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)
| Datei | Zweck |
|---|---|
templates/master_template.html | 16:9-Startvorlage (1920x1080): Farbverläufe, Hilfsfunktionen, Figur, Gehirn, Wolke, Sterne, Szenenüberblendungs-Engine, eingebaute Untertitel. Kopiere sie und ersetze die Szenen. |
templates/vertical_template.html | Gleiche Engine für 9:16-Shorts / Reels (1080x1920), mit einem vertikalen Layout und freiem Platz unten für Untertitel. |
scripts/voiceover.py | Offline-Sprachausgabe mit Kokoro TTS (Hindi + Englische Stimmen), eine WAV-Datei pro Zeile + dur.json + lines.json (Text für Untertitel). |
scripts/build.py | Injiziert Sprachdauern (__DUR__) und Erzähltext (__LINES__), exportiert timeline.json + captions.json; erkennt 9:16; meldet JS-Fehler. |
scripts/captions.py | Schreibt eine .srt-Datei aus captions.json für YouTube-Untertitel. |
scripts/peek.py | Ein Frame pro Szene → Kontaktbogen, zur Überprüfung vor dem vollständigen Rendern. |
scripts/render.py | Deterministischer Frame-Bereich-Renderer (JPEG q92 → x264 CRF 18, sicherer Temp-Datei-Umbenennung). |
scripts/mix_audio.py | Platziert Sprachzeilen auf der Zeitachse, fügt einen code-synthetisierten (urheberrechtsfreien) Ambient-Pad + Whooshes oder eigene --music hinzu. |
scripts/make_video.sh | Gesamte 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)
- 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.
- 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.
- 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.
- 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 alsvo/NN.wavauf und schreibevo/dur.json. - Szenen bauen – Kopiere
templates/master_template.html(16:9) odertemplates/vertical_template.html(9:16), schreibe einescene(...)pro Zeile (+ optional Abspann). Jede Szene: immer aktive Leerlaufbewegung + eine Hauptaktion. Verwende die Stilbibel + das Animationskit unten. - 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. - 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). - Qualitätssicherung –
final_sheet.pngöffnen; Farbpaletten-Konsistenz, sicheren Bereich, nichts Abgeschnittenes, Lesbarkeit des Textes in Thumbnail-Größe überprüfen,ffprobe-Dauer ≈ Zeitachsen-Dauer. Nur defekte Szenen reparieren und erneut rendern. - 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
- Weltall/Nacht:
- 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-Effekt | Code-Äquivalent (Hilfsfunktionen in der Vorlage) |
|---|---|
| Einfliegen / Aufsteigen | translate von außerhalb des Bildschirms mit outBack-Easing |
| Einblenden / Zoomen / Wachsen | pop(el,t,start,x,y) → Deckkraft + Skalierung mit Überschwingen |
| Drehbetonung | rotate(${t*deg}) um den eigenen Mittelpunkt der Form |
| Bewegungspfad | along(pathEl,p) / getPointAtLength |
| Morph-Übergang | Gemeinsame Objekte zwischen Szenen beibehalten; die Engine überblendet Szenen (FADE) |
| Partikelspuren / Glühwürmchen | Gesäte rng(seed)-Partikel mit Phasenversatz, Nachlauf und Größenabfall |
| Wischen / Aufzeichnen | stroke-dasharray + stroke-dashoffset |
| Ausgang | Umkehrung 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)). seeksetzt jedes Attribut rein aust– keine CSS-Animationen, Timer oderMath.random(verwenderng(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 exportiertwindow.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=truebrennt Wortblock-Untertitel (ausLINES, 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. SetzeCAPTIONS=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.pyist originell und urheberrechtsfrei; oder--musicmit einem Track übergeben, den der Benutzer besitzt/lizenziert hat. Niemals urheberrechtlich geschützte Musik verwenden. - Untertitel sind eingebaut (Engine-Regeln oben).
make_video.shschreibt auchfinal.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.