Videobearbeitung
KI-gestützte Bearbeitung von echtem Filmmaterial. Keine Generierung aus Textprompts. Schnelles Bearbeiten vorhandener Videos.
Wann aktivieren
- Der Benutzer möchte Videomaterial bearbeiten, schneiden oder strukturieren
- Lange Aufnahmen in Kurzformate umwandeln
- Vlogs, Tutorials oder Demovideos aus Rohmaterial erstellen
- Overlays, Untertitel, Musik oder Voiceover zu vorhandenen Videos hinzufügen
- Videos für verschiedene Plattformen (YouTube, TikTok, Instagram) umformatieren
- Der Benutzer sagt „Video bearbeiten“, „dieses Material schneiden“, „einen Vlog erstellen“ oder „Video-Workflow“
Kernthese
KI-Videobearbeitung ist dann sinnvoll, wenn man aufhört, sie zu bitten, das gesamte Video zu erstellen, und stattdessen nutzt, um echtes Filmmaterial zu komprimieren, zu strukturieren und anzureichern. Der Wert liegt nicht in der Generierung. Der Wert liegt in der Komprimierung.
Die Pipeline
Screen Studio / Rohmaterial
→ Claude / Codex
→ FFmpeg
→ Remotion
→ ElevenLabs / fal.ai
→ Descript oder CapCut
Jede Ebene hat eine bestimmte Aufgabe. Überspringe keine Ebenen. Versuche nicht, ein Tool alles machen zu lassen.
Ebene 1: Aufnahme (Screen Studio / Rohmaterial)
Sammle das Quellmaterial:
- Screen Studio: polierte Bildschirmaufnahmen für App-Demos, Coding-Sessions, Browser-Workflows
- Rohmaterial von Kameras: Vlog-Aufnahmen, Interviews, Event-Aufzeichnungen
- Desktop-Aufnahme über VideoDB: Sitzungsaufzeichnung mit Echtzeitkontext (siehe Skill
videodb)
Ausgabe: Rohdateien, bereit zur Organisation.
Ebene 2: Organisation (Claude / Codex)
Verwende Claude Code oder Codex, um:
- Transkription und Beschriftung: Transkript erstellen, Themen identifizieren
- Struktur planen: Entscheiden, was bleibt, was weggeschnitten wird, welche Reihenfolge funktioniert
- Tote Abschnitte identifizieren: Pausen, Abschweifungen, wiederholte Takes finden
- Schnittliste erstellen: Zeitstempel für Schnitte, Segmente zum Behalten
- FFmpeg- und Remotion-Code generieren: Die Befehle und Kompositionen erstellen
Beispiel-Prompt:
"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 betrifft die Struktur, nicht den endgültigen kreativen Geschmack.
Ebene 3: Deterministische Schnitte (FFmpeg)
FFmpeg erledigt die langweilige, aber kritische Arbeit: Teilen, Trimmen, Zusammenfügen und Vorverarbeiten.
Segment nach Zeitstempel extrahieren
ffmpeg -i raw.mp4 -ss 00:12:30 -to 00:15:45 -c copy segment_01.mp4
Batch-Schnitt 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/${label}.mp4"
done < cuts.txt
Segmente zusammenfügen
# Dateiliste erstellen
for f in segments/*.mp4; do echo "file '$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
- Overlays: Text, Bilder, Branding, Lower Thirds
- Datenvisualisierungen: Diagramme, Statistiken, animierte Zahlen
- Bewegungsgrafiken: Übergänge, Erklärer-Animationen
- Komponierbare Szenen: wiederverwendbare Vorlagen für mehrere Videos
- Produktdemos: kommentierte Screenshots, UI-Highlights
Einfache Remotion-Komposition
import { AbsoluteFill, Sequence, Video, useCurrentFrame } from "remotion";
export const VlogComposition: React.FC = () => {
const frame = useCurrentFrame();
return (
<AbsoluteFill>
{/* Hauptmaterial */}
<Sequence from={0} durationInFrames={300}>
<Video src="/segments/intro.mp4" />
</Sequence>
{/* Titel-Overlay */}
<Sequence from={30} durationInFrames={90}>
<AbsoluteFill style={{
justifyContent: "center",
alignItems: "center",
}}>
<h1 style={{
fontSize: 72,
color: "white",
textShadow: "2px 2px 8px rgba(0,0,0,0.8)",
}}>
Der KI-Editing-Stack
</h1>
</AbsoluteFill>
</Sequence>
{/* Nächstes Segment */}
<Sequence from={300} durationInFrames={450}>
<Video src="/segments/demo.mp4" />
</Sequence>
</AbsoluteFill>
);
};
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)
Generiere nur das, was du brauchst. Generiere nicht das gesamte Video.
Sprachaufnahme 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
Verwende das Skill fal-ai-media für:
- Hintergrundmusik generieren
- Soundeffekte (ThinkSound-Modell für Video-zu-Audio)
- Übergangsgeräusche
Generierte Grafiken mit fal.ai
Für Einschübe, Thumbnails oder B-Roll, das nicht existiert:
generate(model_name: "fal-ai/nano-banana-pro", input: {
"prompt": "professionelles Thumbnail für Tech-Vlog, dunkler Hintergrund, Code auf dem Bildschirm",
"image_size": "landscape_16_9"
})
VideoDB generative Audio
Wenn VideoDB konfiguriert ist:
voiceover = coll.generate_voice(text="Erzähltext hier", voice="alloy")
music = coll.generate_music(prompt="Lo-Fi-Hintergrund für Coding-Vlog", duration=120)
sfx = coll.generate_sound_effect(prompt="subtilen Whoosh-Übergang")
Ebene 6: Feinschliff (Descript / CapCut)
Die letzte Ebene ist menschlich. Verwende einen traditionellen Editor für:
- Tempo: Schnitte anpassen, die zu schnell oder zu langsam wirken
- Untertitel: automatisch generiert, dann manuell bereinigt
- Farbkorrektur: grundlegende Korrektur und Stimmung
- Endgültiger Audiomix: Pegel von Sprache, Musik und Soundeffekten ausbalancieren
- Export: plattformspezifische Formate und Qualitätseinstellungen
Hier lebt der Geschmack. KI räumt die sich wiederholende Arbeit weg. Du triffst die endgültigen Entscheidungen.
Umformatierung für soziale Medien
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 umformatieren
# 16:9 zu 9:16 (zentrierter Zuschnitt)
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih,scale=1080:1920" vertical.mp4
# 16:9 zu 1:1 (zentrierter Zuschnitt)
ffmpeg -i input.mp4 -vf "crop=ih:ih,scale=1080:1080" square.mp4
Mit VideoDB umformatieren
# Intelligentes Umformatieren (KI-gesteuerte Objektverfolgung)
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
Szenenerkennung und automatischer Schnitt
FFmpeg-Szenenerkennung
# Szenenwechsel erkennen (Schwellwert 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 automatischen Schnitt
# Stille Segmente finden (nützlich zum Entfernen von Stille)
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=2 -f null - 2>&1 | grep silence
Highlight-Extraktion
Verwende Claude, um Transkript + Szenenzeitstempel zu analysieren:
"Gegeben dieses Transkript mit Zeitstempeln und diese Szenenwechselpunkte,
identifiziere die 5 ansprechendsten 30-Sekunden-Clips für soziale Medien."
Was jedes Tool am besten kann
| Tool | Stärke | Schwäche |
|---|---|---|
| Claude / Codex | Organisation, Planung, Codegenerierung | Nicht die kreative Geschmacksebene |
| FFmpeg | Deterministische Schnitte, Batch-Verarbeitung, Formatkonvertierung | Keine visuelle Bearbeitungs-UI |
| Remotion | Programmierbare Overlays, komponierbare Szenen, wiederverwendbare Vorlagen | Lernkurve für Nicht-Entwickler |
| Screen Studio | Sofort einsatzbereite polierte Bildschirmaufnahmen | Nur Bildschirmaufnahme |
| ElevenLabs | Sprache, Erzählung, Musik, Soundeffekte | Nicht der Mittelpunkt des Workflows |
| Descript / CapCut | Endgültiges Tempo, Untertitel, Feinschliff | Manuell, nicht automatisierbar |
Schlüsselprinzipien
- Bearbeiten, nicht generieren. Dieser Workflow dient zum Schneiden von echtem Filmmaterial, nicht zum Erstellen aus Prompts.
- Struktur vor Stil. Hol dir die Geschichte in Ebene 2 richtig, bevor du etwas Visuelles anfasst.
- FFmpeg ist das Rückgrat. Langweilig, aber kritisch. Hier wird langes Filmmaterial handhabbar.
- Remotion für Wiederholbarkeit. Wenn du es mehr als einmal machst, mach es zu einer Remotion-Komponente.
- Selektiv generieren. Verwende KI-Generierung nur für Assets, die nicht existieren, nicht für alles.
- Geschmack ist die letzte Ebene. KI räumt die sich wiederholende Arbeit weg. Du triffst die endgültigen kreativen Entscheidungen.
Verwandte Skills
fal-ai-media— KI-Bild-, Video- und Audiogenerierungvideodb— Serverseitige Videoverarbeitung, Indizierung und Streamingcontent-engine— Plattformnative Content-Distribution
Wann verwenden
KI-gestützte Videobearbeitung: Schneiden, Strukturieren und Anreichern von echtem Filmmaterial – vom Rohmaterial über FFmpeg, Remotion, ElevenLabs, fal.ai bis zum Feinschliff in Descript oder CapCut.
Behandelt: Wann aktivieren, Kernthese, Die Pipeline, Ebene 3: Deterministische Schnitte (FFmpeg), Segment nach Zeitstempel extrahieren.