Communitygithub.com

remotion-video

Verwandle eine Idee in ein vertikales Kurzvideo (1080x1920 MP4) mit Remotion. Schreibt das Skript, generiert die Sprach- und Wortzeitsteuerung mit ElevenLabs und rendert ein Starterprojekt mit fünf Szenentypen, wortgenauen Untertiteln und einem Lippen-synchronen Maskottchen.

Was ist remotion-video?

Dieses Skill ermöglicht es dir, aus einer einfachen Idee ein komplettes, vertikales Kurzvideo im MP4-Format (1080x1920) zu erstellen. Es automatisiert den gesamten Workflow: Es schreibt das Skript auf Grundlage deiner Eingabe, generiert die Sprachausgabe mit den entsprechenden Wortzeitsteuerungen über ElevenLabs und rendert dann ein Remotion-Projekt. Das Projekt enthält fünf vordefinierte Szenentypen, wortgenaue Untertitel und ein lippensynchrones Maskottchen. Das Skill ist besonders nützlich für die Erstellung von Erklärvideos, Social-Media-Clips (Shorts/Reels/TikTok) oder anderen erklärenden Kurzvideos. Es funktioniert mit einem bereitgestellten Kit, das aus Shell-Skripten und Python-Skripten besteht. Der Benutzer muss Node.js, Python3, ffmpeg und einen ElevenLabs-API-Key bereitstellen. Der gesamte Prozess ist darauf ausgelegt, mit Remotions parallelem Rendering zu funktionieren, was spezielle Regeln für zustandsloses Rendering erfordert.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/anujkapoor-arch/video-skills/tree/HEAD/skills/remotion-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht remotion-video?

Du nimmst die Idee des Benutzers und gibst ein MP4 zurück. Das Kit neben dieser Datei erledigt die Schwerstarbeit: kit/new-video.sh erstellt ein Projekt, narrate.py verwandelt ein Skript in Audio plus Zeitsteuerung und das Remotion-Projekt rendert es.

Wenn sich kein kit-Ordner neben dieser Datei befindet, wurde das Skill ohne ihn kopiert. Klone https://github.com/anujkapoor-arch/video-skills und verwende dessen kit-Ordner.

Bevor du beginnst

Überprüfe diese Dinge und stoppe mit einer klaren Nachricht, wenn eines fehlt:

  • node --version, python3 --version, ffmpeg -version. Das Kit wurde mit Node 24, Python 3 und ffmpeg 8 getestet.
  • ELEVENLABS_API_KEY in der Umgebung, oder der Benutzer bereit, ihn in die .env des Projekts zu setzen. Es gibt keinen stillen oder kostenlosen Modus. Gib den Schlüssel niemals aus oder committe ihn.
  • Remotions Lizenz. Sie ist kostenlos für Einzelpersonen und für Unternehmen mit bis zu 3 Mitarbeitern. Ein größeres Unternehmen benötigt eine kostenpflichtige Unternehmenslizenz (remotion.dev/docs/license). Teile dem Benutzer dies einmal mit. Wenn Remotion dadurch ausgeschlossen ist, verwende das revideo-video Skill, das MIT-lizenziert ist.

Schritte

1. Die Idee zu einem Skript herunterbrechen

Frage nur nach dem, was du nicht erschließen kannst: das Thema, für wen es ist, den Channelnamen. Dann schreibe das Skript selbst.

  • 4 bis 7 Szenen, insgesamt 20 bis 45 Sekunden. Menschen sprechen etwa 2,5 Wörter pro Sekunde.
  • Beginne mit einem hook, schließe mit einem cta. Verwende dazwischen points, stat und bars.
  • Jedes say ist ein oder zwei kurze Sätze, die fürs Hören geschrieben sind. Schreibe Zahlen als Wörter aus.
  • Jede Zahl auf dem Bildschirm benötigt eine Quelle, die der Benutzer dir gegeben hat oder die du benennen kannst. Wenn du keine hast, frage nach. Erfinde niemals eine Statistik.
  • Wähle ein Hinweiswort (at) für jedes Element, damit die visuellen Elemente auf das gesprochene Wort treffen.

Die vollständige Feldliste findest du in kit/common/SCRIPT.md. Lies sie, bevor du das Skript schreibst.

2. Erstelle das Projekt

<Ordner dieses Skills>/kit/new-video.sh remotion <neuer-Ordner>
cd <neuer-Ordner>
npm install

npm install dauert etwa 20 Sekunden. Der erste Render lädt auch Chrome Headless Shell (etwa 470 MB) in node_modules herunter.

3. script.json schreiben, prüfen, dann für die Stimme bezahlen

Ersetze das Beispiel script.json durch das Skript des Benutzers, dann:

python3 narrate.py --check    # Validiert und gibt die Zeichenanzahl aus, kein API-Aufruf

Zeige dem Benutzer die gesprochenen Zeilen und die Zeichenanzahl, und hole ein Ja ein, bevor der nächste Befehl ausgeführt wird. ElevenLabs berechnet pro Zeichen.

python3 narrate.py            # Schreibt public/narration.wav und src/spec.json

Es gibt die Start- und Längen jeder Szene aus. Zeilen werden in .tts-cache/ gecacht, sodass eine erneute Ausführung nach einer Bearbeitung nur für die geänderten Zeilen bezahlt.

4. Prüfe Standbilder vor einem vollständigen Render

Ein Standbild dauert etwa 4 Sekunden; ein vollständiger Render dauert etwa so lange wie das Video.

npx remotion still src/index.ts Video out/check.png --frame=150

Frame = Sekunden × 30. Render ein Standbild innerhalb jeder Szene, etwa eine Sekunde nach ihrem letzten Hinweiswort, und schau dir jedes an. Prüfe, ob der Text in die Karte passt, nichts die Untertitel oder das Maskottchen überlappt und nichts Wichtiges unter y = 1620 liegt (die Shorts-/Reels-UI bedeckt es).

5. Rendern

npm run render                # -> out/video.mp4
npm run studio                # optional: Vorschau mit einer Zeitleiste und Hot Reload

6. Bericht

Führe ffprobe auf der Datei aus und teile dem Benutzer die Länge, die Größe und den Speicherort mit. Sage, was du geprüft hast (Standbilder) und was nicht (du kannst weder das Audio hören noch die Bewegung sehen). Bitte ihn, es einmal mit Ton anzuschauen.

Dinge ändern

Um dies zu ändernBearbeite
Farben, Channelname, Fußzeile, Untertitel an/aus, Maskottchen an/ausscript.json, dann python3 narrate.py (kostenlos, das Audio ist gecached)
Stimmevoice.id in script.json oder ELEVENLABS_VOICE_ID. Eine neue Stimme berechnet jede Zeile erneut.
SchriftartLege .ttf-Dateien in public/fonts ab, liste sie in src/fonts.ts auf, ändere FONT in src/util.ts
Layout eines SzenentypsSeine Komponente in src/scenes.tsx
Kopfzeile, Karte, Untertitel, Sprechblase, Konfettisrc/Video.tsx
Das Maskottchensrc/Mascot.tsx

Eine Szenenart hinzufügen

  1. Schreibe eine Komponente in src/scenes.tsx, die {s: Scene} entgegennimmt und ihren Inhalt in <Layer s={s}> einbettet.
  2. Füge sie am Ende dieser Datei zu KINDS und zur kind-Union in src/util.ts hinzu.
  3. Füge sie mit ihren erforderlichen Feldern zu KINDS in narrate.py hinzu.

Das Maskottchen austauschen

Portiere das SVG der Figur als JSX in src/Mascot.tsx. Lade die .svg-Datei nicht. Behalte fünf Dinge, die pro Frame gesteuert werden: Mundhöhe von open, Augen scaleY von blink, Pupillenversatz, Augenbrauenversatz und eine Kopf-Gruppe, die sich neigt. Wenn sich das SVG später ändert, muss der Port erneut durchgeführt werden.

Regeln, die Remotion-Render korrekt halten

  • Alles auf dem Bildschirm ist eine Funktion des aktuellen Frames. Kein useState, keine CSS-Übergänge, kein setTimeout, kein Math.random(). Remotion rendert Frames parallel und in beliebiger Reihenfolge, daher bricht alles, was einen Speicher hat, das Rendering. Verwende random(seed) von remotion.
  • Die gesamte Zeitsteuerung stammt aus spec.json. Hartcodiere niemals eine Zeit in Sekunden. Lies s.start, item.t oder das t eines Wortes, damit eine neue Erzählung das Video ohne Codeänderungen neu timt.
  • Schriftarten werden in src/fonts.ts hinter delayRender geladen. Ohne dies kann ein Frame erfasst werden, bevor die Schriftart bereit ist.
  • Dateien, die der Browser zur Renderzeit lädt (Audio, Schriftarten, Bilder), befinden sich in public/ und werden mit staticFile() referenziert.
  • HTML umbricht lange Texte, aber nichts verkleinert sie. Der Starter wählt Schriftgrößen basierend auf der Zeichenanzahl. Wenn du Text hinzufügst, mache dasselbe, sonst läuft er über die Karte über.
  • Ein Spring ist spring({frame: frame - at * fps, fps, config}). Der pop()-Helfer in util.ts kapselt ihn.
  • Die Lippensynchronisation stammt aus den Wortzeitsteuerungen (mouthOpen in util.ts), ohne Audioanalyse.
  • Die Videolänge wird auf einen ganzen Frame aufgerundet, sodass das MP4 bis zu 1/30 s länger als spec.total sein kann.

Zahlen von unserem Testrechner (Apple M2, 8 GB RAM)

  • 25 s Video: 26,5 s zum Rendern, 4,9 MB.
  • node_modules: 240 MB nach der Installation, etwa 950 MB nach dem ersten Render (Chrome Headless Shell plus der Webpack-Cache).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills