Communitygithub.com

Sanidhya14321/video-forge

Erzeugt lokale oder optionale OpenAI-Erzählungen, bereitet Musik und Soundeffekte vor und mischt Audio für technische Videos.

Was ist video-forge?

Dieses Skill für KI-Agenten erstellt und mischt Audio für technische Videos, mit Schwerpunkt auf Erzählung, Musik und Soundeffekten. Es unterstützt drei Arten der Erzählung: bereitgestellte Dateien, lokale Synthese über Kokoro oder explizite OpenAI-Sprachaufrufe (kostenpflichtig, mit Überprüfung der Zeichenrate und Cloud-Budget). Der Workflow stellt sicher, dass die Erzählung nicht länger ist als die Szene; bei kürzerer Erzählung bleibt die verbleibende visuelle Dauer erhalten. Musik wird als Schleife mit konfigurierbarer Lautstärke abgespielt und während aktiver Zeitstempel-Untertitelwörter abgeschwächt. Erzeugte Stimmen erhalten eine gemessene Zwei-Durchgang-Lautstärkenormalisierung, während bereitgestellte Stimmen in ihrer ursprünglichen Lautstärke belassen werden. Eine Offenlegung der Nutzung synthetischer Erzählung ist in den Veröffentlichungsmaterialien erforderlich. Das Skill ist für technische Inhalte optimiert und überprüft die Aussprache von Symbolen, Namen und Code. Für beat-getriebene Clips folgt es einem speziellen Workflow, der Cue-Zeiten aus demselben FPS/BPM-Takt wie die Animation ableitet und wichtige Transformationen betont, während die Sprachverständlichkeit erhalten bleibt.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Sanidhya14321/video-forge/tree/HEAD/skills/video-audio

In Ihrer bevorzugten KI fragen

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

Dokumentation

Video Audio

Lesen Sie die Audio-Workflows. Bevorzugen Sie freigegebenes Audio oder lokales Kokoro. Überprüfen Sie die Aussprache von Symbolen, Namen, Abkürzungen und Code vor dem vollständigen Export. Ein Skript, das sich gut liest, spricht sich möglicherweise nicht gut.

Verwenden Sie narration.provider: file für bereitgestelltes Audio, kokoro für lokale Synthese oder openai für einen explizit ausgewählten kostenpflichtigen Sprachaufruf. OpenAI erfordert einen verifizierten Preis pro Zeichen und ein Cloud-Reservierungsbudget; unterstützte Modelle sind im Projektvertrag dokumentiert. Anmeldeinformationen gehören in Umgebungsvariablen.

Der Runner lehnt eine Erzählung ab, die länger als die Szenen-Zeitleiste ist. Eine kurze Erzählung lässt die verbleibende visuelle Dauer intakt. Musik loopt mit der konfigurierten Lautstärke und wird abgeschwächt, während zeitgestempelte Untertitelwörter aktiv sind. Generierte Sprache erhält vor dem Mischen eine gemessene Zwei-Durchgang-Lautheitsnormalisierung. Bereitgestellte Sprachpegel bleiben erhalten. Überprüfen Sie das tatsächliche Audio und geben Sie kein Lautheitsziel an, das nicht gemessen wurde.

Generierte Erzählung muss in den Veröffentlichungsangaben offengelegt werden. Angepasste Sprachklonierung und gehostete Musikgenerierung sind Referenz-Workflows. Bewahren Sie Audio-Credits getrennt von der Code-Lizenz des Toolkits auf.

Für beat-gesteuerte Reels folgen Sie der Reel-Anleitung. Leiten Sie Cue-Zeiten von derselben FPS/BPM-Uhr wie die Bewegung ab, betonen Sie wichtige Transformationen selektiv und bewahren Sie die Sprachverständlichkeit. Importieren Sie keinen trendigen kommerziellen Track ohne eine nutzbare Lizenz.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Verwandte Skills