Video-Prompt-Werkbank

Ein Storyboard, das für Menschen gemacht ist, und eine Generierungsliste, die funktioniert – dazwischen liegt eine Übersetzung. Dieses Skill ist diese Übersetzung.

Es erzeugt zwei Dateien: Asset-Liste (welche Bilder werden benötigt) und Generierungsliste (wie jedes Segment generiert wird).

Es wählt kein neues Thema aus, ändert keine Drehbuchstruktur und bewertet keinen Inhalt – das ist die Aufgabe vorgelagerter Prozesse. Es generiert auch keine Bilder oder Videos direkt, sondern formuliert nur Dinge so, dass sie sofort ausgeführt werden können.

1. Fünf eiserne Regeln

Ganz vorne, weil jede Regel eine bestimmte Art von Fehlschlag adressiert.

Assets zuerst. Keine Nummerierung, kein Prompt. Wenn dasselbe Produkt in Segment 3 zu einem anderen wird, liegt die Ursache fast immer darin, dass kein Asset angelegt wurde.
Ein Videoprompt beschreibt nur einen kontinuierlichen Moment. Wechselt die Szene, teile auf. Lasse das Modell nicht selbst überblenden.
Verwende Anchor Phrases für das Subjekt wortwörtlich. Ein Synonym zu verwenden, ist, als würde man die Person wechseln.
Bestimme zuerst die Quelle des Produkts, dann schreibe den Prompt. Wenn es Echtaufnahmen oder offizielles Material gibt, verwende es. Wenn nicht, kann KI generiert werden, aber Geometrie, Druck und Logo müssen festgeschrieben werden. Für Aufnahmen mit Parameter- oder Wirkungsangaben dürfen nur Echtaufnahmen oder offizielles Material verwendet werden.
Videoprompts werden positiv formuliert, Bildprompts verwenden den Negativ-Abschnitt. Diese beiden Syntaxen sind nicht austauschbar, siehe Abschnitt 8 in references/prompt-syntax.md.

2. Eingabe

Erforderlich

Element	Woher	Was tun, wenn fehlend
Storyboard	Abschnitt 4 des Konzepts, kurze 6-Spalten-Tabelle und detaillierte Shot-Beschreibungen	Fehlen Shot-Nummern, Zeitangaben oder wichtige Übergangsfelder, ablehnen, nicht raten
Produktname und Spezifikationen	Abschnitt 1 des Konzepts	Wenn nicht vorhanden, nachfragen. Wenn nicht zu erfragen, als "Bestätigung ausstehend" markieren
Zielmodell	Vom Benutzer angegeben, Standard: Seedance	Standard verwenden, nicht nachfragen

Sechs Spalten der Kurztabelle: Shot-Nr. / Dauer (s) / Beschreibung des Shots / Voice-Over / Bildschirmtext / Funktion des Shots. Details pro Shot: Zuschauerwahrnehmung / Voraussetzungen / Wichtige sichtbare Fakten / Zeitliche Absicht.

Optional

Seitenverhältnis (Standard 9:16), Videoauflösung (Standard 480p, konsistent mit dem Generierungsende)
Min./Max. Dauer pro Segment (Standard 5–10 Sekunden)
Audio erforderlich (Muss eingeschaltet sein. Voice-Over wird direkt vom Modell gesprochen; ausschalten = kein Ton. Nur ausschalten, wenn es sich um eine bestätigte leere Einstellung handelt.)

Zwei Eingabemodi

Modus	Verarbeitung
Standard	Abschnitt 4 des Konzepts lesen, Felder vollständig, direkt zu Schritt 3
Locker	Nur eine externe Markdown-Tabelle vorhanden, zuerst parsen, dem Benutzer zur Überprüfung anzeigen, fehlende Felder markieren

Bei lockerem Parsen explizit darauf hinweisen: "Dies ist ein degradiertes Parsing, bitte überprüfen." Stille Fehler sind schlimmer als gemeldete Fehler.

3. Acht Schritte

1 Tabelle lesen → 2 Visualisieren → 3 Assets extrahieren → 4 Segmentieren → 5 Erstes Frame → 6 Prompt formen → 7 Liste ausgeben → 8 Selbstprüfung

Schritt 1 · Tabelle lesen

Kurztabelle und Detailbeschreibungen pro Shot-Nr. zuordnen, dabei Produktinformationen merken. Dieser Schritt macht nur eine Prüfung, keine Kreation. Wenn das Planungs-Skill installiert ist, führe scripts/check_plan.py --plan <Pfad zum Konzept> aus; bei eigenständiger Installation pro Shot anhand der Eingabefeldliste prüfen. Bei alten 5-Spalten-Tabellen ohne Übergangsfelder zurückgehen und ergänzen.

Drei Prüfungen:

Shot-Nummern fortlaufend, Dauer positiv
Dauer pro Shot 2–6 Sekunden (Grenzwerte markieren)
Storyboard enthält eine "Beschreibung des Shots", nicht nur Voice-Over

Schritt 2 · Visualisieren

Dies ist der einzige kreative Schritt im gesamten Skill und der am leichtesten übersprungene.

Das Storyboard liefert eine inhaltliche Beschreibung ("Erklären, warum es außen heiß und innen kalt ist"), der Prompt benötigt ein Bild. Jedes Segment muss folgende Felder ergänzen:

Feld	Was wird gefragt	Beispiel
Subjekt	Was ist im Bild	Weiße Keramik-Lunchbox, geöffneter Deckel
Zustand	Aktueller Zustand des Subjekts	Deckel offen, Lunchbox auf dem Tisch
Aktion	Wer tut was, eine Aktion	Löffel wird in die Mitte gesteckt
Umgebung	Wo, was ist im Hintergrund	Schreibtisch, Mikrowelle im Hintergrund
Licht	Woher kommt das Licht, welche Farbtemperatur	Warmweißes Licht von oben, Fensterlicht von links
Einstellungsgröße	Wie groß ist der Bildausschnitt	Nahaufnahme
Kameraposition/-winkel	Wo ist die Kamera relativ zum Subjekt	Auf Tischhöhe, 30 Grad von vorne-seitlich
Kamerabewegung	Wie bewegt sie sich (nur eine auswählen)	Stativ, langsame Heranfahrt

Kein Feld darf fehlen. Jede Segmentliste muss Subjekt, Zustand, Aktion, Umgebung, Licht, Einstellungsgröße, Kameraposition/-winkel und Kamerabewegung explizit aufführen; bei klarer Nichtanwendbarkeit den Grund angeben. Bei fehlenden Feldern zuerst selbst ergänzen; wenn nicht möglich, den Benutzer eine Frage fragen – lasse keine Lücken in den Prompt, denn das Modell wird sie selbst füllen.

Die im Storyboard genannten "wichtigen sichtbaren Fakten" und "Voraussetzungen" müssen in der Generierungsliste mit einem Zielort markiert werden: entweder als sichtbarer Zustand im ersten Frame oder als Aktion, die im Videosegment stattfindet. Prozesshafte Aktionen können nicht verlangen, dass ein einzelnes erstes Frame gleichzeitig Vorher, Während und Nachher darstellt.

Schritt 3 · Assets extrahieren

Gemäß references/assets.md vier Aufgaben: Nummerieren, Aufteilen, Quelle bestimmen, Gesamttabelle ausgeben.

Nummernprefixe: PR Produkt / SC Szene / CH Person / SP Requisite
Kriterium für Aufnahme in die Liste: Wird von zwei oder mehr Segmenten referenziert, oder erfordert Konsistenz der Identität
Drei Quellenstufen: Echtaufnahme / Offizielles Material (wenn vorhanden), KI-generiert (wenn kein Echtmaterial, Geometrie und Druck festlegen), Nachzuliefern

Schritt 4 · Segmentieren

Schneide die Schnittmenge aus drei Beschränkungen:

Segmentdauer ≥ Wortanzahl des Voice-Overs in diesem Segment ÷ 4 Wörter/s (Das Modell spricht Chinesisch mit etwa 4–5 Zeichen/s, rechne mit der niedrigeren Zahl)
Einzelnes Segment 5–10 Sekunden (Modellobergrenze siehe prompt-syntax.md)
Eine Aktion pro Segment

Regel 1 verwendet 4 statt 6,5, und das hat einen Grund: Das Modell spricht nicht schneller – es lässt einfach die zweite Hälfte des Satzes weg. Segmente, die mit optimistischer Sprechgeschwindigkeit geschnitten werden, produzieren fehlende Sätze, und das ist viel schwieriger zu beheben, als ein weiteres Segment zu erstellen.

Voice-Over pro Segment maximal 36 Zeichen. Überschreitung führt zur Aufteilung; drücke nicht die Wortanzahl, um es in ein Segment zu quetschen.

Für extrem lange Shots mit Verlängerung + Übergangs-Frame verwenden: Schreibe klar den Bildzustand des Endframes des vorherigen Segments auf, nicht "übernimmt vom vorherigen Segment".

Schritt 5 · Erstes Frame

Nicht jedes Segment benötigt ein erstes Frame. Entscheide anhand der Empfindlichkeit:

Erstes Frame erforderlich	Direkt Text-zu-Video möglich
Produkt-Nahaufnahme, Handaktion, Logo oder Text	Leere Einstellung, Atmosphäre, Überblendung, reiner Lichteffekt

Bildprompts für das erste Frame (siehe assets.md Abschnitt 4, sieben Module), Prinzip: "Reales Produkt als Basis + KI-generierte Szene".

Schritt 6 · Prompt formen

Schreibe gemäß der sechs Blöcke in references/prompt-syntax.md:

[Stil & Seitenverhältnis] → [Materialreferenz] → [Subjekt fixieren] → [Zeitachse] → [Voice-Over & Ton] → [Qualitätseinschränkungen]

Vier Dinge, die unbedingt enthalten sein müssen: Einzelne Kamerabewegung, Motion:-Liste, Originaltext des Voice-Overs (genau wie im Skript, kein Wort ändern), No subtitles.

Der fünfte Block trägt jetzt das Voice-Over selbst – es gibt keine separate Sprachaufnahme mehr; der Text wird in diesem Block an das Modell übergeben. Die Voice-Over-Spalte des Storyboards muss wortwörtlich übernommen werden, ohne Tonangaben, ohne Klammerzusätze, ohne ein Wort zu ändern. Änderst du ein Wort, passt der Untertitel nicht mehr zum Ton.

Schritt 7 · Liste ausgeben

Zwei Vorlagen ausfüllen und in das vom übergeordneten System vorgegebene Verzeichnis ablegen (Standard: 02-Asset-Liste.md, 03-Generierungsliste.md).

Schritt 8 · Selbstprüfung

Sechs Prüfungen durchführen; wenn ein Skript vorhanden ist, ausführen:

python scripts/check_gen_list.py --dir <Produktionsverzeichnis>

Rückgabecode: 0 bestanden / 2 schwerwiegendes Problem / 3 Datei kann nicht gelesen werden.

4. Zwei Ausgabeprodukte

Asset-Liste (`02-Asset-Liste.md`)

Tabelle mit sechs Spalten, gefolgt von den Bild-Prompts für jedes Asset:

Nummer	Typ	Verwendung	Quelle	Referenziert von Segmenten	Status

Typ: Produkt-Hauptkörper / Produktdetail / Szene / Person / Requisite
Quelle: Echtaufnahme oder offizielles Material / KI-generiert / Nachzuliefern
Status: Vorhanden / Bild muss erstellt werden / Muss aufgenommen werden

Generierungsliste (`03-Generierungsliste.md`)

Eine Übersichtstabelle + vollständige Prompts pro Segment (Prompts sind zu lang für die Tabelle):

| Segment-Nr. | Shot-Nr. | Dauer | Modus | Referenzmaterial | Erstes Frame | Nachbearbeitung | Anzahl Kandidaten | Voraussetzungen / Wichtige Fakten | |---|---:|---:|---|---|---:|---:|---|

Modus: Erstes/Letztes Frame / Referenzbild / Text-zu-Video
Erstes Frame: S01_f01 oder "Keines"
Anzahl Kandidaten: Empfohlen 2–4

Die drei Modi sind für nachgelagerte Prozesse zur Auswahl; nicht alle Modelle unterstützen alle Modi. KIE Seedance unterstützt derzeit nur Text-zu-Video, Erstes Frame und Erstes/Letztes Frame; der Referenzbild-Modus muss auf Erstes Frame degradiert werden – die Degradierungsregeln befinden sich in short-video-generate. Dieses Skill schreibt die Modi einfach auf, ohne sie an das Modell anzupassen.

Unterhalb der Tabelle werden für jedes Segment im Format ### S01 · Shot 1–2 ｜ 8s ｜ Erste/Letzte Frames die acht visuellen Felder und der vollständige Prompt ausgegeben, einschließlich Quelle des ersten Frames, Voraussetzungen und Nachbearbeitung.

Vorlagen in assets/.

5. Neun Selbstprüfungen

#	Prüfung	Was tun bei Fehler
1	Jedes Segment hat eine Shot-Nr., keine zusätzlichen Segmente	Zu Schritt 4 zurück und neu segmentieren
2	Gesamtdauer aller Segmente ≤ 1s Abweichung von der Storyboard-Gesamtdauer	Segmentdauer anpassen, Storyboard nicht ändern
3	In der Liste referenzierte Asset-Nummern sind in der Asset-Liste definiert	Definition ergänzen oder Referenz löschen
4	Hauptmodus eindeutig: Erste/Letzte Frames und Referenzbild nicht gemischt	Im gesamten Video vereinheitlichen
5	Quelle für Produktshots ist angegeben; Shots mit Behauptungen verwenden Echtaufnahmen oder offizielles Material	Zu Schritt 3 zurück und Quelle ändern
6	Jeder Videoprompt enthält: Einzelne Kamerabewegung, `Motion:`, `No subtitles`	Pro Prompt ergänzen
7	Bei Segmenten mit Voice-Over: Voice-Over-Block stimmt wortwörtlich mit Storyboard-Voice-Over überein	Segment für Segment vergleichen; selbst ein Wortfehler muss korrigiert werden
8	Alle visuellen Felder vollständig	F7 prüft nur, ob die Tabelle der visuellen Felder im Segment existiert, vollständig ist und Werte enthält, nicht aus Prosastichwörtern zu schließen; Subjekt, Zustand, Aktion, Umgebung, Licht, Einstellungsgröße, Kameraposition/-winkel, Kamerabewegung, Voraussetzungen/sichtbare Fakten müssen alle ausgefüllt sein; bei Nichtanwendbarkeit Grund angeben
9	Abhängigkeiten übertragen	Voraussetzungen und wichtige sichtbare Fakten aus dem Storyboard wurden auf das erste Frame oder die Aktion im Segment abgebildet

Prüfer F8 bestätigt nur, dass die Übersichtstabelle pro Segment das Feld "Voraussetzungen / Wichtige Fakten" ausgefüllt hat, nicht, dass der Inhalt tatsächlich im ersten Frame oder der Segmentaktion dargestellt wird; G2 benötigt weiterhin manuelle Prüfung pro Segment.

Präzise Formulierung für Regel 4: Erste/Letzte Frames und Referenzbild schließen sich gegenseitig aus; Text-zu-Video nur für Segmente ohne Subjekt. Werden zwei Hauptmodi für Produktshots gemischt, passen die Ergebnisse nicht zusammen.

Regel 7 ist neu und wird am leichtesten übersehen. Die Methode ist einfach, aber effektiv: Lege die Voice-Over-Spalte des Storyboards und den Voice-Over-Block der Liste nebeneinander und vergleiche sie wortwörtlich. Ein geändertes Satzzeichen, ein ersetztes Synonym – der Untertitel müsste mitgeändert werden, und Untertitel werden erst in S4 erstellt – dann ist es zu spät.

Überprüfe nebenbei zwei Dinge: Überschreitet das Voice-Over pro Segment 36 Zeichen (dann wird das Modell es auslassen)? Sind Tonangaben wie （lacht） oder [aufgeregt] eingeschlichen (das Modell spricht sie mit)?

6. Grenzen

Inhalte werden nicht neu angeordnet: Shot-Nummern, Reihenfolge, Dauer kommen von vorgelagerten Prozessen. Dieses Skill ändert die Struktur nicht.
Inhalte werden nicht bewertet: Themenauswahl, Hooks, Struktur – das liegt bei vorgelagerten Prozessen.
Keine direkte Generierung: Es werden nur Listen und Prompts ausgegeben. Bildgenerierung wird an short-video-assets übergeben, Videogenerierung an short-video-generate.
Kein einmaliger Erfolg garantiert: Generierung ist probabilistisch. Dieses Skill stellt nur sicher, dass der "eine Durchlauf, der sich lohnt" eine höhere Wahrscheinlichkeit hat.
Keine Parameterübertragung: Modellparameter ändern sich. Dieses Skill liefert Prinzipien und allgemeine Formulierungen; spezifische Werte basieren auf der offiziellen Dokumentation.

7. Referenzen

Datei	Wann lesen
`references/prompt-syntax.md`	Beim Schreiben von Videoprompts; Anpassen der Kamerabewegung, Zeitachse, Materialreferenzen
`references/assets.md`	Beim Extrahieren von Assets, Schreiben von Asset-Bild- und Erstes-Frame-Prompts
`references/consistency.md`	Bei Inkonsistenzen zwischen Segmenten, Produktverformung, falschem Gesicht
`references/troubleshooting.md`	Wenn ein Segment wiederholt nicht generiert werden kann

Vorlagen: assets/asset-list-template.md, assets/gen-list-template.md Validierung: scripts/check_gen_list.py

lhaovo/short-video-skills

Was ist short-video-skills?

In Ihrer bevorzugten KI fragen

Dokumentation