TheSmokeDev/taskchad-os

Videoprozessor

Verarbeite Videodateien für die YouTube-Content-Erstellung und generiere Social-Media-Grafiken. Diese Fähigkeit bietet vier Hauptfunktionen:

1. Transkription & Kapitel: Konvertiere Videoclips in zeitgestempelte Transkripte, SRT-Untertitel und KI-generierte YouTube-Kapitel
2. YouTube-Thumbnail-Generierung: Erstelle KI-gestützte YouTube-Thumbnails mit Gesichtsreferenzen und Stilabgleich
3. LinkedIn-Post-Bilder: Generiere professionelle LinkedIn-Infografiken und Post-Bilder
4. Generische Bildgenerierung: Erstelle benutzerdefinierte Bilder für jede Plattform mit flexiblen Abmessungen und Prompts

Wann diese Fähigkeit verwendet werden sollte

Verwende diese Fähigkeit, wenn der Benutzer:

• Videodateien oder -clips transkribieren möchte
• YouTube-Kapitel generieren muss
• Kapitel aus vorhandenen Transkripten neu generieren möchte
• YouTube-Thumbnails erstellen möchte
• LinkedIn-Post-Bilder oder Infografiken erstellen möchte
• Bilder für andere Plattformen (Instagram, Twitter, Facebook, etc.) generieren möchte
• Gesichtstausch für Thumbnails erwähnt
• Nach der Bereitstellung von Gesichts- oder Stilreferenzen für Grafiken fragt

Auswahl des richtigen Bildgenerierungstools

Die Fähigkeit bietet drei Bildgenerierungsskripte. Wähle basierend auf der Plattform und den Anforderungen:

Verwende thumbnail.py (YouTube-Thumbnails) wenn:

• Der Benutzer "YouTube", "Thumbnail" oder "Video-Thumbnail" erwähnt
• Ein 16:9-Seitenverhältnis angefordert wird
• Ein dramatischer, auffälliger Stil mit Gesichtern gewünscht wird
• Standard: 1920x1080

Verwende linkedin-post.py (LinkedIn-Infografiken) wenn:

• Der Benutzer "LinkedIn", "LinkedIn-Beitrag" oder "Geschäftsinfografik" erwähnt
• Ein quadratisches Infografik-Format angefordert wird
• Ein professionelles, dunkles Thema ohne Gesichter gewünscht wird
• Standard: 1200x1200

Verwende image-gen.py (generisch) wenn:

• Benutzerdefinierte Abmessungen angegeben werden (Instagram, Twitter, Facebook, etc.)
• Die Plattform weder YouTube noch LinkedIn ist
• Der Benutzer explizit ein flexibles/benutzerdefiniertes Tool anfordert
• Der Benutzer einen vollständigen Prompt mit spezifischen Stilanforderungen bereitstellt
• Erforderlicher Parameter: --dimensions BREITExHÖHE

Priorität: Bevorzuge immer thumbnail.py oder linkedin-post.py, wenn der Anwendungsfall passt. Verwende image-gen.py als Fallback für andere Plattformen oder benutzerdefinierte Anforderungen.

Installation & Anforderungen

Der Videoprozessor befindet sich im video-processor/-Verzeichnis des Projekt-Repositorys.

Anforderungen:

• Python 3.9+
• uv Paketmanager
• FFmpeg (für die Transkription)
• OpenAI API-Schlüssel (für Whisper-Transkription)
• Gemini API-Schlüssel (für Kapitel und Thumbnails)
• Replicate API-Token (optional, für Gesichtstausch)

Umgebungseinrichtung:

cd video-processor
uv sync
# Stelle sicher, dass .env mit den erforderlichen API-Schlüsseln existiert

1. Videotranskription & Kapitel

Grundlegender Transkriptionsbefehl

Transkribiere Videoclips und generiere Transkript, Untertitel und Kapitel:

cd video-processor
uv run transcribe.py <Ordnerpfad>

Beispiel:

uv run transcribe.py ./mein-youtube-video/

Eingabeformat

Videos sollten sich in einem Ordner mit numerischen Präfixen zur Sortierung befinden:

mein-youtube-video/
├── 1.mp4          # Intro
├── 2.mp4          # Hauptinhalt
├── 3.mov          # Demo
└── 4.mp4          # Outro

Unterstützte Formate: MP4, MOV, MKV, AVI, WEBM, M4V

Ausgabedateien

Das Skript generiert drei Dateien im selben Ordner:

1. transcript.md - Markdown mit Zeitstempeln

   # Transkript
   
   [00:00] Willkommen zurück auf dem Kanal...
   [00:15] Heute werden wir über... sprechen
   

2. transcript.srt - SRT-Untertitel für Videobearbeitungsprogramme/YouTube

   1
   00:00:00,000 --> 00:00:15,500
   Willkommen zurück auf dem Kanal...
   

3. chapters.txt - YouTube-Kapitelvorschläge (KI-generiert)

   0:00 Einleitung
   2:30 Einrichtung
   5:45 Haupt-Tutorial
   

Funktionen

• Multi-Clip-Unterstützung: Verarbeitet nummerierte Clips mit automatischer Berechnung des Zeitstempel-Offsets
• Unterstützung für lange Videos: Teilt Videos länger als 20 Minuten automatisch auf (API-Limit)
• Zeitgestempeltes Transkript: Markdown-Format mit präzisen Zeitstempeln
• KI-Kapitel: Gemini generiert kontextbezogene Kapitelmarkierungen

Nur Kapitel neu generieren

Wenn du bereits ein Transkript hast und die Kapitel neu generieren möchtest:

cd video-processor
uv run chapters.py <transcript.md oder Ordnerpfad>

Beispiele:

# Direkt auf die Transkriptdatei verweisen
uv run chapters.py ./mein-video/transcript.md

# Oder auf den Ordner verweisen, der transcript.md enthält
uv run chapters.py ./mein-video/

Anwendungsfälle:

• Kapitel ohne erneute Transkription optimieren
• Nach der Bearbeitung des Transkripts neu generieren
• Ein anderes Gemini-Modell verwenden

Wichtige Hinweise

• Clips müssen sich in einem flachen Ordner befinden (keine Unterverzeichnisse)
• Videos werden in numerischer Reihenfolge nach Dateinamen-Präfix verarbeitet
• Geschätzte Kosten: ~$0,006 pro Minute Audio (Whisper API)
• Lange Videos werden automatisch aufgeteilt, um API-Limits zu handhaben
• Internetverbindung erforderlich

2. Thumbnail-Generierung

Grundlegender Thumbnail-Befehl

Erstelle KI-gestützte YouTube-Thumbnails:

cd video-processor
uv run thumbnail.py "deine Thumbnail-Idee hier"

Standardverhalten:

• Generiert 3 Variationen
• Speichert in: ./output/Thumbnails/[YYYY-MM-DD]/
• Verwendet assets/face.jpg, falls vorhanden
• Ausgabe: 1920x1080 PNG-Dateien
• Markenrichtlinien: Siehe references/brand-guidelines.md für Farbpalette, Komposition und Stilbest Practices

Thumbnail-Parameter

Erforderlich

• idea (positional): Dein Thumbnail-Konzept/deine Idee

Optionen für Gesichtsreferenzen

• --face PFAD: Gib ein Gesichtsreferenzbild an (Standard: assets/face.jpg)
• --no-face: Keine Gesichtsreferenz einfügen
• --face-swap: Nachbearbeitung mit Replicate, um das echte Gesicht einzufügen (erfordert REPLICATE_API_TOKEN)

Stil & Referenzen

• --style PFAD: Stilreferenz-Thumbnail - KI passt Layout und Ästhetik an
• --ref PFAD: Zusätzliches Referenzbild (kann mehrfach verwendet werden)

Logo & Ausgabe

• --logo PFAD: Logo, das auf das Thumbnail eingefügt werden soll
• --logo-position [bottom-right|bottom-left|top-right|top-left]: Logo-Position (Standard: bottom-right)
• -o, --output PFAD: Ausgabeverzeichnis oder Dateipfad
• --variations N: Anzahl der zu generierenden Variationen (Standard: 3)

Thumbnail-Beispiele

Basis - 3 Variationen mit Standardeinstellungen:

uv run thumbnail.py "schockierte Reaktion auf Massenentlassungen bei Google"

Mit Stilreferenz:

uv run thumbnail.py "meine neue Videoidee" --style ./vorhandenes-thumbnail.jpg --face ./ich.jpg

Mit Gesichtstausch für exakte Ähnlichkeit:

uv run thumbnail.py "aufgeregt über neue KI-Funktion" --face ./ich.jpg --face-swap

Einzelne Variation zum schnellen Testen:

uv run thumbnail.py "schnelle Testidee" --variations 1

Benutzerdefiniertes Ausgabeverzeichnis:

uv run thumbnail.py "mein Videokonzept" -o ./benutzerdefinierter-ordner/

Kein Gesicht (nur Szene):

uv run thumbnail.py "dramatischer Code auf dem Bildschirm mit Fehler" --no-face

Mit Logo-Überlagerung:

uv run thumbnail.py "mein Videokonzept" --logo ./assets/logo.png

Einrichtung der Gesichtsreferenz

Für konsistente Thumbnails:

1. Füge dein(e) Porträt(s) im assets/-Ordner hinzu:

   video-processor/assets/
   ├── face.jpg           # Standardgesicht (automatisch geladen)
   ├── face-excited.jpg   # Alternative Ausdrücke
   ├── face-shocked.jpg
   └── logo.png           # Kanallogo
   

2. Das Skript verwendet automatisch assets/face.jpg, falls vorhanden

3. Überschreibe mit --face für andere Ausdrücke

4. Verwende --no-face, um die Gesichtsreferenz komplett zu überspringen

Stilreferenzen

Das --style-Flag passt vorhandene Thumbnail-Ästhetik an:

• Gesamtlayout und -komposition
• Farbschemata und Stimmung
• Textstyling (Schriftstärke, Farben, Platzierung)
• Hintergrundstil und -effekte

Perfekt für die Beibehaltung eines konsistenten Kanal-Brandings.

Markenrichtlinien & Best Practices

WICHTIG: Vor der Generierung von Thumbnails lies references/brand-guidelines.md für:

• Verwendung der blauen Markenfarbe (als Akzent, nicht dominant)
• Anforderungen an natürliche Hauttöne (kein Blaustich im Gesicht)
• Ausgewogene Farbpaletten (Mischung aus lebendigen Farben)
• Text-Hervorhebungsmuster (1-2 Schlüsselwörter in Blau)
• Kompositionsrichtlinien (Layout, visueller Fluss)
• Bewährte Beispiele aus früheren erfolgreichen Thumbnails

Diese Richtlinien stellen sicher, dass Thumbnails die Markenkonsistenz wahren und gleichzeitig häufige Fallstricke wie Übersättigung oder unnatürliche Beleuchtung vermeiden.

Gesichtstausch für exakte Ähnlichkeit

KI-generierte Gesichter sind möglicherweise nicht exakt. Verwende --face-swap für die Nachbearbeitung:

uv run thumbnail.py "meine Videoidee" --face ./ich.jpg --face-swap

So funktioniert es:

1. Generiert Thumbnail mit KI (unter Verwendung des Gesichts als Referenz für die Positionierung)
2. Nachbearbeitung mit Replicate, um dein tatsächliches Gesicht einzufügen

Einrichtung:

• Erhalte Replicate API-Token unter https://replicate.com/account/api-tokens
• Füge zu .env hinzu: REPLICATE_API_TOKEN=r8_dein_token_hier
• Kosten: ~$0,003 pro Gesichtstausch (~370 Tauscher pro $1)

Thumbnail-Spezifikationen

Element	Wert
Auflösung	1920x1080 (1080p)
Seitenverhältnis	16:9
Format	PNG (oder JPG mit --output .jpg)
Standardvariationen	3
Modell	Gemini 3 Pro (Nano Banana Pro) standardmäßig

Wichtige Thumbnail-Hinweise

• Gemini-Modell unterstützt Referenzbilder; Imagen nicht
• Kosten: ~$0,13 pro Bild mit Gemini 3 Pro
• Gesichtstausch fügt ~$0,003 pro Thumbnail hinzu
• 3 Thumbnails mit Gesichtstausch: ~$0,40 gesamt
• Internetverbindung erforderlich

3. LinkedIn-Post-Bildgenerierung

Grundlegender LinkedIn-Bildbefehl

Erstelle KI-gestützte LinkedIn-Post-Bilder und Infografiken:

cd video-processor
uv run linkedin-post.py "dein Post-Konzept hier"

Standardverhalten:

• Generiert 3 Variationen
• Speichert in: ./output/LinkedIn/[YYYY-MM-DD]/
• Ausgabe: 1200x1200 PNG-Dateien (LinkedIn-Quadratformat)
• Optimiert für Infografik-Layouts (keine Gesichter, weißer Hintergrund, flaches Design)

LinkedIn-Bild-Parameter

Erforderlich

• idea (positional): Dein LinkedIn-Post-Konzept/deine Idee

Stil & Referenzen

• --style PFAD: Stilreferenzbild - KI passt Layout und Ästhetik an
• --ref PFAD: Zusätzliches Referenzbild (kann mehrfach verwendet werden)

Logo & Ausgabe

• --logo PFAD: Logo, das auf das Bild eingefügt werden soll
• --logo-position [bottom-right|bottom-left|top-right|top-left]: Logo-Position (Standard: bottom-right)
• -o, --output PFAD: Ausgabeverzeichnis oder Dateipfad
• --variations N: Anzahl der zu generierenden Variationen (Standard: 3)

LinkedIn-Bild-Beispiele

Basis - 3 Variationen:

uv run linkedin-post.py "KI-Validierungspyramide mit 5 Ebenen, die menschliche vs. Agent-Verantwortlichkeiten zeigt"

Mit Stilreferenz:

uv run linkedin-post.py "mein Infografik-Konzept" --style ./vorhandene-infografik.jpg

Einzelne Variation zum Testen:

uv run linkedin-post.py "schneller Test" --variations 1

Benutzerdefiniertes Ausgabeverzeichnis:

uv run linkedin-post.py "mein Konzept" -o ./benutzerdefinierter-ordner/

Mit Logo-Überlagerung:

uv run linkedin-post.py "meine Infografik" --logo ./assets/logo.png

LinkedIn-Bild-Spezifikationen

Element	Wert
Auflösung	1200x1200 (LinkedIn-Quadrat)
Seitenverhältnis	1:1
Format	PNG (oder JPG mit --output .jpg)
Standardvariationen	3
Modell	Gemini 3 Pro (Nano Banana Pro) standardmäßig
Stil	Professionelle Infografik, keine Gesichter, flaches Design

Wichtige LinkedIn-Bild-Hinweise

• Optimiert für professionelle Geschäftsinfografiken
• Dunkles Thema mit moderner, eleganter Ästhetik
• KEINE Gesichter oder Personen enthalten (reiner Diagramm/Infografik-Stil)
• Blaues Farbschema mit Verläufen
• Höhere Informationsdichte als YouTube-Thumbnails
• Kosten: ~$0,13 pro Bild mit Gemini 3 Pro
• Internetverbindung erforderlich

4. Generische Bildgenerierung

Grundlegender generischer Bildbefehl

Erstelle KI-gestützte Bilder mit benutzerdefinierten Abmessungen für jede Plattform:

cd video-processor
uv run image-gen.py "dein Bildkonzept" --dimensions BREITExHÖHE

Hauptfunktionen:

• Benutzerdefinierte Abmessungen (erforderlicher Parameter)
• Minimale Prompt-Umhüllung (maximale Flexibilität)
• Unterstützt Stilreferenzen
• Speichert in: ./output/Images/[YYYY-MM-DD]/
• Standard: 3 Variationen

Generische Bildparameter

Erforderlich

• idea (positional): Dein Bildkonzept mit vollständigen Prompt-Details
• --dimensions BREITExHÖHE: Bildabmessungen (z.B. 1080x1080, 1200x675)

Stil & Referenzen

• --style PFAD: Stilreferenzbild - KI passt Ästhetik an
• --ref PFAD: Zusätzliches Referenzbild (kann mehrfach verwendet werden)

Logo & Ausgabe

• --logo PFAD: Logo, das auf das Bild eingefügt werden soll
• --logo-position [bottom-right|bottom-left|top-right|top-left]: Logo-Position (Standard: bottom-right)
• -o, --output PFAD: Ausgabeverzeichnis oder Dateipfad
• --variations N: Anzahl der zu generierenden Variationen (Standard: 3)

Generische Bildbeispiele

Instagram-Quadratbeitrag:

uv run image-gen.py "minimalistisches Produktfoto auf weißem Hintergrund" --dimensions 1080x1080

Instagram-Story:

uv run image-gen.py "vertikales Motivationszitat-Design" --dimensions 1080x1920

Twitter-Beitragsbild:

uv run image-gen.py "Tech-Ankündigungsgrafik mit blauem Thema" --dimensions 1200x675

Facebook-Titelbild:

uv run image-gen.py "professioneller Geschäftskopf" --dimensions 820x312

Mit Stilreferenz:

uv run image-gen.py "mein Konzept" --dimensions 1200x1200 --style ./referenz.jpg

Referenz für gängige Abmessungen

Plattform	Größe	Seitenverhältnis	Befehl
YouTube Thumbnail	1920x1080	16:9	Verwende stattdessen thumbnail.py
LinkedIn Quadrat	1200x1200	1:1	Verwende stattdessen linkedin-post.py
Instagram Quadrat	1080x1080	1:1	--dimensions 1080x1080
Instagram Story	1080x1920	9:16	--dimensions 1080x1920
Twitter Beitrag	1200x675	16:9	--dimensions 1200x675
Facebook Beitrag	1200x630	1.91:1	--dimensions 1200x630
Pinterest Pin	1000x1500	2:3	--dimensions 1000x1500

Wichtige generische Bildhinweise

• --dimensions ist erforderlich – kein Standardwert
• Der Prompt wird minimal umhüllt, um dir die vollständige Kontrolle zu geben
• Stilreferenzen funktionieren mit Gemini (nicht mit Imagen)
• Kosten: ~$0,13 pro Bild mit Gemini 3 Pro
• Internetverbindung erforderlich