zxd-666/video-flow

Video Flow｜代码讲解视频

Aus einem Thema ein faktenbasiertes, leicht verständliches chinesisches Erklärvideo machen. Die fertige Version kann mit Musik und Untertiteln oder mit einer API-synthetisierten Erzählstimme ausgeliefert werden; Layouts, Diagramme, Abläufe und Animationen werden mit Code (HTML/CSS/SVG/Canvas/GSAP) erstellt. Statische Materialien wie lizenzierte Bilder aus dem Internet, eigene Assets oder KI-generierte Bilder können nach Bedarf verwendet werden. Die endgültige Szene wird durch Code arrangiert und gerendert, es werden keine KI-generierten Videoclips erstellt.

Drei Schritte, Text und Produktionsauswahl sind die Kontrollpunkte

1. Recherche und Manuskripterstellung. Der Nutzer gibt nur ein Thema vor und du beginnst mit der Recherche; leite die Zielgruppe, Dauer, Seitenverhältnis und Ausdrucksstil ab, die widerrufen werden können. Frage nur dann konzentriert nach, wenn wichtige Abweichungen das Skript ändern würden. Suche nach den neuesten verifizierbaren Informationen gemäß Recherche und Skript, speichere rechtzeitig Original-Webseitenscreenshots, Bilder und Quellen, die später im Video erscheinen könnten, schreibe einen vollständigen Inhaltsentwurf, eine Quellenzuordnung und eine kurze visuelle Absicht. Lege dem Nutzer den Entwurf und das Schlüsselverzeichnis der visuellen Beweise zur Überprüfung vor.
2. Bestätigung von Text, Sprachform und visuellem Stil. Bei der Überprüfung des Manuskripts bitte den Nutzer gemeinsam, zwischen „Musik mit Untertiteln“ oder „Echter Sprecher (API-Vertonung)“ sowie einem der unten genannten benannten Stile zu wählen; wenn der Nutzer bereits eine klare Angabe gemacht hat, frage nur nach den fehlenden Angaben. Beginne erst mit der Produktion, nachdem der Nutzer den Inhalt des Manuskripts bestätigt hat; ein „ok“ bestätigt den Text, aber du kannst nicht für den Nutzer die noch nicht klar angegebene Sprachform oder den Stil auswählen. Vor der Bestätigung können Screenshots und Materialien aus der Recherche aufbewahrt werden; es werden keine Sprachaufnahmen, KI-Bilder, Animationsprojekte oder Videos erstellt.
3. Direkte Produktion und Auslieferung nach dem gewählten Plan. Für die Version mit Musik und Untertiteln wird der bestätigte Inhalt in kurze, für den Bildschirm lesbare Sätze umgewandelt, die Bilder werden nach dem Leserhythmus und dem Musikbeat arrangiert; für die Version mit echtem Sprecher wird eine Sprachsynthese-API aufgerufen, um Bilder und Untertitel anhand des endgültigen Audios zu arrangieren. Schreibe einen Regieplan und eine einheitliche Zeitachse gemäß Produktion und Abnahme, erstelle, rendere und überprüfe das fertige Video. Liefere MP4, Untertitel oder Bildschirmtext, das bearbeitbare Projekt und eine Liste der Materialien/Quellen aus. Die Bestätigung des Textes und des Plans autorisiert die lokale Produktion, nicht die Veröffentlichung, den Kauf von Diensten oder die Verwendung von nicht genehmigten persönlichen Sprachproben.

Visuelle Stile, die bei der Überprüfung angeboten werden

• Sauberer Dokumentarstil: Helle Farben, viel Weißraum, klare Informationslayouts, echte Screenshots und dezente Animationen; geeignet für Nachrichten, Produktvorstellungen und Beweispräsentationen.
• Papier-Collage-Stil: Warme Papiertextur, Collage/Teilungsbewegungen von Bildern und Objekten; geeignet für Fallbeispiele, kreative oder konkrete Inhalte.
• Dunkler Technik-Desk-Stil: Dunkle Oberfläche, Ablaufdiagramme und lokale Vergrößerungen, echte Werkzeug-/Code-Bilder; geeignet für Technik- und Open-Source-Projekte.

Gib eine kurze Beschreibung der drei Optionen und eine Empfehlung für das aktuelle Thema; bitte den Nutzer, einen Stil zu wählen. Der Nutzer kann auch seinen eigenen Stil oder eine Kombination angeben. Nach der Auswahl wird direkt mit der Erstellung von Bild für Bild begonnen; es werden nicht drei visuelle Muster vorab erstellt. Muster werden nur auf ausdrücklichen Wunsch des Nutzers erstellt.

Wenn das Thema klar ist, beginne direkt mit Schritt 1; mache die gesamte Produktionsübersicht nicht zur Einstiegshürde. Die vom Nutzer angegebene Dauer, Plattform, Stimme und Stil haben Vorrang; nicht angegebene Punkte werden bei der Lieferung des Skripts als Standardannahmen dokumentiert, die der Nutzer gemeinsam ändern kann. Kopiere nicht die angeblichen „Langzeitpräferenzen des Nutzers“ aus anderen Skills.

Fertigstellungskriterien für Recherche und Skript

• Überprüfe neuere, sich schnell ändernde, obskure oder umstrittene Fakten online. Bevorzuge Originalankündigungen, offizielle Dokumente, Papiere, Rohdatentabellen oder die Parteien des Ereignisses; vergleiche gleichzeitig die Veröffentlichungszeit mit der Zeit des Ereignisses. Zusammenfassungen von Suchergebnissen können nicht als Quellen dienen. Vorhandenes Wissen wird verwendet, um Fragen zu organisieren und stabile Hintergründe zu erklären, ersetzt aber nicht aktuelle Faktenbeweise.
• Wähle beim Durchsuchen der Originalmaterialien gleichzeitig reale Bilder aus, die dem Zuschauer helfen, die Beweise zu sehen, z. B. Ankündigungstitel und -daten, Repository-Dateilisten, Schlüsseloriginaltexte, tatsächliche Produktoberflächen oder Datendiagramme. Speichere Original-Screenshots/Dateien und einen Beweisindex gemäß Recherche und Skript, dokumentiere URL, Abrufzeit, entsprechenden Absatz, Nutzungsbereich und Darstellungsweise; dies ist besonders wichtig, wenn sich die Seite ändern oder verschwinden könnte. Betrachte Screenshots nur als Darstellung der Quelle zu diesem Zeitpunkt, nicht als unabhängige Faktenüberprüfung. Wenn eine Speicherung nicht möglich ist, dokumentiere den genauen Einstiegspunkt und den Grund.
• Das Inhaltsmanuskript hat stabile Absatz-IDs; die Version zum Vorlesen bereitet ein vollständiges, vorlesbares Wort-für-Wort-Manuskript vor, die Version mit Musik und Untertiteln destilliert daraus kurze Bildschirmsätze, ohne lange Textblöcke in das Bild zu stopfen. Wichtige Fakten können auf bestimmte Quellen zurückgeführt werden; Fakten, Schlussfolgerungen und Meinungen sind getrennt. Bei Zahlen, Fallbeispielen und Wirkungen ohne ausreichende Beweise schreibe sie nicht als gesicherte Ergebnisse.
• Bestimme für Kurzvideos zuerst eine Kernaussage, verknüpfe den emotionalen Haken am Anfang, die Erklärung in der Mitte und die nützlichen Informationen am Ende zu einer einzigen Erzähllinie; bei vielen Informationen entferne Nebenschauplätze, mache das Video nicht zu einer Liste von Wissenspunkten. Plane den Haken für die ersten 2 Sekunden und die Wendepunkte, um die Aufmerksamkeit zwischendurch zurückzugewinnen, basierend auf der Zielplattform; der Rhythmus wird vom Inhalt bestimmt.
• Das Ende muss dem Zuschauer verwertbare Informationen mitgeben. Sage klar, wo die Originalinformationen zu finden sind, welcher Teil priorisiert werden sollte, und gib 1–3 direkt mit dem Thema verbundene Einsichten, Beurteilungsfragen oder überprüfbare Handlungsaufforderungen. Gib die durchsuchbaren Materialnamen/Pfade und notwendige direkte Links in den Plan für das Schlussbild außerhalb des Manuskripts; beende nicht mit vagen Zusammenfassungen wie „Beachtenswert“ oder „Abwarten".
• Schätze die Dauer als Schätzung ein; der tatsächliche Rhythmus der Version mit echtem Sprecher richtet sich nach dem von der API generierten Audio, der der Version mit Musik und Untertiteln nach der Lesezeit des endgültigen Bildschirmtextes und dem Musikbeat. Platziere Referenzen und Bildanmerkungen außerhalb des Manuskripts, nicht im endgültigen Erklärungstext.
• Liefere dem Nutzer bei der Überprüfung ein Skript, anhand dessen er direkt beurteilen kann, ob der Inhalt korrekt und der Ausdruck angemessen ist, und liste gleichzeitig die Sprachform und die drei benannten Stile zur Auswahl auf. Bleibe hier stehen, wenn der Nutzer den Text nicht bestätigt hat.

Fertigstellungskriterien für die Produktion

• Verwende bei der Auswahl von „Musik mit Untertiteln“ Hintergrundmusik und Soundeffekte, die zu den Bildaktionen passen, generiere keine menschliche Stimme; die Untertitel sind der Bildschirm-Erklärungstext, der nach Lesbarkeit und Musik-/Aktionsausrichtung ausgerichtet wird. Wähle bei der Auswahl von „Echter Sprecher (API-Vertonung)“ eine verfügbare und autorisierte Sprachsynthese-API, um einen natürlichen Voice-Over zu erstellen; Hintergrundmusik mit niedriger Lautstärke kann nach Bedarf hinzugefügt werden; „Echter Sprecher“ bezieht sich auf die stimmliche Darbietung, erfordert nicht das tatsächliche Erscheinen einer Person und repliziert standardmäßig nicht die Klangfarbe des Nutzers. Ersetze nicht eigenmächtig durch System-TTS oder reine Musik ohne Genehmigung. Höre dir zuerst den emotionalen Haken und die technischen Begriffe an, bevor du die Stimme und die Zeitachse festlegst; klone keine persönliche Stimme ohne Genehmigung und aktiviere auch nicht selbstständig kostenpflichtige Dienste. Wenn der Nutzer die MiniMax-Stimmreplikation und -synthese wählt, überprüfe die Kontoberechtigungen, die Stimmrechte und die Abrechnung gemäß MiniMax Voice Integration. Miss die Dauer mit dem endgültigen Audio; die Untertitel stammen aus derselben Quelle wie das bestätigte Manuskript; bei tatsächlichen Sprachänderungen revidiere und überprüfe sie. Gib an, ob die Wort-Zeitangaben gemessen, durch ASR abgeglichen oder geschätzt sind; bezeichne Schätzungen nicht als präzise Synchronisation.
• Schreibe kostenpflichtige API-Keys niemals im Klartext in die SKILL.md, references/, agents/, scripts/ oder andere Dateien dieses Skills, auch nicht in Videoprojekte, Befehle, Logs und Auslieferungspakete. Lies sie bei Aufrufen nur aus konfigurierten sicheren Anmeldeinformationsquellen; dokumentiere nur den Dienst, das Modell, die Stimme und nicht sensible Parameter, nicht den Key-Wert.
• Jedes Bild übernimmt eine erklärende Aufgabe. Plane sichtbare Objekte, Aktionen und Informationsänderungen gemäß den Textabsätzen: Zeige den Request-Fluss, wenn über Request-Eingabe gesprochen wird, zeige die Zuteilung, wenn über Scheduling gesprochen wird, zeige die Grenzen, wenn über Einschränkungen gesprochen wird, und mache Pfade lesbar, wenn über Datenzugriff gesprochen wird. Eine einheitliche visuelle Sprache bedeutet nicht, immer wieder dieselben Mittelaufnahmen-Animationen oder Karten zu verwenden. Text, Zahlen, Strukturen, Diagramme, UI, Vergleiche usw. werden vorzugsweise mit Code gezeichnet; statische Bilder werden nur verwendet, wenn sie das Problem besser veranschaulichen als Code-Aufnahmen. Dokumentiere die Quelle und die Nutzungsbedingungen von externem Material; verwende keine Wasserzeichenbilder als fertiges Videomaterial.
• Stelle direkt nach dem vom Nutzer bei der Überprüfung gewählten visuellen Stil her; mache die „Drei-Vorabmustervorschau“ nicht zur Einstiegshürde. Wenn der Nutzer seinen eigenen Stil angibt, führe ihn nach dem angegebenen Stil aus. Untertitel oder Bildschirm-Erklärungstext sind Teil des Bilddesigns; betrachte die Hierarchie, Satzgliederung, Verweildauer und Beziehung zum Hauptbild auf einem Handy-Bildschirm separat.
• Schreibe nach Bestätigung von Text und Plan einen kurzen Regieplan: Aufbau und Höhepunkt der Kernaussage, Bildthema, Aktion von Bild zu Bild und die Beziehung, die sie erklärt, sowie Hinweise zu Bild/Untertitel/Ton. Für die Version mit echtem Sprecher bestimme eine einheitliche Zeitachse mit dem endgültigen Voice-Over-Audio; für die Version mit Musik und Untertiteln bestimme die Zeitachse mit der Lesezeit des Bildschirmtextes und dem Musikbeat. Verwende echte Screenshots vorzugsweise in den Momenten, in denen „Beweise erscheinen“, Prozesse und Mechanismen mit Code-Animationen klar erklären; wechsle innerhalb derselben visuellen Sprache Objekte, Maßstäbe und Perspektiven, um Wiederholungen von Karten in der Mitte zu vermeiden. Überprüfe das tatsächliche fertige Video gemäß Produktion und Abnahme.
• Bevorzuge die bereits lokal vorhandene huashu-motion CLI als Backend für Code-Animationen und Rendering; überprüfe zuerst die Fähigkeiten, produziere und nehme dann gemäß seinem Projektvertrag ab. Wenn es nicht verfügbar ist, dokumentiere die Lücke und wähle einen im aktuellen Umfeld verifizierbaren Code-Rendering-Pfad; behaupte nicht, ein Video erstellt zu haben, ohne es tatsächlich zu rendern. Hartcodiere keine Backend-Versionen und absoluten Pfade in Projekten.
• Überprüfe nach dem Rendern das echte MP4 auf Ton, Dauer, Seitenverhältnis, Lesbarkeit der Untertitel, Schlüsselbilder und Szenenübergänge; sieh dir das Video zusätzlich zur automatischen Überprüfung tatsächlich an oder überprüfe stichprobenartig kritische Zeitfenster. Speichere bearbeitbare Quelldateien, Musik- oder Sprach-Audio, Untertitel/Bildschirmtext und Materialzuordnungen. Markiere nicht durchgeführte Überprüfungen als „nicht verifiziert".

Nachbesserungsgrenzen

Wenn bereits bestätigte Fakten oder Erklärungstexte geändert werden, zeige zuerst die Änderungen und die betroffenen Abschnitte an, hole die Bestätigung des Nutzers für den neuen Text ein und erstelle dann das entsprechende Audio oder die Bildschirmtexte, Untertitel und Bilder neu. Wenn nur Bilder, Rhythmus oder die Audiomischung geändert werden, arbeite nach den betroffenen Abschnitten nach; wenn das Feedback darauf hinweist, dass sich Bilder in der Mitte wiederholen oder Bilder und Erklärungen auseinanderklaffen, sollte die Bild-Erzählung des Abschnitts neu angeordnet werden, nicht nur die Farbe geändert oder dekorative Animationen hinzugefügt werden. Es ist nicht erforderlich, für jede normale Produktionsphase erneut um Zustimmung zu bitten; Angelegenheiten wie Abrechnung, öffentliche Veröffentlichung und persönliche Sprachproben werden separat behandelt.