Communitygithub.com

automatic-storyteller-animate

Zeigt einem Agenten, wie man den „Automatic Storyteller Animate“ plant, erstellt oder schneidet, sodass das konkrete Ergebnis ein fertiger Videoclip ist. Der Ablauf folgt dem Automatic Storyteller Animate, Vorbereitung – die automatische Prüfung der Voraussetzungen, Was er erstellt (der Look). Verwenden Sie dies, wenn ein neuer Auftrag diese Fertigkeit erfordert.

Was ist automatic-storyteller-animate?

Dieses Skill orchestriert automatisch die Erstellung eines vollständigen, vertonten Kinofilms aus einer Sprachdatei und einem Skript – ohne manuelles Storyboarding, Szenencode oder Bearbeitungs-Timeline. Es transkribiert die Stimme, timt jede Bildunterschrift, wählt abwechselnd Layouts aus zwei visuellen Stilen (Blueprint-Whiteboard-Skizzen mit handgezeichneten Kreideelementen und dunkle „Wand der Beweise“ mit Creative-Commons-Fotos), rendert jeden Stilblock als eigenen Clip, schneidet sie frame-genau, brennt unten bündige Neon-Untertitel ein, mischt wort-synchrone Soundeffekte (−19 dB) mit einer geduckten Musikspur (−18 dB), normalisiert auf −15 LUFS und führt eine Qualitätssicherung für Frames, Lautstärke und Untertitelplatzierung durch. Es unterstützt die Ausführung auf Windows, macOS und Linux und prüft vor jedem Build automatisch die erforderliche Software (Python 3.8+, ffmpeg, bestimmte Python-Pakete) – alles wird bei Bedarf installiert. Das Skill nutzt einen umfangreichen Produktionscache, um Wiederholungen zu beschleunigen, und arbeitet mit Companion-Skills wie cinematic-film und remotion-studio zusammen, wobei die gesamte Orchestrierungslogik und Stilentscheidungen in diesem Skill zentralisiert bleiben.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/omnieditxstudio-IT/Automatic-Storytailer-Animate/tree/HEAD

In Ihrer bevorzugten KI fragen

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

Dokumentation

Automatic Storyteller Animate

Geben Sie ihm eine Sprachdatei und ein Skript. Es erledigt den gesamten Film: Timing, Layout, Rendern, Schnitte, Untertitel, Ton, Mix und Qualitätssicherung. Kein manuelles Storyboarding, keine Szenencode, keine Bearbeitungs-Timeline.

python scripts/run.py --project my-film --voice voice.mp3 --script script.md

Dieser eine Befehl führt die gesamte Pipeline aus und hinterlässt my-film/out/FILM.mp4, my-film/out/FILM.srt (neben captioned.mp4), credits.md, beats.json, plan.json, beats.md, Prüf-Standbilder in out/qa/ und alle Zwischenergebnisse.

Vorbereitung – die automatische Prüfung der Voraussetzungen

Jeder Durchlauf beginnt mit check_requirements.py, vor allem anderen. Wenn alle verfügbaren Werkzeuge installiert sind, wird die Produktion sofort fortgesetzt – keine Einrichtung nötig. Wenn etwas fehlt, wird es automatisch heruntergeladen/installiert, und dann wird die Produktion fortgesetzt.

Es prüft der Reihe nach:

  1. Python 3.8+
  2. Python-Pakete – numpy, skia-python, Pillow, faster-whisper – werden bei Fehlen automatisch per pip installiert
  3. ffmpeg + ffprobe im PATH – werden bei Fehlen automatisch per winget (Windows), brew (macOS) oder apt-get (Linux) installiert
  4. cinematic-film neben diesem Skill (oder CINEMATIC_SCRIPTS=<Pfad zu seinen Skripten>)

Wenn alles vorhanden ist: eine Zeile – requirements: ok – und der Build beginnt. Wenn ein Python-Paket nicht installiert werden kann, gibt das Skript den genauen Befehl zur Behebung aus und beendet sich, anstatt einen aussichtslosen Build zu starten. Wenn cinematic-film nicht gefunden wird, erhalten Sie genau die Angabe, was fehlt und was Sie setzen müssen.

Was er erstellt (der Look)

Zwei visuelle Sprachen, die alle 3–10 Sekunden hart wechseln, pro Block vom Director entschieden:

  • Board – ein randloser Bauplan. Die Wörter erscheinen als handgezeichnete Kreide-Typografie auf einem dunkelblauen Raster, mit skizzierten Rechteck-Rahmen, wackeligen Strichen, Kritzel-Code-Fenstern, Häkchen, Trennlinien und Neon-Icons (zwei Glow-Pässe + heißer Kern), die im Code gezeichnet werden.
  • Photo – die nächtliche Beweiswand aus cinematic-film: echte lizenzierte Wikimedia-Commons-Fotos mit Schlagschatten und Stecknadel, beschriftete Papierdokumente, gezackte Hervorhebungslinien, leuchtende Neon-Icons, alle in credits.md vermerkt.

Die Untertitel sind unten mittig und bündig zum unteren Rand (6 px bei 720p, skaliert mit der Auflösung), in Großbuchstaben, eine von neun ausgewählten Bonbonfarben, mit sanfter Einblendung (Aufsteigen/Poppen/Rutschen/Kippen/Einblenden/Wischen/Staffeln) und Ausblendung (Ausblenden/Fallen/Hinaussteigen/Schrumpfen), dreistufigem Bloom-Halo, einem Regenbogen-Verlaufsstrich auf dem gesprochenen Wort (Neonröhren-Weißkontur). Ein Farbverlauf hinter dem Band sorgt für Lesbarkeit auf jedem Hintergrund. Der Text spiegelt die Stimme exakt wider.

Neu beginnen vs. fortsetzen

  • Neues Projekt: geben Sie ihm die Stimme und das Skript; das Skill erstellt alles.
    python scripts/run.py --project my-film --voice voice.mp3 --script script.md
    
  • Fortsetzen: das erneute Ausführen eines Projekts, das bereits out/FILM.mp4 (und den Plan/die Fotos) enthält, prüft nur mit der Qualitätssicherung nach – es wird nichts erneut heruntergeladen oder gerendert. Fügen Sie --force hinzu, um von Grund auf neu zu bauen.

Eingaben

  • --voice: jede Audiodatei, die ffmpeg lesen kann (mp3/wav/m4a...). Beste Ergebnisse mit einer sauberen Aufnahme aus einem Take. Es wird unverändert verwendet, nur in 48 kHz Stereo AAC konvertiert.
  • --script: .md / .txt / .srt / .json. Markdown-Überschriften werden zu Abschnitts-Kickern auf dem Bildschirm; Leerzeilen und Absätze werden in Sätze aufgeteilt, dann in Untertitel-Chunks (<= 9 Wörter / <= 64 Zeichen). Der Text auf dem Bildschirm ist der Text in der Datei, wörtlich. script.json mit {"title": ..., "takes": [...]} wird berücksichtigt, wenn vorhanden.

Optionen

FlagWirkung
--size 1920x1080Rendergröße (Standard 1920x1080)
--crf 16Qualität (niedriger = besser; 16 Film, 26 Vorschau)
`--photos autoexisting
`--music autonone
--model tiny.enfaster-whisper-Größe für die Ausrichtung (base.en/small.en sind genauer)
--previewnur Blöcke 0-1 in 640x360 für einen schnellen Blick rendern
--skip-rendernur neu planen (kein Rendern)
--workers WORKERSRender- + Untertitel-Worker (0 = alle Kerne minus eins)
--forceauch dann neu bauen, wenn bereits eine fertige out/FILM.mp4 existiert

Leistung und Sicherheit

  • Produktions-Cache unter E:\Storyteller catche files (überschreibbar mit STORYTELLER_CACHE). Jedes schwere Artefakt wird unter einem Content-Hash zwischengespeichert, sodass erneutes Ausführen oder Anpassen späterer Stufen nur das wiederholt, was sich geändert hat:
OrdnerWas wird gecachtSchlüssel
whisper/Wortzeitsteuerung von faster-whisperSprachdatei + Modell + Gerät
commons_search/Commons-SuchergebnisseAbfrage + Limit
commons_files/heruntergeladene Commons-Originale + Credit-SeitendateienCommons-Titel
blocks/gerenderte StilblöckeSzene + Takte + Blockgeometrie + Größe + CRF
silent/zusammengesetzter stummer FilmBlockdateien + CRF + fps
captioned/untertitelter Film + SRTVideo + Timing + Untertitelcode + CRF
sfx/synthetisierter SFX-BusCue-Sheet + build_sfx.py
music/geloopte MusikspurMusikdatei + Filmlänge
mix/fertiger Audio-MixStimme + Cues + Musik + Pegel + LUFS

Dateien sind <label>-<hash12>.<ext> benannt und nach Art sortiert (eine sort-Auflistung liest sich natürlich), mit einem append-only index.jsonl-Manifest und einer README.txt im Stammverzeichnis. Cache-Fehler werden automatisch neu aufgebaut; das Löschen des Caches ist immer sicher. Ein vollständiger Neulauf unveränderter Stufen dauert Sekunden (whisper/blocks/stitch/captions/sfx/mix treffen alle zu).

  • Jeder Block wird separat gerendert, dann werden die Blöcke mit einem frame-genauen concat-Filter zusammengesetzt. Ein erneutes Ausführen nach einer Skriptänderung rendert nur die Blöcke neu, deren Plan sich geändert hat (render_blocks.py verwendet frische Blockdateien, plus den Produktions-Cache als zweite Ebene).
  • 12 Kerne / viel RAM: verwenden Sie --workers 6. Ein 3-minütiger 1080p-Film dauert etwa 15-30 Minuten.
  • Rendern Sie den endgültigen Film niemals, ohne dass der Benutzer darum bittet: verwenden Sie zuerst --preview oder eine kleine --size, zeigen Sie ihn, und erst dann erstellen Sie FILM.mp4 in voller Größe.
  • Whisper tiny.en ist etwa 1x Echtzeit auf der CPU; verwenden Sie --model base.en, wenn die Zeitsteuerung bei langen Zeilen abweicht.

Was der Director tut

Jede Untertitelzeile wird zu einem Beat. Ein Beat erhält genau ein Layout, das aus seinen Wörtern ausgewählt wird:

LayoutAuslöserZeichnung
title / enderste 2 / letzte 2 ZeilenNeon-Icon + großer Kreidetitel (Titel = Titelform der Inhaltswörter der Zeile)
chainfirst/second/then/process/pipeline3 Skizzenboxen mit Pfeilen
splitbefore/after/versus/compared/insteadzwei beschriftete Rahmen auf beiden Seiten einer eingerissenen Trennlinie
windowcode/script/terminal/agent/model/serverhandgezeichnetes Terminalfenster mit Kritzelzeilen + hervorgehobene Zeile
checkprotect/patch/secure/prevent/neverKreide-Häkchen auf einer Liste
statjede Zahlriesige leuchtende Ziffer
quotealles andere / FragenKreide-Zitat
Foto-Variantenjeder zweite Blockstation (Foto + Karte), doc (Papierdokument + Stempel), stat

Aufeinanderfolgende Zeilen (1-4, max. ~9 s, an Satzenden abgeschnitten) gruppieren sich zu Blöcken; Blöcke wechseln sich board/photo über den Film hinweg ab. Der erste und letzte Block sind immer board.

Geschriebene Dateien

audio/narration.m4a   normalisierte Stimme
audio/timing.json     Start/Ende pro Zeile (Engine-Schema)
script.json           Takes in Sprechreihenfolge, ID-Reihenfolge erhalten
beats.json            pro Zeile: Start/Ende/Layout/Kicker/Überschrift/Punkte/Nummer/Icon/Tinte/Foto/x
plan.json             Blöcke (Stil, Framebreich, Welt-x), fps, Dauer
beats.md              menschliche Tabelle des gesamten Plans
sfx_cues.json         synthetisierte Effekte für build_sfx.py
photos.json           Commons-Auswahl mit Lizenz/Credit/Quelle
out/blocks/bNNN.mp4   ein Clip pro Stilblock
out/silent.mp4        zusammengesetztes Bild
out/captioned.mp4     + eingebrannte Neon-Untertitel (+ .srt)
out/FILM.mp4          endgültig, mit gemischtem Audio
out/qa/*.png          Prüf-Standbilder
credits.md            Bild- + Musik-Credits

Qualitätssicherungstore (scripts/qa.py, automatisch von run.py ausgeführt)

Bricht den Build ab bei: Frame-Zahlen-Diskrepanz vs timing.total_duration * fps, fehlendem/!Audio-Stream, Lautstärke außerhalb -15 +/- 1.5 LUFS, Spitzenwert über -0.8 dBTP, einem unsichtbaren Untertitel-Chunk oder einer Untertitel-Basislinie mehr als 8.5 % der Bildhöhe über dem unteren Rand.

Companion-Skills (wie eine Produktion tatsächlich abgeschlossen wird)

Dieses Skill ist der dedizierte Orchestrator für den Bildungs-/Erklärfilm-Workflow („Video wie der KI-Exploit-Agent-Film“). Es treibt zwei Companion-Skills an, um eine Produktion abzuschließen, genau wie die vorherigen Filme gemacht wurden – Sie rufen sie nie direkt auf; run.py und qa.py erledigen das. Die Regel ist absolut: Bearbeiten Sie niemals ein Companion-Skill – oder ein anderes Projekt (z. B. C:\remotion-build\dark-reality-explainer) –, damit dieses funktioniert; treiben Sie sie an, wie sie ausgeliefert werden. Die gesamte Orchestrierungslogik, der Cache, die Qualitätssicherung und die Stilentscheidungen befinden sich hier in diesem Skill.

1. cinematic-film – die Welt, die Fotos, der Ton (erforderlich, harte Abhängigkeit)

Befindet sich neben diesem Skill (überschreibbar mit CINEMATIC_SCRIPTS=<Pfad zum Skriptverzeichnis>). Aufgerufen von:

SkriptVerwendet vonWas es für diesen Film tut
prep_assets.pyprep-Stagegrader die Commons-Fotos in den Schwarz-Weiß-Look (`--grade bw
fetch_commons.pyfetch_photos.pylädt die lizenzierten Originale herunter (get), füllt Datei/Credit/Lizenz und schreibt credits.md (credits)
render.pyrender_blocks.pyrendert jeden Stilblock mit --t0/--t1; zeichnet die Board/Foto-Welt, die Kamera und jedes Element pro Frame
engine.pystoryboard.py, jedes Renderndas Weltmodell: Film, Kamera-Keyframes, Board, PaperDoc, StylePanel, die Spline-Kamera
captions.pycaptions_burn.pydie Wortuhr (words_with_times), die zur Zeitsteuerung des heißen Wortes verwendet wird
build_sfx.pyaudio_finish.pysynthetisiert den Effektbus aus sfx_cues.json (keine Sample-Bibliothek zu lizenzieren)
mix_soundtrack.pyaudio_finish.pyStimme + SFX + Score: -19 dB SFX, -18 dB Musik, 4:1 Ducking, -15 LUFS / -1.5 dBTP Master

Verhaltensregeln: Bearbeiten Sie seine Skripte nicht für dieses Skill – Verhaltensänderungen gehören in storyboard.py / render_blocks.py / hier. Seine CLI-Verträge (--t0/--t1, fetch_commons get|credits, mix_soundtrack --lufs) sind das, was der Produktions-Cache hasht; wenn cinematic-film eines ändert, aktualisieren Sie die Stage hier und löschen Sie E:\Storyteller catche files, damit keine veralteten Treffer überleben.

2. remotion-studio – Browser-Vorschau / Steuerung (optional, nur zur Überprüfung)

npx remotion studio (öffnen Sie die gedruckte URL; oder --no-open und öffnen Sie die URL selbst).

Ehrlicher Umfang, damit niemand Zeit verschwendet: Studio zeigt nur Remotion-Kompositionen in der Vorschau an – React-Komponenten, die in einem Remotion-Projekt registriert sind. Es kann das fertige Master dieses Skills nicht abspielen (out/FILM.mp4 ist ein skia/ffmpeg-Render, kein Remotion-Projekt; das war auch beim KI-Angriffsfilm nicht der Fall). Verwenden Sie es, wenn das zu liefernde Produkt auch als Remotion-Projekt existiert und Sie die Vorschau-beim-Bearbeiten-Erfahrung wünschen (oder um eine Remotion-basierte Variante zu steuern). Um die eigene Ausgabe dieses Skills zu überprüfen, verwenden Sie out/FILM.mp4 / out/preview_captioned.mp4 plus die out/qa/-Standbilder – Studio hat nichts anzuhängen.

Das Produktionsrezept (wie alle drei Skills einen Film abschließen, wie beim letzten Mal)

  1. Stimme + Skript -> run.py --preview (2 Blöcke, 640x360, ~2 min). Überprüfen Sie den Look, den Board/Foto-Rhythmus, die Untertitelgröße und den unteren Anschlag, und dass qa.py BESTANDEN sagt.
  2. Vollständiger Plan – Erfassung (Whisper-Ausrichtung) -> Director (Beats, Layouts, Stilwechsel) -> Commons-Fotos (freie Lizenz, Credits in credits.md) -> Vorbereitung (BW-Grade) -> Szene -> Cues.
  3. Rendern – jeder Block separat in 1080p; Wiederverwendung über den Produktions-Cache auf E:\Storyteller catche files.
  4. Fertigstellung – Zusammensetzen (Concat-Filter) -> unten bündige Neon-Untertitel -> SFX -19 dB / Score -18 dB, geduckt, -15 LUFS Master.
  5. Prüfung – out/FILM.mp4 abspielen; out/qa/ enthält die Standbilder. Wenn ein Remotion-Packaging/Prüfschritt gewünscht ist, öffnen Sie das Remotion-Projekt mit remotion studio und verifizieren Sie, dass es dort lädt.
  6. Lieferung – FILM.mp4 + FILM.srt + credits.md. Hochladen/Exportieren erfolgt außerhalb dieses Skills.

SRT / Vertriebsseite der Produktion

Nach qa BESTANDEN: out/captioned.srt befindet sich neben out/captioned.mp4 (der Fertigstellungsschritt kann es neben FILM.mp4 kopieren). Für soziale Varianten (9:16-Neuschnitte, Plattformexporte, Thumbnail-Inszenierung) verwenden Sie ein Vertriebsskill anstelle eines Neu-Renderns in diesem – dieses Skill produziert nur das 16:9-Master.

Voraussetzungen

Siehe Vorbereitung – die automatische Prüfung der Voraussetzungen oben: Python 3.8+, numpy, skia-python, Pillow, faster-whisper, ffmpeg/ffprobe im PATH und das cinematic-film-Skill neben diesem (überschreibbar mit CINEMATIC_SCRIPTS). Die Prüfung läuft automatisch zu Beginn jedes Durchlaufs.

Bekannte Grenzen

  • Die Ausrichtung verwendet standardmäßig whisper tiny.en; ein genuschelter Take kann zeitlich abweichen.

...

[gekürzt zur Übersetzung]

Verwandte Skills