Kursvideo, Schritt 1: vom Foliensatz zur vertonten Lektion

Kurs-/Trainingsvideo aus Folien erstellen

Zuerst video-studio lesen. Bewährt bei einem 22-minütigen Marketingkurs, der aus einem PDF-Deck erstellt wurde (die Anweisung lautete „normale Bearbeitung, keine schweren Motion Graphics“, indisch-englische männliche Stimme). Mit der untenstehenden Struktur neu aufbauen: edit/course.py, render.py, mix.py.

Pipeline

1. Folien → Bilder: pdftoppm -r 200 -png raw/deck.pdf work/slides/p (oder PPTX/Keynote zuerst in PDF exportieren). Jede Seite ansehen. Für Aufdeckungen die Rahmen jedes Teils (Titel, Aufzählungspunkt 1..n, Diagramm, Bild) finden – per Augenmaß aus dem Bild oder mit PIL-Zeilen-/Spaltenprojektionen der Nicht-Hintergrundpixel – und pro Folie speichern.
2. Skript (edit/course.py): pro Folie: vo-Absätze + reveals [{box:[x,y,w,h], cue:"gesprochenes Wort"}] + optional zoom-Box. Schreiben, um zu lehren, nicht um die Folie abzulesen: die Lektion anreißen (warum sie wichtig ist), eine Idee pro Absatz, Beispiele, Zusammenfassung am Ende jedes Moduls, ~140–150 Wörter/Min. Hinglish, falls das Publikum es wünscht. Das Skript zeigen und vor jeder Vertonung genehmigen lassen (es kostet Credits).
3. Budgetprüfung: eleven.py credits; ein 22-minütiger Kurs ≈ 18.000 Zeichen – Starter hat 40.000/Monat, also passt eine vollständige Neuvertonung im selben Monat möglicherweise nicht. Dem Benutzer die Kosten mitteilen. Kostenloses Scratch-VO mit macOS say nur zum Testen des Timings.
4. Vertonung: pro Absatz eleven.py tts "<text>" work/vo/<folie>_<n>.mp3 --voice 05QRrdNgiglhuYOaTQvw --speed 1.05 --words work/vo/<folie>_<n>.json (Prem, genehmigt). Nach Text gecacht – das Bearbeiten eines Absatzes zahlt nur diesen einen neu. Aussprache korrigieren, indem der Text umgeschrieben wird. Mit 0,35 s zwischen Absätzen und 0,8 s zwischen Folien verketten; die Zeitachsen-JSON erstellen (Folienstart/-ende, Zeitstempel der Cue-Wörter).
5. Rendern (edit/render.py): jede Folie beginnt sauber (nur Titel), und jeder Teil blendet/schiebt sich auf sein Cue-Wort ein; langsame entspannte Kamerafahrt (1,00 → 1,04) und ein Zoom in den gerade besprochenen Teil bei dichten Folien; Schiebe-/Übergänge zwischen Folien (0,4 s), Kapitelbeschriftung oben links, dünne Fortschrittsleiste, Foliennummer. Scharf: Folien aus den 200-dpi-PNGs bei 1920x1080 rendern, keine Unschärfe. Niedrige Priorität, in Modulblöcken, damit ein abgebrochener Render fortgesetzt werden kann.
6. Mischen (edit/mix.py): Sprachkette (Hochpass 80, leichte Kompression), Musikbett −20 dB mit Sidechain-Ducking (assets/music/*underscore*), leichte SFX bei Aufdeckungen (Pop/Swish −14 dB) und Übergängen (Whoosh −12 dB) – leichter als Reels. Master −14 LUFS, --tp -2.0.
7. Vorschau → genehmigen → komplett: erstes Modul mit --scale 0.5, Feedback einholen, dann alles. qc.py --platform youtube.
8. Paketieren: YouTube-Kapitel (eines pro Foliengruppe/Modul), Beschreibung mit Lektionsübersicht, modulweise Dateien für eine Kursplattform (exports/vN_module_<n>_<slug>.mp4), Thumbnail (thumbnail-designer), optional SRT (captions_ass.py --style clean oder aus den VO-Wörtern).

Regeln

• Visuals folgen der Sprache: Nichts erscheint, bevor es erwähnt wird; nichts Wichtiges erscheint, ohne erwähnt zu werden.
• Das eigene Design des Decks beibehalten (es ist die Marke des Kunden); nur Kamera, Aufdeckungen, Kapitelbeschriftung und Fortschrittsleiste hinzufügen.
• Zahlen und Behauptungen nur aus dem Deck/Benutzer. Markennamen auf dem Bildschirm richtig schreiben, auch wenn sie für die Stimme umgeschrieben wurden.
• Wenn der Benutzer schlafen geht und auf Genehmigungen verzichtet, trotzdem Vorschauen und Notizen aufbewahren, damit er sie am Morgen überprüfen kann.