Remotion Topic Explainer Video Skill (60-90s)
Diese Fähigkeit leitet dich bei der Erstellung hochwertiger, 60–90 Sekunden langer Erklärvideos im Kurzformat (TikTok / YouTube Shorts / Reels: 1080×1920 @ 30fps) zu einem beliebigen Thema an.
Sie kombiniert:
- Visuelle Best Practices aus
remotion-dev/skills(frame-genaue Springs, clamped Interpolationen, Sequenzkomposition, Typografie-Hierarchie). - KI-Sprachsynthese über
TTS_PROVIDERin.env:edge(edge-tts-universal, online, kostenlos) odercit(CIT Voice Studio, Offline-Vietnamesische Studio-Stimmen – Download unter github.com/Cuongyd196/cit-voice-studio, API-Dokumentation:docs/cit-voice-studio.md). - Exakte Timing-Synchronisation, die Audiolängen von Voiceovers direkt in Remotion-Framesequenzen abbildet.
1. Videostruktur & Timing (60-90s / 1800-2700 Frames @ 30fps)
Ein fesselndes Kurzvideo folgt dem Hook-Problem-Lösung-Wert-Outro-Gerüst:
| Szene | Name | Zeit | Framebreich (@ 30fps) | Zweck & visuelle Elemente |
|---|---|---|---|---|
| 1 | Hook | 0s – 6s | ~180 Frames | Ein spannendes Versprechen oder eine neugierig machende Frage mit Zahlen, die in den ersten 2 Sekunden gesagt wird. Großer Titel, Hook-Effekt von video-style. |
| 2 | Kontext / Schmerzpunkt | 6s – 17s | ~330 Frames | Problem oder Kontext erläutern, warum dieses Thema wichtig ist. Zwei gegensätzliche Karten, die von beiden Seiten hereingleiten. |
| 3 | Kernkonzept Teil 1 | 17s – 32s | ~450 Frames | Erstes Kernprinzip: Milchglaskarte, hervorgehobenes Schlüsselwort. |
| 4 | Kernkonzept Teil 2 | 32s – 48s | ~480 Frames | Funktionsweise: 3-Schritte-Prozess, Verbindungslinie, die nach und nach erscheint. |
| 5 | Reale Auswirkungen | 48s – 64s | ~480 Frames | Praktische Anwendung, Ratschlag oder hochzählende Zahlen. |
| 6 | Outro & CTA | 64s – 75s | ~330 Frames | Einprägsamer Schlusssatz, Kanal-„Folgen“-Button. |
Soll das Video bis zu 90s dauern, füge vor dem Outro 1-2 zusätzliche Szenen (z. B. konkretes Beispiel, Hinweis) ein. Szenen, die länger als 13s sind, werden geteilt.
Gesamtdauer: 1800 – 2700 Frames (ca. 60 – 90 Sekunden).
2. TTS-Spracherzeugung (edge | cit)
2.1 Sprachkonfiguration via .env
Stelle sicher, dass die .env-Datei konfiguriert ist (vollständig siehe .env.example):
TTS_PROVIDER=edge # edge | cit
TTS_OUTPUT_DIR=public/audio
# Edge TTS (TTS_PROVIDER=edge)
EDGE_TTS_VOICE=vi-VN-HoaiMyNeural # oder vi-VN-NamMinhNeural, en-US-ChristopherNeural
EDGE_TTS_RATE=+10% # +10% bis +15% sorgt für fesselndes, schnelles Tempo bei Kurzvideos
# CIT Voice Studio (TTS_PROVIDER=cit)
CIT_TTS_BASE_URL=http://127.0.0.1:8001
CIT_TTS_VOICE=Hải Đăng # Stimmenliste: docs/cit-voice-studio.md oder GET /voices
CIT_TTS_SPEED=1.1 # 0.5 - 2.0
Wenn TTS_PROVIDER=cit:
- Die App CIT Voice Studio muss geöffnet sein. Das Skript ruft vor der Audioerzeugung automatisch
GET /healthauf; wenn keine Verbindung gemeldet wird, fordere den Benutzer auf, die App zu öffnen (oder herunterzuladen unter github.com/Cuongyd196/cit-voice-studio). - Der Dialog kann Emotion-Tags
[lachen],[seufzen],[räuspern]und Pausen-Tags[pause 0.5s]enthalten (werden nicht mitgesprochen). Nicht übermäßig verwenden: maximal 1 Tag/Szene. - Fehler
400 Voice not found= falscher Stimmenname (Groß-/Kleinschreibung und diakritische Zeichen beachten). ÜberprüfeCIT_TTS_VOICE.
2.2 Ablauf der Audio-Datei-Generierung
Wenn ein Thema vorliegt, erstelle zuerst das Verzeichnis src/<TopicName>/, da src/<TopicName>/audioData.ts nur erzeugt wird, wenn dieses Verzeichnis bereits existiert. Erstelle dann scripts/generate-<topic>-audio.ts und führe es aus, um das Audio zu generieren:
import { generateTopicVoices } from "./generate-tts";
const scenes = [
{
id: "scene1_hook",
text: "Weißt du eigentlich, was Docker wirklich ist und warum jeder Entwickler es braucht?",
},
{
id: "scene2_problem",
text: "Früher war der Satz 'bei mir läuft es' immer ein Albtraum bei der Produktübergabe.",
},
{
id: "scene3_concept1",
text: "Docker löst dies mit Containern – das gesamte Programm und seine Umgebung werden in einer Einheit verpackt.",
},
{
id: "scene4_concept2",
text: "Im Gegensatz zu schweren virtuellen Maschinen teilt Docker den Betriebssystemkern, was den Start in Sekundenschnelle ermöglicht.",
},
{
id: "scene5_impact",
text: "Dadurch kannst du deine Anwendung reibungslos auf jedem Server von AWS, GCP bis hin zu günstigen VPS bereitstellen.",
},
{
id: "scene6_outro",
text: "Folge dem Kanal, um täglich kompaktes Technologiewissen zu erhalten!",
},
];
generateTopicVoices("DockerShort", scenes).catch((error) => {
console.error(error);
process.exitCode = 1;
});
Die Audiodateien werden automatisch in public/audio/<TopicName>/<sceneId>.<ext> gespeichert (.mp3 bei edge, .wav bei cit), zusammen mit einer manifest.json, die die genaue Frame-Anzahl (durationInFrames) und den audioPath für jede Szene festhält.
- Optional für jede Szene:
voice(Stimme des aktuellen Anbieters),rate/pitch/volume(nur edge),speed0.5-2.0 (nur cit). - Bereits vorhandene Dateien werden wiederverwendet (Cache). Um nach einer Änderung des Skripts oder der Stimme neu zu generieren, lösche die entsprechende Audiodatei vorher.
3. Remotion-Programmierregeln (aus remotion-dev/skills)
Beim Schreiben von Remotion-Quellcode MÜSSEN die folgenden Regeln eingehalten werden:
3.1 Verwendung von Spring-Animationen
Keine CSS-Keyframes/Transitions oder lebloses lineares Easing. Verwende spring():
import { spring, useCurrentFrame, useVideoConfig } from "remotion";
const frame = useCurrentFrame();
const { fps } = useVideoConfig();
// Geschmeidig federnde Spring-Animation für Karten/Symbole
const scale = spring({
frame,
fps,
config: {
damping: 12, // Unter 15 erzeugt natürliche Federung
stiffness: 100, // Spannung
mass: 0.8,
},
});
const entrance = spring({
frame: frame - 10, // Verzögerung um 10 Frames
fps,
from: 50,
to: 0,
});
3.2 Sichere Interpolation (Immer clampen)
Gib immer extrapolateLeft: "clamp" und extrapolateRight: "clamp" an, um Werteüberläufe zu vermeiden, wenn die Timeline außerhalb des Bereichs läuft:
import { interpolate } from "remotion";
const opacity = interpolate(frame, [0, 15], [0, 1], {
extrapolateLeft: "clamp",
extrapolateRight: "clamp",
});
3.3 Audio einbetten und Sequenzen synchronisieren
Jede Szene in der Composition verwendet <Sequence> oder <Series>, um das Timing exakt zu steuern:
import { Audio, staticFile, Sequence } from "remotion";
// In der Szenenkomponente – Pfad aus dem Manifest holen, NICHT die Endung .mp3 fest codieren (Anbieter cit erzeugt .wav):
<Sequence from={0} durationInFrames={sceneDuration}>
<Audio src={staticFile(audioManifest.scenes[0].audioPath)} />
<SceneContent />
</Sequence>
- Knappe Szenenübergänge (Snappy Transition Buffer):
- Der Puffer zwischen den Szenen sollte nur +3 bis +4 Frames (ca. 0,1s) nach Ende des gesprochenen Texts betragen.
- Vermeide zu lange Puffer (+15 bis +20 Frames), die zu Stille/Totpunkten zwischen den Szenen führen. Die nächste Szene sollte unmittelbar erscheinen, sobald der vorherige Satz endet, um das dynamische, fesselnde Tempo von Kurzvideos aufrechtzuerhalten.
// Beispiel zur Berechnung der Szenendauern in einer Series
// Die Werte im Manifest enthalten bereits 10 Framepuffer, also vor dem Hinzufügen des neuen Puffers abziehen.
const d1 = audioManifest.scenes[0].durationInFrames - 10 + 3;
const d2 = audioManifest.scenes[1].durationInFrames - 10 + 3;
// ...
3.4 Visuelle Gestaltungsrichtlinien (Hochformat 1080x1920)
Der gesamte Stil (Hintergrund, Milchglaskarten, Branding, Schriftgrößen, Layout, Untertitel, Bewegung, Hook) folgt dem Skill video-style. Kopiere theme.ts und components/ aus src/ClaudeBugHunterRepo/. Verwende keine Emojis oder dekorativen Symbole im Text.
4. Schrittweise Videoerstellung für Antigravity / Codex
Wenn eine Anfrage eingeht: „Erstelle ein Erklärvideo zum Thema [Thema X]“:
Schritt 1: Skripterstellung (Scripting)
- Lege 6 Szenen fest (Hook, Problem, Konzept 1, Konzept 2, Auswirkung, Outro).
- Schreibe einen natürlichen, prägnanten vietnamesischen Dialog mit kurzen Sätzen (insgesamt 260-330 Wörter, pro Szene 35-50 Wörter). Szene 1 beginnt mit einem konkreten Versprechen oder Ergebnis; siehe Hook und Dialog in
video-style.
Schritt 2: Spracherzeugung (TTS Generation)
- Lese
TTS_PROVIDERin.env, um zu erfahren, ob edge oder cit verwendet wird. - Erstelle das Verzeichnis
src/<TopicName>/, dann das Skriptscripts/generate-<topic>-audio.ts, dasgenerateTopicVoicesaufruft, und führenpx tsx scripts/generate-<topic>-audio.tsaus. - Hole die tatsächlichen Framedauern aus
manifest.json/src/<TopicName>/audioData.ts.
Schritt 3: Code-Verzeichnis src/<TopicName>/ erstellen
Standard-Verzeichnisstruktur:
src/<TopicName>/
├── <TopicName>.tsx # Hauptcomposition, die Series.Sequence zusammenstellt
├── types.ts # Schema & Props
├── audioData.ts # Metadaten zur Audiodauer
└── scenes/
├── Scene1Hook.tsx
├── Scene2Problem.tsx
├── Scene3Concept1.tsx
├── Scene4Concept2.tsx
├── Scene5Impact.tsx
└── Scene6Outro.tsx
Soundeffekte: Verwende <SfxTrack cues={...} /> aus src/sfx/SfxTrack.tsx, platziert in der Hauptkomponente. Audiodateien liegen in public/sfx/, neu erstellt mit npx tsx scripts/generate-sfx.ts.
| Wann | Sound |
|---|---|
| Zu Beginn jeder Szene, 3 Frames früher, um in die Stille vor dem neuen Satz zu fallen (Szene 1 bei Frame 0) | mallet |
| Wenn eine Karte oder ein Punkt erscheint | pop oder tick |
| Höhepunkt, Schlussfolgerung | ding |
| Handlungsaufforderung zum Folgen | chime |
framejedes Cues ist die Framenummer ab Videobeginn und stimmt mit dem Erscheinen des Elements überein.- Keine manuelle Überlappungsvermeidung nötig:
SfxTracküberspringt automatisch Cues, die weniger als 0,4s vom vorherigen entfernt sind, und reduziert die Lautstärke, wenn ein Sound unmittelbar nach sich selbst wiederholt wird. - Lade keine Sounds von myinstants oder anderen Seiten mit unklarer Lizenz herunter. Wenn neue Sounds benötigt werden, füge sie zu
scripts/generate-sfx.tshinzu.
Schritt 4: Composition in src/Root.tsx registrieren
Füge eine neue Composition in src/Root.tsx hinzu:
<Composition
id="<TopicName>"
component={<TopicName>}
durationInFrames={totalFrames}
fps={30}
width={1080}
height={1920}
defaultProps={{}}
/>
Schritt 5: Überprüfung und Bericht
- Führe
npm run lintaus, um TypeScript-/ESLint-Fehler zu prüfen. - Melde dem Benutzer den Link zum Öffnen der Composition im Remotion Studio (
http://localhost:3000) oder den Befehl zum Rendern des MP4:npx remotion render <TopicName> out/<TopicName>.mp4