Communitygithub.com

Infographic-Erklärvideo

Erstelle animierte Erklärvideos im Stil von Kurzgesagt / Infographics Show auf Basis eines Themas oder Skripts mit flachen Vektorgrafiken, Bewegungsgrafiken, Sprachausgabe und MP4-Ausgabe.

Was ist Infographic-Erklärvideo?

Dieses Skill ermöglicht es, vollständige animierte Erklärvideos im Stil beliebter Formate wie Kurzgesagt oder The Infographics Show zu produzieren. Die Videos bestehen aus flachen Vektorgrafiken (SVG), lebendigen Farbverläufen, sanften Leuchteffekten und kontinuierlicher, dezenter Bewegung. Ein Skript wird mit Sprachausgabe (TTS) untermalt und das gesamte Video wird Frame für Frame mit Playwright und ffmpeg gerendert, wodurch jeder Frame deterministisch und nachbearbeitbar ist. Die Software ist ideal für Entwickler, Content-Ersteller und Automatisierungsexperten, die schnell und reproduzierbar hochwertige Erklärvideos erstellen möchten. Es unterstützt sowohl horizontale (16:9) als auch vertikale (9:16) Formate und bietet eine Pipeline zur Integration von Sprachaufnahmen, Musik und Untertiteln. Die Originalitätsregel stellt sicher, dass zwar der *Stil*, nicht aber urheberrechtlich geschützte Elemente bestimmter Kanäle imitiert werden. Der Workflow umfasst 9 Schritte: Briefing, Recherche & Skript, Erstellung der Erzähltexte, Sprachausgabe, Szenenaufbau, Vorschau, Rendering & Mix, Qualitätssicherung und Auslieferung. Es werden eine Reihe von Hilfsfunktionen und Animationseffekten bereitgestellt, die aus PowerPoint-Effekten abgeleitet sind. Das Skill enthält zahlreiche Skripte zur Verwaltung des Rendering-Prozesses, wie build.py, render.py, mix_audio.py und make_video.sh. Das Design orientiert sich an einer Stilbibel mit vordefinierten Farbpaletten, Charakterdesigns und Animationstechniken. Die Engine ermöglicht die Erstellung mehrerer Szenen mit Überblendungen und einer automatischen Kamerafahrt. Untertitel werden direkt in die Frames eingebrannt und zusätzlich als SRT-Datei exportiert. Das Skill eignet sich nicht nur für YouTube, sondern auch für Instagram Reels, TikTok und andere Formate.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/i-smiling-buddha/ppt-animation-skill/tree/HEAD/skills/infographic-explainer-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Infographic-Erklärvideo?

Produziere ein fertiges MP4-Erklärvideo im Geiste von Kanälen wie Kurzgesagt und The Infographics Show: kräftige flache Vektorillustration, glänzende Farbverläufe, leuchtendes Licht, ständige sanfte Bewegung und ein erzähltes, neugiergetriebenes Skript. Kunst und Animation werden als Code (SVG + JS-Zeitstrahl) erstellt und mit Playwright + ffmpeg Frame für Frame gerendert, sodass jeder Frame deterministisch und bearbeitbar ist.

Originalitätsregel: Imitiere das Genre (flache Vektoren, Erklärvideo-Tempo), kopiere niemals Figuren eines Kanals (z. B. Kurzgesagts Vögel), Logos, Intros, Musik oder genaue Designs. Jede Figur und Szene wird neu erfunden.

Sprich mit dem Benutzer in seiner bevorzugten Sprache; behalte Code auf Englisch.

Gebündelte Dateien (Pfade relativ zu diesem Skill-Ordner)

DateiZweck
templates/master_template.html16:9-Startvorlage (1920x1080): Farbverläufe, Hilfsfunktionen, Figur, Gehirn, Wolke, Sterne, Szenenüberblendungs-Engine, eingebaute Untertitel. Kopiere sie und ersetze die Szenen.
templates/vertical_template.htmlGleiche Engine für 9:16-Shorts / Reels (1080x1920), mit einem vertikalen Layout und freiem Platz unten für Untertitel.
scripts/voiceover.pyOffline-Sprachausgabe mit Kokoro TTS (Hindi + Englische Stimmen), eine WAV-Datei pro Zeile + dur.json + lines.json (Text für Untertitel).
scripts/build.pyInjiziert Sprachdauern (__DUR__) und Erzähltext (__LINES__), exportiert timeline.json + captions.json; erkennt 9:16; meldet JS-Fehler.
scripts/captions.pySchreibt eine .srt-Datei aus captions.json für YouTube-Untertitel.
scripts/peek.pyEin Frame pro Szene → Kontaktbogen, zur Überprüfung vor dem vollständigen Rendern.
scripts/render.pyDeterministischer Frame-Bereich-Renderer (JPEG q92 → x264 CRF 18, sicherer Temp-Datei-Umbenennung).
scripts/mix_audio.pyPlatziert Sprachzeilen auf der Zeitachse, fügt einen code-synthetisierten (urheberrechtsfreien) Ambient-Pad + Whooshes oder eigene --music hinzu.
scripts/make_video.shGesamte Pipeline: Build → paralleles Rendern → Concat → Mix → Mux → QA-Sheet → .srt. Erkennt 9:16 automatisch.

Zwei funktionierende Beispiele befinden sich im Repository, zwei Ordner über diesem Skill-Ordner: examples/why-we-sleep/ (82 s, 16:9, Hindi, 11 Szenen) und examples/promo-short/ (38 s, 9:16, Englisch, mit echten Clips in einer Szene). Lies sie, um Szenenideen zu bekommen, bevor du neue schreibst.

Einrichtung (einmalig)

pip install playwright kokoro-onnx soundfile scipy pillow --break-system-packages
playwright install chromium          # überspringen, wenn Chromium bereits vorhanden
mkdir -p tts && cd tts
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.int8.onnx
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin

ffmpeg muss im PATH sein. Setze KOKORO_DIR, wenn der Modellordner nicht ./tts ist.

1. Arbeitsablauf (in dieser Reihenfolge befolgen)

  1. Briefing – Thema, Länge (Standard 60–90 s; Shorts = 30–58 s), Seitenverhältnis (16:9 1920x1080 oder 9:16 1080x1920), Erzählsprache, Sprachquelle. Falls etwas fehlt und der Benutzer anwesend ist, einmal nachfragen; ansonsten Standardwerte verwenden und dies mitteilen.
  2. Recherche + Skript – Im Internet nach Fakten für aktuelle oder numerische Informationen suchen und die Quelle jeder Zahl notieren. Struktur: Aufhänger → Frage → in 3–5 Schritten erklären → Wendung/Skalenmoment → Fazit. ~150 Wörter pro Minute. Kurze Sätze, eine Idee pro Satz, konkrete Zahlen und Vergleiche. Falls eine Erkenntnis von Tieren oder einer einzelnen Studie stammt, dies in der Erzählung erwähnen.
  3. lines.txt – Eine Erzählzeile pro Zeile; eine Zeile = eine Szene (≈ 4–8 s). Für Hindi TTS englische Lehnwörter in Devanagari schreiben (स्लीप प्रेशर), damit sie natürlich ausgesprochen werden; Bildschirmtext auf Englisch/Lateinisch belassen, es sei denn, eine Devanagari-Schriftart ist installiert.
  4. Sprachausgabe zuerst – python3 scripts/voiceover.py lines.txt vo --voice hm_omega --lang hi (Englisch: --voice am_michael --lang en-us). Dauern steuern die Zeitachse, niemals umgekehrt. Eine vom Benutzer aufgenommene Stimme ist immer besser: Teile sie in eine Datei pro Zeile als vo/NN.wav auf und schreibe vo/dur.json.
  5. Szenen bauen – Kopiere templates/master_template.html (16:9) oder templates/vertical_template.html (9:16), schreibe eine scene(...) pro Zeile (+ optional Abspann). Jede Szene: immer aktive Leerlaufbewegung + eine Hauptaktion. Verwende die Stilbibel + das Animationskit unten.
  6. Vorschau – python3 scripts/build.py video.html vo/dur.json _work/build.html && python3 scripts/peek.py _work/build.html 0.8; das Blatt ANSEHEN (auch 0.3 versuchen) und Überlappungen, Abschneidungen, leere Frames vor dem Rendern beheben.
  7. Rendern + Mischen – bash scripts/make_video.sh video.html vo final.mp4 (führt einen Block pro CPU-Kern aus; ~3 s Wandzeit pro Videosekunde pro Kern bei 1080p).
  8. Qualitätssicherung – final_sheet.png öffnen; Farbpaletten-Konsistenz, sicheren Bereich, nichts Abgeschnittenes, Lesbarkeit des Textes in Thumbnail-Größe überprüfen, ffprobe-Dauer ≈ Zeitachsen-Dauer. Nur defekte Szenen reparieren und erneut rendern.
  9. Auslieferung – die MP4-Datei, die .srt-Datei (auf YouTube als Untertitel hochladen), den Skripttext und einen Titel/Beschreibung/Tags + Thumbnail anbieten.

2. Stilbibel

  • Formen: einfache Grundformen (Ellipse, abgerundetes Rechteck, glatte Freiform-Pfade). Keine Konturen bei den meisten Formen; nur bei Hauptobjekten ein dunklerer Strich im gleichen Farbton.
  • Schichtverläufe: Fast jede Form erhält einen 2-Stopp-Linearverlauf eines Farbtons (hell oben links → gesättigt unten rechts) plus eine weiße Hervorhebung mit 25–40 % Deckkraft für den glänzenden Look.
  • Glühen: Lichtquellen = radialer Verlauf von fast weiß → transparent, Radius pulsiert ±5 %. Glitzer = 4-zackige Sterne, die durch eine Sinus-Transparenz funkeln.
  • Tiefe durch Schichten: Himmelsverlauf → ferne Hügel → mittlere Hügel → Bodenband mit helleren Klecksen → Motiv → Vordergrundpartikel; bewege Schichten mit unterschiedlichen Geschwindigkeiten.
  • Farbpaletten (eine pro Video, max. 5–6 Farbtöne + ein Dunkelton):
    • Weltall/Nacht: #211840 #423AA8 #7F79D1 #E565FF #33F5FF #1552FF
    • Tag/Natur: #00A7E2 #00D2EE #6EED65 #01CB79 #FFE4AF #FFFFFF
    • Warme Geschichte: #290D1C #B15141 #FFE4AF #FFCE85 #FF5F2D #FFFF47
    • Neon-Pop: #232453 #5759B9 #B6FF55 #FF0066 #A14BFF #00FFFF
  • Hintergrund: niemals reines Schwarz/Weiß; tief getöntes Dunkel (#12253A, #162B36) oder warmer Beige (#E6DDC4). Für „Gefahr“-Schläge auf rötliches Dunkel wechseln.
  • Figuren: runde Klumpenkörper, große einfache Augen (weiß + dunkle Pupille + Glanzlicht), keine Nase, Rouge-Wangen. Blinzeln etwa alle 3 s, atmen (Skalierung 1 → 1,025). Schlafend = geschlossene Augen mit Bögen + schwebendes „z“.
  • Text: dicke, abgerundete serifenlose Schrift (Poppins Bold / Nunito ExtraBold), wenige Wörter, wichtige Zahlen groß, Beschriftungen als Pillen-Badges, innerhalb des 90 % sicheren Bereichs.
  • Infografik-Geschmack: Zähler, die hochzählen, Balken, die wachsen/schrumpfen, Messinstrumente, Vorher/Nachher-Vergleiche, eine reagierende Figur.

3. Animationskit (PowerPoint-Effekte → Code)

PowerPoint-EffektCode-Äquivalent (Hilfsfunktionen in der Vorlage)
Einfliegen / Aufsteigentranslate von außerhalb des Bildschirms mit outBack-Easing
Einblenden / Zoomen / Wachsenpop(el,t,start,x,y) → Deckkraft + Skalierung mit Überschwingen
Drehbetonungrotate(${t*deg}) um den eigenen Mittelpunkt der Form
Bewegungspfadalong(pathEl,p) / getPointAtLength
Morph-ÜbergangGemeinsame Objekte zwischen Szenen beibehalten; die Engine überblendet Szenen (FADE)
Partikelspuren / GlühwürmchenGesäte rng(seed)-Partikel mit Phasenversatz, Nachlauf und Größenabfall
Wischen / Aufzeichnenstroke-dasharray + stroke-dashoffset
AusgangUmkehrung des Eingangs mit in-Easing

Immer aktive Leerlaufbewegung: Schweben, Funkeln, Glühpuls, langsames Parallaxe-Driften, Wolken-Driften, der langsame Kamerazoom der Engine (scale 1 → 1,045). Antizipations-Wackeln vor großen Aktionen, Stauchung und Dehnung bei Landungen. Eintritte 0,4–0,8 s, Staffelung 60–120 ms. Lasse niemals einen Frame völlig still.

4. Engine-Regeln (Vorlage)

  • Jede Szene: scene(id, bgGradientId, build() => svgString, seek(localT, sceneDuration)).
  • seek setzt jedes Attribut rein aus t – keine CSS-Animationen, Timer oder Math.random (verwende rng(seed)), sodass jeder Frame einzeln gerendert werden kann und Blöcke nahtlos zusammenpassen.
  • Element-IDs müssen über die gesamte Datei eindeutig sein (mit der Szenen-ID als Präfix).
  • Länge von Szene i = LEAD[i] + VO[i] + TAIL; Szenen über die Erzählzeilen hinaus sind 3,2 s (Abspann). MIN={2:16} hält Szene 2 für mindestens 16 s (z. B. für einen später eingefügten Clip). Die Engine exportiert window.DURATION, window.TIMELINE, window.CAPTION_CUES, window.seek.
  • scene(..., {cam:false}) schaltet den langsamen Kamerazoom für eine Szene aus (erforderlich, wenn ein Videoclip darüber gelegt wird).
  • Untertitel: CAPTIONS=true brennt Wortblock-Untertitel (aus LINES, zeitlich nach Zeichen innerhalb jeder Zeile) in die Frames ein; Chromium formt Devanagari korrekt. Halte die unteren ~120 px (16:9) / ~300 px (9:16) frei von wichtigen Grafiken. Setze CAPTIONS=false, um sie auszuschalten; die .srt-Datei wird dennoch geschrieben.
  • 9:16: Beginne mit vertical_template.html (Aufhängetext im oberen Drittel, Hauptmotiv in der Mitte). Skripte erkennen 9:16 anhand des SVG viewBox; schneide niemals ein 16:9-Video zurecht.

5. Audio

  • Stimme: Benutzeraufnahme → Kokoro (scripts/voiceover.py) → jede andere TTS, die die Sitzung anbietet. Kokoro Hindi-Stimmen: hm_omega, hm_psi, hf_alpha, hf_beta.
  • Musik: Der standardmäßig synthetisierte Pad in mix_audio.py ist originell und urheberrechtsfrei; oder --music mit einem Track übergeben, den der Benutzer besitzt/lizenziert hat. Niemals urheberrechtlich geschützte Musik verwenden.
  • Untertitel sind eingebaut (Engine-Regeln oben). make_video.sh schreibt auch final.srt; auf YouTube hochladen, damit Zuschauer Untertitel einschalten und YouTube sie automatisch übersetzen kann.

6. Extras auf Anfrage

  • Thumbnail: Einen Hauptframe mit 1280x720 und einem großen 2–4-Wort-Label rendern.
  • Serienlook: Farbpalette, Schriftarten und Figurenfunktionen in einer gemeinsamen Datei behalten und über Episoden hinweg wiederverwenden.
  • Abspannkarte: Kanal-/Pseudonym in den letzten 2–3 s anzeigen.

Verwandte Skills