Communitygithub.com

Videopodcast-Ersteller

Erstelle aus einem beliebigen Thema automatisch erklärende Video-Podcasts, Wissenszusammenfassungen oder animierte Infografik-Videos für Plattformen wie Bilibili, YouTube und TikTok – in 4K-Auflösung.

Was ist Videopodcast-Ersteller?

Dieses Skill automatisiert die Produktion von 4K-Wissensvideos aus einem Benutzerthema. Es kombiniert Recherche, Skripterstellung, Text-to-Speech (TTS), Remotion-Composition und FFmpeg zu einer durchgängigen Pipeline. Die erstellten Videos eignen sich für horizontale Formate (16:9) auf YouTube/Bilibili oder vertikale Kurzvideos (9:16) für TikTok/Reels. Das Skill unterstützt zwei lokale TTS-Engines (Edge und Azure) und erzwingt eine Master-Audio-Clock: Alle visuellen Übergänge, Untertitel und Animationen werden aus der tatsächlichen TTS-Ausgabe abgeleitet, nicht aus Schätzwerten. Es ist für Coding-Agenten wie Claude Code, Cursor und Codex optimiert und nutzt Remotion für die finale 4K-Renderausgabe. Das Skill erkennt automatisch, ob ein bestehendes Video neu generiert werden soll (z. B. nach Skript- oder Musikänderungen) und wählt dann den minimalen Wiederholungslauf. Für detaillierte visuelle Gestaltungsmuster kann es auf eine separate Design-Learning-Referenz zurückgreifen. Wichtige Validierungspunkte (TTS-Synchronisation, Studio-Vorschau, Verifikationsskript) stellen sicher, dass das finale Video den Produktionsstandards entspricht.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Agents365-ai/video-podcast-maker/tree/HEAD/skills/video-podcast-maker

In Ihrer bevorzugten KI fragen

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

Dokumentation

Empfohlen: Remotion Best Practices laden

Dieses Skill profitiert von remotion-best-practices (nicht enthalten) für die vollständige Remotion-Pattern-Bibliothek. Es ist optional – die Mindestregeln sind unten angegeben, falls es nicht vorhanden ist.

  • Pi: Lies das geladene Skill unter remotion-best-practices (in den verfügbaren Skills aufgeführt).
  • Claude Code: Rufe das remotion-best-practices Skill/Werkzeug auf, bevor du fortfährst.

Nicht installiert? Hol es dir von remotion-dev/skills (Dokumentation: remotion.dev/docs/ai/skills).

Wenn remotion-best-practices nicht installiert ist, gelten folgende Mindestregeln: Chromium muss verfügbar sein, immer 4K-Inhalt in <Scale4K> wrappen, <TransitionSeries> mit linearTiming verwenden und Audio als Master-Taktgeber behandeln.

Was macht Videopodcast-Ersteller?

Automatisierte Pipeline für 4K Bilibili horizontale Wissensvideos aus einem Thema. Codierungs-Agent + TTS-Backend + Remotion + FFmpeg.

Inhalt


Bootstrap

Ermittle SKILL_DIR als das Verzeichnis, das diese SKILL.md enthält:

  • Pi: Der Agent kennt den Skill-Pfad aus der geladenen Skill-Liste – setze SKILL_DIR auf dieses Verzeichnis, bevor du Befehle ausführst.
  • Claude Code: ${CLAUDE_SKILL_DIR} wird automatisch gesetzt.
SKILL_DIR="${SKILL_DIR:-${CLAUDE_SKILL_DIR}}"

# Voraussetzungen (CLIs + Backend-Umgebungsvariablen)
python3 "${SKILL_DIR}/scripts/check_prereqs.py"

Updates erfolgen über die Skills-CLI (npx skills update video-podcast-maker -g); bei direkter Git-Clone-Installation git pull gemäß README verwenden. Dieses Skill führt keine Update-Prüfungen durch.

Fehler bei Voraussetzungen – siehe README.md für die Einrichtung. Die Prüfung ist backend-bewusst (ermittelt TTS_BACKEND-Umgebungsvariable → user_prefs.json global.tts.backend → Standard edge), sodass nur die Umgebungsvariablen validiert werden, die das aktive Backend benötigt.

Erstes Video in einem neuen Projekt? Bevorzuge die Wiederverwendung eines bestehenden Remotion-Projekts mit bereits installiertem node_modules/ – ein neues Projekt zu erstellen, lädt ~2,2 GB npm-Pakete plus eine 90 MB Chrome-Headless-Shell herunter (einmalig pro Projekt). Wenn der Benutzer ein Projekt von einem vorherigen Video hat, verwende es. Falls ein neues Projekt nötig ist, führe npm install im Hintergrund aus, während du die Schritte 1-4 (Themenrecherche und Skripterstellung) durchführst.

Das gesamte Rendering erfolgt in videos/{name}/ – jede output.mp4, final_video.mp4 und thumbnail_*.png landet direkt im Pro-Video-Verzeichnis. Niemals in ein out/ oder dist/-Verzeichnis rendern; die Konvention --public-dir videos/{name}/ hält alles in sich geschlossen.

TTS-Engine – zwei lokale Backends, kein externes Skill:

  • edge (Standard) – kostenlos, kein Schlüssel, über edge-tts.
  • azure – benötigt AZURE_SPEECH_KEY + AZURE_SPEECH_REGION (Microsoft Speech SDK).

Jedes synthetisiert intern (scripts/tts/backends/native.py) – Aussprache (Anzeige → gesprochen → zurück zur Anzeige für Untertitel) und Phonem-Anwendung sind integriert. check_prereqs.py validiert die Umgebungsvariablen des aktiven Backends.

Multi-Plattform-TTS? Das ehemalige TTS-Komponenten-Skill, das die 9-Backend-Matrix bereitstellte, ist keine Abhängigkeit dieses Skills mehr. Wenn du diese Plattformen möchtest, installiere Agents365-ai/ttsCN separat und rufe es direkt auf – dieses Skill liefert nur edge + azure.

Design-Lernen-Abkürzung: Wenn der Benutzer ein Referenzvideo/-bild bereitstellt oder darum bittet, Stilprofile zu speichern/anzuzeigen/löschen, siehe references/design-learning.md anstatt den untenstehenden Workflow auszuführen.


Ausführungsmodi

Erkenne den Auto-Modus (Standard) vs. Interaktiven Modus zu Beginn des Workflows – die Entscheidungstabelle für Auto-Standard und Überschreibungen pro Anfrage findest du in references/workflow-script.md.


Vorhandenes Video neu generieren

Wenn videos/{name}/ bereits existiert und der Benutzer an einem fertigen oder in Arbeit befindlichen Video iteriert, verwende dieses Verzeichnis erneut. Starte KEIN neues Projekt und KEIN neues videos/{newname}/.

Wähle den kleinsten Wiederholungslauf für das, was sich tatsächlich geändert hat:

GeändertWiederholungVerwendet erneut (nicht wiederholen)
Erzählskript (podcast.txt)Schritt 7 (TTS) → Schritt 8 Vorschau → Rendern+MischenThemenrecherche + Abschnittsdesign
Nur visuelle Elemente (Komponenten, Layout, Farben)Schritt 8 Vorschau → Rendern+MischenAudio (podcast_audio.wav / timing.json)
Nur HintergrundmusikBGM neu mischenoutput.mp4 (kein erneutes Rendern)
Nur UntertitelSchritt 10.1 finalisierenoutput.mp4 / video_with_bgm.mp4

Jeder Wiederholungslauf, der ändert, was der Zuschauer sieht oder hört, tritt erneut in das Schritt-8-Tor ein: Wende die Änderung an, lasse Studio hot-reloaden und warte auf eine neue explizite "4K rendern"-Bestätigung – die vorherige Bestätigung gilt nicht weiter. Eine Skript-Änderung verschiebt jeden nachgelagerten Zeitstempel, daher immer timing.json durch TTS neu generieren – niemals manuell bearbeiten. Nach jedem Wiederholungslauf erneut überprüfen:

python3 ${SKILL_DIR}/scripts/verify_output.py videos/{name}/

Workflow

An einem fertigen Video iterieren? Wenn videos/{name}/ bereits existiert, siehe Vorhandenes Video neu generieren oben für den minimalen Wiederholungslauf – beginne NICHT bei Schritt 1.

Erstelle zu Beginn von Schritt 1 eine Aufgabe pro Schritt in der Aufgabenliste deines Agenten. Markiere in_progress bei Start, completed bei Abschluss. Dateien in videos/{name}/ sind der dauerhafte Datensatz – wenn der Vorgang unterbrochen wird, überprüfe das Verzeichnis, um zu bestimmen, wo fortgesetzt werden soll.

#SchrittAusgabePhasendatei
1Themenrichtung definierentopic_definition.mdworkflow-script.md
2Thema recherchierentopic_research.mdworkflow-script.md
35-7 Abschnitte entwerfen(im Arbeitsspeicher)workflow-script.md
4Erzählskript schreibenpodcast.txtworkflow-script.md
4.5Aussprache-Vorabprüfung (zh-CN)phonemes.jsonworkflow-script.md
5Asset-Plan & Auflösungassets/manifest.jsonworkflow-assets.md
6Thumbnails generieren (16:9 + 4:3)thumbnail_*.pngworkflow-production.md
7TTS-Audio generierenpodcast_audio.wav, timing.jsonworkflow-production.md
8Remotion-Komposition + Studio-Vorschau—workflow-production.md
94K rendern + BGM mischenoutput.mp4, video_with_bgm.mp4workflow-production.md
10Veröffentlichungsinfo + Ausgabe überprüfenpublish_info.md, final_video.mp4workflow-publish.md
11Vertikale Kurzvideos generieren (optional)shorts/workflow-publish.md

Obligatorische Stopps (fettgedruckte Zeilen oben):

  • Schritt 8 – Studio-Überprüfung. MUSS npx remotion studio starten und auf Benutzerfeedback warten, bevor gerendert wird. NIEMALS 4K rendern, bis der Benutzer explizit bestätigt ("4K rendern" / "Endversion rendern"). Eine Antwort mit Anpassungswünschen ist keine Bestätigung – wende die Änderungen an, lasse Studio hot-reloaden und frage erneut. Jede Runde von Anpassungen benötigt ihre eigene frische Bestätigung vor Schritt 9.
  • Schritt 10 – verify_output.py. MUSS bestanden werden, bevor das Video als fertig erklärt wird. Exit 0 = grün; Exit 2 = Warnungen, aber dennoch veröffentlichbar. Behebt häufige Auslassungen automatisch (erstellt final_video.mp4, falls fehlend). Validiert Veröffentlichungsinfo (Titel, Beschreibung, Tags, Kapitel) gegen die Plattform-Matrix – generiere diese in den Schritten 5.5 und 10.2. Für maschinenlesbare Ausgabe --format json hinzufügen.

Vor-Rendering-Audit (empfohlen) – vor Schritt 8:

python3 ${SKILL_DIR}/scripts/audit_beat_sync.py <Video.tsx> <timing.json>

Markiert Beats, die mehr als 1,5 s von der Erzählung abweichen.

Auto-Modus: Visuelle Selbstüberprüfung. Wenn im Auto-Modus (kein Benutzer sieht Studio), rendere 3-5 Schlüsselbild-Standbilder, bevor du um Rendering-Bestätigung bittest:

npx remotion still src/remotion/index.ts <CompositionId> videos/{name}/_review_001.png --public-dir videos/{name}/ --frame=<Mittenframe>

Wähle Frames bei: Heldentitel (~10% Anfang), einem dichten Abschnitt in der Mitte und dem Outro. Lies die Standbilder als Bilder zurück und führe die Checklisten aus references/design-guide.md und references/visual-taste.md gegen die tatsächliche gerenderte Ausgabe durch. Erkenne Überlauf-, Kontrast- und Layout-Regressionen vor dem 4K-Rendering. Lösche _review_*.png nach der Überprüfung.

Validierungsprüfpunkte

Nach SchrittPrüfung
7 (TTS)podcast_audio.wav wird abgespielt · timing.json deckt alle Abschnitte ab · SRT ist UTF-8
9 (Rendern)output.mp4 ist 3840×2160 · Audio-Video-Synchronisation · keine schwarzen Frames
10 (Überprüfen)verify_output.py beendet mit Exit 0 (oder 2 mit geprüften Warnungen)

Harte Regeln

RegelAnforderung
Einzelnes ProjektAlle Videos unter videos/{name}/ im Remotion-Projekt des Benutzers. NIEMALS ein neues Projekt pro Video erstellen.
4K-Ausgabe3840×2160 (oder 2160×3840 vertikal), scale(2)-Wrapper über 1920×1080 Designbereich verwenden
Audio-SynchronisationAudio (podcast_audio.wav + podcast_audio.srt) ist der Master-Taktgeber. timing.json MUSS aus der echten TTS-Ausgabe generiert werden, niemals manuell geschätzt. Vor dem Rendern muss die finale Videodauer mit dem Audio innerhalb von ±0,5 s übereinstimmen. Siehe Audio-Master-Taktgeber & Synchronisation.
ThumbnailMUSS sowohl 16:9 (1920×1080) ALS AUCH 4:3 (1200×900) generieren – siehe design-guide.md
Studio vor RendernMUSS remotion studio zur Überprüfung starten. NIEMALS 4K rendern, bis der Benutzer explizit bestätigt. Anpassungsfeedback ≠ Bestätigung – anwenden, hot-reloaden, erneut fragen.
--public-dirJeder Remotion-Befehl verwendet --public-dir videos/{name}/. Alle Ausgabedateien (output.mp4, final_video.mp4, Thumbnails) gehen direkt in videos/{name}/ – niemals in ein out/ oder dist/-Verzeichnis.

Visuelle Mindestanforderungen (Textgrößen, Inhaltsbreite, Sicherheitszonen, Animationssicherheit) befinden sich in references/design-guide.md. MUSS vor Schritt 8 geladen werden.

Audio-Master-Taktgeber & Synchronisation

Goldene Regeln

  1. Audio ist der Master-Taktgeber. Jeder Folienstart, Untertitel, jedes Kapitel und jeder Animationsbeat wird aus podcast_audio.wav und podcast_audio.srt abgeleitet.
  2. Generiere Timing aus TTS, nicht aus Textschätzungen. Pipeline: podcast.txt → generate_tts.py → podcast_audio.wav + podcast_audio.srt + timing.json → Komposition → Rendern.
  3. Schreibe timing.json niemals manuell, bevor Audio existiert. Wenn du bereits kuratierte Folien hast, führe align_timing_from_srt.py aus, um sie am echten SRT zu verankern.
  4. Kompensiere TransitionSeries-Überlappung. TransitionSeries rendert sum(section.duration_frames) - (N-1) * transitionFrames Frames. Skaliere jeden Abschnitt proportional, um die gerenderte Länge gleich timing.total_frames zu halten. Stopfe nicht alle Überlappungs-Frames in den ersten Abschnitt. Das korrigierte Muster befindet sich in templates/Video.tsx.

Obligatorische Synchronisationsprüfpunkte

WannPrüfung
Nach Schritt 7 (TTS)timing.json.total_duration stimmt mit podcast_audio.wav innerhalb von ±0,5 s überein
Vor dem RendernVideo.tsx skaliert alle Abschnitte für die Übergangsüberlappung
Nach dem Rendernfinal_video.mp4 Dauer stimmt mit podcast_audio.wav innerhalb von ±0,5 s überein
Schritt 10 (Überprüfen)verify_output.py beendet mit Exit 0 und meldet Grün bei Audio/Timing

Wenn ein Prüfpunkt fehlschlägt, anhalten. Nicht veröffentlichen.

Ausgabespezifikationen

ParameterHorizontal (16:9)Vertikal (9:16)
Auflösung3840×2160 (4K)2160×3840 (4K)
Bildrate30 fps30 fps
KodierungH.264, 16 Mbit/sH.264, 16 Mbit/s
AudioAAC, 192 kbit/sAAC, 192 kbit/s
Dauer1-15 Min60-90 s (Highlight)

Pro-Video-Struktur

projekt-root/                           # Remotion-Projekt-Root
├── src/remotion/                       # Remotion-Quelle (Root.tsx, Kompositionen, index.ts)
├── videos/{video-name}/                # Pro-Video-Verzeichnis
│   ├── topic_definition.md             # Schritt 1
│   ├── topic_research.md               # Schritt 2
│   ├── podcast.txt                     # Schritt 4: Erzählskript
│   ├── phonemes.json                   # Schritt 4.5: zh-CN Aussprache-Überschreibungen
│   ├── assets/manifest.json            # Schritt 5: Pro-Abschnitt-Asset-Register
│   ├── publish_info.md                 # Schritt 10: Titel/Beschreibung/Tags
│   ├── podcast_audio.wav               # Schritt 7: TTS-Audio
│   ├── podcast_audio.srt               # Schritt 7: Untertitel
│   ├── timing.json                     # Schritt 7: Timeline (treibt Animationen)
│   ├── thumbnail_*.png                 # Schritt 6
│   ├── output.mp4                      # Schritt 9: 4K-Rendering
│   ├── video_with_bgm.mp4              # Schritt 9: mit BGM
│   ├── final_video.mp4                 # Schritt 10: finale Ausgabe
│   └── bgm.mp3                         # Hintergrundmusik
└── remotion.config.ts

--public-dir pro Video

Jeder Remotion-Befehl verwendet --public-dir videos/{name}/ – die Assets jedes Videos bleiben in seinem eigenen Verzeichnis, was paralleles Rendern ermöglicht:

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/
npx remotion render ... videos/{name}/output.mp4 --public-dir videos/{name}/ --video-bitrate 16M

Zusätzliche Ressourcen

Lade die folgenden Referenzdateien aus dem references/-Verzeichnis, wenn ihr jeweiliger Schritt im Workflow erreicht wird:

DateiWann laden
references/workflow-script.mdVor Schritt 1 – enthält Ausführungsmodi, Entscheidungsmatrix und detaillierte Schritt-für-Schritt-Anleitungen für die Schritte 1–4.5
references/workflow-assets.mdVor Schritt 5 – Asset-Beschaffungsregeln, Bildanforderungen und Manifestformat
references/workflow-production.mdVor Schritt 6 – Produktionsdetails, Remotion-Kompositionsvorlagen, TTS-Integration und Rendering-Parameter
references/workflow-publish.mdVor Schritt 10 – Plattform-Matrix, Metadaten-Richtlinien und Kurzvideo-Generierung
references/design-guide.mdVor Schritt 8 – visuelle Mindestanforderungen, Typografie, Farbschemata und Layout-Sicherheitszonen
references/visual-taste.mdVor Schritt 8 (Auto-Modus) – Checkliste für visuelle Selbstüberprüfung
references/design-learning.mdWenn der Benutzer ein Referenzvideo/-bild bereitstellt oder Stilprofile verwalten möchte

Benutzereinstellungen

Benutzereinstellungen werden in user_prefs.json im Skill-Root gespeichert. Das Format und die Standardwerte sind:

{
  "global": {
    "tts": {
      "backend": "edge",
      "voice": "zh-CN-XiaoxiaoNeural"
    },
    "platform": "bilibili",
    "language": "zh-CN"
  },
  "channels": {
    "bilibili": {
      "resolution": "3840x2160",
      "fps": 30,
      "bitrate": 16000000
    }
  }
}

Einstellungen werden beim Booten geladen und können mit dem Befehl npx skills config video-podcast-maker geändert werden.


Fehlerbehebung

ProblemLösung
check_prereqs.py schlägt fehlÜberprüfe, ob alle Installationsschritte im README befolgt wurden. Stelle sicher, dass edge-tts oder das Azure Speech SDK installiert ist.
npm install dauert zu langeVerwende ein bestehendes Remotion-Projekt mit node_modules/ wieder, wenn möglich.
Audio-/Video-SynchronisationsfehlerFühre audit_beat_sync.py aus. Überprüfe, ob timing.json aus TTS generiert wurde, nicht geschätzt.
Rendering-Fehler in Remotion StudioLade remotion-best-practices für die vollständige Pattern-Bibliothek. Überprüfe Chromium-Installation.
verify_output.py meldet Exit 2Überprüfe die Warnungen – sie können dennoch veröffentlicht werden, aber überprüfe Audio-Synchronisation und Metadaten.
Thumbnails fehlenFühre Schritt 6 erneut aus: python3 ${SKILL_DIR}/scripts/generate_thumbnails.py videos/{name}/
Hintergrundmusik wird nicht gemischtStelle sicher, dass bgm.mp3 im Verzeichnis videos/{name}/ vorhanden ist. Führe den BGM-Mischschritt erneut aus.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Verwandte Skills