Communitygithub.com

srt2reel

Erstellt ein animiertes Story-Video aus einer Sprachaufnahme und deren SRT-Untertiteln – in jeder Sprache oder Schrift. Geeignet für vertikale Shorts (1080×1920) oder horizontale Videos bis ca. 15 Minuten (1920×1080).

Was ist srt2reel?

srt2reel ist ein KI-Agenten-Skill, der aus einer Sprachdatei (MP3, WAV, M4A) und der dazugehörigen SRT-Untertiteldatei ein komplett animiertes Story-Video erstellt. Die Videos werden mit flachen Vektor-Szenen, einfachen Charakteren und den exakten Worten der SRT als getimten Captions mit hervorgehobenen Schlüsselwörtern erstellt. Der Skill unterstützt zwei Formate: Hochformat (1080×1920) für Kurzvideos auf Plattformen wie Instagram Reels, YouTube Shorts oder TikTok, und Querformat (1920×1080) für längere Videos bis etwa 15 Minuten. Er eignet sich für jede Sprache oder Schrift, wählt automatisch passende Schriftarten und erkennt die Sprache aus der SRT. Der Skill übernimmt keine kreativen Aufgaben wie das Schreiben von Geschichten oder das Generieren von Stimmen – er setzt voraus, dass der Nutzer beides bereits bereitstellt. Entwickelt für Claude Code und andere KI-Agenten-Plattformen, führt der Skill Schritt für Schritt durch die Prüfung der Umgebung, die Projekterstellung, Szenenplanung, das Schreiben von Story-Dateien und den finalen Render. Ein wichtiges Merkmal ist die Validierung: Jedes Video wird gegen die SRT geprüft, sodass keine Wörter hinzugefügt, geändert oder weggelassen werden dürfen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/speedsharmaai/srt2reel/tree/main/skills/srt2reel

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht srt2reel?

Erstellt aus einer Sprachdatei und ihrer SRT ein 30-fps Story-Video: animierte Szenen mit einfachen Vektor-Charakteren, Caption-Karten mit den exakten Worten der SRT, einem Namensschild für jede Szene und sanften Soundeffekten. Zwei Formate: portrait (1080×1920, für Kurzvideos) und landscape (1920×1080, für längere Videos).

Der Skill erstellt Videos. Er schreibt nie die Geschichte. Wenn der Nutzer nur ein Thema oder eine Idee angibt, teile ihm mit, dass dafür die Sprachdatei und die SRT benötigt werden, und bitte um beides.

Sprich mit dem Nutzer in der Sprache, in der er dich anschreibt, in kurzen, einfachen Sätzen. Er ist möglicherweise nicht technisch versiert.

Wo sich die Dateien befinden

Der Skill-Ordner ist ${CLAUDE_SKILL_DIR}. Falls dieser Platzhalter wörtlich erscheint, ist es der Ordner, der diese SKILL.md enthält. Er wird im Folgenden als SKILL bezeichnet.

  • SKILL/scripts/ enthält fünf Befehle. Führe sie genau so aus, wie sie geschrieben sind; schreibe sie nicht um.
  • SKILL/template/ ist das Videoprojekt, das init.ts kopiert.
  • SKILL/references/ enthält Details, die zu lesen sind, wenn ein Schritt darauf verweist.
  • SKILL/assets/kit.jpg zeigt jedes fertiggestellte Szenen-Element (kit-wide.jpg für Querformat).

Jedes Video erhält einen eigenen Projektordner, im Folgenden als PROJECT bezeichnet. Verwende ~/reels/<kurzname>.

Eingaben

  1. Die Sprachdatei (MP3, WAV oder M4A).
  2. Die SRT-Datei mit den exakt gesprochenen Wörtern. Fehlt sie, frage danach. Transkribiere das Audio nicht selbst: Spracherkennung bekommt Wörter falsch, und die SRT ist die Quelle der Wahrheit.
  3. Optional: ein Seiten- oder Kanalname (wird als kleines Wasserzeichen eingeblendet), ein Farbthema (paper, mint, sky), Charakter- oder Szenenideen, eigene Bilder zur Verwendung.

Wähle das Format basierend auf dem, was der Nutzer wünscht. Ein Kurzvideo für Reels, Shorts oder TikTok ist portrait. Ein Video für einen YouTube-Kanal, eine Lektion oder alles über drei Minuten ist landscape. Wenn es nicht klar ist, frage nach.

Schritte

Arbeite sie in dieser Reihenfolge ab. Jeder Befehl gibt aus, was er getan hat und was als nächstes zu tun ist.

1. Die Maschine prüfen

node SKILL/scripts/doctor.ts

Wenn es FAIL ausgibt, teile dem Nutzer klar mit, was fehlt, und brich ab. Versuche nicht, ein fehlendes ffmpeg oder Node zu umgehen. Eine warn-Zeile ist in Ordnung.

2. Das Projekt erstellen

node SKILL/scripts/init.ts PROJECT --voice <voice file> --srt <srt file> [--format landscape] [--lang <tag>] [--page "<name>"] [--theme <name>]

Dies kopiert die Vorlage, installiert sie, misst die Stimme, findet die echten Pausen und schreibt PROJECT/src/story.json mit einer Bildunterschrift pro SRT-Cue, bereits an die Stimme angepasst und zeilenumgebrochen. Es installiert auch die richtigen Schriftarten für die Sprache.

Lies die gesamte Ausgabe. Sie listet jede Bildunterschrift mit ihrer Zeit und jede Pause, die lang genug für einen Szenenschnitt ist. Wenn sie warnt, dass SRT und Stimme in der Länge nicht übereinstimmen, frage den Nutzer, bevor du fortfährst.

Die Sprache wird anhand der Schrift der SRT erraten. Verwende --lang, wenn die Schätzung falsch sein könnte: eine lateinische Sprache außer Englisch (es, fr, id, vi), traditionelles Chinesisch (zh-TW), Urdu oder Persisch (ur, fa), Marathi oder Nepali (mr, ne). Siehe references/languages.md.

3. Die Szenen planen

Lies die Bildunterschriften als eine Geschichte und teile sie in Szenen auf. Beginne eine neue Szene, wenn sich Ort, Zeit, Sprecher oder Idee ändert, etwa alle 4 bis 7 Sekunden. Eine 25-sekündige Geschichte hat 5 bis 7 Szenen; eine 60-sekündige hat 9 bis 14. Eine Szene pro Bildunterschrift ist zu viel. Setze jeden Schnitt auf eine der aufgeführten Pausen, nicht mitten in einem Satz.

Entscheide für jede Szene: wo sie ist, wer darin vorkommt, was sie tun, und eine visuelle Darstellung, die zeigt, was die Bildunterschrift sagt (ein Requisit, eine Zahl, ein Messgerät, ein Stempel), sodass es nicht nur eine sprechende Person ist. Verwende eine dunkle Szene für den Tiefpunkt der Geschichte. Beende die Szene mit der letzten Lektion oder dem Ergebnis der Geschichte.

Ein Video, das länger als etwa zwei Minuten ist, hat zu viele Szenen, um sie einzeln zu schreiben. Befolge references/long-videos.md für diese.

4. Die beiden Story-Dateien schreiben

Nur diese beiden Dateien ändern sich von Video zu Video. Lasse alles unter src/lib/ unberührt.

  • PROJECT/src/story.json: Szenenliste mit Zeiten und Tags, Schlüsselwörtern in Bildunterschriften, wer wann spricht, Soundeffekte. Format und Regeln: references/story.md.
  • PROJECT/src/scenes.tsx: eine kleine Komponente pro Szene und das SCENES-Objekt, das sie benennt. Wie man Szenen zeichnet, das vollständige Kit und die Layout-Zonen: references/scenes.md. Sieh dir zuerst SKILL/assets/kit.jpg an, dann kopiere von PROJECT/src/lib/examples.tsx (examples-wide.tsx für Querformat).

Der Wortlaut der Bildunterschriften ist festgelegt. Du darfst {geschweifte Klammern} um Schlüsselwörter hinzufügen, Zeilenumbrüche ändern, zwei Bildunterschriften zusammenführen oder eine teilen und Zeiten verschieben. Du darfst kein Wort hinzufügen, entfernen oder ändern. Die Prüfung in Schritt 5 weist jede Abweichung zurück.

Bildschirmtext, den du selbst hinzufügst (Tags, Etiketten, Sprechblasen), muss in der Sprache der SRT sein. Halte ihn auf ein oder zwei Wörter, die benennen, was die Erzählung bereits sagt: ein Ort, ein Ladenschild, eine Reaktion. Füge keine neuen Fakten oder Sätze hinzu.

5. Prüfen und wiederholen, bis alles sauber ist

node SKILL/scripts/check.ts PROJECT

Es vergleicht den Wortlaut der Bildunterschriften mit der SRT, prüft Zeiten, Szenen, Hervorhebungen und Schriftarten und kompiliert den Szenencode. Behebe jeden ERROR und führe es erneut aus. Lies jede warn und behebe diejenigen, die echte Probleme darstellen.

6. Die Einzelbilder ansehen und wiederholen, bis alles stimmt

node SKILL/scripts/stills.ts PROJECT

Dies rendert kurz nach jedem Schnitt ein Einzelbild und in der Mitte jeder Bildunterschrift eines und fügt sie zu Kontaktbögen zusammen. Öffne jeden aufgelisteten Bogen und sieh ihn dir an. Jede Zelle ist mit ihrer Zeit, Szene und Bildunterschriftennummer beschriftet.

Suche nach und behebe:

  • etwas, das das Tag oben oder die Bildunterschriftenkarte unten bedeckt oder berührt
  • Text, der über seine Karte hinausläuft, oder Buchstaben, die als leere Kästchen dargestellt werden
  • eine Szene, die nicht zeigt, was ihre Bildunterschrift sagt
  • einen Charakter, dessen Aussehen sich zwischen den Szenen ändert
  • eine leere oder fast leere Szene

Füge --grid hinzu, um den Inhaltsbereich und ein Lineal auf jedem Bild anzuzeigen; verwende es, um zu sehen, was eine Zone überschreitet und wohin es verschoben werden muss. Um nach einer Korrektur einige Momente erneut anzusehen: node SKILL/scripts/stills.ts PROJECT --at 12.5,30. Jeder Durchlauf ersetzt die Bögen des vorherigen Durchlaufs.

Rendere niemals das vollständige Video, ohne die Bögen angesehen zu haben.

7. Rendern

Ein Render dauert auf einem schnellen Rechner ungefähr so lange wie das Video und auf einem schwächeren Rechner ein Vielfaches länger. Führe es daher im Hintergrund aus und frage den Status ab:

node SKILL/scripts/render.ts PROJECT --detach
node SKILL/scripts/render.ts PROJECT --status

--status gibt rendering, dann finishing, dann done oder failed aus. Überprüfe es alle 20 bis 30 Sekunden und beende deinen Zug nicht, bevor es done oder failed erreicht hat. Wenn du zwischen den Überprüfungen nicht pausieren kannst, lasse den Befehl auf dich warten: node SKILL/scripts/render.ts PROJECT --status --wait 100 kehrt zurück, sobald der Render endet oder nach 100 Sekunden; führe es erneut aus, bis es dies tut.

Wenn die Dateien, die du dem Nutzer übergibst, eine Größenbegrenzung haben (claude.ai-Chats erlauben 30 MB), füge --max-mb 28 hinzu.

Der Render gleicht die Lautstärke aus und prüft dann die fertige Datei: Bildgröße, Bildrate, Codecs, Länge. --status gibt das Ergebnis und den Pfad von final_check.jpg aus – vier Einzelbilder aus der fertigen Datei zu den angegebenen Zeiten. Sieh dir dieses Bild an.

8. Ausliefern

Gib dem Nutzer PROJECT/out/final.mp4. Füge eine Zeile hinzu, die sagt, was nicht perfekt ist, und einen Vorschlag für den nächsten Schritt. Wenn alles in Ordnung ist, sage dies in einer Zeile.

Regeln für den Videoinhalt

  • Zeige nur, was die SRT sagt. Füge keine eigenen Behauptungen, Fakten oder Versprechungen hinzu.
  • Keine Politik, Hass oder Herabwürdigung realer Personen. Keine medizinischen oder finanziellen Ratschläge, die als Tatsache dargestellt werden. Behandele sensible Themen behutsam.
  • Kopiere nicht die Charaktere, Szenen oder Designs eines anderen Kreativen. Zeichne die eigenen dieser Geschichte.
  • Versprich dem Nutzer niemals Aufrufe, Reichweite oder Einkommen.
  • Nichts darf mehr als dreimal pro Sekunde blinken.

Dinge, die der Nutzer wissen sollte

Sage diese einmal, wenn sie relevant sind, in der Sprache des Nutzers:

  • Das Video wird mit Remotion erstellt, das für Einzelpersonen und Unternehmen mit bis zu drei Personen kostenlos ist. Größere Unternehmen benötigen eine Remotion-Lizenz: https://www.remotion.dev/docs/license
  • Plattformen ergreifen Maßnahmen gegen Kanäle, die viele nahezu identische Vorlagenvideos veröffentlichen, und können ein Label für eine geklonte oder realistische synthetische Stimme verlangen. Siehe references/platforms.md.

Wenn etwas schiefgeht

Siehe references/troubleshooting.md. Wenn der Rechner überhaupt kein Video rendern kann (kein Browser startet, kein ffmpeg, kein Netzwerk für die erste Installation), sage dies klar und brich ab, anstatt etwas anderes zu produzieren.

Verwandte Skills