Videobearbeitung
KI-gestützte Bearbeitung von echtem Filmmaterial. Keine Generierung aus Eingabeaufforderungen. Schnelle Bearbeitung vorhandener Videos.
Wann aktivieren
- Benutzer möchte Videoaufnahmen bearbeiten, schneiden oder strukturieren
- Lange Aufnahmen in Kurzformate umwandeln
- Vlogs, Tutorials oder Demovideos aus Rohmaterial erstellen
- Überlagerungen, Untertitel, Musik oder Voiceover zu vorhandenen Videos hinzufügen
- Videos für verschiedene Plattformen umrahmen (YouTube, TikTok, Instagram)
- Benutzer sagt "Video bearbeiten", "dieses Material schneiden", "einen Vlog erstellen" oder "Video-Workflow"
Kern-These
KI-Videobearbeitung ist nützlich, wenn man aufhört, sie zu bitten, das gesamte Video zu erstellen, und stattdessen beginnt, sie zu nutzen, um echtes Filmmaterial zu komprimieren, zu strukturieren und anzureichern. Der Wert liegt nicht in der Generierung. Der Wert liegt in der Kompression.
Die Pipeline
Screen Studio / Rohmaterial
→ Claude / Codex
→ FFmpeg
→ Remotion
→ ElevenLabs / fal.ai
→ Descript oder CapCut
Jede Ebene hat eine bestimmte Aufgabe. Ebenen nicht überspringen. Nicht versuchen, ein Werkzeug alles machen zu lassen.
Ebene 1: Aufnahme (Screen Studio / Rohmaterial)
Das Quellmaterial sammeln:
- Screen Studio: polierte Bildschirmaufnahmen für App-Demos, Codier-Sessions, Browser-Workflows
- Rohmaterial von Kameras: Vlog-Aufnahmen, Interviews, Event-Aufzeichnungen
- Desktop-Aufnahme via VideoDB: Sitzungsaufzeichnung mit Echtzeit-Kontext (siehe
videodb-Fähigkeit)
Ausgabe: Rohdateien bereit zur Organisation.
Ebene 2: Organisation (Claude / Codex)
Claude Code oder Codex verwenden, um:
- Transkribieren und beschriften: Transkript erstellen, Themen und Schwerpunkte identifizieren
- Struktur planen: entscheiden, was bleibt, was wegfällt, welche Reihenfolge funktioniert
- Tote Abschnitte identifizieren: Pausen, Abschweifungen, wiederholte Takes finden
- Schnittliste erstellen: Zeitstempel für Cuts, Segmente zum Behalten
- FFmpeg- und Remotion-Code skizzieren: die Befehle und Kompositionen generieren
Beispiel-Eingabeaufforderung:
"Hier ist das Transkript einer 4-stündigen Aufnahme. Identifiziere die 8 stärksten Segmente
für einen 24-minütigen Vlog. Gib mir FFmpeg-Schnittbefehle für jedes Segment."
Diese Ebene dreht sich um Struktur, nicht um den endgültigen kreativen Geschmack.
Ebene 3: Deterministische Schnitte (FFmpeg)
FFmpeg erledigt die langweilige, aber kritische Arbeit: Aufteilen, Trimmen, Verketten und Vorverarbeiten.
Segment nach Zeitstempel extrahieren
ffmpeg -i raw.mp4 -ss 00:12:30 -to 00:45:15 -c copy segment_01.mp4
Stapelschnitt aus Schnittliste
#!/bin/bash
# cuts.txt: start,end,label
while IFS=, read -r start end label; do
ffmpeg -i raw.mp4 -ss "$start" -to "$end" -c copy "segments/${label}.mp4"
done < cuts.txt
Segmente verketten
# Dateiliste erstellen
for f in segments/*.mp4; do echo "file '$f'"; done > concat.txt
ffmpeg -f concat -safe 0 -i concat.txt -c copy assembled.mp4
Proxy für schnellere Bearbeitung erstellen
ffmpeg -i raw.mp4 -vf "scale=960:-2" -c:v libx264 -preset ultrafast -crf 28 proxy.mp4
Audio für Transkription extrahieren
ffmpeg -i raw.mp4 -vn -acodec pcm_s16le -ar 16000 audio.wav
Audiopegel normalisieren
ffmpeg -i segment.mp4 -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:v copy normalized.mp4
Ebene 4: Programmierbare Komposition (Remotion)
Remotion verwandelt Bearbeitungsprobleme in komponierbaren Code. Verwende es für Dinge, die traditionelle Editoren mühsam machen:
Wann Remotion verwenden
- Überlagerungen: Text, Bilder, Branding, untere Drittel
- Datenvisualisierungen: Diagramme, Statistiken, animierte Zahlen
- Bewegungsgrafiken: Übergänge, Erklärer-Animationen
- Komponierbare Szenen: wiederverwendbare Vorlagen für mehrere Videos
- Produkt-Demos: kommentierte Screenshots, UI-Highlights
Einfache Remotion-Komposition
import { AbsolutFill, Sequence, Video, useCurrentFrame } from "remotion";
export const VlogComposition: React.FC = () => {
const frame = useCurrentFrame();
return (
<AbsolutFill>
{/* Hauptmaterial */}
<Sequence from={0} durationInFrames={300}>
<Video src="/segments/intro.mp4" />
</Sequence>
{/* Titelüberlagerung */}
<Sequence from={30} durationInFrames={90}>
<AbsolutFill style={{
justifyContent: "center",
alignItems: "center",
}}>
<h1 style={{
fontSize: 72,
color: "white",
textShadow: "2px 2px 8px rgba(0,0,0,0.8)",
}}>
Der KI-Bearbeitungs-Stack
</h1>
</AbsolutFill>
</Sequence>
{/* Nächstes Segment */}
<Sequence from={300} durationInFrames={450}>
<Video src="/segments/demo.mp4" />
</Sequence>
</AbsolutFill>
);
};
Ausgabe rendern
npx remotion render src/index.ts VlogComposition output.mp4
Siehe die Remotion-Dokumentation für detaillierte Muster und API-Referenz.
Ebene 5: Generierte Assets (ElevenLabs / fal.ai)
Nur generieren, was benötigt wird. Nicht das gesamte Video generieren.
Voiceover mit ElevenLabs
import os
import requests
resp = requests.post(
f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}",
headers={
"xi-api-key": os.environ["ELEVENLABS_API_KEY"],
"Content-Type": "application/json"
},
json={
"text": "Dein Erzähltext hier",
"model_id": "eleven_turbo_v2_5",
"voice_settings": {"stability": 0.5, "similarity_boost": 0.75}
}
)
with open("voiceover.mp3", "wb") as f:
f.write(resp.content)
Musik und Soundeffekte mit fal.ai
Die fal-ai-media-Fähigkeit verwenden für:
- Hintergrundmusik generieren
- Soundeffekte (ThinkSound-Modell für Video-zu-Audio)
- Übergangsgeräusche
Generierte Visuals mit fal.ai
Für Einfügeaufnahmen, Thumbnails oder B-Roll, das nicht existiert, verwenden:
generate(app_id: "fal-ai/nano-banana-pro", input_data: {
"prompt": "professionelles Thumbnail für Tech-Vlog, dunkler Hintergrund, Code auf Bildschirm",
"image_size": "landscape_16_9"
})
VideoDB generative Audio
Wenn VideoDB konfiguriert ist:
voiceover = coll.generate_voice(text="Erzählung hier", voice="alloy")
music = coll.generate_music(prompt="Lo-Fi-Hintergrund für Codier-Vlog", duration=120)
sfx = coll.generate_sound_effect(prompt="subtil-whooshender Übergang")
Ebene 6: Finale Feinarbeit (Descript / CapCut)
Die letzte Ebene ist menschlich. Einen traditionellen Editor verwenden für:
- Tempo: Schnitte anpassen, die zu schnell oder langsam wirken
- Untertitel: automatisch generiert, dann manuell bereinigt
- Farbkorrektur: grundlegende Korrektur und Stimmung
- Endgültiger Audiomix: Stimme, Musik und SFX-Pegel ausbalancieren
- Export: plattformspezifische Formate und Qualitätseinstellungen
Hier lebt der Geschmack. KI räumt die sich wiederholende Arbeit weg. Du triffst die endgültigen Entscheidungen.
Social-Media-Umrahmung
Verschiedene Plattformen benötigen unterschiedliche Seitenverhältnisse:
| Plattform | Seitenverhältnis | Auflösung |
|---|---|---|
| YouTube | 16:9 | 1920x1080 |
| TikTok / Reels | 9:16 | 1080x1920 |
| Instagram Feed | 1:1 | 1080x1080 |
| X / Twitter | 16:9 oder 1:1 | 1280x720 oder 720x720 |
Mit FFmpeg umrahmen
# 16:9 auf 9:16 (zentrierter Zuschnitt)
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih,scale=1080:1920" vertical.mp4
# 16:9 auf 1:1 (zentrierter Zuschnitt)
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4
Mit VideoDB umrahmen
from videodb import ReframeMode
# Intelligentes Umrahmen (KI-gestützte Objektverfolgung)
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
Szenenerkennung und Auto-Schnitt
FFmpeg Szenenerkennung
# Szenenwechsel erkennen (Schwelle 0.3 = moderate Empfindlichkeit)
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr -f null - 2>&1 | grep showinfo
Stille-Erkennung für Auto-Schnitt
# Stille Segmente finden (nützlich zum Entfernen von Totzeit)
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence
Highlight-Extraktion
Claude verwenden, um Transkript + Szenen-Zeitstempel zu analysieren:
"Gegeben dieses Transkript mit Zeitstempeln und diesen Szenenwechselpunkten,
identifiziere die 5 fesselndsten 30-Sekunden-Clips für Social Media."
Was jedes Werkzeug am besten kann
| Werkzeug | Stärke | Schwäche |
|---|---|---|
| Claude / Codex | Organisation, Planung, Codegenerierung | Nicht die kreative Geschmacksebene |
| FFmpeg | Deterministische Schnitte, Stapelverarbeitung, Formatkonvertierung | Keine visuelle Bearbeitungsoberfläche |
| Remotion | Programmierbare Überlagerungen, komponierbare Szenen, wiederverwendbare Vorlagen | Lernkurve für Nicht-Entwickler |
| Screen Studio | Polierte Bildschirmaufnahmen sofort | Nur Bildschirmaufnahme |
| ElevenLabs | Stimme, Erzählung, Musik, Soundeffekte | Nicht der Mittelpunkt des Workflows |
| Descript / CapCut | Endgültiges Tempo, Untertitel, Feinarbeit | Manuell, nicht automatisierbar |
Wichtige Prinzipien
- Schneiden, nicht generieren. Dieser Workflow dient zum Schneiden von echtem Filmmaterial, nicht zum Erstellen aus Eingabeaufforderungen.
- Struktur vor Stil. Die Geschichte in Ebene 2 richtig stellen, bevor etwas Visuelles angefasst wird.
- FFmpeg ist das Rückgrat. Langweilig, aber kritisch. Wo langes Material handhabbar wird.
- Remotion für Wiederholbarkeit. Wenn du es mehr als einmal machen wirst, erstelle eine Remotion-Komponente.
- Selektiv generieren. KI-Generierung nur für Assets verwenden, die nicht existieren, nicht für alles.
- Geschmack ist die letzte Ebene. KI räumt sich wiederholende Arbeit weg. Du triffst die endgültigen kreativen Entscheidungen.
Verwandte Fähigkeiten
fal-ai-media— KI-Bild-, Video- und Audiogenerierungvideodb— Serverseitige Videoverarbeitung, Indizierung und Streamingcontent-engine— Plattformnative Inhaltsverteilung