Knowledge Video Editor · Wissens-Video-Editor (Intelligente Talking-Head-Bearbeitung)
Mach Wissen sichtbar, Logik klar und Zuschauen unterhaltsam.
Dieser Skill verwandelt ein „rohes Talking-Head-Video“ in ein „publikationsfertiges Wissensvideo“. Du gibst ihm das Video – er erledigt den Rest: Inhalt verstehen → Typ erkennen → Feinschnitt → Regie planen → Logik visualisieren → duale Untertitel → Cover-Frame → Qualitätskontrolle → Auslieferung.
Kernprinzip: Standardmäßig vollautomatisch, keine schrittweise Bestätigung erforderlich; aber keine gefälschten Ergebnisse.
1. Entscheiden: Wann dieser Skill angewendet werden sollte
| Anwendbar | Nicht anwendbar |
|---|---|
| Talking-Head-Videos (echte Person oder digitaler Avatar, die Wissen/Methoden/Meinungen erklären) | Reine Vlogs, Reiseaufnahmen (keine erklärende Hauptlinie) |
| Vorhandenes Talking-Head-Material, das neu verpackt werden muss | Reine Film-/Videobearbeitung, Kurzfilme, Dramaserien |
| Benötigt fertiges Video in 16:9 oder 9:16, duale Untertitel, Cover-Frame | Nur Transkodierung, Zuschneiden, Auflösungsänderung |
| Stapelverarbeitung mit einheitlichem visuellem Stil | Nur einfache Untertitel-Unterlegung (dafür gibt es Basis-Tools) |
Entscheidungskriterium: Enthält das Video „strukturiert erklärbare Informationen“? Wenn ja, verwende diesen Skill.
2. Drei eiserne Regeln vor Arbeitsbeginn
- Erst die Umgebung prüfen, dann loslegen. Führe
python3 scripts/check_environment.py --jsonaus, um sicherzustellen, dass ffmpeg / Transkriptions-Engine / Render-Engine / Schriftarten vorhanden sind. Fehlt etwas, melde genau den Engpass – kein „So-tun-als-ob-Ausliefern“. - Erst den Plan erstellen, dann rendern.
director_plan.jsonundstoryboard.json(sekundengenaues Shot-Plan) müssen vor dem Rendern durchvalidate_storyboard.pyvalidiert werden. - Originaldatei niemals überschreiben. Alle Zwischenprodukte landen in
<projekt>/work/, das Endergebnis in<projekt>/output/. Überschreibe niemals das Originalvideo des Benutzers.
3. 13-Schritt-Pipeline
| Schritt | Aktion | Ergebnis | Skript |
|---|---|---|---|
| 1 | Umgebungsprüfung | env_report.json | check_environment.py |
| 2 | Videoeigenschaften erkennen (Quer/Hochformat, Länge, Auflösung, Bildrate, Personenposition) | video_meta.json | analyze_video.py |
| 3 | Inhalt verstehen & segmentieren (Gesamttyp + Attribute jedes Abschnitts) | analysis.json | analyze_video.py --content oder Host-LLM |
| 4 | Transkription + Schnittentscheidungen (Wiederholungen, Versprecher, Pausen, Füllwörter, Anfang/Ende) | transcript.json + edl.json | transcribe.py |
| 5 | Feinschnitt (Trimmen + Rauschunterdrückung + Loudness-Normalisierung + Timeline-Neuzuordnung) | edited.mp4 + timemap.json | edit_video.py |
| 6 | Drehplan (Videotyp/Thema/Cover/Kapitel/Rhythmus) | director_plan.json | LLM + Vorlagen |
| 7 | Logik visualisieren (Wissenspunkte → visuelle Komponenten) | visual_map.json | LLM + 07-Spezifikation |
| 8 | Sekundengenauer Shot-Plan (jede Sekunde geplant, alle 3 Sekunden Komposition bewertet) | storyboard.json | LLM + storyboard.schema.json |
| 9 | Adaptives Layout (Quer/Hochformat-Sicherheitszone, Personen-Kreisbereich) | layout.json | config/safe-areas.json |
| 10 | Duale Untertitel (satzweise, semantische Segmentierung, Breitenmessung) | subtitle.srt + subtitle.json | transcribe.py --bilingual |
| 11 | Cover-Frame generieren (Erster Frame = Cover) | cover.png | render_video.py --cover-only |
| 12 | Finales Rendern (Remotion-Komposition + Personen-Kreis + Audio-Effekte/BGM-Mischung) | output/01_Endversion.mp4 | render_video.py |
| 13 | Qualitätskontrolle & automatische Reparatur (Inhalt/Bild/Untertitel/Ton/Decodierung) | qc_report.md | quality_check.py |
Ein-Klick-Pipeline: python3 scripts/run.py --video <original> --out <ordner> --ratio 16:9
4. Unveränderliche harte Regeln (Verstoß = Nacharbeit)
- Der erste Frame MUSS ein vollständiges Cover sein. Kein schwarzer Bildschirm, kein Leerraum, kein Titel in der Einblend-Animation. Maximal 2 Zeilen, pro Zeile max 4 Zeichen (Buchstaben & Zahlen zählen mit), insgesamt ≤ 8 Zeichen, im visuellen Zentrum, in extragroßer fetter Schrift.
- Ab dem zweiten Shot muss der Cover-Titel vollständig verschwunden sein. Das Cover bleibt standardmäßig 1,5–2 Sekunden und startet synchron mit dem Sprechen – keine stille Wartezeit.
- Im Querformat MUSS eine dynamische Kapitelleiste vorhanden sein. 3–6 Kapitel, 2–6 Zeichen pro Kapitel, die sanft mit dem Vortragsfortschritt wechseln, max 8% der Bildhöhe einnehmen, während des Covers versteckt. Die Navigationsleiste verwendet einheitlich das Capsule-Floating-Design (Eckenradius = Höhe/2, Milchglas, 1px Kontur, gleitende Highlight-Sektion, dünner Fortschrittsbalken unten). Keine gestapelten „Text + ✓ + Minusstrich“-Layouts.
- Während des gesamten Videos wird nur EIN Farbschema verwendet. Deep Space Black & Gold ODER Pearl Dark Green – keine Mischung.
- Duale Untertitel: Chinesisch oben, Englisch unten, satzweise synchron, Breite muss gemessen werden, kein Überlauf, keine Verdeckung der Wissenszone, keine unendliche Verkleinerung der Schriftgröße.
- Ton-Priorität: Originalstimme > wichtige Soundeffekte > BGM. BGM muss leise sein und der Stimme ausweichen.
- Keine wichtigen Argumente löschen, um die Länge zu verkürzen. Keine Änderung der ursprünglichen Meinung, keine Umformulierung von Fakten.
- Kein Querformat-Video direkt auf Hochformat zuschneiden. Es muss neu layoutet und neu gerendert werden.
- Wenn die Qualitätsbewertung < 90 ist, muss automatisch lokalisiert und repariert werden. Wenn die Reparatur fehlschlägt, melde den Fehler genau – erkläre nie „bestanden“.
- Alle Materialien müssen lizenzierbar sein. Verwende keine Bilder/Musik/Videos unklarer Herkunft.
- Jeder Shot muss die reale Person zeigen. In Personen-Shots (V01/V02) voll flächendeckend; in Wissens-Shots (Stichworte, Abläufe, Vergleiche, Karten, Zahlen, Zusammenfassungen usw.) MUSS in der rechten oberen Ecke der kreisförmige Avatar (V21) überlagert werden. Kein Shot darf komplett ohne die Person sein.
- Drei eiserne Regeln für den Personen-Kreis (Bildausschnitt & Position): (a) Innerhalb des Kreises müssen Haare + vollständige Gesichtszüge + beide Schultern sichtbar sein; 6–10% Luft über dem Kopf, mindestens 25% unter dem Kinn für Hals/Kragen; kein Abschneiden von Stirn oder Kinn. (b) Feste rechte obere Ecke, im Hochformat unterhalb der Navigationsleiste, im Querformat oben rechts, mit 48–52px Abstand zum Rand. (c) Darf niemals Titel, Wissenskarten oder Untertitel überdecken – der Inhaltsbereich muss Platz schaffen (Hochformat: Inhalt nach unten verschieben; Querformat: 344px Sicherheitszone rechts). Drei Kameraparameter:
zoom(innere Breite / Kreisdurchmesser, 1.0 = Standard; nur wenn die Person klein wirkt, 1.2–1.5) +focus_x/focus_y(Gesichtsmitte) +anchor_y(vertikale Position des Gesichts im Kreis, Nahaufnahme 0,42 / Weitwinkel 0,28); Vor der Freigabe muss ein Einzelbild zur Prüfung gerendert werden. - Erklärende Texte standardmäßig um 12% vergrößern. Titel, Stichpunkte, Karteninhalte von Wissensshows werden einheitlich mit
text_scale 1.12gerendert – lieber Zeichen reduzieren als Schrift verkleinern.
5. Videotyp-Bestimmung (nicht vom Benutzer gewählt, sondern von dir bestimmt)
Zunächst den Gesamttyp bestimmen, dann die Segmente. Innerhalb eines Videos können Strategien gemischt werden.
| Typ | Bevorzugte Schnittweise | Personenanteil (Richtwert) |
|---|---|---|
knowledge Wissenserklärung | Flussdiagramm, Strukturdiagramm, dynamisches Whiteboard | 20–35% |
practice Tool-Tutorial | Bildschirmaufnahme, vergrößerter Ausschnitt, Handlungsdemonstration | 15–30% |
analysis Business-Analyse | Datendiagramm, Vergleichsdiagramm, Kausalkette | 25–40% |
opinion Meinungsäußerung | Person + Stichworte + Fallbeispiele | 40–60% |
story Storytelling | Person + Szenen + Zeitachse | 45–65% |
industry Branchenanalyse | Karten, Quellenverweise, reale Aufnahmen, Diagramme | 25–45% |
Die Prozentsätze sind Richtwerte, keine Anwesenheitskontrolle. Den falschen Typ zu bestimmen = falscher Stil für das gesamte Video. Dieser Schritt bestimmt 80% der folgenden Arbeit.
6. Verzeichnisstruktur
knowledge-video-editor/
├── SKILL.md # Diese Datei: einziger Einstieg, Regel-Grundgesetz
├── AGENTS.md # Ausführungsprotokoll für verschiedene Agenten (Codex/Claude/Gemini/Doubao Work etc.)
├── README.md # Menschlich lesbare Erklärung & Ergebnisvorführung
├── VERSION
├── references/ # 10 Detaildokumente (Regel-Ebene, kein Code)
├── config/ # Maschinenlesbare Konfiguration (Themen/Seitenverhältnisse/Sicherheitszonen/Terminologie/Schema)
├── scripts/ # 8 ausführbare Skripte (Analyse → Schnitt → Validierung → Rendern → Qualitätskontrolle)
├── templates/remotion/ # Visuelle Render-Engine (React-Komponenten)
├── assets/ # Schriftarten/Icons/Musik/Soundeffekte (lizenzierte Materialien; im Repository nur Erklärung)
└── examples/ # 4 echte Drehplan-Beispiele
7. Index der Detaildokumente (Nur bei Bedarf lesen – nicht alles auf einmal verschlingen)
| Problem | Lies |
|---|---|
| Wie Typ bestimmen und segmentieren? | references/01_Videoverstehen_und_Typbestimmung.md |
| Was löschen, was behalten, wie nichts Falsches löschen? | references/02_Automatischer_Feinschnitt.md |
| Wie Cover gestalten, damit es nicht nachgearbeitet werden muss? | references/03_Cover-Frame-Spezifikation.md |
| Layout für Quer-/Hochformat & Navigationsleisten-Parameter | references/04_Quer-Hochformat_und_dynamische_Navigation.md |
| Farbwerte & Anwendungsszenarien der beiden Themen | references/05_Farben_und_visuelles_Design.md |
| Wie schreibt man den sekundengenauen Shot-Plan & Animationskurven? | references/06_Intelligenter_Shot-Plan_und_sekundengenaue_Dynamik.md |
| Wähle Komponenten V01-V20 aus – wie macht man V21 (Personen-Kreis)? | references/07_Visuelle_Komponenten_Verwendung.md |
| Schriftgröße für Untertitel, Satztrennung, Sicherheitszonen | references/08_Duale_Untertitel_und_Sicherheitszonen.md |
| BGM & Soundeffekte-Lautstärke, Ausweichen | references/09_Hintergrundmusik_und_Soundeffekte.md |
| Wie erreicht man 100 Qualitätspunkte & wie repariert man? | references/10_Qualitaetskontrolle_und_automatische_Reparatur.md |
8. Kurzreferenz zur Befehlszeile
# 1. Umgebungsprüfung
python3 scripts/check_environment.py --json
# 2. Videoeigenschaften lesen
python3 scripts/analyze_video.py --video input.mp4 --out work/video_meta.json
# 3. Transkription (dual Chinese/English)
python3 scripts/transcribe.py --video work/edited.mp4 --bilingual --out work/
# 4. Feinschnitt nach EDL
python3 scripts/edit_video.py --video input.mp4 --edl work/edl.json --out work/edited.mp4
# 5. Shot-Plan validieren (ohne Bestätigung kein Rendern)
python3 scripts/validate_storyboard.py --storyboard work/storyboard.json
# 6. Rendern (inklusive separatem Cover-Export + Personen-Kreis)
python3 scripts/render_video.py --storyboard work/storyboard.json --ratio 16:9 \
--audio work/edited.mp4 --cover cover.png --out output/01_Endversion.mp4
# 7. Qualitätskontrolle
python3 scripts/quality_check.py --video output/01_Endversion.mp4 \
--storyboard work/storyboard.json --report output/08_Qualitaetspruefbericht.md
# 8. Vollständiger Workflow
python3 scripts/run.py --video input.mp4 --out project/ --ratio 9:16 --theme pearl-green
Jedes Skript unterstützt --dry-run, um zu sehen, was es vorhat.
9. Datenstrukturen (verbindliche Verträge)
Drehplan und Shot-Plan verwenden einen einheitlichen JSON-Vertrag: config/storyboard.schema.json. Minimale nutzbare Struktur:
{
"video_type": "knowledge",
"aspect_ratio": "16:9",
"resolution": [1920, 1080],
"theme": "dark_gold",
"cover": {
"lines": ["Arbeitsweise", "völlig verändert"],
"position": "center",
"visible_from_first_frame": true,
"duration": 2
},
"presenter": {
"always_visible": true,
"badge": { "enabled": true, "diameter_px": 192, "top_px": 316, "focus_x": 0.58, "focus_y": 0.30, "zoom": 1.0, "anchor_y": 0.42 }
},
"navigation": { "enabled": true, "chapters": ["Status", "Logik", "Fallbeispiel", "Fazit"] },
"subtitles": { "languages": ["zh", "en"], "layout": "chinese_above_english", "safe_area_check": true },
"storyboard": [
{ "scene_id": "S001", "start": 0, "end": 2, "visual_type": "cover",
"motion": "subtle_push", "sfx": "soft_impact" },
{ "scene_id": "S002", "start": 2, "end": 5, "visual_type": "presenter",
"cover_visible": false,
"animation_plan": [
{ "time": 2, "action": "show_navigation" },
{ "time": 3, "action": "highlight_keyword" },
{ "time": 4, "action": "subtle_zoom" }
] }
]
}
Bei der Ausführung müssen enthalten sein: absolute Materialpfade, exakte Frame-Nummern, echte Untertitel-Zeitstempel, Grafik-Koordinaten, Animationskurven, Lizenzinformationen, horizontale/vertikale Sicherheitszonen, Portrait-Kameraparameter.
10. Agent-übergreifende Anpassung
Das gleiche Regelwerk kann von jedem Agenten gelesen werden; ob ein Video ausgegeben werden kann, hängt von der Umgebung ab.
| Agent | Lesemethode | Kann rendern? |
|---|---|---|
| Codex / Claude Code / Gemini CLI | AGENTS.md → SKILL.md | Ja (benötigt ffmpeg + node) |
| Doubao Work / WorkBuddy | Dieses SKILL.md | Abhängig von der Umgebung |
| Nur Text-LLM | Nur director_plan.json + storyboard.json ausgeben | Nein, an Rendering-Umgebung übergeben |
Arbeitsteilung: Modell für Logik, Programm für Rendering. Lasse das große Modell nicht Pixel raten und die Rendering-Engine nicht semantische Entscheidungen treffen.
11. Lieferliste
<Thema>/
├── 01_Endversion.mp4
├── 02_Cover-Frame.png
├── 03_Feingeschnittenes_Originalvideo.mp4
├── 04_Duale_Untertitel.srt
├── 05_Vollstaendiges_Sprechtext_Manuskript.md
├── 06_Drehplan.json
├── 07_Sekundengenauer_Shot-Plan.json
├── 08_Qualitaetspruefbericht.md
└── 09_Bearbeitbares_Videoprojekt/
Wenn sowohl Quer- als auch Hochformat erstellt werden, wird für jedes Format ein eigenes Video, Cover, Shot-Plan-Layout und Untertitel-Projekt erstellt; die gemeinsame Inhaltsanalyse und der Feinschnitt-Zeitstrahl werden geteilt.
12. Wann muss gestoppt und gemeldet werden
- Die Transkriptions-Engine ist nicht verfügbar und es gibt keine Alternative → Melde den Fehler. Erfinde keine Textzeilen.
- Das Originalvideo ist stark unscharf / hat keinen Ton / enthält keine sinnvollen Erklärungen → Melde den Fehler. Schneide nicht zwanghaft.
- Die Materiallizenz ist unklar → Verwende es nicht und erkläre den Grund.
- Das Rendern schlägt wiederholt fehl → Melde die Fehlermeldung unverändert. Gib kein unvollständiges Ergebnis als Endergebnis aus.
Ehrlichkeit ist besser als Perfektion.
Letzte Änderung: [Datum der Übersetzung einfügen]