Explainer Studio — Nachrichten- und Erklärvideos

Was entsteht

Ein vollständiges langes Video aus einem Skript, das Sie freigeben — keine Vorlage zum Ausfüllen von Hand:

• Sprecherstimme: eine der 30 vordefinierten TTS-Stimmen von Google oder Ihre eigenen Aufnahmen
• Untertitel: die Wörter Ihres Skripts, zeitlich an die Stimme angepasst (Whisper läuft auf Ihrem Computer, nur für das Timing); ins Video eingebrannt und als .srt-Datei gespeichert, für YouTube oder ein anderes Schnittprogramm
• Animierte Szenen über Stockfotos: Einstieg, Infopanel mit hochzählenden Zahlen, Schritt-für-Schritt-„Kamera", Vergleich nebeneinander, Zitat, Meinung, Quellen, Titel und Rückblick; jede Szene erscheint genau, wenn der Sprecher ihren Satz sagt
• Kapitelübersicht zwischen den Themen, Zitatkarten aus den Quellen, Kennzeichnung „Illustration" auf jedem Stockfoto
• Musik und Soundeffekte (Ihre lizenzierten Dateien), unter der Stimme abgesenkt; Lautheit −14 LUFS
• YouTube-Thumbnail (2 Layouts) und Beschreibung mit Kapitel-Zeitmarken, Quellen und Bildnachweisen

So funktioniert es

1. Der Agent stellt fünf Einrichtungsfragen (Kanalname, Sprache, Stimme, Zielgruppe, Länge). Dann schreiben Sie oder der Agent das Skript in einem einfachen Markdown-Format — mit einer Quelle für jede Tatsache.
2. Der Agent wählt für jede Szene ein Stockfoto und zwei Alternativen und erstellt ein Storyboard: das Skript als Tabelle, die Bilder neben dem Text. Sie prüfen Skript und Storyboard zusammen und antworten z. B. „s01-3 B".
3. Sprecherstimme, Timing, Untertitel und Rendering laufen automatisch. Jedes Kapitel wird einzeln gerendert — eine Korrektur heißt, nur dieses Kapitel neu zu rendern.
4. Eingebaute Prüfungen: Jede Szene muss bei einem Satz beginnen, der wirklich im Skript steht; keine chinesische Untertitelzeile bricht mitten im Wort um; die Sprecher-QC listet Stellen zum Anhören; jede TTS-Anfrage legt Mandarin oder Kantonesisch fest; die YouTube-Regel für 10-Sekunden-Kapitel wird geprüft.
5. Sie prüfen das fertige Video. Der Skill lädt nichts hoch und veröffentlicht nichts.

Beispiel Eingabe → Ausgabe

Vier vollständige Beispielprojekte enthalten: Englisch, Mandarin (traditionell), Mandarin (vereinfacht), Kantonesisch. Das englische Beispiel ergibt ein 1:41-Video mit 8 Szenen, Untertiteln, einer Zitatkarte, einem Thumbnail und einer Beschreibung mit 3 Kapiteln.

Anwendungsfälle

Wöchentliche Nachrichtenrückblicke · YouTube-Erklärvideos · Geschichten im Dokumentarstil · Zusammenfassungen von Kursen oder Forschung

Voraussetzungen

• Ein Agent-Client, der Shell-Befehle ausführen kann (entwickelt und getestet mit Claude Code)
• Python 3.10+, Node.js 20+, FFmpeg · etwa 6 GB Speicherplatz
• Getestet auf macOS (Apple Silicon). Windows und Linux nutzen faster-whisper statt mlx-whisper — im Code unterstützt, noch nicht getestet
• Eigene Schlüssel in einer .env-Datei: ein Gemini-API-Schlüssel für TTS (nicht nötig, wenn Sie selbst aufnehmen) und ein kostenloser Pixabay-API-Schlüssel
• scripts/selftest.py --render prüft die Installation ohne Schlüssel: Unit-Tests plus ein 10-Sekunden-Test-Rendering

Laufende Kosten (zahlen Sie selbst, außerhalb von Capafy)

Gemini TTS ≈ 0,14 US$ pro 10 Minuten Sprechertext (kostenpflichtige Stufe, Preise 2026). Pixabay und Whisper sind kostenlos. Das Rendering läuft auf Ihrem Computer und dauert etwa so lange wie das Video.

Was er nicht tut

• Kein Stimmenklonen, keine designten Stimmen, kein Face-Swap — nur vordefinierte Google-Stimmen oder Ihre Aufnahmen
• Keine KI-generierten Bilder — lizenzierte Stockfotos (Pixabay), als „Illustration" gekennzeichnet und mit Bildnachweis
• Erfindet keine Fakten — jede Tatsache braucht eine Quelle, und vor Ihrer Freigabe des Skripts wird nichts produziert
• Lädt nichts auf YouTube hoch

FAQ

Welche Sprachen? Sprecherstimme und Bildschirmtexte auf Englisch, Mandarin mit traditionellen oder vereinfachten Zeichen und Kantonesisch (so geschrieben, wie gesprochen wird, z. B. 嘅、咗).
Darf ich die Videos kommerziell nutzen? Ja — Ihre Videos gehören Ihnen. Der Skill selbst darf nicht weiterverkauft oder weitergegeben werden.
Brauche ich eine Remotion-Lizenz? Privatpersonen und Firmen mit bis zu 3 Beschäftigten: nein. Größere Firmen brauchen eine Remotion-Firmenlizenz (remotion.pro).
Kann ich eigene Musik verwenden? Ja — lizenzierte Dateien in die Ordner audio/bgm und audio/sfx des Projekts legen.
Gibt es Updates? Ja — auf Capafy erhalten Käufer der Download-Version alle späteren Versionen kostenlos.
Support? [email protected]