Communitygithub.com

Reelwright

Verwandle eine kurze Vorgabe in eine vertonte, untertitelte Mini-Dokumentation im MP4-Format – mit Pollinations Text-, Bild- und Sprachmodellen sowie ffmpeg.

Was ist Reelwright?

Reelwright ist ein Tool, das aus einem einzigen Absatz Vorgabe ein fertiges, 1080p H.264/AAC-Video erstellt: einen schriftlichen Szenenplan, eine Illustration pro Szene, eine Sprachausgabe, eingebrannte Untertitel, Überblendungen, eine sanfte Ken-Burns-Bewegung für jedes Bild und einen Überprüfungsbericht, der die Abspielbarkeit der Datei nachweist. Es richtet sich an Entwickler und Content-Ersteller, die schnell erklärende Videos, Social-Media-Clips oder Mini-Dokumentationen benötigen – z. B. mit einem Befehl wie „Erstelle ein 60-Sekunden-Video über X“. Das Tool unterstützt die Modelle von Pollinations (Text, Bild, Sprache) und erfordert als einzige lokale Abhängigkeit ffmpeg/ffprobe. Es kann in CI-Umgebungen verwendet werden, speichert Zwischenergebnisse zur Wiederverwendung und ermöglicht durch einen schrittweisen Workflow (Planen → Bearbeiten → Rendern → Prüfen) flexible Anpassungen an den Inhalten.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SvirepyiBambr/pollinations-reelwright/tree/main/skills/reelwright

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Reelwright?

Reelwright nimmt einen Absatz Vorgabe und erstellt daraus ein fertiges 1080p H.264/AAC-Video: einen schriftlichen Szenenplan, eine Illustration pro Szene, eine Sprachausgabe, eingebrannte Untertitel, Überblendungen, eine sanfte Ken-Burns-Bewegung für jedes Bild und einen Überprüfungsbericht, der nachweist, dass die Datei wirklich abspielbar ist.

Alles Kreative stammt von Pollinations. Die einzige lokale Abhängigkeit ist ffmpeg/ffprobe.

Verwendung

  • „Erstelle ein 60-Sekunden-Video über X.“
  • „Mach aus diesem Artikel eine vertonte Diashow.“
  • „Ich brauche einen Social-Media-Clip mit Sprachausgabe und Untertiteln.“
  • „Erkläre X in fünf Szenen mit Bildern.“

Nicht geeignet für: Langfilmbearbeitung, sprechende Köpfe, bereits vorhandenes Filmmaterial oder alles, was eine echte Kamera erfordert. Reelwright ist ein illustrierter Erklärer, kein Videoeditor.

Einrichtung

npx @pollinations/cli auth login     # einmalige Pollinations-Anmeldung
npm install                          # installiert ffmpeg-static + ffprobe-static

Reelwright verwendet den Schlüssel aus --api-key, dann POLLINATIONS_API_KEY, dann die durch polli auth login in ~/.pollinations/credentials.json gespeicherte Anmeldung. Die Anmeldung ist zu bevorzugen: Der Benutzer bestätigt einen Gerätecode im Browser, und kein Schlüssel gelangt in das Gespräch. Überschreiben Sie mit einer Umgebungsvariable, wenn Sie in CI ausführen.

Wenn ffmpeg bereits im PATH ist, verwendet Reelwright es. Andernfalls greift es auf die statischen Binärdateien in node_modules zurück, dann auf $FFMPEG / $FFPROBE.

Ausführung

Ein Befehl, von der Vorgabe bis zur fertigen Datei:

python3 skills/reelwright/scripts/reelwright.py make \
  --brief examples/salt-road/brief.txt \
  --out examples/salt-road \
  --scenes 5 \
  --transcribe

Oder Schritt für Schritt, was die bessere Methode ist, wenn die Formulierung wichtig ist:

# 1. plan: Textmodell schreibt Titel, Untertitel, Stil und N Szenen
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5

# 2. Bearbeiten Sie myreel/project.json von Hand, falls eine Zeile schwach ist – das ist der günstige Moment, um es zu korrigieren

# 3. render: Bilder, Sprache, Clips, Zusammenführung
python3 skills/reelwright/scripts/reelwright.py render --project myreel

# 4. check: ffprobe auf das Ergebnis, optional Transkription des Tons und Vergleich mit dem Skript
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe

Die Ausgaben landen im Projektverzeichnis:

DateiBeschreibung
project.jsonDer Plan: Titel, Stil, Szenen, Modellauswahl. Bearbeitbar.
images/scNN.jpgEine Illustration pro Szene, plus scNN.prompt.txt mit dem genauen Prompt.
audio/scNN.mp3Sprachausgabe pro Szene.
clips/scNN.mp4Stiller Ken-Burns-Clip pro Szene.
timings.jsonSzenenanfang/-ende, Länge der Sprachausgabe, abgeleitete Szenendauer.
captions.assTitel, Untertitel, szenenspezifische Untertitel, Credit-Zeile.
reel.mp4Das Endprodukt.
poster.jpgEinzelbild bei 1,2 s, für Thumbnails.
render.json, check.jsonMaschinenlesbare Render- und Prüfberichte.

Funktionsweise der Zeitsteuerung

Die Szenendauer wird nicht geschätzt: Reelwright misst jede Sprach-MP3 mit ffprobe, fügt einen festen Endabstand hinzu und baut die Timeline aus diesen Zahlen auf. Untertitel werden in dieselbe Timeline geschrieben, sodass ein Untertitel nicht von der dazugehörigen Stimme abdriften kann. Überblendungen überlappen Clips um einen festen Betrag, und die xfade-Versätze werden aus denselben Dauern berechnet.

Dies ist der Teil, den die meisten Diashow-Generatoren falsch machen. Wenn Sie PAD, FADE oder MIN_SCENE ändern, passt sich alles nachfolgend automatisch an.

Überprüfung

check ist keine Stimmungsabfrage. Es liest die fertige Datei und gibt einen lauten Fehler aus, wenn:

  • kein Video- oder kein Audiostrom vorhanden ist;
  • der Codec nicht H.264 / AAC ist;
  • die Auflösung nicht 1920x1080 oder die Bildrate nicht 30 ist;
  • die tatsächliche Dauer um mehr als 0,8 s von der geplanten Timeline abweicht;
  • ein Bild oder eine Audiodatei, auf die in der Timeline verwiesen wird, fehlt;
  • captions.ass weniger Dialogzeilen als Szenen hat;
  • mit --transcribe: die Sprach-zu-Text-Ausgabe des finalen Tons weniger als 80 % der Wörter des Skripts abdeckt, was stille, abgeschnittene oder falschsprachige Tonspuren erkennt.

Die letzte Prüfung ist die interessante. Es ist ein günstiger End-to-End-Beweis, dass der Ton im MP4 tatsächlich die gewünschte Sprachausgabe ist und nicht ein 200 OK mit leerem Inhalt.

Kosten und Modelle

Standardwerte, alle durch Flags ersetzbar:

  • Text: openai/gpt-5.4-nano – ein Planungsaufruf plus ein Reparaturaufruf, falls die Validierung fehlschlägt
  • Bild: tongyi-mai/z-image-turbo – ein Aufruf pro Szene
  • Sprache: openai/tts-1, Stimme onyx – ein Aufruf pro Szene

Jeder Standardwert ist im Free-Tier verfügbar (paid_only: false), einschließlich der openai/whisper-large-v3-Transkription hinter --transcribe, sodass ein kostenloses Konto die gesamte Pipeline durchlaufen kann.

Ein Fünf-Szenen-Clip besteht aus fünf Bildern und fünf kurzen Sprachclips. Ein erneutes Ausführen von render verwendet bereits vorhandene Dateien wieder; --force generiert sie neu. --seed macht die Bildgenerierung reproduzierbar.

Erstellung der Vorgabe

Die Vorgabe ist der Leitstern des Skripts, also geben Sie Handlungsstränge anstelle von Adjektiven:

Titel: Der Salzweg.

Eine 50-sekündige Mini-Dokumentation, die erklärt, warum das Meer salzig ist. Folgen Sie einem Regentropfen von einem Granitberg bis zum Ozean. Fünf Handlungsstränge, in dieser Reihenfolge:

1. Regen trifft auf einen Granitberg und beginnt bergab zu fließen.
2. Ein Gebirgsbach schneidet sich durch Fels und trägt gelöste Mineralien mit sich.
3. Der Fluss wird breiter und transportiert seine Mineralienfracht zum Meer.
4. Die Sonne erwärmt den Ozean; Wasser steigt als Dampf auf, Salz bleibt zurück.
5. Salzkristalle am Ufer in der Dämmerung.

Visueller Stil: redaktionelle Gouache-Illustration, gedeckte Teal- und Amber-Palette, strukturiertes Kaltpresspapier, weiche Körnung, filmische Breitbild-16:9-Komposition.

Eine Stilzeile in der Vorgabe ist mehr wert als jede spätere Prompt-Entwicklung: Sie wird in jeden Bild-Prompt wörtlich übernommen, was dafür sorgt, dass fünf separate Generierungen wie ein Film aussehen.

Wissenswerte Fehlermodi

  • 402 von Pollinations – das Konto hinter dem Schlüssel hat kein Pollen mehr. Das Skript gibt dies an, anstatt einen JSON-Blob auszugeben.
  • image_prompt enthält Wörter – Modelle schreiben gerne „eine Karte mit der Aufschrift Verdunstung“. Der System-Prompt verbietet Text, und jeder Bild-Prompt erhält einen „Kein Text, keine Beschriftung, keine Logos“-Anhang, aber ein schlechter Plan ist in project.json günstiger zu korrigieren als neu zu rendern.
  • Sprachausgabe länger als erwartet – Szenen dehnen sich, um die Stimme aufzunehmen. Nichts wird abgeschnitten; das Video wird länger. Verwenden Sie weniger Wörter pro Szene, wenn Sie eine feste Dauer benötigen.
  • Kein ffmpeg – npm install im Repository ist die vorgesehene Lösung. Die Fehlermeldung nennt sowohl das Paket als auch die Umgebungsvariable.
  • Untertitel in einer nicht-lateinischen Schrift – ASS ist UTF-8 und DejaVu Sans deckt Lateinisch, Kyrillisch und Griechisch ab. Für CJK oder Arabisch ändern Sie die Schriftart in captions.ass und stellen Sie sicher, dass sie auf dem Rendering-Rechner installiert ist.

Verwandte Skills