viethuynh243/video-studio

Video Studio – Automatische Filmproduktion

Dieses Skill erstellt eigenständig fertige Videos – es gibt nicht nur Anleitungen. Alle Aufgaben laufen über eine zentrale Stelle: scripts/autovideo.py. Das Fachwissen (Kameraperspektiven, Rhythmus, Ton, Untertitel, CapCut, KI-Filme, praktische Lektionen) befindet sich in references/, um bei der Storyboard-Erstellung und der Auswertung von QC-Berichten fundierte Entscheidungen zu treffen.

Skript-Pfad: Verzeichnis dieser Datei + /scripts/ (Installation laut README: ~/.claude/skills/video-studio/scripts).

0. Slash-Befehle für Benutzer

/video:plan – Ideen, Drehbuch, Storyboard, Beleuchtung besprechen · /video:make – Neues Video erstellen · /video:revoice – Video neu vertonen · /video:subs – Untertitel · /video:reframe – Rahmen auf Hoch-/Querformat ändern · /video:library – Clip-Bibliothek · /video:qc – Qualitätskontrolle · /video:voices – Stimme je nach Zweck auswählen · /video:fix – Ruckeln/FPS/Wackeln korrigieren · /video:critic – Unabhängige Kritik · /video:slop – "AI Slop" erkennen und beheben · /video:capcut – Nach CapCut übertragen. Auch wenn der Benutzer natürlich spricht (keine Befehle eingibt), wird nach der unteren Tabelle verfahren.

0b. MCP-Tool video-studio (bevorzugt, wenn verfügbar)

Wenn die Tools mcp__video-studio__* in der Sitzung vorhanden sind, rufen Sie diese direkt auf, anstatt die Skripte per Bash auszuführen:

• Schnell: video_probe, video_qc, contact_sheet, voices_suggest, voices_catalogue, pronunciation_preview, shot_search, motion_stills, slop_check, slop_compare.
• Längere Aufgaben (geben job_id zurück, Nachverfolgung über job_status / job_list): make_video, revoice_video, subtitle_video, convert_fps, reframe_video, stabilize_video, motion_graphic, critic_kit, voice_samples. Einmalige Registrierung: claude mcp add --scope user video-studio -e PYTHONIOENCODING=utf-8 -- python <repo>/scripts/mcp_server.py.

1. Befehl je nach Anforderung auswählen

Benutzer möchte	Ausführen
Neues Video aus Idee/Drehbuch + Quellmaterial (Video, Bilder)	project.json nach templates/project_make.json schreiben → autovideo.py make project.json --out NAME_v1.mp4
Off-Stimme eines vorhandenen Videos ändern / neu vertonen	autovideo.py revoice VIDEO.mp4 --script text.txt [--voice auto --zweck nachrichten] --out NAME_v1.mp4 [--subs]
Untertitel zum Video hinzufügen	autovideo.py subs VIDEO.mp4 --script text.txt --out NAME_sub.mp4 (Satzgrenzen automatisch anhand der Audiospur erkennen)
Video vor Abgabe prüfen	autovideo.py qc VIDEO.mp4 (+ contact_sheet.py zur Sichtprüfung)
Beliebiges FPS 24/25/30/50/60/120 ändern, Zeitlupe, Ruckeln korrigieren	fps_convert.py convert SRC OUT --fps 24 [--slowmo 4] (RIFE GPU)
Querformat → Hoch-/Quadratisch mit Motivverfolgung; virtuelles Schwenken/Zoomen; Bildstabilisierung	camera.py reframe / move / stabilize
Beste Szene aus Footage-Bibliothek auswählen, anhand Beschreibung suchen	shot_select.py scan / best / search
Farbabgleich zwischen Szenen, cinematischer Look	grade.py match / look / apply
Plattformspezifisch exportieren, Musik-Beat-Detektion	deliver.py export <preset> / beats
Ideen, Storyboard, Beleuchtung, Kameraperspektiven vor der Produktion besprechen	/video:plan + references/11-cinematography.md
Bewegungskarten, Kapitelmarken, Datenvisualisierung (Motion Graphics per Code)	motion_html.py stills/render + templates/motion/*.html oder Szene mit "source": {"html": ...}
Drehbuch/Video klingt "nach KI": Phrasendrescherei, unbelegte Zahlen, hohle Behauptungen, monotoner Rhythmus, übermäßige Effekte	/video:slop (slop_guard.py analysiert → neuer Agent schlägt Korrekturen vor → compare misst erneut)
Film vor dem Versenden bewerten (Prüfer ≠ Ersteller)	/video:critic (critic.py + neuer Agent, bewertet bis alle Kategorien ≥ 8)
Sprachausgabe je nach Zweck auswählen	voices.py suggest --zweck nachrichten --geschlecht weiblich, 2-3 Beispielstimmen generieren, Nutzer anhören lassen
Nach CapCut zur manuellen Feinabstimmung übergeben	--capcut NAME_ENTWURF an make/revoice anhängen oder capcut_api.py build --spec
KI-Film / Micro-Drama	references/09-ai-film-pipeline.md + storyboard.py jobs

Alle Befehle sind zerstörungsfrei: überschreiben keine vorhandenen Dateien, speichern Zwischendateien in <out>_work/, erstellen BAO_CAO_QC.md (Bildfehler, Ruckeln, LUFS, % Textübereinstimmung). Lesen Sie den Bericht vor dem Absenden und geben Sie die Messwerte in der Antwort an.

2. project.json für make erstellen (am wichtigsten)

• Jede szene enthält einen Textabschnitt. quelle ist eines von: {"datei", "ein", "aus"} (Video), {"bild", "effekt": zoom_in|zoom_out|pan_left|pan_right}, {"farbe": "#0E2440"}.
• Szenendauer = max(dauer, Länge des Sprachteils + 0,9 s). Videoszene rückt automatisch in einen Originalshot zurück; falls Quelle nicht sauber genug, wird die Szene gekürzt, kein Freeze.
• Bild muss genau zum gesprochenen Text passen (richtiges Bauwerk, richtiges Ereignis) – wählen Sie Quelle mit probe_qc.py --inventory + contact_sheet.py auf der Quelle, nicht anhand des Dateinamens raten.
• uebergang: cut innerhalb derselben Idee, dissolve bei Themen-/Raumwechsel. Szene ≤ 7-8 s.
• Text wie gesprochen schreiben; Zahlen und Einheiten belassen (119 km, 100 km/h) – tts_vi.py normalisiert automatisch (Bindestriche/Gedankenstriche werden nicht zu "bis" gelesen).
• text_auf_bild: kurz, nur Zahlen/Namen aus dem Text; „—“ vermeiden.
• Fortgeschritten: Projekt-fps beliebig (Quellen mit anderem FPS durchlaufen automatisch fps_convert), Videoszene mit slowmo, kamera (virtuelles Schieben/Schwenken), stabilisierung, intelligenter_rahmen (automatische Motivverfolgung beim Hochformat-Export); Projekt mit farbe (Farbabgleich + Look) und nach_musik_schneiden (Schnitte auf Beats).
• Stimme wird nicht erzwungen: "stimme": "auto" (Standard) wählt nach "zweck" (unternehmen, nachrichten, doku, werbung, social_media, anleitung, elegant, kinder, event) + "geschlecht", "region", "klangfarbe" (tief/mittel/hell), basierend auf gemessenen Profilen jeder Stimme (voices.py profile: Lesegenauigkeit, Tonhöhe, Geschwindigkeit). Oder Angabe: Stimmenname VieNeu, {"edge": "vi-VN-HoaiMyNeural"}, {"clone": "beispiel_stimme.wav"} (Sprecher muss zustimmen) oder echte Aufnahme "aufnahme": "satz3.wav" für jede Szene. Jede Szene/Figur kann eigene Stimme haben. Geben Sie immer 2-3 Vorschlagsstimmen (voices.py suggest) zum Anhören, bevor der Nutzer entscheidet.
• Genauigkeit: Aussprachewörterbuch templates/phat_am.json + projekteigenes "aussprache" (Abkürzungen, Eigennamen); jeder Satz wird von Whisper nachgehört, Sätze unter "genauigkeit" (0,97) werden automatisch bis zu "wiederholungen" Mal neu gelesen, Bericht pro Satz; Untertitel richten sich nach tatsächlichen Wörtern.
• Schnittoptionen: "stil": feierlich | cinematic (Letterbox 2,39, filmisch) | doku | dynamisch (Schnitt auf Beats) | social_media (Rahmen folgt Motiv). Szenenübergang pro Szene: cut, dissolve, fade_black, dip_white, wipe_left/right, slide_left/right, zoom_in. Rahmen: "rahmen": fill (auffüllend) | fit_blur (vollständig sichtbar, unscharfer Hintergrund) | smart (Motivverfolgung). "letterbox": 2.39. Alle Optionen sind pro Szene überschreibbar.
• Bewegte Grafiken: "quelle": {"html": "templates/motion/route_map.html", "params": {...}} (Karte zeichnet sich nach und nach, Kapitelmarken...). make exportiert zusätzlich eine reine Musikversion _nur_musik.mp4. Regie-Brief + facts.md vor großer Filmproduktion (references/12).
• Anti-AI-Slop: "facts": "facts.md" (jede Zahl + Originalaussage + Quelle + Datum) und "regeln": ["~/.video_studio/regeln/<kunde>.json"] (kundenspezifische Regeln, außerhalb des Repos). make prüft automatisch und fügt Abschnitt "Anti-AI-Slop" in den Bericht ein; "stopp_bei_slop": true zum Anhalten, wenn noch erfundene Zahlen/Regelverstöße vorhanden sind. Korrigiert der Kunde Sätze von Hand, wird der genaue Wortlaut in die Regeln übernommen (slop_guard.py speichern) für automatische Erkennung im nächsten Film (references/13).
• Automatische Szenenauswahl: "clip_bibliothek": "bibliothek.json" (von shot_select.py scan --clip) und "quelle": {"suche": "aerial view of a highway at sunset"} → die am besten passende, ausreichend lange, noch nicht verwendete Szene mit hoher Qualitätsbewertung wird ausgewählt. Suchbeschreibung auf Englisch verfassen.

3. Unveränderliche Regeln

1. Endfassung nicht löschen/überschreiben. Neue Version _vN. Austausch der Hauptversion nur nach Freigabe durch Nutzer: mv -n alte Version in _gespeichert_beschreibung, cp -n neue Version, cmp bestätigen.
2. Erst messen, dann behaupten – verwenden Sie Zahlen aus BAO_CAO_QC.md; wenn nichts gemessen wurde, sagen Sie, dass noch nichts gemessen wurde.
3. Inhalt muss wahrheitsgemäß sein: korrektes Bauwerk/Unternehmen, keine ausländischen Stock-Aufnahmen, QR-Codes, Werbung, fremde Slogans, Personen ohne Einverständnis.
4. Übersetzung muss 100 % Bedeutung und Kontext treffen; bei Zweifel nachfragen.
5. Keine Passwörter/API-Schlüssel im Namen des Nutzers eingeben.
6. Modelle nur von vertrauenswürdigen Quellen herunterladen, bevorzugt .safetensors, separates venv verwenden.
7. Kommunikation auf Vietnamesisch.
8. Keine erfundenen Zahlen übermitteln: jede Zahl im Bild/Text muss in facts stehen oder als [berechnet: ...] gekennzeichnet sein. Von Agenten geschriebene Korrekturen werden erst nach erneuter Messung durch slop_guard.py compare akzeptiert (Autor bestätigt nicht selbst).

4. Referenzen bei Bedarf laden

Wann	Datei
Ablauf, Versionen, Kundenberichte	references/01-ablauf.md
Kameraperspektiven, Bildgrößen, Schnittrhythmus, Übergänge, Standbilder	references/02-bildsprache.md
Ruckeln, Aussetzer, Fremdframes, FPS-Änderung	references/03-bewegtbild.md
Farbe, Scale/Crop, Logo, Export	references/04-bild-farbe-export.md
Sprachausgabe, TTS, Musik, LUFS	references/05-ton-sprache.md
Untertitel, Übersetzung, Text auf Bild	references/06-untertitel-text.md
CapCut (MCP, VectCutAPI, Web)	references/07-capcut.md
Qualitätskontrolle vor Abgabe	references/08-qc-dateiuebergabe.md
KI-Film / Micro-Drama	references/09-ki-film-pipeline.md
Lehrreiche Erfahrungen	references/10-praktische-lektionen.md
Beleuchtung, Objektive, Blende/Verschluss/ISO/ND je nach Situation, KI-Video-Prompts, Kameraperspektiven, Farbe, Ton, Schnitt	references/11-cinematography.md
Anti-"AI Slop": belegte Zahlen, Kundenregeln, verborgene Prüfung, erneute Messung vor Annahme	references/13-anti-ai-slop.md
Regie-Brief, Anti-"KI-Bewegung"-Regeln, Code-Grafiken, Kritikschleife, Großprojekte (GES, 3D, aktueller Stand)	references/12-regie-bewegtgrafiken-kritik.md

5. Skripte

Skript	Aufgabe
autovideo.py	Hauptprogramm: make, revoice, subs, qc
voices.py	Gemessene Profile jeder Stimme, Stimmvorschläge je nach Zweck, mehrere Stimmenquellen (VieNeu, Edge, Klon, Aufnahme)
accuracy.py	Aussprachewörterbuch, jeden Satz nachhören, fehlerhafte Sätze automatisch neu lesen
motion_html.py	Bewegte Grafiken per HTML + seek(t) (Playwright), automatischer Sub-Frame Motion Blur
critic.py	Unabhängiges Prüfmaterial: Kontakt-/Telefon-/Streifenansicht, tote Frames, ausreichende Texteinblendung, Slop-Prüfung (zusammen mit slop_guard)
slop_guard.py	Deterministische Anti-AI-Slop-Prüfung: belegte/abgeleitete Zahlen, Phrasendrescherei, hohle Behauptungen, Rhythmus, monotones Editing, Kundenregeln; compare akzeptiert/lehnt korrigierte Versionen ab
mcp_server.py	MCP-Server: 21 Tools (schnell + Job-Warteschlange) für direkten Aufruf durch Claude
probe_qc.py	Quellinventur / Film-QC (Fremdframes, Blitze, Doppelframes, Standbilder, Ruckeln, Cadence, LUFS, schwarze Ränder)
contact_sheet.py	Kontaktbogen mit 3 Frames/Shot zur Sichtprüfung
fps_convert.py	FPS-Konverter 24-120, Zeitlupe, Motion Blur 180°, Erkennung von Zwischenbildern (RIFE/Flow)
camera.py	Intelligentes Reframing (Gesichtserkennung + Hervorhebungsstärke), virtueller Schwenk/Zoom, Bildstabilisierung vidstab
shot_select.py	Clip-Bibliothek: Shot-Erkennung, Bewertung, Suche anhand Beschreibung (CLIP)
grade.py	LUT-Farbabgleich, automatischer Weißabgleich, Look; LUT anwenden
deliver.py	Plattformspezifische Export-Voreinstellungen, Beat-Detektion
cadence_fix.py	Rhythmuskorrektur für einzelne Abschnitte mittels Optical Flow (alte Version, keine GPU nötig)
tts_vi.py	VieNeu-TTS für Vietnamesisch (25 Stimmen), Textnormalisierung, läuft in eigenem venv
speech_check.py	% Textübereinstimmung mit Skript (Whisper), Dialektschätzung
voice_mix.py	Sätze nach Zeitmarken setzen, Stimmverarbeitungskette, Ducking, LUFS, Video-Montage
subs.py	Untertitel in Sätze aufteilen, SRT/ASS, Einbrennen
demucs_split.py	Stimme/Musik trennen
capcut_api.py	CapCut Desktop-Entwürfe über VectCutAPI erstellen
storyboard.py	Storyboard-Prüfung, Shotlist, KI-Film-Job-Warteschlange

Umgebung (Installation mit install.ps1): ffmpeg im PATH; Python 3.12 (numpy, opencv, soundfile, librosa, Pillow, faster-whisper, torch, demucs); VieNeu in ~/tools/venv_vieneu (änderbar über VIENEU_PY); RIFE in ~/tools/rife/ (RIFE_BIN); YuNet in ~/tools/models/ (YUNET_ONNX); VectCutAPI in ~/tools/VectCutAPI (Port 9001).