name: motion description: Baut Motion-Graphics- und Erklärvideos aus reinem JavaScript — ohne Videogenerator. Ergebnis als MP4 und/oder interaktive HTML-Seite, Stil wählbar, optional 3D (Three.js), künstliche Stimme (ElevenLabs) und wortgenaue Untertitel. Auslöser: „Erklärvideo", „Motion Graphics", „animiertes Video", „Video aus Code", „Explainer", „/motion ".
/motion — Erklärvideos aus Code
Claude schreibt reines JavaScript, das jedes Bild auf ein Canvas zeichnet; Töne entstehen per Web Audio. Weil jedes Bild allein aus der Zeit t berechnet wird, ist dieselbe HTML-Datei Vorschau, interaktive Seite und Quelle für einen Bild-für-Bild-Export zur MP4.
Der Hebel für gleichmäßige Qualität ist die Stil-Referenz als vollständiger Code
(styles/<stil>/szenen.js): Ein neues Video übernimmt Palette, Helfer und Übergänge und
ersetzt nur die Szenen — nicht aus einem Bild oder einer Beschreibung neu erfunden.
Lies vorher gotchas.md.
Pfade: <SKILL> ist der Ordner, in dem diese Datei liegt (beim Laden des Skills als
„Base directory" angezeigt). Videos landen als Vorgabe in ./motion-videos/<kurzname>/ im
aktuellen Arbeitsverzeichnis. Unter Windows python, unter macOS/Linux python3.
0. Einrichtung prüfen (bei jedem Aufruf, dauert eine Sekunde)
python -c "import playwright, imageio_ffmpeg, PIL, numpy; print('Pakete ok')"
Fehlt etwas: dem Benutzer sagen, was installiert wird (vier Python-Pakete und ein Chromium für den Export, zusammen rund 200 MB, einmalig), nach seinem Ja ausführen:
python -m pip install --user playwright imageio-ffmpeg pillow numpy
python -m playwright install chromium
Danach die Prüfzeile erneut. Ein eigenes ffmpeg braucht es nicht, imageio-ffmpeg bringt eines mit.
Kein Python vorhanden: auf python.org verweisen (3.10 oder neuer), nicht selbst installieren.
Eingabe
$ARGUMENTS
Thema oder Briefing, optional Stil, Format, Stimme, Ziel. Nur fehlende Eckpunkte erfragen, zum Anklicken (AskUserQuestion), Empfehlung zuerst:
| Eckpunkt | Werte | Vorgabe |
|---|---|---|
| Stil | klar (neutral, dunkel) · eigene unter styles/ | klar |
| Format | 16:9 · 1:1 · 4:5 · 9:16 | 16:9; Social-Media-Feed eher 1:1 oder 4:5 |
| Stimme | ElevenLabs · ohne (Texteinblendungen + Töne) | — fragen |
| Untertitel | eingebrannt · ohne | — immer fragen |
| Ziel | MP4 · interaktive Seite · beides | beides |
| Länge | Sekunden | 20–60 s |
| 3D (Three.js) | ja · nein | fragen, wenn das Thema räumlich ist (Gegenstand, Raum, Montage, Produkt von allen Seiten); sonst nein, ohne Frage. Bei ja: neu … --3d und §5a |
Ablauf
1. Ordner anlegen
python <SKILL>/scripts/motion.py neu <kurzname> --stil <stil>
Legt motion-videos/<kurzname>/video.html an: Vorlage + Laufzeit + das Beispielvideo des
Stils + dessen Assets. Ein Pfad mit Trenner statt Kurzname legt woanders an.
2. Stil-Referenz lesen — ganz
styles/<stil>/stil.md (Regeln) und styles/<stil>/szenen.js (vollständiger Code). Danach
die API unten. Nicht überfliegen: die Helfer dort sind das, was das neue Video gleich aussehen lässt.
3. Sprechertext (nur mit Stimme)
<ordner>/sprechertext.txt: kurze Hauptsätze, ein Gedanke je Satz, Zahlen so geschrieben, wie
sie gesprochen werden sollen, Satzzeichen setzen (sie steuern die Untertitel-Umbrüche).
Vom Benutzer freigeben lassen, bevor Guthaben verbraucht wird.
Planungswert Deutsch: ≈ 14,7 Zeichen bzw. 2,0–2,1 Wörter je Sekunde.
4. Stimme erzeugen (ElevenLabs)
Ziel sind zwei Dateien im Video-Ordner: stimme-roh.mp3 und woerter.json (je Wort {w, s, e}
in Sekunden). Zwei Wege:
a) ElevenLabs-Connector in Claude (Werkzeuge creative_*, per ToolSearch laden):
creative_list_voices (kostenlos, Stimme passend zum Thema wählen) →
creative_generate_speech (erst estimate_only: true zum Bepreisen und dem Benutzer nennen,
dann mit derselben flow_id und generations_count: 1 erzeugen — die Vorgabe 2 kostet doppelt) →
creative_get_flow_run_status (content_url, ca. 2 h gültig, sofort als stimme-roh.mp3 laden) →
creative_transcribe_audio mit connect_from auf die Sprachausgabe (Scribe, Wort-Zeitmarken) →
words_download_url laden → motion.py woerter <scribe.json> --out <ordner>/woerter.json.
Fehlen die creative_*-Werkzeuge in der laufenden Sitzung: in den Connector-Einstellungen
freischalten und eine frische Sitzung starten, die bekommt sie beim Start.
b) ElevenLabs-API mit eigenem Schlüssel (Umgebungsvariable ELEVENLABS_API_KEY, nie im Code
oder Chat): POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}/with-timestamps, Header
xi-api-key, Modell eleven_multilingual_v2. Antwort: audio_base64 → stimme-roh.mp3, das
JSON mit alignment direkt an motion.py woerter geben.
Modell eleven_multilingual_v2 (Deutsch, stabil bei langen Texten). 🚨 Im Connector höchstens
5.000 Zeichen je Anfrage: längere Texte an einer Kapitelgrenze teilen, jeden Teil mit derselben
Stimme erzeugen und durch Scribe schicken, dann scripts/stimme_zusammen.py (setzt
stimme-roh.mp3 und scribe-gesamt.json zusammen, danach woerter und pegel).
Bleibt die Stimme aus: dem Benutzer sagen, woran es liegt, nicht still auf einen anderen Dienst ausweichen.
🚨 Danach immer den Pegel angleichen (ElevenLabs liefert über lange Texte keinen festen Pegel):
python <SKILL>/scripts/motion.py pegel <kurzname>
Misst in gleich langen 10-s-Fenstern nur die Sprechanteile, glättet den Verlauf, hebt auf −17,5 dBFS und
schreibt stimme.mp3 (Zeitlage unverändert, wird geprüft). Exit 5, wenn danach noch mehr als 1,5 dB
Spanne bleiben. --nur-messen misst nur. Der Export misst die fertige Tonspur noch einmal (Grenze 2 dB).
Deutsche Zahlen in den Untertiteln: Sprechertext mit ausgeschriebenen Zahlen („zwei Komma fünf
Meter“), dann motion.py woerter <scribe.json> --ersetzen ersetzungen.json — Folgen werden für die
Anzeige in Ziffern gesetzt („2,5 m“), die Stimme bleibt unberührt. Beispiel: data/ersetzungen-beispiel.json.
Danach woerter.json lesen: die Zeiten bestimmen, wann welche Szene beginnt. Szenenstarts am
besten als feste Sekunden aus woerter.json setzen statt M.cue (vermeidet die Präfixtreffer-Falle).
5. Szenen schreiben
Den Videoteil zwischen /*@VIDEO-START@*/ und /*@VIDEO-ENDE@*/ in video.html ersetzen —
nur diesen Teil, Laufzeit und Vorlage bleiben. Mit Stimme: voice: { src: "stimme.mp3", words: "woerter.json" }, Szenen-start als Zeitmarke ("Gravitation", "Wärme-0.3") oder Zahl,
captions: true nur, wenn eingebrannte Untertitel gewählt wurden — vorher immer fragen. Für
Social Media, das stumm abspielt, sind sie die naheliegende Empfehlung, aber nicht die Vorgabe.
🚨 Zeitmarken vor dem Storyboard prüfen: M.cue trifft ab vier Buchstaben auch Wörter, die so beginnen, und
#n zählt sie mit („dreißig#2“ traf „dreißig Grad“ im nächsten Kapitel). Ein falscher Treffer meldet keinen Fehler.
python <SKILL>/scripts/zeitmarken_pruefen.py <kurzname> --kapitel <Startzeiten> listet jede
Zeitmarke mit Zeit, Kapitel und getroffenem Wort.
5a. 3D-Szenen (nur wenn 3D gewählt)
Der Ordner braucht three/ (motion.py neu <kurzname> --stil <stil> --3d, nachträglich: dieselben
drei Dateien aus engine/three/ kopieren). Im Videoteil zwei Einträge, dann steht in jeder Szene
M.three bereit (THREE, render(ctx, scene, camera), env, welt):
three: { core: "three/three.core.min.js", module: "three/three.module.min.js", room: "three/RoomEnvironment.js" },
setup3d(THREE, D) { // einmal beim Laden: Szene bauen
const scene = new THREE.Scene();
scene.environment = D.env; // Umgebungslicht, sonst wirkt Metall grau
/* Meshes, Kamera … */
return { scene, cam }; // landet in M.three.welt
},
// in einer Szene:
draw(ctx, t, s, M) {
const { scene, cam } = M.three.welt;
cam.position.set(Math.sin(t * 0.2) * 6, 4, Math.cos(t * 0.2) * 6); cam.lookAt(0, 0, 0); // alles aus t
M.three.render(ctx, scene, cam); // 3D auf die 2D-Leinwand, danach 2D-Text darüber
},
Die 3D-Leinwand ist durchsichtig, Grund und Text bleiben 2D aus dem Stil. Fallen und Messwerte:
gotchas.md §3D. Vollständiger Videoteil zum Abschauen (Profil mit Lichtband, belegt bis zur MP4):
engine/three/beispiel-profil.js.
6. Storyboard zur Freigabe
python <SKILL>/scripts/motion.py standbilder <kurzname>
Ein Standbild je Szene (bei key bzw. Szenenmitte) plus storyboard/storyboard.png. Selbst
ansehen, Fehler beheben, dann das Storyboard dem Benutzer zeigen. Sagt er „ohne Storyboard",
direkt weiter. --at 1.5,7,12 setzt eigene Zeitpunkte — gut für Übergänge.
7. Fertigstellen
python <SKILL>/scripts/motion.py export <kurzname> # → video.mp4
python <SKILL>/scripts/motion.py buendeln <kurzname> # → <kurzname>.html, alles eingebettet
export prüft selbst und bricht mit Exit 5 ab, wenn Bild- oder Tonspur fehlt, die Dauer um
0,5 s abweicht, der Ton stumm oder übersteuert ist.
buendelnbettet Stimme, Wörter und Bilder ein — die Seite läuft dann auch per Doppelklick und ist teilbar.
8. Gegenprobe aus der fertigen Datei
Nicht dem Renderer glauben, sondern die MP4 dekodieren und ansehen:
FF=$(python -c "import imageio_ffmpeg;print(imageio_ffmpeg.get_ffmpeg_exe())")
"$FF" -hide_banner -loglevel error -y -i <ordner>/video.mp4 -vf "fps=6/<Dauer in s>,scale=480:-1,tile=3x2" -frames:v 1 <ordner>/kontrolle.png
Sechs gleichmäßig verteilte Bilder aus der fertigen Datei; dazu den Ton je Abschnitt messen
(-ss <von> -t <länge> -af volumedetect -vn -f null -), wenn Töne oder Stimme dabei sind.
9. Abgeben
MP4 und/oder gebündelte HTML übergeben. Veröffentlichen (Website, Social Media) nur auf ausdrücklichen Wunsch.
10. Korrekturen und neue Stile
Änderungswünsche direkt im Videoteil umsetzen, dann Schritt 6/7 erneut. Gefällt ein Ergebnis
als Stil: motion.py stil-speichern <kurzname> <stilname>, danach stil.md ausfüllen und
eingebettete Bilder (z. B. ein eigenes Logo) als Dateien nach styles/<stilname>/assets/ legen.
⚠️ Als Plugin installiert liegt styles/ im Plugin-Cache und wird bei einem Update ersetzt: den
Benutzer darauf hinweisen und den neuen Stilordner zusätzlich an einen eigenen Ort kopieren.
Laufzeit verbessert? motion.py laufzeit <kurzname> zieht ein bestehendes Video nach.
API des Videoteils
const VIDEO = {
title: "…", format: "16:9", fps: 30,
duration: 20, // ohne Stimme Pflicht; mit Stimme: Ende der Stimme + tail (1,5 s)
voice: { src: "stimme.mp3", words: "woerter.json", offset: 0 }, // optional
captions: true, captionStyle: { size, color, accent, box, bottom }, captionChars: 42,
cues: { intro: 0, knall: "Gravitation+0.2" }, // eigene Zeitmarken, vor den Wörtern gesucht
style: { bg, fg, accent, font, fontsToLoad: ["700 40px Inter"] }, // nicht ladbare Schrift = Fehler
images: { logo: "logo.svg" }, // → M.img.logo
mix: { voice: 1, sfx: 0.45 }, // Töne mit Stimme leiser
sounds: [{ at: 1.2, sfx: "whoosh", gain: 1 }], // absolute Zeit oder Zeitmarke
background(ctx, T, M) {}, overlay(ctx, T, M) {}, // laufen über alle Szenen
scenes: [{
name: "Wärme", chapter: "Wärme", // chapter → Kapitelknopf in der Seite
start: 3.5 | "Wärme", end: …, // end fehlt → Start der nächsten Szene
key: 2.0, // Zeitpunkt (relativ) fürs Storyboard
stop: true, // interaktive Seite hält am Szenenende („Weiter")
sounds: [{ at: 0.6, sfx: "pop" }], // Zeit relativ zum Szenenstart
draw(ctx, t, s, M) {}, // t = Sekunden seit Szenenstart, s.dur, s.k (0..1)
}],
};
Helfer M: M.W, M.H · M.p(t, a, b, ease) Fortschritt 0..1 · M.inOut(t, a, b, fin, fout)
· M.ease.{linear,inSine,outSine,inOutSine,inCubic,outCubic,inOutCubic,outQuint,outBack,outElastic}
· M.clamp, M.lerp, M.rand(seed) · M.rgba(hex, a), M.mixColor(h1, h2, k) ·
M.roundRect(ctx, x, y, w, h, r) · M.text(ctx, str, x, y, {size, weight, font, color, align, maxWidth, lineHeight, letterSpacing, alpha, reveal, mode: fade|rise|words|chars}) ·
M.cue("Wort#2+0.3") · M.img.<name>
Töne sfx: whoosh (dur, from, peak, to) · pop (freq) · click · tick · ding
(freq, dur) · chime · rise (dur, from, to) · thud (freq) · type (dur, rate) ·
pad Klangteppich (dur Pflicht, notes, cutoff) — gesperrt, nur mit VIDEO.musik = true auf ausdrücklichen Wunsch. Alle mit gain.
Pflichtregeln für Szenen-Code: nie Math.random(), Date.now() oder Zustand, der sich
zwischen Bildern merkt — draw muss für dasselbe t dasselbe Bild liefern, sonst weicht der
Export von der Vorschau ab. Vorberechnete Zufallswerte mit eigenem Seed beim Laden (siehe
styles/klar/szenen.js, rng). Ein Text, der nicht ins Bild passt, wird umbrochen
(maxWidth), nicht verkleinert.