Communitygithub.com

Pika-Labs/Pika-Plugins

Erstellt ein ~60-80 Sekunden langes Erklärvideo für jede URL – GitHub-Repo, Produktseite, Dokumentation, Blogbeitrag oder Launch. Fährt einen echten Browser durch die Seite, generiert einen Avatar-Lipsync und setzt alles in einem macOS Sonoma Rahmen zusammen.

Was ist Pika-Plugins?

Diese Fähigkeit (Skill) generiert automatisch ein professionelles Erklärvideo (~60-80 Sekunden) für jede beliebige URL. Es treibt einen echten Browser durch die angegebene Webseite, nimmt Screenshots und Zooms auf relevante Elemente auf, generiert eine Sprachausgabe mit einem animierten Avatar-Lipsync und komponiert alles in einem 1280×800 macOS Sonoma Rahmen mit einem Avatar-Kreis unten links. Für GitHub-URLs wird ein spezieller 'Repo-Modus' aktiviert, der die README scannt und nach Live-Demos sucht. Für alle anderen URLs (Produktseiten, Doks, Blogs) wird ein generischer Ablauf verwendet. Der Skill unterstützt verschiedene Anbieter für Lipsync (Pika und Kling), benutzerdefinierte Avatare und Stimmen, optionale Untertitel und eine Vorschaufunktion. Vor der Videogenerierung wird eine Kostenwarnung angezeigt, und der Nutzer muss die Ausführung bestätigen. Der Skill ist für Plattformen wie Claude Code, Cursor, Codex und andere konzipiert und nutzt MCP-Tools, um die Browsersteuerung, Avatar-Generierung und Videokomposition durchzuführen.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Pika-Labs/Pika-Plugins/tree/HEAD/skills/explainer

In Ihrer bevorzugten KI fragen

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

Dokumentation

/pika:explainer

Erstelle ein ~60–80 s URL-Erklärvideo: Fahre einen echten Browser durch die URL entlang einer Beat-Sheet-Zeitleiste, generiere einen Avatar-Lip-Sync der Erzählung und setze alles in einem 1280×800 macOS Sonoma-Frame mit einem 240 Pixel großen inneren Avatar (246 Pixel außen inkl. 3px weißem Strichring) an Position (20, 476) und elementbezogenem Zoom bei jedem Mid-Section-Beat zusammen. Funktioniert mit jeder URL – Produktseiten, Docs-Seiten, Blogbeiträge, Produkteinführungen. GitHub-URLs aktivieren einen Repo-bewussten Modus (README-Scan + Live-Demo-Erkennung); alle anderen URLs verwenden einen generischen Seiten-Walkthrough-Ablauf.

Verwendung: /pika:explainer <url> [--focus "angles"] [--avatar <url>] [--voice <id>] [--lipsync-provider pika|kling] [--preview] [--live-url <url>]

Kostentransparenz-Gate

Rufe vor einem bezahlten MCP-Aufruf einmal identity_balance({verbose: true}) auf. Zeige den aktuellen Kontostand, die aktuelle Verbrauchsrate und die verbleibende Laufzeit an und sperre den Durchlauf mit dieser exakten Nachricht:

Geschätzte Kosten: ca. 50-500 Credits (~0,50–5,00 $) abhängig vom Lipsync-Anbieter, der Erzählung, den Untertiteln und dem Vorschaumodus. Dies kann 5 $ erreichen. Antworte daher mit proceed, um fortzufahren, oder mit cancel, um abzubrechen.

Rufe kein bezahltes MCP-Tool auf, bis der Benutzer mit proceed antwortet. Wenn der Benutzer mit cancel antwortet, stoppe ohne Generierung. Das Gate läuft, nachdem die URL und die optionalen Flags bekannt sind, vor der Avatargenerierung, Sprachausgabe, Lipsync, Untertiteln oder Videokomposition.

Verhalten

Standardwerte – schnell ausführen, keine unnötige Bestätigung während des Ablaufs

  • Avatar/Sprache still auflösen. Frage niemals „Soll ich deinen Avatar verwenden?“ oder „Welche Stimme?“ vor dem Ausführen. Beachte explizite Überschreibungen (--avatar, --voice), falls angegeben; andernfalls generiere einen Präsentator-Avatar und wähle eine Standardstimme aus und fahre fort. Siehe Schritt 1 für den vollständigen Auflösungswasserfall.
  • Nur das Kostentransparenz-Gate fragt nach proceed. Die Schritt-5-Vorschau ist normalerweise opt-in via --preview für explizite Avatare, wird aber zur obligatorischen Auto-Vorschau, wenn die Avatarquelle ein generated- oder regenerated-Fallback ist. Nach dem Kostengate läuft der Ablauf durchgängig, mit Ausnahme dieser erforderlichen Fallback-Avatar-Vorschau-Schutzmaßnahme.
  • Frage auch nicht nach --focus. Mache einen ersten sicheren Versuch basierend auf der Seitenstruktur; Benutzer wiederholen den Vorgang mit --focus "X", falls der Winkel nicht passt.

Diese Standardwerte entsprechen dem Industriestandard für Medien-Generierungstools (Midjourney / Sora / Runway / HeyGen / Pika.art): einreichen → rendern → zurückgeben. Kontoguthaben + Anbieter-Failover (Schritt 9) sind die kanonischen Schutzmaßnahmen.

Lokale Avatarbilder auf Claude Desktop

Claude Desktop kann inline eingefügte Bilder noch nicht an MCP-Tools weitergeben (Einschränkung seitens Anthropic). Wenn der Benutzer ein Foto inline einfügt oder eine lokale Datei erwähnt, die er als --avatar verwenden möchte, pausiere Schritt 1 und sende ihm freundlicherweise diese Nachricht – etwa so:

Hinweis – Eingefügte Bilder erreichen MCP-Tools auf Claude Desktop derzeit nicht (Anthropic-Einschränkung). Zwei einfache Optionen für deinen Avatar:

  • Füge eine URL ein, falls das Bild bereits gehostet ist (Imgur, S3, deine Website) – am schnellsten
  • Hänge die Bilddatei an, damit ich sie vor der Generierung hochladen kann.

Wenn eine lokale Datei eintrifft, konvertiere sie mit upload_asset in eine öffentliche URL und verwende die zurückgegebene public_url als --avatar <url> vor Schritt 1. Bereits gehostete https://...-URLs funktionieren direkt und überspringen diesen Schritt vollständig. Wenn überhaupt kein Avatar angegeben wird, wird still ein Präsentatorporträt generiert (Schritt 1).

Schritt 0 – URL auflösen (Menü bei leeren Argumenten)

Entferne Flags (--focus, --avatar, --voice, --live-url, --lipsync-provider, --no-captions, --preview, --skip-preview, --yes) und key=value-Parameter aus $ARGUMENTS. Wenn das, was übrig bleibt, keine https://...-URL enthält (oder leer ist / nur aus Leerzeichen besteht), gib dieses Menü wortwörtlich als deine vollständige Antwort aus und warte dann auf die nächste Nachricht des Benutzers. Ein Tool hier aufzurufen, birgt das Risiko, die falsche Seite aufzuzeichnen oder zu erklären. Wenn $ARGUMENTS bereits eine URL enthält, überspringe diesen Schritt still und fahre mit Schritt 1 fort.

Welche URL soll ich für dich durchgehen? Funktioniert mit jeder der folgenden:

  • Ein GitHub-Repository – z. B. https://github.com/anthropics/claude-code (aktiviert den Repo-bewussten Modus: README-Scan + Live-Demo-Erkennung)
  • Eine Produktseite / Einführungsseite – z. B. https://pika.art
  • Eine Docs-Seite – z. B. https://docs.anthropic.com
  • Eine Blogpost-/Artikel-URL

Ausgabe: 1280×800 macOS Sonoma-Frame mit einem Avatar-Lip-Sync unten links und elementbezogenem Zoom bei jedem Mid-Section-Beat. Standardablauf läuft nach dem Kostengate durch; verwende --preview, wenn du für einen expliziten Avatar eine 3-Sekunden-Lipsync-Überprüfung wünschst. Generierte / regenerierte Fallback-Avatare führen diese Vorschau-Schutzmaßnahme automatisch aus.

Antworte mit der URL und ich lege los.

Tipp: Du musst nicht /pika:explainer eingeben – sag einfach Dinge wie „führe mich durch “, „mache ein Demo-Video von “ oder „erkläre dieses Repo: “ und ich führe diesen Skill automatisch aus.

Wenn der Benutzer mit einer URL antwortet, behandle sie als aufgelöste Eingabe und fahre mit Schritt 1 fort. Fordere nicht erneut zur Eingabe auf.

Schritt 1 – Eingabe parsen + Modus erkennen

Erforderlich: url (muss https://... sein). Optional: --avatar <url> (das Präsentatorfoto; falls nicht angegeben, wird eines generiert), --voice <minimax-voice-id>, --focus "..." (redaktionelle Anleitung, die in den Vo-Text eingewoben wird), --live-url <url> (Live-Demo-URL erzwingen – nur GitHub-Modus), --lipsync-provider <pika|kling> (Standard ist pika – Papageien-a2v, ~2-5 Min. Echtzeit, etwas dramatischere Kopfbewegung. Verwende kling für engeres gesichtszentriertes Ergebnis bei ~5-30 Min. Echtzeit – Kling erzeugt Präsentatoraufnahmen mit minimaler Kopfbewegung, ist aber der zeitaufwändigste Schritt; für wichtige Renderings reservieren), --no-captions (die Schritt-11-Untertiteleinbrennung überspringen – Standard sind Untertitel an), --preview (opt-in zur Schritt-5-Vorschau für explizite Avatare; generierte und regenerierte Fallback-Avatare führen die Vorschau automatisch vor dem vollständigen Lipsync durch). --skip-preview und --yes werden als Nicht-Operationen aus Kompatibilitätsgründen akzeptiert.

Moduserkennung:

  • GitHub-Modus – URL-Host ist github.com UND Pfad entspricht /{owner}/{repo} (keine weiteren Pfadsegmente über die Repo-Wurzel hinaus). Aktiviert die Repo-bewussten Erweiterungen: README-Scan, Live-Demo-Erkennung, GitHub-spezifische Selektoren.
  • Generischer-URL-Modus – alles andere (eine Produktseite, Docs-Seite, Blogpost, tieferer GitHub-Pfad wie /blob/HEAD/path). Überspringt die GitHub-Erweiterungen; verwendet generische CSS-Selektoren und durchläuft die URL selbst.

Avatar-Auflösung (still – frage den Benutzer nie):

  1. Wenn --avatar <url> übergeben wurde, verwende sie.
  2. Andernfalls rufe generate_image einmal mit dem Prompt "professional presenter, friendly tech narrator, studio portrait, 1:1, natural lighting" auf und verwende die zurückgegebene URL. Frage den Benutzer nicht, „soll ich einen generieren?“ – generiere einfach still.

Verfolge avatar_source als einen von explicit, generated oder regenerated.

Avatar-Eignungs-Gate (obligatorisch vor jeder Lipsync-Ausgabe):

Rufe analyze_media(media=<avatar>, query=<gate_query>) einmal für das aufgelöste Avatarbild auf, bevor Schritt 4 TTS und vor jedem generate_lipsync-Vorschau-/Vollaufruf. Dies ist der eine Fall, in dem eine Avatar-Analyse erforderlich ist, da der Avatar das zentrale Präsentatorelement ist und ein schlecht generierter Avatar den gesamten Render zunichtemachen kann.

Gate-Abfrage:

Return JSON only: {
  "is_single_front_facing_coherent_human_face": boolean,
  "has_visible_mouth": boolean,
  "is_faceless_or_masked": boolean,
  "is_mascot_illustration_or_non_human": boolean,
  "face_suitability_score": 0-100,
  "apparent_gender": "female" | "male" | "unclear",
  "reason": string
}
Is this image suitable for talking-head lipsync: a single front-facing coherent human face with a visible mouth? Flag faceless, masked, mascot, illustration-only, non-human, or distorted avatars.

Bestehe nur, wenn is_single_front_facing_coherent_human_face == true, has_visible_mouth == true, is_faceless_or_masked == false, is_mascot_illustration_or_non_human == false und face_suitability_score >= 75.

Wenn der Avatar fehlschlägt und avatar_source explicit ist, stoppe vor der bezahlten Lipsync und bitte um --avatar <real-looking-photo-url> oder um Erlaubnis, ein Präsentatorporträt zu generieren. Wenn der Avatar fehlschlägt und avatar_source generated ist, rufe generate_image einmal mit dem Prompt "realistic professional presenter portrait, single front-facing coherent human face, visible mouth, friendly tech narrator, neutral studio background, 1:1, natural lighting" auf; setze avatar_source = "regenerated" und führe dieses Eignungs-Gate erneut für den regenerierten Avatar durch. Wenn auch der regenerierte Avatar fehlschlägt, brich mit einem klaren Fehler ab, anstatt einen Lipsync zu versuchen.

Setze avatar_auto_preview_required = true, wenn avatar_source entweder generated oder regenerated ist; andernfalls false, es sei denn, der Benutzer hat --preview übergeben.

Sprachauflösung (still – frage den Benutzer nie):

  1. Wenn --voice <id> übergeben wurde, verwende sie.

  2. Andernfalls wähle ein lockeres MiniMax speech-2.8-hd-Preset passend zum erkannten Geschlecht des Avatars:

    • Weiblich gecodeter Avatar → English_PlayfulGirl (warm, locker, eindeutig weibliche Stimme – verifiziert)
    • Männlich gecodeter Avatar → English_Jovialman (warm, locker männlich)
    • Unklares / geschlechtsneutrales → English_Jovialman (Standard)

    Leite das Geschlecht aus dem Ergebnis des Avatar-Eignungs-Gates ab (apparent_gender). Frage den Benutzer nicht.

    Verwende NICHT English_FriendlyPerson – obwohl es in MiniMax' Katalog unter „weiblich“ kategorisiert ist, lautet sein Anzeigename „Friendly Guy“ und es klingt bei der Wiedergabe männlich. English_PlayfulGirl ist die kanonische lockere weibliche Wahl. Andere verifizierte weibliche Alternativen: English_Upbeat_Woman, English_LovelyGirl, English_radiant_girl.

Der folgende Ablauf ist pro Schritt kommentiert: Nur GitHub, Nur generisch oder Beide Modi.

Schritt 2 – Quelle lesen (kein MCP-Aufruf)

Beide Modi: Verwende Claude's WebFetch auf der Eingabe-URL, um den Hauptinhalt der Seite abzurufen (h1, Hero-Bereich, Überschriften, primären Text).

Baue während dieses Quellenlesens ein proper_noun_glossary auf. Füge kanonische Schreibweisen von Produkt-, Repo-, Firmen-, Modell-, Framework- und Eigennamen aus der URL/Domain, dem Seitentitel, der h1, den README-Überschriften, den Repo-Metadaten, den Paketnamen und wiederholten großgeschriebenen Token hinzu. Für GitHub-Repos bewahre die exakten Schreibweisen aus dem README-/Quellscan auf, z.B. Ollama, Llama, DeepSeek, Gemma. Verwende dieses Glossar später beim Verfassen der Erzählung und beim Einbrennen manueller Untertitel, damit der Untertiteltext nicht phonetisch zu Rechtschreibfehlern wie „Olama“ oder „DeepSeq“ abweicht.

GitHub-Modus Ergänzungen: Rufe auch die Dateibaumstruktur der obersten Ebene, (bestmöglich) package.json / pyproject.toml und GitHub-API-Repo-Metadaten via gh api repos/{owner}/{repo} für homepage, description, language, topics ab. Erkenne eine Kandidaten-live_url in dieser Priorität:

  1. Benutzerbereitgestelltes --live-url.
  2. GitHub-API meta.homepage-Feld – gesetzt, wenn der Maintainer die Homepage des Repos in den GitHub-Einstellungen konfiguriert hat.
  3. package.json "homepage"-Feld.
  4. Erster Treffer im README von https?://[^\s)\"'<>]+(?:vercel\.app|netlify\.app|github\.io|fly\.dev|railway\.app|render\.com|herokuapp\.com|surge\.sh)[^\s)\"'<>]*.
  5. Jede andere URL im README, auf die der Badge-Bereich / „Live Demo“ / „Projektseite“ / „Demo“-Text verweist. Die Allowlist-Regex oben übersieht benutzerdefinierte Domains (z.B. <project>-project-page.com); wenn das README explizit eine Projektseite bezeichnet, bevorzuge diese gegenüber dem github.io-Fallback.
  6. GitHub-Pages-Konvention https://{owner}.github.io/{repo} – aber nur, wenn der tiefe Baum ein Frontend-Signal enthält (eines von index.html, App.tsx, App.jsx, App.vue, app.py, main.py).

Wenn kein Kandidat aufgelöst wird, überspringt das Beat-Sheet die Beats 6–7.

Generischer-URL-Modus: Die Eingabe-URL selbst ist die einzige URL, die die Beats durchlaufen – keine live_url-Ableitung, keine zusätzlichen Metadatenabrufe. Überspringe Schritt 2.5 und Schritt 3.0; springe direkt zu Schritt 3.

Schritt 2.5 – live_url-Erreichbarkeit prüfen (nur GitHub-Modus, kein MCP-Aufruf)

Wenn eine Kandidaten-live_url ausgewählt wurde, überprüfe, ob sie echten Inhalt ausliefert, bevor die Beats 6–7 verfasst werden. Verwende WebFetch auf dem Kandidaten und überprüfe die Antwort:

  • Wenn der Antwortstatus 4xx / 5xx ist, setze live_url auf None und überspringe die Beats 6–7. Insbesondere der github.io-Fallback ist als Hostname erreichbar, gibt aber oft 404 („There isn't a GitHub Pages site here“) für Repos zurück, die Pages nicht aktiviert haben – das Aufzeichnen dieser 404-Seite verschwendet ~12s des Erklärvideos für falschen Inhalt.
  • Wenn die Antwort die GitHub Pages „404 — There isn't a GitHub Pages site here.“-Vorlage rendert (Heuristik: Antworttext enthält "There isn't a GitHub Pages site here"), setze live_url auf None und überspringe die Beats 6–7.
  • Andernfalls behalte live_url für die Beats 6–7.

Dies spiegelt das Legacy-Erreichbarkeits-Gate wider, das live_url mit einem kurzen Timeout überprüfte und Weiterleitungen folgte.

Schritt 2.6 – Generischer-URL-Vorabprüfung (nur Generischer-URL-Modus, kein MCP-Aufruf)

Bevor Beats für eine Nicht-GitHub-URL verfasst werden, rufe WebFetch auf der Eingabe-URL auf und inspiziere die Antwort. Dieser Schritt verhindert drei häufige Fehlermodi des generischen URL-Modus: (a) Aufzeichnen einer Captcha-/Bot-Sperrseite anstelle von Inhalt, (b) das Cookie-/Einwilligungs-Banner, das die ersten ~3 Sekunden des Videos frisst, (c) generische CSS-Selektoren, die den tatsächlichen Hero-/Bereich der Seite verfehlen.

A. Bot-Sperr-/Captcha-Erkennung – abbrechen, falls zutreffend:

Wenn der Antworttext eines der folgenden Elemente enthält:

  • "Verify you are human" / "verify you are not a robot"
  • "captcha" / "CAPTCHA" / "reCAPTCHA"
  • "403 Forbidden" / "Access Denied"
  • "Just a moment" + cf-chl-bypass (Cloudflare-Challenge)
  • "We're sorry, something went wrong" (Bot-Sperre im Amazon-Stil)
  • Ein <title> oder h1 mit ausschließlich „Robot Check“ / „Are you a robot?“

→ BRICH AB mit einer klaren Fehlermeldung an den Benutzer: „Der generische URL-Modus kann diese Seite nicht rendern – die Seite zeigt eine Bot-Erkennungs-/Captcha-Challenge unter Headless-Chrome an. Versuche eine andere URL oder führe zuerst eine Benutzerversion der Seite aus, um zu überprüfen, ob sie sauber lädt."

B. Cookie-/Einwilligungsbanner-Erkennung – entschärfen mit extra_css + optionalem Klick:

Durchsuche die Antwort nach diesen Mustern (Groß-/Kleinschreibung ignorieren):

  • IDs / Klassen, die mit onetrust-, `tru...

Verwandte Skills