KI-Videogenerator (Prompt → Clips → fertiges Video)
Diese Fähigkeit spiegelt den „KI-Videogenerator“-Stack von Fliki wider (siehe references/fliki-notes.md): Generative Videomodelle erzeugen die Shots, und eine Nachbearbeitungsschicht fügt Stimme, Untertitel, Musik und Größenanpassung hinzu.
Modellzugriff: Dieser Container hat keinen Zugriff auf die Modelle. Der Benutzer generiert die Clips in seinem eigenen Flow- / Kling- / Fliki-Konto (oder einem anderen Tool) aus den hier geschriebenen Prompts. Diese Fähigkeit übernimmt die Planung und die Nachbearbeitung.
Modus A — Planung + Prompts
- Briefing. Sammle diese Angaben, verwende Standardwerte, wenn der Benutzer nichts sagt:
- Thema oder Skript
- Länge (Standard 30–60 s)
- Seitenverhältnis (9:16 Reels, 16:9 YouTube, 1:1 Feed)
- Look (cinematic, Anime, 3D, UGC-Handyvideos, Produktstudio …)
- Welche(s) Modell(e) sie haben
- Sprache für Voiceover und Untertitel
- Skript. Schreibe ein Skript mit einem Aufhänger in den ersten 3 s, einer Idee pro Shot und einem CTA. Verwende für Fakten nur die Quelle des Benutzers oder eine verifizierte Suche. Zeige es an und warte auf OK.
- Shot-Liste. Ein Shot alle 3–8 s (die meisten Modelle erstellen 4–10 s Clips), als Tabelle:
# | Zeit | VO-Zeile | Shot | Modell | t2v oder i2v. - Pro-Shot-Prompts. Verwende die Vorlage in
references/prompt-guide.md, mit einem Code-Block pro Shot, damit der Benutzer jeden einzelnen kopieren kann.- Jeder Prompt muss für sich allein stehen: Wiederhole die vollständige Beschreibung des Subjekts, Umgebung, Licht, Objektiv, Bewegung, Stil und Seitenverhältnis. Modelle erinnern sich nicht an frühere Shots.
- Konsistenz: Definiere jede Figur und jedes Produkt einmal in einer „Bibel“ (Gesicht, Haare, Kleidung, Farben, Requisiten) und füge die gleichen Wörter in jeden Shot ein. Für schwierige Fälle schreibe zuerst einen Bild-Prompt für ein Referenz-Standbild und erstelle den Shot als Bild-zu-Video davon.
- Native Audio: Wenn das Modell Audio erzeugt, füge eine
Audio:-Zeile hinzu (nur Atmo und SFX). Setze Dialog nur in Anführungszeichen, wenn der Benutzer eine sichtbare Sprache im Bild wünscht. - Was Modelle gut können: Eine Aktion pro Shot. Eine Kamerabewegung plus eine Subjektbewegung ist in Ordnung; drei gleichzeitige Ereignisse scheitern meist.
- Text: Bitte Modelle nicht um lesbaren Text, Logos oder UI. Füge diese in der Nachbearbeitung oder als code-gezeichnete Overlays hinzu.
- Übergabe. Gib dem Benutzer:
- die Shot-Liste
- die Prompts
- eine Namensregel für die Downloads (
s01.mp4,s02.mp4…) - „Schicke die Clips hierher zurück, und ich stelle das Video fertig“
Modus B — Clips zusammenbauen
- Hol dir die Clips (Chat-Upload, Drive-Link oder Dateien im Workspace). Erstelle eine Kontaktansicht (
ffmpeg … tile) und prüfe jeden Clip gegen seinen Shot: falsches Subjekt, verzerrte Hände oder Gesichter, unerwünschter Text. Schlage einen erneuten Durchlauf für schlechte Clips vor, anstatt sie zu verwenden. - Stimme. Wähle eine:
- die MP3 des Benutzers
- ElevenLabs via
request_credential(Hostapi.elevenlabs.io, Headerxi-api-key) — niemals nach dem Schlüssel im Chat fragen - keine (nur Untertitel)
- Wenn es eine Stimme gibt, richte sie aus, um
words.jsonzu erhalten: verwendescripts/align.py. - Schreibe
edit.json(Format am Anfang vonscripts/assemble.py):- Trim-Punkte pro Clip: schneide die ersten und letzten 0,3 s ab, wo Modelle oft wackeln
fitcover/contain,fade- Stimme, Musik +
music_db, Wörter, Untertitel-Stil fontsdirmit lokalen woff2/ttf-Dateien (benötigt für Hindi)
- Rendern. Führe
python scripts/assemble.py edit.json final.mp4aus. Das Skript normalisiert jeden Clip auf W×H und fps, überblendet, mischt das Clip-Audio, die Stimme und die Musik (Voice-Ducking unter der Stimme), brennt Wort-Hervorhebungs-Untertitel ein und wendet Lautheit-Normalisierung −14 LUFS an. - Andere Verhältnisse. Ändere W/H und rendere erneut. Verwende
coverfür randloses Footage undcontainfür breite Shots, die du nicht zuschneiden kannst. - Ausliefern.
- Prüfe auf schwarze Bilder mit
blackdetect. - Erstelle eine 720p-Kopie unter 20 MB für WhatsApp.
- Sende beide mit
SendUserFile.
- Prüfe auf schwarze Bilder mit
Regeln
- Echte Menschen: Keine realistischen KI-Ähnlichkeiten von echten, lebenden Personen (Politiker, Prominente, Privatpersonen), es sei denn, es handelt sich um den Benutzer selbst mit Einwilligung. Verwende stattdessen Silhouetten oder symbolische Shots. Erinnere den Benutzer daran, dass YouTube und Meta eine Kennzeichnung realistischer KI-generierter Inhalte verlangen.
- Keine erfundenen Behauptungen: Keine gefälschten Testimonials, erfundenen Statistiken oder UGC, das vorgibt, eine echte Kundenbewertung zu sein. Ein UGC-Stil ist in Ordnung, solange die Anzeige nicht behauptet, die Erfahrung einer echten Person zu sein.
- Modell-Spezifikationen ändern sich schnell: Cliplängen, Preise und Modellnamen sind datierte Notizen in
references/. Überprüfe das Tool des Benutzers, wenn es relevant ist, und versprich keine genauen Credits oder Preise.