.ai, 429 warten und erneut ausführen (zwischengespeicherte Zeilen werden nicht erneut abgerechnet).
• Zu viele oder zu wenige Schritte von scenes.py -> --threshold 0.02 (mehr) / 0.08 (weniger), --min-gap.

Siehe examples/ für ein echtes Skript, den Plan-JSON und die daraus erzeugten Untertitel.