Communitygithub.com

CleanExpo/Pi-Dev-Ops

Erstellt automatisiert und vollständig KI-gesteuerte Faceless-YouTube-Videos im handgezeichneten Doodle- oder einfachen Illustrations-Stil – von der ersten Idee bis zum fertigen Video.

Was ist Pi-Dev-Ops?

Diese hochspezialisierte Skill-Pipeline ermöglicht es AI-Agenten (z. B. Claude Code, Cursor), vollständig automatisierte Faceless-Videos für YouTube zu produzieren. Der Workflow startet mit einer obligatorischen Abfrage des Video-Modus (‚FACT‘ für lehrreiche Sachthemen oder ‚STORY‘ für fiktive Erzählungen), die alle nachfolgenden Schritte steuert. Ein Referenzvideo wird analysiert, um dessen Skript-Struktur umzukehren und eine formatgetreue Vorlage zu extrahieren. Daraufhin wird ein neues Skript verfasst und mittels ElevenLabs TTS in eine Sprachaufnahme mit präzisen Zeitstempeln umgewandelt. Pro Zeitstempel wird über die Artlist AI Toolkit ein consistent gestyltes Bild generiert – immer mit demselben visuellen Stil-Token, um Markenkonsistenz zu gewährleisten. Abschließend werden alle Bilder und die Tonspur per FFmpeg zu einem fertigen MP4-Video zusammengeschnitten. Die Plattform-Umgebungen umfassen primär Artlist AI Toolkit und ElevenLabs; als Fallback dient ein MCP-basierter Bildgenerator. Der gesamte Prozess ist darauf ausgelegt, mehrere Kunden/Kanäle zu bedienen, und kommuniziert optional mit den Skills video-distribution-strategist und video-director für erweiterte Schritte wie Launch-Planung oder Bewegtgrafik-Politur.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/CleanExpo/Pi-Dev-Ops/tree/HEAD/skills-library/skills/faceless-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Faceless Video Pipeline

Erstelle ein Video für einen gesichtslosen Kanal als deterministische 4-Stufen-Pipeline. Quellenangabe: ~/2nd Brain/2nd Brain/Wiki/research-faceless-youtube-claude-code-pipeline-2026-06-26.md.

Harte Regeln (Plattformrisiko + Qualität)

  1. Stimme = ElevenLabs Voice Artist (Phils kostenpflichtiger Plan), KEINE menschliche Aufnahme. Die Befürchtung im Quellvideo, dass „KI-Stimme zu einem Bann führt“, ist FALSCH – siehe die YouTube-Offenlegungsrichtlinie in Sources/youtube-synthetic-content-disclosure-policy-2026-06-26.md. Die eigentliche Regel: Die YouTube-Kennzeichnung für veränderte/synthetische Inhalte ist erforderlich für KI-Musik, eine synthetische Stimme, die KEIN eigener Klon des Erstellers ist, oder realistische KI von echten Personen/Orten/Ereignissen – und ist NICHT erforderlich für Animationen/Gekritzel. Die Offenlegung ist kostenlos (keine Auswirkungen auf Reichweite/Monetarisierung), also standardmäßig JA, wenn das Video KI-Musik oder eine synthetische Nicht-Eigenstimme enthält (unsere Pipeline tut das immer). Einrichten in YouTube Studio → Attribute → „KI-Nutzung“ → Ja. Setze „Für Kinder gemacht“ = Ja nur für kindgerechte Inhalte (GESCHICHTE/Kinderbetreuung).
  2. Ein Style-Token für jedes Bild. Lege zu Beginn eine einzige Stilbeschreibung fest; jedes generierte Bild enthält sie wörtlich, sodass der Kanal visuell konsistent bleibt.
  3. Modusgerechte Autorität (siehe Schalter Stufe 0). FAKT/Sachtext: zitiere echte Studien/Daten/Statistiken, recherchiere vor dem Schreiben, prüfe die Behauptungen auf Richtigkeit. GESCHICHTE/Fiktion: erfundene Erzählung; Autorität ist emotionale Resonanz, nicht Fakten; prüfe stattdessen auf Alters- und Markenangemessenheit (z. B. Kinderbetreuung = sanft, sicher, altersgerecht). Präsentiere NIEMALS Fiktion als Tatsache oder erfinde „Fakten“ im Faktenmodus.
  4. Standbilder + Voiceover, keine Bewegtgrafiken. Dies ist das Format für Gekritzel-Kanäle. Wenn der Nutzer Animationen/Bearbeitungsglanz wünscht, übergib an video-director.

Substrat – WICHTIGER Unterschied

Das Quellvideo verwendet Higgsfield (Claude Code MCP). Wir verwenden KEIN Higgsfield. Phils Bildplattform ist Artlist (artlist.io, AI Toolkit), gesteuert im Browser über browser-harness. Hinweis: „artist.io“ ist ein Tippfehler für artlist.io.

  • Bildgenerierung (primär): Artlist AI Toolkit unter toolkit.artlist.io/image-video-generator?mode=image (Modell Nano Banana 2, 16:9 / 2K). In Stufe 3 erprobte Mechanismen.
  • Bildgenerierung (Fallback): mcp__margot__image_generate (ebenfalls Nano Banana 2) – nur für unbeaufsichtigte Testläufe. Niemals Higgsfield.
  • Voiceover: ElevenLabs TTS über REST-API. Schlüssel + Standardstimme in ~/.hermes/.env (ELEVENLABS_API_KEY, ELEVENLABS_VOICE_ID) – programmatisch auflösen, niemals einfügen. Keine menschliche Aufnahme.
  • Transkriptabruf: yt-dlp. Zeitstempel: ElevenLabs-Ausrichtung (primär) oder whisper-cli (Fallback). Zusammenfügen: ffmpeg.

Arbeitsverzeichnis

Erstelle ~/faceless-video/<thema-slug>/ und behalte dort jedes Artefakt: reference-format.md, script.md, voiceover.mp3, transcript.json, images/NN.png, final.mp4.

Stufe 0 – MODUS-SCHALTER (Zuerst FRAGEN, vor allem anderen)

Die Engine erfüllt gegensätzliche Aufgaben für verschiedene Kunden/Anwendungen, daher ist die ERSTE Frage jedes Durchlaufs:

„Ist dies ein FAKT (Sachtext) oder eine GESCHICHTE (Fiktion) Skript?“ Notiere den mode im Arbeitsverzeichnis (mode.txt). Er verzweigt den gesamten Durchlauf:

FAKT (Sachtext)GESCHICHTE (Fiktion)
AnwendungsfallBildungsprodukt, Erklärungen, „Wusstest-du-schon“Kindergeschichten, Gleichnisse, Gute-Nacht-/Markengeschichten
ReferenzrahmenAufhänger + 3-Säulen-Körper + AuszahlungFigur → Fehler → Reise → Lektion → Auflösung
Autoritätrecherchierte echte Studien/Statistiken/Daten; Richtigkeitsprüfungemotionale Resonanz; Alters-/Markenangemessenheitsprüfung
Harte Regelniemals Fakten erfindenniemals Fiktion als Tatsache präsentieren
YouTube-OffenlegungKI-Nutzung = Ja (KI-Musik/Stimme vorhanden)KI-Nutzung = Ja + Für Kinder gemacht = Ja (kindgerecht)

Wenn der Aufrufer bereits den Modus impliziert (z. B. „eine Kindergeschichte für meine Frau“ → GESCHICHTE; „erkläre X für mein Produkt“ → FAKT), bestätige es in einer Zeile, anstatt erneut zu fragen. Die Standard-Referenzbehandlung, Skriptvorlage und Prüfung folgen alle aus diesem Schalter.

Stufe 0b – Style-Token (einmalig pro Kanal, dann wiederverwenden)

Bitte den Nutzer um 3–5 Referenz-Screenshots des Ziel-Visualstils. Weise die Analyse an:

„Analysiere den visuellen Stil dieses Bildes für einen KI-Bildgenerator. Gib (1) eine kurze positive Stilbeschreibung, die ich als Prompt einfügen kann, (2) eine Liste von Negativ-Prompts, um eine Abweichung in Richtung polierter/realistischer Ausgabe zu verhindern. Konzentriere dich nur auf den Stil, nicht auf das Motiv.“ Speichere das Ergebnis als style-token.md im Kanalstamm (wiederverwendet für alle Videos dieses Kanals).

Stufe 1 – Skript (verzweigt basierend auf Stufe 0 Modus)

  1. Frage nach dem Thema und einer bewährten Referenzvideo-URL im gewählten Modus (einen Faktenkanal für FAKT, einen Geschichtenkanal für GESCHICHTE – nicht mischen).
  2. Rufe das Referenztranskript ab: yt-dlp --write-auto-sub --sub-lang en --skip-download --sub-format vtt -o 'ref-%(id)s.%(ext)s' '<URL>'. Bereinige die .vtt (entferne Zeitstempel/Tags, dedupliziere fortlaufende automatische Untertitelzeilen).
  3. Zerlege es in eine wiederverwendbare Vorlage, pro Modus:
    • FAKT: Aufhänger (die Mikro-Beats), Einleitung/Versprechen, der 3-Säulen-Körper, Übergangssätze, Gesamtlänge.
    • GESCHICHTE: Protagonist + ein gemeinsamer Fehler, der Schmerz, der auslösende Vorfall, die Reise, eine GEZEIGTE Demonstration (nicht erzählt), eine einprägsame Weisheitszeile, innere Erkenntnis, Abschluss mit Zukunftsausblick. Speichere als reference-format.md.
  4. Schreibe ein NEUES Skript zum Thema in dieser Vorlage. FAKT: Führe zuerst die source-ingest-Fähigkeit aus, um vertrauenswürdige Daten der Stufen 1–2 in die Vault-Sources/-Bibliothek zu ziehen, dann schreibe das Skript unter ausschließlicher Verwendung dieser gespeicherten Quellen und überprüfe jede Behauptung auf Richtigkeit gegen sie. GESCHICHTE: erfinde frei, prüfe auf Alters-/Markenangemessenheit. Gib ein SAUBERES Skript (ohne Szenenanweisungen) in script.md aus.
  5. Bestätige das Skript mit dem Nutzer, bevor du das Voiceover generierst.

Stufe 2 – Voiceover + Zeitstempel (ElevenLabs, automatisiert)

  1. Generiere das Voiceover aus script.md über den ElevenLabs with-timestamps-Endpunkt (gibt Audio + Zeichenausrichtung in einem Aufruf zurück): curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/$ELEVENLABS_VOICE_ID/with-timestamps" -H "xi-api-key: $ELEVENLABS_API_KEY" -H "content-type: application/json" -d '{"text":"<skript>","model_id":"eleven_multilingual_v2"}' → speichere Base64-Audio als voiceover.mp3 und die Ausrichtung als transcript.json.
  2. Leite pro Phrase/Satz Zeitstempelsegmente aus der Ausrichtung ab – jedes Segment wird ein Bild-Beat. (Fallback bei unbrauchbarer Ausrichtung: whisper-cli -f voiceover.wav -ml 1 --output-json -of transcript nach ffmpeg -i voiceover.mp3 voiceover.wav.)
  3. Die Stimme ist pro Kanal/Kunde, nicht fest – wähle die ElevenLabs-Stimme, die zum Modus/zur Marke passt (z. B. warme, sanfte Geschichtenerzählerin für Kinderbetreuungsfiktion; klare, autoritative Stimme für ein Bildungsfaktenprodukt). Übergib diese voice_id anstelle der Standard-ELEVENLABS_VOICE_ID. Durchsuche die ElevenLabs-Stimmbibliothek des Nutzers bei der Auswahl.
  4. Keine menschliche Pause – Stufe 2 läuft unbeaufsichtigt.

Stufe 3 – Ein Bild pro Zeitstempel (Artlist AI Toolkit, browsererprobt)

Pro Beat: Szenen-Prompt + gesperrtes Style-Token wörtlich. Steuere Artlist über browser-harness (benötigt Phils angemeldeten Chrome; Way-1 Remote-Debugging aktiviert). Mühsam erworbene Mechanismen:

  1. Öffne toolkit.artlist.io/image-video-generator?mode=image. Der Prompt ist ein [contenteditable=true] div; der Generate-Button passt auf innerText Generate. Standardeinstellungen sind bereits 16:9 / 2K / 1 Bild (gut).
  2. Pro Bild: Momentaufnahme vorhandener generierter UUIDs → Klick auf das Feld, document.execCommand('selectAll'), type_text(prompt) → Klick auf Generate → warte, bis der Ladetext (on its way|Almost ready|Generating) verschwindet UND eine neue UUID erscheint.
  3. Ergebnis liegt unter ai-toolkit-generations.imgix.net/...png?...&s=<sig>. Extrahiere die UUID mit dem GENERISCHEN Regex [0-9a-f]{8}-[0-9a-f]{4}-...{12}\.png (Dateinamenspräfix variiert: image-<uuid> ODER -t-e-x-t_-t-o_-i-m-a-g-e-<uuid>). Lade die EXAKTE src herunter – das Umschreiben eines imgix-Parameters (z. B. w=) bricht die Signatur → 403.
  4. Gehe EINS NACH DEM ANDEREN vor. Schnelle Bursts reihen sich ein/drosseln und die Rasteransicht virtualisiert das DOM, beides unterbricht die Erkennung neuer UUIDs. Falls eine Generierung nach dem Abruffenster abgeschlossen ist, rette sie aus dem Raster (lade verschiedene nicht zugeordnete UUIDs herunter, montiere, ordne visuell zu). Fallback (nur unbeaufsichtigt): mcp__margot__image_generate – speichert <save_as>.jpg, berücksichtige die Erweiterung.

Stufe 4 – Zusammenfügen

Erstelle eine FFmpeg concat-Datei, die jedes Bild für (nächster_start - dieser_start) Sekunden anzeigt und das Voiceover dazu mischt:

  1. Generiere eine concat-Liste mit Dauern pro Bild aus den Zeitstempeln.
  2. ffmpeg -f concat -safe 0 -i list.txt -i voiceover.wav -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest final.mp4
  3. Empfehle 2K-Quellbilder für echte Uploads (niedrige Auflösung nur für Testläufe).

Stufe 5 – Finalisieren (für einen echten Upload, nicht für Testläufe)

Verwandle den rohen Zusammenschnitt in ein fertiges Ergebnis:

  • 1080p – rendere den Zusammenschnitt skaliert/aufgepolstert auf 1920:1080 (weiße Polsterung vermischt den Skizzenbuch-Hintergrund), crf 19.
  • Einblendungen – fade=t=in:st=0:d=0.6:color=white und fade=t=out über die letzten ~0,8 s. Behalte harte Schnitte auf den Beats zwischen den Bildern bei (stilgerecht – KEINE Überblendungen).
  • Musikbett – generiere einen ruhigen Track über Artlist AI Music (toolkit.artlist.io/music-generator?mode=music, Lyria 3; gleicher Browser-Flow wie bei Bildern, Ergebnis ist eine signierte .wav unter cms-toolkit-artifacts.artlist.io/...music-<uuid> – lade die EXAKTE src herunter). Mische UNTER das VO: volume≈0.13 (~−18 dB), afade ein 1,5 s / aus ~1,8 s, amix=inputs=2:normalize=0. Überprüfe mit volumedetect: Gesamtspitze < 0 dB (kein Clipping), Musik-Mittelwert ~15+ dB unter VO.

Ausgabe

final-1080p-music.mp4 (das fertige Ergebnis) + ein wiederverwendbares style-token.md. Melde den Pfad und die Artefakte pro Stufe. Für Veröffentlichungs-/Kanalstrategie übergib an video-distribution-strategist; denke an die Offenlegung synthetischer Inhalte beim Hochladen.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

CleanExpo/Pi-Dev-Ops

Produce one or many consistent, on-brand faceless marketing videos from a topic: script, ElevenLabs voiceover with timestamps, one styled illustration per beat, ffmpeg stitch to 1080p, optional Unlisted YouTube upload. The look is a named style from styles.md (flat-line, hand-doodle, bold-kinetic, cinematic-photoreal, minimal-corporate, retro-print), so one command yields repeatable output per brand. The automated pipeline; distinct from faceless-video and video-director.

CleanExpo/Pi-Dev-Ops

The 15+ year brand director extension of `brand-guardian` specifically for video — frame-by-frame audit of brand-mark integrity, Gun Metal `#1a1a1a` + Candy Red `#dc143c` consistency, NO AI slop, NO Lucide icons, custom geometric marks ONLY, real logos correctly placed. PASS / FAIL gate before any client-facing video ships. Use after `video-colorist` completes the grade pass.

CleanExpo/Pi-Dev-Ops

The 15+ year Director-of-Photography persona (Roger Deakins / Emmanuel Lubezki / Hoyte van Hoytema-tier) that owns shot composition, lens psychology, motion language, and the decision of which source (Remotion / Hyperframes / stock cinematic) each scene uses. Extends the existing `remotion-designer` + `remotion-motion-language` skills with a frame-by-frame shot-language framework. Use when the user says "cinematography", "shot list", "framing", "DoP", "lens choice", or invoked by `video-director` Phase 2.

CleanExpo/Pi-Dev-Ops

The 15+ year colorist persona (Light Iron / Company 3 / The Mill-tier) that applies per-brand LUT + grade pass to every Unite-Group video. Closes the "raw Remotion render colours" gap — today Remotion outputs whatever colours BrandConfig declares with zero cinematic grade. Use when the user says "colour", "grade", "LUT", "look", "cinematic finish", or invoked by `video-director` Phase 3 (post-production) after `video-sound-designer` mixes audio.

CleanExpo/Pi-Dev-Ops

The Creative Director persona that owns brief intake, composition selection and narrative POV for every Unite-Group video. ENTRY POINT for the Video Agency: use for any video creation brief (explainer, promo, social cut, demo reel, case study, testimonial, client video). Dispatches the full production team: script-writer, cinematographer, editor, sound designer, colorist, brand-guardian.

CleanExpo/Pi-Dev-Ops

The 15+ year platform-native distribution expert (early TikTok creator economy + YouTube algorithm + LinkedIn organic reach + IG Reels native specialist) that owns per-platform aspect ratio + duration cap + caption format + hook density + thumbnail composition. Extends `remotion-marketing-strategist` with platform-native specs locked per BrandConfig. Use when the user says "which platform", "distribution", "channel-fit", "thumbnail", "captions", or invoked by `video-director` Phase 4 (QA + Delivery) for per-platform cuts.

CleanExpo/Pi-Dev-Ops

The 15+ year screenwriter persona (Pixar / Apple keynote / Nike spot tier) that engineers hooks (0-3s), retention beats (7-15s), narrative tension curves, and CTA placement. Extends the existing `remotion-screen-storyteller` skill with a structural framework lifted from Pixar's 22 Rules + Apple keynote architecture. Use when the user says "script", "voiceover", "narration", "hook", "story arc", or invoked by `video-director` Phase 2.

CleanExpo/Pi-Dev-Ops

The 15+ year sound designer persona (Skywalker Sound / Sound Lounge / Audio Network-tier) that mixes ElevenLabs voiceover with music bed, sound effects, ambient texture, and audio polish. Closes the single biggest gap in the existing Remotion pipeline — today voiceover is the ONLY audio; this skill adds music + SFX + mix. Use when the user says "sound design", "audio mix", "music bed", "SFX", "score this", or invoked by `video-director` Phase 3 (post-production).

CleanExpo/Pi-Dev-Ops

Converts a BrandResearch dossier into THREE artifacts — (1) typed BrandConfig TypeScript at Synthex/packages/brand-config/src/brands/{slug}.ts (runtime/behaviour — voice, voiceover, motion, audience, channel, forbiddenWords); (2) spec-conformant {slug}.design.md at Synthex/packages/brand-config/src/brands/{slug}.design.md (visual tokens — colour, typography, spacing, components, layout, elevation); (3) human-readable 9-section .md projection at Pi-Dev-Ops/remotion-studio/src/brands/{slug}.md derived from BOTH. Boundary contract at Pi-Dev-Ops/remotion-studio/src/brands/CONTRACT.md. Triggered after remotion-brand-research, or when the user pastes brand assets and says "codify". PRs are auto-merge:false — a human reviews before merge.

CleanExpo/Pi-Dev-Ops

Researches a portfolio company's visual identity from public sources (homepage, about page, marketing copy, GitHub README) and produces a structured BrandResearch dossier. Triggered when `Synthex/packages/brand-config/src/brands/{slug}.ts` (canonical home per RA-1985 / Synthex SYN-897) is missing, older than 90 days, or the user explicitly says "refresh brand for {brand}". Output feeds remotion-brand-codify.

CleanExpo/Pi-Dev-Ops

Generates a complete, accessible palette (primary, secondary, accent, 4-step neutral, semantic, and dark variant) from one to three hex anchors plus a colour-family classification. Validates WCAG-AA contrast for all text-on-background pairs. Triggered when a BrandConfig has fewer than 5 defined colours or contrast fails.

CleanExpo/Pi-Dev-Ops

Authors or extends a Remotion composition (.tsx) wired to BrandConfig + Storyboard + layout spec + motion. The actual builder skill — runs as a Sonnet-tier worker. Triggered after brand, storyboard, designer, and motion-language outputs are ready. Produces the file under remotion-studio/src/compositions/ and registers it in src/Root.tsx.

CleanExpo/Pi-Dev-Ops

Visual-design specialist for Remotion compositions. Sets layout grid, typography hierarchy, white-space, scene framing, and visual rhythm for a given composition + brand. Triggered after remotion-composition-builder for QA, or upfront when authoring a new composition type. Produces a layout spec consumed by remotion-composition-builder.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video needs creative direction — hook, visual sequence, scene purpose, motion restraint, and CTA direction before render.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video has timing, sync, transition, caption, pacing, or audio-fit risk and needs editing discipline before render.

CleanExpo/Pi-Dev-Ops

Use when /remotion-video needs existing Synthex ElevenLabs, brand-config, Remotion, output storage, Claude, or Hermes integration without adding vendors.

CleanExpo/Pi-Dev-Ops

Tunes a video's format and message for the target channel — LinkedIn, YouTube, Instagram Reel, internal training. Sets aspect ratio, total duration, hook timing, CTA timing, and pacing. Triggered when the brief mentions a specific channel or campaign goal. Output feeds remotion-screen-storyteller and remotion-composition-builder.

CleanExpo/Pi-Dev-Ops

Designs a brand-specific motion vocabulary — easing curves, default scene durations, signature entry/exit, transition frames. Each brand gets one signature move (rise / sweep / pulse / iris / whip) that recurs across compositions to build motion-recognition. Triggered when BrandConfig.motion is empty.

CleanExpo/Pi-Dev-Ops

/remotion-video one-shot Remotion command skill and ENTRY POINT for the Remotion Skills Package. Use for video, explainer, ad, promo, reel, intro, social cut, marketing, training, or launch videos. Reads the brief, classifies intent, enforces one single Synthex ElevenLabs voice, emits a production/wave plan, and dispatches the right sub-skills in topological order. Always invoked first.

CleanExpo/Pi-Dev-Ops

Use when a Remotion video job needs production gates, render evidence, output discipline, and pass/fail validation before it can be called shippable.

Verwandte Skills