LordVayron/video-factory

Erstellt und pflegt die wiederverwendbare Bibel von Charakteren, Sets und Stilen (bible/), einschließlich Charakterblättern, Sprachauswahl und Sprachproben sowie dem „Clone Me“/KI-Influencer-Einstieg aus den eigenen Fotos und der Stimme des Benutzers. Verwenden, wenn eine Geschichte einen Charakter oder Ort benötigt, der noch nicht existiert, wenn ein Charakter zwischen Aufnahmen driftet oder wenn der Benutzer „Clone me“, „make an AI influencer“, „new character“ oder „crea un personaje“ sagt.

Was ist video-factory?

Diese Fähigkeit dient als zentrales System zur Erstellung und Verwaltung einer wiederverwendbaren 'Bibel' von Charakteren, Sets und Stilen für KI-Videoproduktionen. Sie ist entscheidend für Konsistenz über mehrere Projekte hinweg, indem sie sicherstellt, dass Charaktereigenschaften wie Aussehen, Stimme und Eigenheiten in einem zentralen `character.json` festgehalten werden. Die Fähigkeit adressiert typische Probleme wie das 'Driften' von Charakteren zwischen Aufnahmen und die Vermeidung von unerwünschten KI-Artefakten (z. B. dem 'Sticker-Look'), indem sie native Referenzen und ein spezielles Workflow-System verwendet. Sie unterstützt die plattformübergreifende Nutzung, wobei die Erstellung von Charakterblättern und die Sprachsynthese über ElevenLabs und eigene Endpunkte erfolgen. Ein besonderes Feature ist der 'Clone Me'-Workflow, der es Benutzern ermöglicht, einen KI-Influencer auf Basis eigener Fotos und Sprachaufnahmen zu erstellen, wobei ethische Richtlinien strikt eingehalten werden, um keine realen Dritten zu klonen. Die Fähigkeit automatisiert die Verwaltung von Charakteransichten (Vorder-, Dreiviertel-, Profil- und Ganzkörperansicht) und integriert eine benutzerfreundliche Genehmigungsschleife für die Qualitätskontrolle.

Funktioniert mit~Claude Code~Codex CLI~Cursor

npx skills add https://github.com/LordVayron/video-factory/tree/HEAD/.claude/skills/cast

Dokumentation

Besetzung und Bibel

Alles hier wird projektübergreifend wiederverwendet, daher lohnt es sich, es einmal richtig zu machen.

Charakter (`bible/characters/<id>/`)

character.json Felder: id, name, species, look (ein dichter Satz: Körper, Gesicht, Haar/Fell, Kleidung, ein charakteristisches Accessoire, und jedes besondere Merkmal mit Namen: Sommersprossen, Muttermale, Narben, Brille, Ohrringe. Die Prompt-Prüfung lehnt jeden Videoprompt ab, der eines auslässt, und die Identitätsprüfung überprüft jedes in jeder Aufnahme), traits, flaw, role (einfühlsam / exzentrisch / …), voiceDesc, voice, sheets.

Blatt: ein 3:2, 2K Bild, das Vorderansicht, ¾-Ansicht und Ganzkörper auf einem einfachen Hintergrund zeigt. node engine/gen.mjs still "<sheet prompt>" bible/characters/<id>/sheet.png --ar 3:2 --size 2K Vorlage: „Character reference sheet on a plain warm cream (#F2E8D5) studio backdrop, photoreal, 35mm film look, soft even key light. The same character shown three times side by side: (1) front view, (2) three-quarter view, (3) full body. Character: . Identical wardrobe and markings in all three views. No text, no labels." Betrachten Sie das Ergebnis selbst. Wiederholen bei falscher Anatomie, nicht übereinstimmenden Ansichten oder Text. Beschneiden Sie mit ffmpeg anstatt für eine Wiederholung zu bezahlen, wenn eine Ansicht schlecht ist.
Stimme:
- voice.id: eine ElevenLabs-Voreinstellung, die Kie bereitstellt (Liste in engine/voices.txt, Vorschau unter https://static.aiquickdraw.com/elevenlabs/voice/<id>.mp3). Optionale sprachspezifische Überschreibungen voice.en/voice.es.
- voice.eleven: eine Stimme im eigenen ElevenLabs-Konto des Benutzers, verwendet, wenn Kies Endpunkt ausfällt. Kostenlose Pläne können nur vorgefertigte Stimmen verwenden: onwK4e9ZLuTAKqWW03F9 (Daniel, britisch), TX3LPaxmHKxFdv7VOQHJ (Liam, jung), JBFqnCBsd6RMkjVDRZzb (George, warm britisch), EXAVITQu4vr4xnSDxMaL (Sarah), pNInz6obpgDQGcFmaJgB (Adam).
- voice.sampleText.{en,es}: etwa 8 Sekunden charakterbezogene Rede.
- node engine/gen.mjs sample <id> --lang en schreibt voice-en.mp3. Seedance verwendet es als @audioN, sodass die Stimme in jeder Aufnahme gleich bleibt.
Fügen Sie einen wiederkehrenden Gag oder eine Lieblingsphrase zu traits hinzu.
Genehmigung (Flow v5 Cast Gate): zeigen Sie dem Ersteller das Blatt, das Aussehen und eine Sprachprobe; mit seiner Zustimmung: node engine/studio.mjs approve-character <id> --said "<seine Worte>" (oder cast.mjs approve für Blätter im Stil). Verriegeln Sie den Gesichtsanker aus seiner genehmigten Aufnahme mit continuity.mjs <slug> --identity <take> --lock-anchor.

Realistische Stile: native Referenzen (die Regel, die den „Sticker“-Look behoben hat)

Bildmodelle komponieren ein Studio-Referenzfoto in die Szene, wobei sie dessen Pose und Beleuchtung beibehalten, sodass der Charakter eingefügt wirkt. Für jeden realistischen Stil:

Erstellen Sie zuerst die leere Set-Platte.
Generieren Sie jeden Charakter innerhalb des Sets nur aus Text (nur die Set-Platte als Referenz) mit Nano Banana Pro in 2K: „a frame grab ... a real, normal-sized <animal/person> ... lit by the same light as the room, soft shadow on the floor, same video texture ... not composited“. Kleidung muss als echte Kleidungsstücke beschrieben werden, die nicht perfekt sitzen („locker, bauscht sich an den Schultern“).
Beschneiden Sie den Charakter aus diesem Frame → ref-native.png, setzen Sie "refs": ["ref-native.png"]. Das Studio-sheet.png bleibt nur als Design-Referenz; führen Sie es nie Aufnahmen zu.
Verwenden Sie realistische Größenangaben („normalgroße Hauskatze, klein neben den Möbeln“) und natürliche Tierhaltung. Ein realistischer Charakter funktioniert am besten mit einer nativen Referenz (bible/characters/<id>/ref-native.png) zusätzlich zum Blatt im Stil.

Set (`bible/sets/<id>/set.json`)

look (ein dichter Satz), plates (mindestens eine breite 9:16 leere Platte), geography (wo die Dinge sind und wer auf welcher Seite des Bildes steht). node engine/gen.mjs still "<style string> wide establishing shot, empty of characters. <look>. No text, no people." bible/sets/<id>/plate-wide.png --size 2K

Charakterblätter im Stil (Phase 3, die aktuelle Methode)

node engine/cast.mjs sheet <char> --style <style> --set <set> erstellt ein 2x2 Blatt im Stil (realistische Stile: innerhalb der Set-Platte aufgenommen), teilt es in die Ansichten front, threeQuarter, profile und full unter bible/characters/<char>/<style>/ und zeichnet sie in character.json → looks.<style> auf. Überprüfen und bewerten Sie es: cast.mjs approve <char> --style <style> consistency=N anatomy=N design=N style=N layout=N. Abgelehnte Blätter: erneut generieren mit --note "<fix>". Aufnahmen erhalten dann nur die Ansichten, die ihre Kadrierung benötigt.

Stile

Stilblätter befinden sich in bible/styles/<id>/style.json und werden mit engine/style.mjs verwaltet (siehe Studio-Fähigkeit und studio/references/styles.md).

Clone me / KI-Influencer

Nur für das eigene Abbild des Benutzers oder eine fiktive Person. Niemals einen echten Dritten klonen.

Bitten Sie den Benutzer um 6–12 Fotos von sich selbst (Vorderansicht, ¾-Ansicht, Profil, zwei Outfits, gutes Licht), abgelegt in bible/characters/<id>/photos/, plus 1–2 Minuten sauberer Sprache in voice-source.mp3.
Erstellen Sie das Blatt mit Nano Banana unter Verwendung der Fotos als Referenzen (--ref jedes Foto, bis zu 10): „Character reference sheet of this exact person…“.
Stimme: Sofortige Sprachklonierung erfordert einen bezahlten ElevenLabs-Plan (Starter). Klonen Sie in der ElevenLabs-Oberfläche und setzen Sie dann die neue Sprach-ID in voice.eleven mit "provider": "elevenlabs". Bis dahin wählen Sie die nächstgelegene Voreinstellung.
Für Talking-Head-Inhalte: node engine/gen.mjs talk <photo-or-keyframe> <line.mp3> out.mp4 --model infinitetalk (0,015 $/s bei 480p). Für Szenen verwenden Sie den Charakter in einer normalen Aufnahmeliste.