Communitygithub.com

paper-explainer

Erstellt aus einer wissenschaftlichen Arbeit (arXiv/PDF) oder einer Übersicht mehrerer Paper ein 6–8-minütiges horizontales chinesisches Erklärvideo.

Was ist paper-explainer?

Die Fähigkeit 'Paper Explainer' wandelt wissenschaftliche Arbeiten in professionelle, 6–8-minütige Erklärvideos im Querformat (1920×1080) um. Der gesamte Workflow ist strikt dokumentiert und reicht von der Themenauswahl, über das Erstellen einer Papierkarte und das Entwickeln einer Zuschauer-Fragenkette, bis hin zum Schreiben eines natürlichen Voiceovers, das in einem 'Höre-nur-einmal'-Blindtest und einer unabhängigen Faktenprüfung validiert wird. Die Videoproduktion umfasst eine detaillierte Kamerafahrten-Planung, eine TTS-Sprachausgabe mit präziser Ausrichtung, und die finale, lokal via Chrome WebCodecs beschleunigte Codierung. Die Skriptanweisungen legen besonderen Wert auf kohärente, bildhafte Erklärungen, die Vermeidung von 'KI-Sprech' und die Verwendung eines durchgängigen Beispiels aus dem Paper. Es ist für Einzel-Paper, aber auch für 'Alles-in-einer'-Übersichten (Surveys) ausgelegt und bietet anpassbare visuelle Stil-Karten, einschließlich eines standardmäßigen, redaktionellen 'Newspaper'-Stils. Die KI-Agenten folgen einer strengen Checkliste, die menschliche Autoren-Workflows (z.B. Anhören des Voiceovers, Betrachten der Storyboards) integriert, um eine hohe inhaltliche Treue bei gleichzeitig ansprechender Erzählweise zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ningcodes/paper-explainer-skill/tree/HEAD/skill

In Ihrer bevorzugten KI fragen

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

Dokumentation

Paper → Erklärvideo

Zielgruppe: Personen mit technischem Hintergrund, die das Paper nicht gelesen haben. Nach dem Anschauen soll man erklären können: Was wird verbessert, warum funktioniert es, was können wir lernen, und ein konkretes Beispiel nennen können. Formeln werden nicht hergeleitet, der rote Faden muss klar sein.

Endformat: Querformat 1920×1080, 30fps, H.264 + AAC, Dauer 6–8 Minuten, Klarheit vor Länge (ca. 10 Minuten sind akzeptabel). Am Ende Abspann mit Credits und Abo-Hinweis (konfigurierbar in film.json unter outro), nicht fest codiert.

Dieses Skill arbeitet mit dem Code im Repository zusammen: engine/ (Canvas-Shell, Papier-Entity, Style Card ④, WebCodecs-Rendering-Seite, Schnitt und Mix, Sprachausrichtung, Musik und Soundeffekte), examples/demo (25-Sekunden-Minimalbeispiel), examples/always-on (vollständiges Beispiel einer Episode). API-Dokumentation: engine/README.md.


1. Harte Regeln (jede Regel resultiert aus Nacharbeit, bei Konflikten gilt dieser Abschnitt)

  1. Vor Arbeitsbeginn den vollständigen Skill-Text laden und im Brief an Subagenten den Original-Wortlaut der Checkliste einfügen, nicht aus dem Gedächtnis paraphrasieren. Bei Briefen fürs Schreiben und Prüfen zusätzlich den vollständigen Text aus references/voiceover-selfcheck.md einfügen. In der ersten Zeile des Briefes den Pfad zu diesem Skill angeben und die Lektüre des vollständigen Texts verlangen.
  2. Reihenfolge nicht umkehrbar: Logikkette → Voiceover sperren → Storyboard (Kameraplan) → Sprachaufnahme → Rohschnitt zur Ansicht des Ablaufs → Effekte/künstlerische Feinarbeit → Cover zuletzt. Keine Bildarbeit ohne gesperrtes Voiceover; keine anderen Materialien als die Sprachaufnahme (z.B. optionales Avatar) ohne gesperrtes Storyboard und Manuskript. Erst den Stil festlegen und dann den Inhalt ändern = Nacharbeit.
  3. Der Autor prüft nicht seine eigenen Texte. Vor der Abnahme des Voiceovers muss ein unabhängiger „Höre-nur-einmal"-Blindtest und eine Faktenprüfung durchgeführt werden; bevor das Endprodukt dem Autor vorgelegt wird, muss ein nicht an der Produktion beteiligter Agent das vollständige dynamische Video ansehen und mit der references/review-checklist.md vergleichen; der Prüfbericht wird zusammen mit dem Video vorgelegt.
  4. Rendering nur auf einem Weg: Lokales Chrome-Seiten-Rendering mit render(t) + WebCodecs Hardware-Encoding (engine/common/shell-wc.html). Im Brief nur diesen einen Weg nennen, keine Alternative mit „Headless-Einzelbild-Screenshot → ffmpeg". Vor dem Rendering 10 Sekunden lang ms/Frame und WebGL-Renderer testen; wenn der Renderer SwiftShader/llvmpipe oder andere Software-Rendering ist, anhalten und melden, keine andere Rendering-Methode verwenden. Beim Zusammenschnitt kein geq verwenden. Rendering auf Hintergrund-Agenten und unabhängige parallele Segmente verteilen, die Hauptsitzung bleibt dialogbereit.
  5. Sprachaufnahme: Beliebiges TTS erzeugt eine wav → engine/voice/align.py ausrichten. Fehlerhafte Sätze einzeln neu generieren, keine manuelle Korrektur der Zeitstempel.
  6. Frame 0 enthält bereits Inhalt, die ersten 20–30 Sekunden sind am wichtigsten. Der Aufhänger direkt: Autorität + kontraintuitivstes Ergebnis + Verständnisproblem des Zuschauers (oder „Alles zu X in einem Video"), keine Spannung durch Auslassungen erzeugen.
  7. Länge folgt der Klarheit, ca. 10 Minuten akzeptabel; Pausen zwischen Sätzen kurz halten (siehe Abschnitt 10).
  8. Bildgestaltung: Lesbarkeit an erster Stelle, warmweißer/cremefarbener Redaktionsstil; Standard-Stil-Karte ④ Zeitung (wird in veröffentlichten Episoden verwendet). Bevorzugt kontinuierliche Kamerafahrten, Zooms in die Paper-Seite, weich gemischte Musik. Kein 3Blue1Brown-artiger dunkler Hintergrund als durchgehende Grundfarbe, kein Swiss-Grid-Plakatstil; keine PPT-artigen harten Schnitte auf statische Karten.
  9. Auftritt optional: Hauptfokus bleibt der Inhalt. Wenn das Autorenbild gezeigt wird, nur als kleines Fenster unten rechts, nur am Anfang/Kapitelende/Ende, kein großes Gesicht; das Voiceover wird nicht wörtlich in großen Buchstaben dargestellt.
  10. Ende: Diskussionsfrage (relevant zum Kernmechanismus dieser Episode, in ein bis zwei Sätzen beantwortbar) → Credits + Abo-Hinweis (outro in film.json); keine Vorschau auf die nächste Folge.
  11. Text: Fachlich präzise, mit logischen Schlussfolgerungen, wenige Emojis; kein „nicht … sondern …"; keine unbestätigten Selbsterfahrungen; offizielle Behauptungen, Messungen und Schlussfolgerungen getrennt darstellen. Das Voiceover abschnittsweise vom Autor prüfen lassen. Die Checkliste zur Selbstkontrolle pro Satz siehe references/voiceover-selfcheck.md (hat Vorrang vor älteren Formulierungen in dieser Datei).
  12. Auf bewährten Methoden aufbauen, keine eigenen neuen Formate erfinden. Für neue Kameraeinstellungen zuerst nach gleichartigen Beispielen in examples/ suchen.

Schritte, die der Autor selbst durchführen muss (Agent stoppt hier, erklärt, was der Autor tun soll, wartet auf Bestätigung): Prüfung der Logikkette und des Voiceovers (Abschnitt 7), Erzeugen der Sprach-wav (Abschnitt 9, es sei denn, der Autor hat einen verwendbaren TTS-Weg angegeben), Ansicht des Kameraplans (Abschnitt 8), Ansicht des Rohschnitts und des Endprodukts (Abschnitte 11–12), Veröffentlichung. Solange der Autor nicht geprüft hat, wird nicht zum nächsten Schritt für diese Episode übergegangen (andere Episoden können fortgesetzt werden).

Token sparen: Maximal 1 Runde Faktenprüfung und 1 Runde Blindtest pro Prüfversion; kleine Probleme sammeln und zusammen mit den Anmerkungen des Autors korrigieren. Für das Suchen und Organisieren von Dateien kleine Modelle verwenden; für das Schreiben von Texten, Faktenbewertung und Prüfung starke Modelle. Große Textmengen in Dateien schreiben, nur den Pfad und die Schlussfolgerung zurückgeben.


2. Prozessübersicht

  1. Themenauswahl und -prüfung: Paper-Überblick + Beliebtheit des Themas auf deiner Plattform; harte Hürde: das Paper enthält eine vollständige Fallstudie
  2. Gründliches Lesen → Paper-Karte (references/paper-card.md)
  3. Aufhänger finden
  4. Drei-Fragen-Gliederung + durchgängiges Beispiel + Zuschauer-Fragenkette (references/question-chain.md)
  5. Voiceover schreiben (Abschnitt 4 + references/voiceover-selfcheck.md)
  6. „Höre-nur-einmal"-Blindtest (zwei Rollen, Subagent, references/listen-test-brief.md) → Manuskript ergänzen
  7. Unabhängige Faktenprüfung + Gegenposition (Subagent, parallel, references/factcheck-brief.md) → Manuskript überarbeiten, dann Verständnis erneut testen
  8. Autor prüft Voiceover abschnittsweise (eine Seite Logikkette + abschnittsweises Voiceover, warten auf Bestätigung)
  9. Storyboard: Stil-Karte auswählen + Kameraplan (references/shot-plan.md) + Fortschrittsbalken der oberen Spalte → (Autor sieht Kameraplan)
  10. Sprachaufnahme (beliebiges TTS)
  11. Ausrichtung, Tonspur (Stimme + Musik + Soundeffekte)
  12. Gemeinsame Komponenten → Kapitelweise parallel scene.js schreiben → Rohschnitt → Unabhängige Prüfung → Vollständiges Video → Kapitelweise künstlerische Feinarbeit → Erneute Prüfung → .1 Revision
  13. Standbild-Selbstkontrolle → Auslieferung; Probleme, die der Autor nach dem Ansehen hat, zuerst analysieren, dann korrigieren

Dieses Skill gilt auch für „Alles-in-einem"-Überblicke

Übersichtsartikel/Zusammenfassungen mehrerer Paper durchlaufen ebenfalls die Schritte 0–12. Folgen, wenn dieses Skill nicht geladen wird: Sätze vollgestopft mit „Institution + Jahr + Zahl", die am Stück vorgelesen werden; Kapitel ohne Zusammenhang; keine echten Paper-Seiten; keine Animationen, keine Musik; kein Verständnistest; gesamtes Video muss neu gemacht werden. Anpassungen:

  • Ein durchgängiges Beispiel + eine Master-Grafik verwenden, die das gesamte Video verbindet; jedes Kapitel verwendet die gleichen Begriffe, um die Master-Grafik erneut zu durchlaufen. Die Master-Grafik bevorzugt eine bereits im Paper vorhandene Klassifizierung verwenden; der Text folgt dieser Klassifizierung für die Kapitel, keine eigene Rahmenstruktur erfinden.
  • Jedes Kapitel erzählt nur eine Hauptgeschichte und nennt eine Hauptzahl; alle anderen Zahlen auf Quellenkarten einblenden, im Voiceover nur „X fand heraus" sagen.
  • Kapitel bauen aufeinander auf (von einfach zu komplex / in der Reihenfolge der Pipeline), das letzte Kapitel greift den Aufhänger vom Anfang wieder auf.
  • Institutionen und Jahreszahlen nicht in lange Voiceover-Sätze einbauen; ein Satz enthält nur eine Information.
  • Die Autorität eines Übersichtsartikels kommt von „Paper + Open-Source-Code großer Unternehmen"; der Aufhänger hat nur ein Subjekt.

0. Themenauswahl und -prüfung

  • Bei mehreren Kandidaten zuerst die KI-Übersicht des Papers ansehen (z.B. alphaXiv), nur zur Entscheidung, ob eine gründliche Lektüre sinnvoll ist, nicht als Tatsachenquelle verwenden.
  • Überprüfe die Beliebtheit des Themas auf deiner Plattform: ob es bereits gründlich behandelt wurde und wie die Resonanz auf diese Beiträge war. Akademische Beliebtheit (Likes, Zitationen, Anzahl Paper) ist nicht gleich Plattform-Beliebtheit; auf Plattformen werden oft „Konzepte klar erklärt" und „Ein Video reicht" sowie Personen-/Firmennamen populär. Ohne Belege nicht sagen „ist gerade sehr beliebt".
  • Harte Hürde: Das Paper muss eine vollständige Fallstudie enthalten (Eingabe → was in jeder Schicht passiert ist → Ergebnisse vorher/nachher), die einen „Durchlauf" unterstützt. Wenn nicht, genau abwägen.
  • Bei der Themenauswahl zuerst vier Dinge festlegen: die Frage des Lesers, unsere These, der Beweis, die Lieferung (was der Zuschauer mitnehmen kann).

1. Gründliches Lesen: Paper-Karte

  • Volltext holen: https://arxiv.org/pdf/<id>; wenn möglich, gleichzeitig den TeX-Quellcode holen (/src/<id>, Zahlen und Bildunterschriften sind genauer, Originalgrafiken können direkt verwendet werden); falls PDF-Download fehlschlägt, zuerst arxiv.org/html/<id> lesen. Nur Materialien herunterladen, die du verwenden darfst, und die Lizenz notieren (z.B. CC BY).
  • PDF: pdftoppm -r 150 rendert alle Seiten zum Inhaltsvergleich; Für Seiten und Ausschnitte, die im Video gezeigt werden, 300dpi, für Grafiken, in die hineingezoomt wird, 720dpi Vektor-Rendering (Kamera zoomt 2–3×, 150dpi oder Videobildausschnitte werden unscharf). Wortboxen (für die Markierung mit Textmarker) mit pdftotext -bbox; dies kann bei bestimmten poppler-Versionen abstürzen, stattdessen PyMuPDF verwenden (siehe examples/demo/get-paper.sh, NFKC-Normalisierung nicht vergessen, sonst werden fi-Ligaturen nicht gefunden). Web-Originaltext mit engine/tools/capture.mjs (3× Screenshot + Phrasen-Wortboxen).
  • Haupttext, Anhang, Bildunterschriften alle lesen. Anhang, Ablationsstudien, Fehlschläge, Einschränkungen müssen separat durchgegangen werden. Prompts, Entscheidungsregeln und Pseudocode im Anhang müssen gelesen werden: Der Kernmechanismus „Warum wird was entschieden?" steht oft nur dort.
  • Paper-Karte nach den 12 Punkten in references/paper-card.md schreiben. Bei der Zerlegung eines einzelnen Papers zuerst die eigenen Kernabbildungen und die Struktur des Papers erfassen, nicht die eigene Rahmenstruktur darüberstülpen.

2–3. Aufhänger, Drei Fragen, Durchgängiges Beispiel, Zuschauer-Fragenkette

Aufhänger (jeder Satz ≤3 Sekunden, ein Satz enthält nur eine Information):

  1. Autoritätsperson kurz und knapp an den Anfang stellen („Google veröffentlicht neues Paper:").
  2. Unmittelbar danach den eigenartigsten, kontraintuitivsten Punkt des Papers nennen, das Szenario in Alltagssprache beschreiben („Hilft Produzenten, Zeitpläne, Personal und Budget in mehreren Tabellen abzugleichen, Punktzahl steigt von 43 auf 78"); bei einzelnen Fallbeispielen Einschränkungen wie „ein echter …" beibehalten, nicht als Durchschnitt darstellen.
  3. Kann mit einem kurzen Satz mit Wendepunkt enden („Das Modell hat kein einziges Gewicht geändert.").
  4. Dann den vollständigen Namen und die Institution nennen, plus einen Satz Vorschau („Als nächstes zerlegen wir seine vollständige Architektur.").
  • Nicht mehrere Größen mit derselben Zahl in einem Satz unterbringen („8B", „Ein Siebzigstel", „128.000" können verwechselt werden).
  • Im Aufhänger den Zuschauer nicht zwingen, zuerst einen Fachbegriff zu verstehen: Das Ereignis zuerst in Alltagssprache beschreiben, den englischen Originalsatz nur auf dem Bildschirm zeigen; unbekannte Fachbegriffe können auftauchen, werden aber im nächsten Absatz sofort definiert.
  • Vergleichsobjekte im Aufhänger überprüfen und Einschränkungen miteinbeziehen; Jedes Schlüsselwort im Aufhänger und im Titel muss im Haupttext einen eigenen Abschnitt haben, der es direkt beantwortet (wenn „Selbstevolution" gesagt wird, muss es einen Abschnitt „Ist das Selbstevolution? Woran zeigt sich das?" geben).
  • Frame 0 zeigt sofort den Haupttitel oder das kontraintuitivste Bild (132px Serifenschrift, bereits vorhanden, nicht von oben einblenden); Schlüsselzahlen erscheinen zum ersten Mal, wenn sie im Voiceover genannt werden, und sind der Star dieses Abschnitts (≥200px), nicht kurz aufblitzen lassen.

Umfang der Drei Fragen: Was wird verbessert (Ebene) | Warum funktioniert es (Autor-Gedanke + Mechanismus + warum es nicht versagt, dies macht mehr als die Hälfte aus) | Was können wir lernen.

Durchgängiges Beispiel: Ein Beispiel aus dem Paper auswählen, das jede Schicht abdeckt, alle Mechanismen darauf zurückführen.

Zuschauer-Fragenkette (vor dem Schreiben des Manuskripts obligatorisch): Abschnittsweise schreiben, „Was fragt sich der Zuschauer hier? → Wie antwortet der nächste Satz?", Vorlage und zu behandelnde Punkte siehe references/question-chain.md. Die Fragenkette wird zusammen mit der Logikkette dem Autor zur Prüfung vorgelegt. Es muss einen Kaltwasser-Abschnitt geben.

4. Voiceover

Struktur: Aufhänger → Problem (Vorgänger benennen eine konkrete Arbeit) → Wenn du der Autor wärst → Essenz in einem Satz → Architektur (nach Gruppen des Papers erklären) → Paper-Beispiel durchgehen (schrittweise, jeder Schritt mit „Warum") → Zusammenfassungskarte (alle Schritte in einem Satz verbinden) → Titel-Konzept-Fragen/Antworten → Ergebnisse (Frage → Antwort) → Kaltwasser (nummeriert) → Was können wir lernen → Ende (Diskussionsfrage → Credits + Abo-Hinweis).

Harte Regeln für Verständlichkeit

  • Nur den Namen nennen ist keine Erklärung. Jeder Begriff/Mechanismus wird beim ersten Auftreten mit einem Satz Operationsdefinition versehen: wer, was betrachten, wie entscheiden. Das Übersetzen von Paper-Begriffen ist keine Erklärung.
  • Keine Schritte auslassen. Zwischen Aktionen muss ein kausaler Zusammenhang bestehen („Diese zwei Probleme sehen → also Harness-Dateien ändern").
  • Erst konkret, dann abstrakt. Zuerst sagen, welche Dateien geändert wurden, was geschrieben wurde, dann sagen, zu welcher Kategorie es gehört und wie es heißt.
  • Neue Konzepte zuerst vorbereiten, dann verwenden. Nicht zulassen, dass Begriffe wie „Kandidat" oder „Blindauswahl" im Kaltwasser-Abschnitt zum ersten Mal auftauchen.
  • Beweise erst nach der Schritt-für-Schritt-Erklärung präsentieren, keine Zahlen zwischendrin einstreuen; bei Kontrollstudien zuerst sagen, wie die Kontrollgruppe vorgegangen ist, dann das Ergebnis nennen.
  • Rollen klar angeben: Bei mehreren Modellen explizit sagen „Hier gibt es zwei Modelle: das arbeitende ist X, das Harness-ändernde ist Y"; klarstellen, ob Gewichte sich ändern oder nicht, ob Reinforcement Learning involviert ist.
  • Benchmark-Namen beim ersten Auftreten zuerst erklären; Einheiten im gesamten Video einheitlich („Punkte" nicht mit „Prozentpunkten" verwechseln); „es" darf nicht mehrdeutig sein.
  • Auf dem Bildschirm nur Bezeichnungen verwenden, die auch im Voiceover vorkommen.

Stil

  • Dem Zuschauer vertraute englische Fachbegriffe (Harness, Agent, Diff) direkt verwenden, im gesamten Video eine einheitliche Bezeichnung, keine eigene chinesische Übersetzung einführen. Branchenübliche Begriffe verwenden (RL-Umgebung, Trajektorie, Verifier), keine eigenen Metaphern erfinden.
  • Szenen in Alltagssprache beschreiben; Aufgaben- und Benchmark-Namen zuerst in einen klaren Alltagssatz übersetzen.
  • Wenn du der Autor wärst: Nach der Frage „Was würdest du denken?" 1 Sekunde Pause lassen (Bild zeigt „?"), dann „Ich vermute …". Bei Vermutungen muss „ich vermute" gesagt werden.
  • Essenz in einem Satz: Muss nacherzählbar sein, danach ein ergänzender Satz; keine plakativen Kurzsätze (siehe Checkliste).
  • Lange Listen nach der eigenen Gruppierung des Papers erklären, die Gruppierung muss mit der Originaltabelle des Papers übereinstimmen. Das Paper direkt erklären, nicht gewaltsam auf die Werkzeuge des Zuschauers beziehen.
  • Schritt-für-Schritt-Durchlauf: „Erster Schritt … Zweiter Schritt …", bei jedem Schritt sagen, wer was in der Hand hat und macht, mit einem „Warum" ergänzen. Ausgewählte Fallbeispiele erläutern, dass „dies vom Paper zur Demonstration ausgewählt wurde, der Durchschnitt ist nicht so groß".
  • Jeden Mechanismus nach dem Schema „Wie wurde es früher gemacht → Welches Problem gab es → Wie wurde es geändert → Warum ist es besser" erklären.
  • Technische Mechanismen mit minimalen Code-Vergleichen vorher/nachher untermalen; wenn möglich, den Originaltext verwenden (mit „Originalauszug · gekürzt" kennzeichnen), sonst Pseudocode schreiben und mit „Skizze" kennzeichnen.
  • Analogien nur als Hilfsmittel, nach dem Beispiel. Auch über „getestete, aber nicht übernommene" Ansätze sprechen. Bevor Informationen gelöscht werden, fragen: Könnte der Zuschauer es ohne diese Information falsch verstehen?
  • Ergebnisabschnitt: Jede Zahl beantwortet eine Frage, keine Ergebnisse vorlesen; nicht mehrere Zahlen in einen Satz packen. Wenn dasselbe „Maximum/Größte" aus verschiedenen Vergleichen stammt, den Bereich angeben.
  • Kaltwasser-Abschnitt: „Es gibt drei Einwände. Erstens …" Nummerierung vollständig; Material vom Gegenposition-Subagenten; bei vorteilhaften Zahlen auch die gegenteiligen nennen.
  • Ende ohne Belehrung: „Was können wir daraus lernen?" „Meine größte Erkenntnis ist …"; keine befehlenden Sätze wie „Du kannst mitnehmen".
  • Gesprochene Sprache, kurze Sätze; Untertitel mit arabischen Ziffern.
  • Vor der Abnahme jeden Satz mit references/voiceover-selfcheck.md prüfen.

Zeichenzahl und Rhythmus: Insgesamt ca. 5,8 Zeichen/Sekunde (chinesische Zeichen, englische Wörter, Zahlen zählen jeweils als 1); 6–8 Minuten entsprechen etwa 2000–2700 Zeichen. Nicht durch schnellere Sprechgeschwindigkeit, sondern durch kürzere Pausen: Sätze innerhalb eines Abschnitts am Stück sprechen, nur vor ausgespielten Fragen, Wendepunkten und Schlüsselzahlen eine ganze Pause einlegen; im Manuskript mit „‖" ganze Pausen markieren (3–5 pro Kapitel). Ziel: Pausenanteil 10–12%, durchschnittlich alle 5–6 Sekunden eine Pause.

Format der Voiceover-Datei (wird von der Engine direkt gelesen): Abschnittsüberschrift ## 00 · Abschnittsname, zu sprechende Sätze pro Zeile, beginnen mit - ; „> Bildschirmkarte" und erklärender Text werden nicht gesprochen. Satz-ID = s<Abschnitt>-<Nummer>.

5–6. Blindtest + Faktenprüfung + Gegenposition (unabhängige Subagenten, gleichzeitig)

  • Höre-nur-einmal-Blindtest: Zwei Rollen (A fachfremd, B fachkundig), feste Fragen, Liste von Missverständnissen, Bewertung. Schwelle: A ≥ 8 Punkte, bevor die Sprachaufnahme erstellt wird. Brief-Vorlage references/listen-test-brief.md. Probleme aus dem Blindtest müssen einzeln behandelt werden, nicht nur mit einem zusätzlichen Satz.
  • Faktenprüfung: Voiceover + Paper, jede Zahl, Stärke der Zuschreibung, Einschränkungen, Vergleichsobjekte, ob „Vermutung" gekennzeichnet ist, ob die Gruppierung mit der Originaltabelle des Papers übereinstimmt; Ausgabe als must-fix (direkt ersetzbare Sätze).
  • Gegenposition: Nur das Paper, Standpunkt des Gutachters einnehmen: verletzlichste Annahme, ob der Vergleich fair ist, gegen Baseline verlorene Felder, Stichprobengröße, Gegenbeispiele, Ein-Wochen-Reproduktion; Material für den Kaltwasser-Abschnitt produzieren. Brief-Vorlage für Prüfung und Gegenposition references/factcheck-brief.md.
  • Nach jeder Überarbeitung (insbesondere nach dem Hinzufügen von Zahlen und Einschränkungen durch die Prüfung) den Blindtest und die Prüfung der geänderten Sätze erneut durchführen. Genauigkeit und Verständlichkeit müssen gemeinsam geprüft werden. Schwelle an veröffentlichten Manuskripten kalibrieren.

7. Autor prüft Voiceover (anhalten und auf Bestätigung warten)

  • Zuerst eine Seite mit der Logikkette geben: pro Abschnitt eine Zeile „Frage des Zuschauers → Antwort in diesem Abschnitt".
  • Keinen großen Textblock senden: nach Abschnitten unterteilen, Unterüberschrift + ein Satz Erklärung + Voiceover Satz für Satz; wichtige Schlussfolgerungen fett markieren.
  • Abschnittsweise review, jedes Mal 1–3 Abschnitte, schreiben „Jetzt → Problem → Nach Änderung", Ja/Nein-Fragen stellen, die direkt beantwortbar sind, in Alltagssprache mit Kontext; wenn es eine sinnvolle Voreinstellung gibt, diese verwenden und einen Satz zur begründung hinzufügen.
  • Die Präferenzen des Autors notieren und nach Abschluss dieses Skill aktualisieren. Erst nach Bestätigung mit der Sprachaufnahme und Produktion fortfahren.

8. Storyboard: Stil-Karte, Kameraplan, Fortschrittsbalken

Stil-Karte

Bild = Skelett (Struktur, Kamerafahrten, Eintauchen ins Paper, große Leinwand, Übergangs-Timing, fest für das gesamte Video) + Stil-Karte (Farbpalette, Schriftart, Material, charakteristische Bewegungen, Stil feststehender Elemente). Stilwechsel nur durch Austausch der Karte. Ein Video verwendet nur eine Karte, innerhalb einer Serie wird dieselbe Karte beibehalten. Der Takt folgt dem Voiceover, die Komposition jeder Einstellung wird basierend auf der Karte neu entworfen.

Karte ④ Zeitungs-Datenjournalismus (Standard, engine/common/style.js bereits implementiert)

  • Farbpalette: Papier #FFF1E5|Tinte #33302E|Sekundär #66605C|Feine Linien #CCC1B7|Weinrot #990F3D = Verbesserung / Schlüsselzahlen / unsere Markierungen|Oxford-Blau #0F5499 = Baseline / Original|Cyan #0D7680 = Verbindung, Linie, ✓|Grau #B9AFA6 = Abgelehnt / Neutral|Weizengelbe Fläche #F2DFCE.
  • Schriftarten: Chinesische Überschrift Noto Serif SC Black (Aufhänger 132px, Kapitel-/Einstellungs-Hauptüberschrift 92px, Karten 56–64px, Zeilenabstand 1.1); Fließtext, Etiketten Noto Sans SC; Zahlen Inter 800 + tnum; Spaltenkennung (Kicker) Bold 28–30px, darüber ein 56×5 weinroter kurzer Strich. Schriftarten werden von style-cards/editorial/get-fonts.sh heruntergeladen (OFL).
  • Layout: Kicker + große Überschrift + Einleitung + Grafik; linker Rand 120px, striktes Spaltenraster; 1px feine Linien und 4px dicke Linien zur Schichtung; Diagramme nur horizontale Gitterlinien zeichnen, Etiketten direkt auf die Linien und Punkte setzen, keine Legenden; Anmerkungen = feine Führungslinie + kurzer Erklärungssatz; linke untere Ecke jedes Bildschirms Quellenzeile in Grau (≥26px, wird von chrome.js einheitlich gezeichnet).
  • Charakteristische Bewegungen: Überschrift zeilenweise von oben nach unten einblenden (easeOutQuart 0.55s, ED.maskLine); Einleitung von links hereinwischen (wipeText); feine Linie von links wachsen lassen (growLine); Außenrahmen im Uhrzeigersinn nachzeichnen (strokeCW); Linien von links nach rechts zeichnen, Zahlen synchron scrollen; Schlüsselphrasen mit weinroter Unterstreichung von links nach rechts enthüllen (underlineSweep); Diagramm-Einstellungen 3–4% sanft hineinzoomen. Kein Hüpfen, kein Leuchten.
  • Übergänge: Zwischen Kapiteln horizontales Wischen wie bei einer Zeitungsseite (0.6s, wird von chrome.js einheitlich gezeichnet); innerhalb von Kapiteln kontinuierliche Verformung / große Leinwand.
  • Feste Elemente: Obere Navigationsleiste (Zeitungsspalten-Stil mit Fortschrittsbalken), weizengelbe Untertitel-Leiste (Serifenschrift Bold 44px), Quellenzeile – alles wird von engine/common/chrome.js gezeichnet, Kapitel zeichnen diese nicht selbst.
  • Nachteile: Etwas kühl, viele Textebenen, 28px-Anmerkungen auf dem Handy etwas klein, möglichst sparsam verwenden.

Andere Karten (Repository enthält keine Implementierung, style.js bei Bedarf selbst schreiben): ② Handgezeichnete Tafel (Excalidraw-Stil, geeignet für Architekturzerlegung); ① Mathematische Animation (3Blue1Brown-Stil, geeignet für Formelherleitungen; harte Regel 8 empfiehlt keinen durchgehend dunklen Hintergrund, falls doch, bei PDF-Seiten auf dunklem Grund Helligkeit reduzieren und Vignette hinzufügen); ⑤ Dunkler Entwickler (geeignet für praktische Engineering-Aufgaben); ③ Neue Groteske (für kurze Aufhänger, bei längeren Filmen anstrengend); A Warmweiße Erklärung (Hintergrund #FAFAF7, Fokus-Orange #D4552A = Verbesserung, Schieferblau #3E6A8A gestrichelt = Baseline). Beim Wechsel der Karte: Bewegungsarten bleiben gleich, nur Easing-Charakter (③ kein Zurückfedern) und Aussehen der Kapitelübergänge ändern; Farbsemantik ist fest: Verbesserung = Akzentfarbe der Karte, Baseline = kühle Farbe, Abgelehnt = Grau.

Regeln für dichte Absätze (alle Karten)

  1. Ein Bildschirm, ein Star: Wer gerade besprochen wird, nimmt ca. 65% Breite ein, Kamera zoomt 1.3–1.5× heran; beim Wechsel des Stars wird der vorherige oben in einer dünnen Zusammenfassungszeile abgelegt; nur in dem Satz, der die Beziehung klärt, für 1–2 Sekunden auf das Ganze herauszoomen.
  2. Textlimit: Ohne Untertitel maximal ca. 25 chinesische Zeichen pro Bildschirm, ≤4 visuelle Blöcke; bereits Gesagtes nicht noch einmal als Etikett schreiben; ein Element hat höchstens ein Etikett.
  3. Keine zweisprachigen Etiketten (Chinesisch/Englisch); alle lesbaren Zeichen ≥28px, Quellenzeile 26px möglich.
  4. Nicht lesbare kleine Ausschnitte aus Papern nicht zeigen: Wenn zitiert, dann in voller Größe hineinzoomen, ≥1.5s klar erkennbar, danach nur die Quellenzeile oder eine kleine Referenzmarke behalten.
  5. Platzhalter sparsam: Nächste Spalte nur eine feine Linie + kleine Spaltenkopf, keine großflächigen grauen Gerüste.
  6. Oben nur eine Navigation: Die Schritte dieses Kapitels als Unterteilung im Fortschrittsbalken darstellen, keine separate Zeile.

Storyboard-Regeln, die für alle Karten gelten

  • Kernerzähltakt: Originalseite → Gelber Textmarker rgba(250,199,117,0.7) folgt dem Voiceover von links nach rechts (mit Marker-Sound) → Originaltext klar stehen lassen ≥3 Sekunden (Ein- und Ausblenden und Zoomen nicht mitgerechnet); vor dem Neuzeichnen einer Grafik zuerst das Original zeigen und den zu besprechenden Punkt einkreisen.
  • Zwei Arten von Markern: Wichtige Stellen auf dem Original = gelb (bei allen Karten gleich); unsere Anmerkungen (Führungslinien, Kreise, Unterstreichungen) = Akzentfarbe der Karte (④ weinrot). Der Zuschauer sieht sofort, was Original und was Interpretation ist.
  • Feste Kameraeinstellungen: Schritt-für-Schritt-Durchlauf-Einstellung|Code-Vergleichs-Einstellung|Ebenentabellen-Einstellung|Autoren-Gedanken-Einstellung (mit „Vermutung" kennzeichnen)|Kontrollstudien-Einstellung (wie Experimental- vs. Kontrollgruppe vorgegangen sind)|Zusammenfassungskarte.
  • Untertitel-Hintergrunddeckkraft ≥0.97, eine Zeile ≤22 Zeichen, deckungsgleich mit dem Voiceover.
  • Schriftgröße: Zu lesender Text ≥28px; Informationstragender Text in Tintenfarbe, grauer Text nur für Metadaten.
  • Keine leeren Bildschirme: Inhalt füllt etwa 70%; zu keinem Zeitpunkt (auch während Verformungen und Kamerafahrten) darf der halbe Bildschirm länger als 2 Sekunden leer sein. Der Lande-Frame muss bereits einen Star haben.
  • Bildsprache nicht irreführen: Vertikale Pfeilketten werden als Datenfluss gelesen; Dinge, die nicht zum nächsten Element fließen, daneben platzieren, mit gestricheltem Rahmen und Beschriftung versehen.
  • Schema-Grafiken mit „Skizze" kennzeichnen; Diagramme maßstabsgetreu, Achsen beschriften; Paper-Logos abdecken, Institutionsnamen nur als Text.
  • Kein zufälliges Rauschen zur Füllung (Math.random-Graustufenraster, Barcodes, Skelettstreifen); Schema-Grafiken 3–4 Stufen glatter Farbskalen verwenden.
  • Titel: Nicht alte und neue übereinander legen (erst ausblenden, dann einblenden); bevor eine neue Bildschirmkomposition erscheint, muss die alte vollständig verschwunden sein, keine Nachleucht-Effekte.
  • Ebenen mit Text nicht mit scale()>1 als Bitmap vergrößern, sondern die Layout-Größe neu berechnen und neu zeichnen.
  • 3D immer mit Three.js mit Beleuchtung (abgerundete Boxen, matte Materialien, Hemisphärenlicht + Hauptlicht + Fülllicht, gebackene Kontaktschatten, 2× rendern und dann verkleinern); CSS 3D verboten.

Sicherheitszone (bereits beim Storyboard nach diesem Layout richten)

  • y 0–64: Nur für den Fortschrittsbalken; Oberkante der Inhaltselemente ≥ y80, reguläre Inhalte in y 136–930, links/rechts innerhalb von 96px.
  • y 900–940: Quellenzeile; y 952–1040: Untertitel-Leiste. Diagrammzahlen, Etiketten gehen nicht in diese Bereiche.
  • Optionaler Avatar: unten rechts, ungefähr x>1660, y>840; zu lesender Inhalt bei x<1640, y<940.
  • Den Fortschrittsbalken/Avatar nicht nachträglich über das fertige Video legen (sonst müsste der Hauptinhalt verkleinert werden und die Untertitel würden kleiner mitlaufen).

Kamerafahrten und Übergänge (drei Techniken, je nach Inhalt einsetzen)

Verboten: „Ausblenden auf leere Seite und von Null aufbauen" und bildschirmfüllende Überblendungen (wie bei PPT).

InhaltTechnikVorgehen
Großteil der Erklärung: Konzept, Hintergrund, Essenz in einem Satz, Ergebnisse, KaltwasserKontinuierliche Verformung (3Blue1Brown-Stil)Die Elemente der nächsten Einstellung wachsen aus der vorherigen hervor: Etikett fliegt in die Mitte und wird zur Hauptgrafik, Überschriftenschrumpft und geht in Formel ein, Unterelemente springen aus dem übergeordneten Element hervor, wenn das Voiceover sie nennt, ? wird zur Glühbirne, Fragenkarte dreht sich in Kaltwasserkarte. Jedes eingehende Element muss einen Ursprung haben
Zitieren von Original-Text/Abbildungen aus dem PaperEintauchen ins Paper (echtes Papier)Das Paper ist ein echtes Blatt Papier mit Schatten, etwa 1.5–2° geneigt (echte PDF-Seite, keine grauen Platzhalter), normalerweise in der Ecke zusammengezogen; wenn zitiert wird, gleitet es zurück, blättert um (0.8s, Rückseite des Papiers wird gezeichnet), zoomt 2–3× auf den Satz oder das Bild, Textmarker fährt darüber; beim Besprechen einer Grafik wird der betreffende Bereich „herausgehoben" und fliegt als neu gezeichnete Animationskarte heraus. Der herausgehobene Screenshot bleibt daneben und bedeckt nicht die Zielkarte, nach Gebrauch in die Miniaturkarte in der Ecke zurückkehren. Heranzoomen nicht über die Auflösung des Screenshots hinaus
Abschnitte mit zeitlicher Abfolge (Schritt-für-Schritt, Prozess)Kamerafahrt auf großer Leinwand (Kurzgesagt-Stil)Die Schritte werden von links nach rechts auf derselben großen Leinwand angeordnet; die Kamera fährt zwischen den Schritten horizontal (0.5–0.9s easeInOutCubic + whoosh); in der Ecke eine Miniaturkarte des Papers. Das Gerüst der nächsten Station wird vorbereitet, während der Fahrt ist das Ziel bereits sichtbar; die außerhalb des Bildes abgeschnittene Hälfte der benachbarten Karte wird abgedunkelt. Pro Episode nur 1–2 Abschnitte, nach dem Durchlauf auf das Ganze herauszoomen und in einer zusammenfassenden Kette enden
  • Gesamtskelett des Videos: Grundlage ist kontinuierliche Verformung → jedes Mal, wenn das Paper erwähnt wird, eintauchen → bei Schritterklärungen große Leinwand → zwischen großen Abschnitten Kapitelübergänge von ≤0.6s, nur 5–6 Mal verwenden.
  • Bewegungssyntax: Einfliegen ease-out (④ kein Zurückfedern), Unterelemente um 60–120ms versetzt; Kamerafahrt easeInOutCubic; dasselbe Objekt über Einstellungen hinweg als dasselbe Element behandeln (Position/Skalierung interpolieren), nicht ein neues einblenden; beim Zoomen von Karten der Inhalt mitzoomen, nicht zuerst leeren und dann zoomen.
  • Bewegungsunschärfe: 12–16 gleichgewichtete Samples, Nachlauf ≤ die Hälfte der Einzel-Frame-Verschiebung und ≤40px; bei Zoom kein Richtungsunschärfe; beim Schwenken des gesamten Bildschirms Unschärfe ≤0.35s.
  • Zuerst den Kameraplan erstellen (references/shot-plan.md): Pro Abschnitt schreiben, welche Technik verwendet wird, was von der vorherigen Einstellung übrig bleibt, aus welchem Element die nächste Einstellung entsteht, Originalquelle, Ankerwort. Der Autor muss den Plan gesehen haben, bevor die Bildarbeit beginnt.

Oberer Spalten-Fortschrittsbalken

  • Unterteilt das Voiceover in 6–8 Spalten, auf dem Bildschirm zweistellige Zeitungsspaltennamen verwenden (Einführung / Hintergrund / Ansatz / Zerlegung / Ergebnisse / Zweifel / Erkenntnisse …); „Aufhänger" und „Kaltwasser" sind interne Bezeichnungen, erscheinen nicht auf dem Bildschirm.
  • Konfiguration im film.json des Projektverzeichnisses unter nav: [{ "n": "01", "name": "Einführung", "sections": ["00"] }, ...]; Start- und Endzeiten aus der timeline.json. Aktuelle Spalte in weinroter Serifenschrift, bereits abgespielter Fortschritt als weinrote Linie, in den letzten 2 Sekunden jeder Spalte pulsierende Vorschau auf die nächste Spalte. Implementierung: engine/common/chrome.js.

Avatar (optional)

Standardmäßig nicht zeigen. Wenn gewünscht, ein Bild deines Avatars mit transparentem Hintergrund verwenden, in der letzten Ebene der Compositing unten rechts in die Sicherheitszone legen; im gesamten Video durchgehend oder nur am Anfang/Kapitelende/Ende zeigen; wenn die Kamera in das Paper zoomt (≥1.4×, oder Originaltext landet unten rechts), vollständig aus dem Bild schieben, nach dem Herauszoomen wieder hinein, jeweils 0.35s, keine Transparenz. Beim Storyboard bereits nach der Sicherheitszone layouten.

9. Sprachaufnahme (beliebiges TTS)

  • Jedes TTS verwenden, das wav/mp3 ausgeben kann (kommerzielle Webseite, API, lokales Modell), abschnittsweise generieren (jede Charge ≤ ca. 450 Zeichen, längere Chargen verschlucken leicht Buchstaben). Zahlen, Versionsnummern in chinesischer Aussprache schreiben („dreiundvierzig Komma eins", „Opus vier Komma acht"); englische Fachbegriffe beibehalten; Untertitel mit arabischen Ziffern (numfix in chapter.json).
  • Jede Charge zuerst mit Spracherkennung auf Anfangs-/Endwörter und englische Eigennamen prüfen (engine/voice/align.py asr), falsch gelesene Sätze einzeln neu generieren und in voice.json unter overrides eintragen.
  • Ein bewährter Weg (Beispiel): Eine kommerzielle TTS-Webseite, eine technische Erklärstimme auswählen, 1x Geschwindigkeit; jeden Abschnitt „Text einfügen → Automatische Emotions-Tags hinzufügen → Generieren → Ersten Download"; bei Verwendung von Browser-Automatisierung einen neuen Tab öffnen, nicht den Tab des Benutzers berühren. Stimme und Account selbst bereitstellen, nicht mit dem Repository verteilen.
  • Vor der Auslieferung abschnittsweise transkribieren und mit den Anfangs-/Endwörtern der Originalaufnahme abgleichen; Ausblenden ≤2 Frames.

10. Ausrichtung und Tonspur

  • uv run --with numpy python engine/voice/align.py voice.json: Erkennungsergebnis zeichengenau mit Voiceover abgleichen → Satzgrenzen an Stille anpassen → Stille am Anfang und Ende jedes Satzes entfernen, lange Pausen innerhalb von Sätzen auf ≤0.30s reduzieren, atempo 1.05, 8ms Ein-/Ausblenden → Ausgabe voice/voice.wav, timeline.json, clauses.json.
  • Pausenparameter (aktuellste veröffentlichte Episode): Vorspann 0.3s, zwischen Sätzen 0.35s, zwischen Abschnitten 0.7s, Nachspann 2.5s; bei Fragen, „‖"-Stellen, vor Schlüsselzahlen kann auf 0.8–1.0s erhöht werden.
  • timeline.json ist die einzige Zeitquelle für das gesamte Video: Fortschrittsbalken, Untertitel, Ankerwörter, Soundeffekte-Cues stammen alle daraus. Neue Sätze hinzufügen erfordert nur ein neues Fragment und erneutes Ausführen von align. Ohne Sprachaufnahme engine/tools/mk_dummy_timeline.py verwenden, um eine Platzhalter-Zeitachse zu erzeugen, damit zuerst die Bildarbeit erledigt werden kann.
  • Hintergrundmusik (engine/audio/audiolib.py music): numpy synthetisiert, keine Copyright-Materialien. Warmer Pad + sanfte Arpeggien + Bass, F-Dur Fmaj7–Dm7–Bbmaj7–C7, 84 BPM; ungefähr −28 LUFS; ducking ca. 7 dB bei Sprache (Attack 60ms / Release 450ms); Ein-/Ausblenden am Anfang und Ende.
  • Soundeffekte (sfx, etwa 19 dB leiser als Sprache; 24 dB sind auf dem Handy unhörbar): Kamerafahrt/Kapitelübergang = whoosh; Textmarker = marker; Karten/Etiketten/✓✗ = pop (ausgerichtet auf den tatsächlichen Einblend-Frame des Elements); Zahlen-Animation = tick; Papier heben/umblättern = paper. Kein whoosh, wenn es keine Bildbewegung gibt. Zeitpunkte werden durch data.cue() in der Szene registriert, dieselbe Zeitquelle wie render(t).
  • Mischen (mix): Zweimal loudnorm I=-16:TP=-1.8:LRA=11 → AAC 192k; nach der Codierung gemessener True Peak ≤ −1.5 dBTP.
  • Vor der Auslieferung mit Kopfhörern und Handy-Lautsprecher jeweils einmal anhören (nur auf Messwerte verlassen ist nicht ausreichend; Agenten können nicht hören, daher den Autor bitten, die Stellen mit der dichtesten Sprache zu identifizieren).

11. Produktion und Rendering

Gemeinsame Komponenten zuerst erstellen, dann Aufgaben verteilen (API-Dokumentation engine/README.md)

  • timeline.json / clauses.json: Zeitachse des gesamten Videos; Kapitelzeit = Start/Ende des Kapitelabschnitts, innerhalb des Kapitels lokale Sekunden.
  • film.json: Kapitelreihenfolge, Fortschrittsbalken-Spalten, Credits am Ende.
  • engine/common/chrome.js: Fortschrittsbalken, Untertitel, Quellenzeile, Kapitelanfang mit Zeitungsseiten-Umblättern. Kapitel zeichnen nur renderContent, feste Elemente nicht selbst zeichnen, so dass zusammengesetzt nur einheitliche UI entsteht.
  • Kapitel-Brief: Volltext der Stil-Karte + dichte Absatzregeln + API + Faktenregeln + Budget; von Anfang an „Fläche zu etwa 70% gefüllt, zu keinem Zeitpunkt (auch während Verformungen und Kamerafahrten) nahezu leerer Bildschirm, Kamerahauptüberschrift 92px, keine grauen Platzhalter" mit aufnehmen.
  • Master-Grafik: Der gesamte Film verwendete Code für die Master-Grafik als Spezifikationsdatei schreiben (z.B. examples/always-on/MOTHER.md), jedes Kapitel kopiert sie unverändert.

Parallele Kapitel: Pro Kapitel ein Produktions-Agent, der Hauptcontroller macht nur gemeinsame Komponenten, einheitliches Rendering und Schnitt.

  • renderContent(ctx, t, data) in scene.js muss eine reine Funktion von t sein: keine CSS-Animationen, keine Timer, Zufallszahlen mit seed PRNG. Schnittpunkte dürfen nur über Ankerwörter berechnet werden (data.A(Satz-ID, Teilzeichenfolge)), keine manuell geschriebenen Sekundenzahlen.
  • Kapitelübergang: Bei t=0 jedes Kapitels muss bereits ein vollständiges Layout vorhanden sein, die letzten 0.5s sind ruhig; engine/tools/prep_render.mjs exportiert den letzten Frame des vorherigen Kapitels ohne Chrom als Hintergrund für das Umblättern des nächsten Kapitels (prev.png). Das erste Kapitel kann renderPrev implementieren, um die „vorherige Seite" selbst zu zeichnen.
  • Überlange Kapitel (>90s) auf zwei Agenten aufteilen, einen einmaligen Schwenk zur Übergabe verwenden: die Koordinaten der Elemente auf dem Übergabeframe, die Canvas-Koordinaten und die Endgeschwindigkeit in den Brief schreiben.
  • Wenn an gemeinsamen Komponenten geändert wird, müssen alle Kapitel-Agenten benachrichtigt werden; bereits gerenderte Kapitel müssen die betroffenen Frames neu rendern; im Zweifelsfall das gesamte Kapitel neu rendern.
  • Produktions-Agenten prüfen nur mit Standbildern (headless die Shell-Seite öffnen, seek(t) Screenshot, pro Runde ≤10 Frames); Endprodukte werden nur mit WebCodecs erstellt.

Rendering (einziger Weg)

  1. node engine/tools/serve.mjs 8771 (nur 127.0.0.1 abhören).
  2. Lokalen Chrome öffnen, neuen Tab: http://127.0.0.1:8771/engine/common/shell-wc.html?ch=<Kapitelverzeichnis>.
  3. Konsole await probe(): webglRenderer prüfen (sollte echte GPU sein, z.B. Apple M-Serie/Metal, NVIDIA, AMD) und ob prefer-hardware unterstützt wird; falls software: true, anhalten und melden.
  4. startRender({ to: 10, download: false }) 10 Sekunden testen, __prog.msPerFrame prüfen (auf GPU in der Regel 5–15 ms/Frame).
  5. startRender({ name: 'chNN.mp4' }) → __prog.state === 'done' abfragen → Browser-Download. Jeder Tab lädt nur einmal herunter (der zweite wird von Chrome stillschweigend blockiert), für jeden Output einen neuen Tab öffnen, nach dem Rendern schließen.
  6. Nach dem Download cp (nicht mv) nach <Kapitel>/build/video.mp4, ffprobe -count_frames Frame-Anzahl prüfen = ceil(T×30).
  7. node engine/common/assemble.mjs --project <Projektverzeichnis>: Frame-genauen Concatenation, Musik/Soundeffekte, Mix, Verpacken, zusätzlich <30MB Lightweight-Version erstellen. Mix nicht mit -shortest, A/V-Versatz < 1 Frame.

Reihenfolge: Rohschnitt → Unabhängige Prüfung → Vollständiges Video → Künstlerische Feinarbeit → Erneute Prüfung → .1 Revision

  1. Zuerst zwei komplett zusammengesetzte Rohschnitte ausgeben: A = Aufhänger + erstes Eintauchen ins Paper (ca. 30 Sekunden); B = ersten ein bis zwei Stationen auf der großen Leinwand (ca. 40 Sekunden). Dem Autor zur Ansicht des Look&Feel und der Lautstärke zeigen, gleichzeitig dem Prüf-Agenten vorlegen.
  2. Der Prüf-Agent ist unabhängig von der Produktion (sieht nur das fertige Video + dieses Skill + Paper-Karte), prüft Punkt für Punkt nach references/review-checklist.md, gibt must-fix / should / nice aus, mit Zeitstempeln und konkretem Änderungsvorschlag.
  3. must-fix werden am gesamten Video einheitlich umgesetzt, nicht nur im Bereich der Musterausschnitte.
  4. Kapitelweise künstlerische Feinarbeit: Nachdem Inhalt und Zeitachse eingefroren sind, erhält jedes Kapitel einen Agenten, der nur für die Optik zuständig ist (ändert keine Voiceover, keine Kamerareihenfolge, keine Zahlen), jedes Bild extrahiert 3 Frames (beim Einfliegen / Endposition / vor dem Verlassen), muss wie ein eigenständiges Plakat bestehen können; Prüfung auf Schriftarten-Vier-Ebenen-Hierarchie, Größe des Stars (Schlüsselzahlen ≥200px), Verwendung von charakteristischen Bewegungen, Farbbedeutung nicht verfälscht, Spaltenraster eingehalten, keine PPT-Karten mit „Standardgrauem Rahmen + kleiner Schrift". Festgestellte Inhaltsprobleme ins Review aufnehmen, an den Produzenten zurückgeben.
  5. Das gesamte Video erneut prüfen, Korrekturen einarbeiten, .1 Version ausgeben; vor der ersten Prüfrunde wird keine „Finalversion" ausgegeben.

12. Selbstkontrolle und Auslieferung

  • Nach references/review-checklist.md alle Punkte prüfen, sofern im Projekt zutreffend.
  • ffmpeg -i endgültig.mp4 -filter:v "select='gt(scene,0.1)',showinfo" -vsync vfr -f null - 2>&1 | grep "pts_time": Nach Standbild-(Kader)-Bildern suchen, die durch Standbildfaktur (scene detect) erkannt werden. Kein Frame darf länger als 0.04s absolut identisch sein (Bewegungsunschärfe bleibt erhalten, die Prüfung erfasst nur exakte Duplikate). Frames mit Fehlern in das nach film.json/[.filmOut]/dropped_frames exportieren.
  • Lautheit des vollständigen Films auf Zielplattform prüfen: loudnorm I=-16:TP=-1.5:LRA=11. Alle Untertitel (SRT) auf 1–2 Zeilen Breite prüfen.
  • Lieferung als zwei Dateien: episode.mp4 (vollständige Qualität, 1920×1080, H.264 ca. 3–5 Mbps, AAC 192k) + episode_light.mp4 (für schnelle Übertragung/Web, unter 30 MB, max. 2–3 Mbps).
  • Dateiname: Film-ID-Version.mp4 (z.B. paper-001-v1.mp4).
  • Dem Autor ein ZIP-Archiv mit dem gesamten Projektverzeichnis (ohne node_modules/, ohne build cache) senden, zusätzlich einen Link zum endgültigen Video (privat auf Plattform hochladen).

Anhang: Checklisten und Vorlagen

references/paper-card.md (12 Punkte)

  1. Titel + Autoren + Institution + Jahr + arXiv-ID
  2. Kernproblem: Was war vorher die Einschränkung, die dieses Paper zu lösen versucht?
  3. Zentrale These / Methode in einem Satz.
  4. Vollständige Fallstudie: Eingabe → was passiert in jeder Schicht → Output messen.
  5. Architekturdiagramm (Originalgrafik aus dem Paper, nach Möglichkeit mit Quellenangabe).
  6. Ein Haupt-Fachbegriff, der für das Verständnis notwendig ist + Definition in einem Satz.
  7. Wichtigste Ergebnisse (Zahlen, wobei konkrete Vergleiche und Einschränkungen).
  8. Einschränkungen: Was hat das Paper nicht getestet, wo liegen die Grenzen?
  9. Code und Reproduzierbarkeit: Gibt es Open-Source-Code? Kann das Experiment wiederholt werden?
  10. Anknüpfung an verwandte Arbeiten: Wem folgt dieses Paper, gegen wen positioniert es sich?
  11. Ein klares, durchgängiges Beispiel (von Anfang bis Ende).
  12. Mögliche Erkenntnisse / Frage für das Video: Was kann der Zuschauer nach diesem Video?

references/question-chain.md (Muster)

  • [Abschnittsname] Zuschauerfrage → Voiceover-Antwort (nächster Satz/letzter Satz dieses Abschnitts)
  • [Kaltwasser] Zuschauerfrage → Voiceover-Antwort
  • …

references/listen-test-brief.md (Vorlage)

  • Rolle A (fachfremd): Höre dir das Voiceover nur einmal an. Kannst du die Kernidee erklären? Welche Stelle war verwirrend?
  • Rolle B (fachkundig): Höre dir das Voiceover nur einmal an. Sind alle Fakten korrekt und ausreichend belegt? Fehlt ein wichtiger Schritt?
  • Bewertung 1–10: Wie gut hast du das Paper verstanden (A)? Wie zufrieden bist du mit der Korrektheit (B)?
  • Schwelle: A ≥ 8, sonst überarbeiten.

references/factcheck-brief.md (Vorlage)

  • Vorlage für Faktenprüfer: Prüfe, ob jedes erwähnte Ergebnis mit der Originaltabelle übereinstimmt, ob die Kausalitätsbeschreibung korrekt ist, ob Einschränkungen vollständig genannt sind.
  • Vorlage für Gegenposition: Nimm die Rolle eines kritischen Gutachters ein. Welche Annahme ist am verletzlichsten? Ist der Vergleich fair? Sind alle Gegenbeispiele genannt?

references/shot-plan.md (Muster)

AbschnittTimingKameratechnikVon vorheriger EinstellungAus welchem Element entsteht die nächsteOriginalquelleAnkerwort
Intro0–30sKontinuierliche Verformung–Aus dem Aufhängersatz wird die Paper-SeitePaper-TitelbildAufhänger
Paper-Seite30–45sEintauchenAufhänger verschwindetAus dem Paper-Textmarker wird das erste DiagrammPaper-SeiteTextmarker
…………………

references/review-checklist.md (Muster)

  • Sind alle Fakten korrekt? (Vergleich mit Paper-Karte und Faktenprüfbericht)
  • Ist das Voiceover natürlich und ohne KI-Sprech? (Kein „nicht … sondern …"? Alle Sätze geprüft?)
  • Sind die Übergänge flüssig und die Kamerafahrten logisch?
  • Deckung von Bild und Ton? (Untertitel richtig?)
  • Ist der Fortschrittsbalken korrekt und zeigt die richtige Spalte an?
  • Ende: Diskussionsfrage + Credits + Abo-Hinweis?
  • Gesamtlänge 6–8 Minuten? (ca. 10 Minuten akzeptabel)
  • Sind alle harten Regeln aus Abschnitt 1 eingehalten?

references/voiceover-selfcheck.md (Zusammenfassung)

  • Jeder Satz ist ein vollständiger Satz und keine Stichpunkte.
  • Kein „nicht … sondern …"-Konstruktion.
  • Keine unbelegten Behauptungen („das wissen alle" etc.).
  • Eigene Erfahrungen sind als solche gekennzeichnet („ich habe getestet" nur, wenn es stimmt).
  • Offizielle Claim vs. eigene Messung vs. logische Schlussfolgerung sind getrennt.
  • Jeder Fachbegriff wird beim ersten Auftreten erklärt.
  • Vergleichsgrößen sind klar und Einschränkungen genannt.
  • Sätze sind kurz, unter 20 Sekunden Lesedauer.
  • Zahlen sind als arabische Ziffern geschrieben (nicht ausgeschrieben).
  • Englische Fachbegriffe sind korrekt und einheitlich verwendet.
  • Es gibt keine Doppelbelegungen von Begriffen oder widersprüchliche Aussagen.
  • Die gesamte Logikkette ist nachvollziehbar: Jedes Problem hat eine Antwort, jede Antwort führt zum nächsten Punkt.

Verwandte Skills