> ## Documentation Index
> Fetch the complete documentation index at: https://docs.venice.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Venice Video Harness
> Steuern Sie Venice aus Claude Code oder Cursor mit einem Harness für charakter-konsistente Videos, Storyboards, Trailer und Langform-Erzählungen.
Das [Venice Video Harness](https://github.com/jordanurbs/venice-video-harness) ist ein Community-Toolkit – agent-first und Venice-optimiert – für **konsistenzorientierte Videoerstellung in beliebiger Länge**. Es macht aus einem IDE-Agenten (Claude Code, Cursor, Codex usw.) den Operator eines wiederverwendbaren Venice-Produktionssystems, das über 50 Venice-Video-, -Image-, -Audio- und -Musikmodelle abdeckt.
MIT-Lizenz. Community-gepflegt.
Charaktere, Stimmen und Ästhetik über eine ganze Serie hinweg festziehen
Zwei-Pass-Panel-Generierung mit Venice-Multi-Edit-Verfeinerung
Lokal mit whisper.cpp transkribieren, aus einem 12-KB-Pack schneiden, an jeder Schnittgrenze selbst evaluieren
## Was das ist
Die meisten Venice-Integrationen sind dünne Wrapper um API-Aufrufe. Das Venice Video Harness ist die **höhere Schicht**, die zwischen deinem Agenten und der Venice-API sitzt:
* **Orchestrierungsregeln** in `CLAUDE.md`
* **Wiederverwendbare Playbooks** in `.claude/commands/` (19 Workflow-Commands)
* **Spezialisierte Agenten** in `.claude/agents/` (art-director, prompt-engineer, cut-qa und mehr)
* **Venice-Produktionsskills** in `.claude/skills/` (kompatibel mit dem [Agent Skills](/guides/integrations/venice-skills)-Format)
* **TypeScript-Ausführungsschicht** in `src/`
* **Umfangreiches Modellverzeichnis** mit über 50 Venice-Video-, -Image-, -Audio- und -Musikmodellen
Gebaut für Creator, die Folgendes produzieren:
* Charakter-konsistente Videoprojekte (jedes Genre, jede Länge)
* Stilfeste Serien oder Kampagnen
* Storyboard-to-Video-Workflows
* Short- und Long-Form-Narrative
* Markenstarke cinematische Sequenzen, Trailer und Teaser
* Social-Series mit wiederkehrenden Charakteren
## Erste Schritte
### Voraussetzungen
Neueste LTS empfohlen
Im PATH verfügbar
Von [venice.ai/settings/api](https://venice.ai/settings/api)
Optional für die Editing-Pipeline: `whisper-cpp` für lokale Transkription installieren.
```bash theme={"system"}
brew install whisper-cpp
mkdir -p ~/.cache/whisper.cpp
curl -L -o ~/.cache/whisper.cpp/ggml-base.en.bin \
https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-base.en.bin
```
### Einrichtung
```bash theme={"system"}
git clone https://github.com/jordanurbs/venice-video-harness.git
cd venice-video-harness
```
```bash theme={"system"}
cp .env.example .env
# VENICE_API_KEY zur .env hinzufügen
```
```bash theme={"system"}
npm install
npm run build
```
Öffne das Projekt in Cursor, Claude Code oder einer beliebigen IDE mit Agent-Chat. Der Agent liest `CLAUDE.md` und die Playbooks automatisch.
Probier eine dieser ersten Nachrichten:
* „Set up this Venice video harness for first use"
* „Create a new character-consistent video series"
* „Generate a 30-second branded video sequence"
* „Build a multi-episode narrative with locked characters"
* „Create a product launch trailer with consistent visual style"
## Was an dem Harness Venice-optimiert ist
* **Bild-Prompts, abgestimmt auf Venice-Image-Modelle** wie `seedream-v5-lite`, `nano-banana-pro`, `flux-2-pro/max` und mehr
* **Zwei-Pass-Panel-Generierung** mit Venice-Multi-Edit-Verfeinerung zur Charakter-Korrektur
* **Model-Routing-Logik** für Action-, Atmosphären- und Charakter-Konsistenz-Stufen
* **Referenzbewusste Videogenerierung**, die `elements`, `reference_image_urls` und `scene_image_urls` pro Modell korrekt nutzt
* **Umgebungsbewusste Prompt-Anpassung** für Tag-vs-Nacht-Szenen
* **Venice-native Audio-Pfade** für TTS (Kokoro, Qwen3, ElevenLabs), SFX und Musik
* **Kostenabschätzung** vor der Generierung via `/video/quote` und `/audio/quote`
* **Modellbewusster Parameter-Aufbau**, der automatisch Parameter überspringt, die das Zielmodell nicht unterstützt
## Standardrouting der Modelle
Die Standardeinstellungen sind bewusst meinungsstark, weil Konsistenz das Ziel ist. Aktuelles Routing (April 2026):
**Seedance 2.0 R2V standardmäßig. Kling O3 R2V als Fallback bei 3+ Charakteren in einer Szene. Seedance 2.0 i2v für Establishing-Shots.**
| Rolle | Standardmodell | Wann verwendet |
| -------------------------------- | -------------------------------------- | ------------------------------------------------------------------------------------------------- |
| Charakter-Shots (1–2 Charaktere) | `seedance-2-0-reference-to-video` | Standard-R2V mit flachen `reference_image_urls`, `@Image`-Tags, bis zu 15 s, nativer Stereo-Sound |
| Charakter-Shots (3+ Charaktere) | `kling-o3-standard-reference-to-video` | Auto-Fallback mit strukturierten `elements` für Multi-Charakter-Identität |
| Establishing / Stimmung / Action | `seedance-2-0-image-to-video` | Keine Charaktere; epische Kino-Qualität, bis zu 15 s |
Diese sind pro Projekt über `series.json → videoDefaults` überschreibbar. Für eine Nicht-Seedance-Familie (z. B. Accounts ohne Seedance-Zugriff) `videoDefaults` auf `kling-o3-standard-reference-to-video` und `veo3.1-fast-image-to-video` setzen.
**Seedance-Gesichtsregel:** Seedance 2.0 blockiert gesichtshaltige Input-Bilder, die nicht von `seedream-v5-lite` oder `seedream-v5-lite-edit` erzeugt wurden. Das Harness löst das automatisch, indem es Charakter-Bilder über Seedream routet und vor jedem Seedance-Aufruf ein Pre-Flight-Gate ausführt.
## Unterstützte Venice-Modelle
### Video (April 2026)
| Familie | i2v | t2v | Max-Dauer | Audio | Hinweise |
| ------------------------- | -------------------------- | --------------------- | ----------- | --------------------------------- | -------------------------------------------------------------- |
| **Seedance 2.0** | i2v, R2V | t2v | 15 s | Ja (Stereo, Lip-Sync 8+ Sprachen) | #1 Ranking. R2V: flache `reference_image_urls`, `@Image`-Tags. |
| **Kling V3** | Pro, Standard | Pro, Standard | 15 s | Ja | `end_image_url` für Frame-Targeting |
| **Kling O3** | Pro, Std, Pro R2V, Std R2V | Pro, Standard | 15 s | Ja | R2V: `elements`, `reference_image_urls`, `scene_image_urls` |
| **Kling 2.6 / 2.5 Turbo** | Pro | Pro | 10 s | 2.6: Ja / 2.5: Nein | `end_image_url` |
| **Veo 3.1** | Fast, Full | Fast, Full | 8 s | Ja | Bis zu 4K-Auflösung |
| **Sora 2** | Standard, Pro | Standard, Pro | 12 s | Ja | Bis zu 1080p |
| **Wan 2.6 / 2.5** | Std, Flash / Ja | Std / Ja | 15 s / 10 s | Ja | `audio_url`-Input |
| **LTX Video 2.0** | Fast, Full, v2.3, 19B | Fast, Full, v2.3, 19B | 20 s | Ja | Bis zu 4K, längstes Synced-Audio |
| **Longcat** | Std, Distilled | Std, Distilled | **30 s** | Nein | Längster Single-Shot |
| **Vidu Q3** | Ja | Ja | 16 s | Ja | `reference_image_urls` |
| **PixVerse v5.6** | Std, Transition | Standard | 8 s | Ja | Transition: `end_image_url` |
| **Grok Imagine** | Ja | Ja | 15 s | Ja | Breite Aspect-Ratio-Unterstützung |
### Image, Audio und Musik
* **Image (22+ Modelle):** `nano-banana-pro/2`, `gpt-image-2`, `flux-2-pro/max`, `grok-imagine`, `qwen-image-2-pro`, `recraft-v4-pro`, `seedream-v4` / `v5-lite`, `lustify-sdxl/v7`, `wai-Illustrious` und mehr
* **Multi-Edit:** `qwen-edit`, `flux-2-max-edit`, `nano-banana-pro-edit`, `seedream-v5-lite-edit`, `gpt-image-2-edit` und mehr
* **TTS:** `tts-kokoro` (50+ Stimmen), `tts-qwen3-0-6b/1-7b`, `elevenlabs-tts-v3`, `elevenlabs-tts-multilingual-v2`
* **Musik:** `elevenlabs-music`, `minimax-music-v2`, `ace-step-15`, `stable-audio-25`
* **SFX:** `elevenlabs-sound-effects-v2`, `mmaudio-v2-text-to-audio`
## Produktions-Pipelines
### Generierungs-Pipeline
End-to-End-Narrative-Video (Skript → Storyboard → Video → Audio → Assembly):
```bash theme={"system"}
npm run dev -- produce-episode -p output/my-series -e 1
```
Die Referenzimplementierung in `src/mini-drama/` deckt ab:
* Serien-/Charakter-/Episoden-Management
* LLM-unterstütztes Skript-Workshopping
* Zwei-Pass-Storyboard-Generierung (generieren + Multi-Edit-Refinement)
* Vision-basierte Panel-QA
* Videogenerierung mit Frame-Chaining
* Layered Audio-Post-Produktion
* Subtitle-Burn-In und finale Assembly
### Editing-Pipeline
Schneide bereits vorhandene Medien (Venice-generierte Shots oder echtes Rohmaterial). **Text-first**: Das LLM liest ein kompaktes `takes_packed.md` (\~12 KB pro 40 min Audio), statt Frames aus Video zu dumpen.
Die fünf Schritte:
Lokales whisper.cpp erzeugt pro Quelle `*.words.json` + `takes_packed.md`.
Das LLM bildet die Cut-Strategie allein aus dem Text.
Schlägt die Strategie vor und wartet auf „yes / revise / cancel".
JSON-Cut-Liste → ffmpeg-concat mit 30 ms Audio-Fades. Archive-first, sodass Originale nie überschrieben werden.
Der `cut-qa`-Agent führt an jeder Schnittgrenze 6 programmatische Checks aus; maximal 3 Fix-Iterationen.
Die `cut-qa`-Checks fangen Aspect-Ratio-Regressionen, Frame-Hash-Sprünge innerhalb eines Worts, VO-Trunkierungen, Beleuchtungs-Diskontinuitäten, Audio-Peaks über -6 dBFS und Caption-Überlappung mit Text im Bild ab.
Die Editing-Pipeline ist inspiriert von [browser-use/video-use](https://github.com/browser-use/video-use). Ihr Kerngedanke, *„das LLM schaut das Video nie an, es liest es"*, ist der Grund, warum agent-getriebenes Editing ohne Frame-Dump-Token-Flut funktioniert.
## Commands, Agenten und Skills
Das Harness stellt 19 Workflow-Commands, 10 spezialisierte Agenten und 7 Produktions-Skills bereit. Auszüge:
| Workflow-Command | Zweck |
| ---------------------------------- | ---------------------------------------------------- |
| `new-series` | Neue Serie mit fixierter Ästhetik anlegen |
| `add-character` / `lock-character` | Charakter + Stimme fixieren |
| `workshop-episode` | Kollaboratives Episoden-Scripting |
| `storyboard-episode` | Eine Episode storyboarden |
| `produce-episode` | Komplette Pipeline mit einem Befehl |
| `generate-trailer` | Vollständige Trailer-Pipeline |
| `edit-footage` | Text-first-Editing-Pipeline für vorhandenes Material |
| `ingest-screenplay` | Drehbuch im Fountain- oder PDF-Format einlesen |
| Spezialisierter Agent | Rolle |
| --------------------- | --------------------------------------------------------------- |
| `art-director` | Entscheidungen zu Ästhetik, Palette, Beleuchtung, Komposition |
| `prompt-engineer` | Venice-Image-Prompts, Charakter-Konsistenz |
| `storyboard-qa` | Panel-QA für Kontinuität und Charakter-Checks |
| `cut-qa` | Post-Render-Quality-Gate (6 Checks pro Cut, max. 3 Iterationen) |
| `overlay-designer` | Branded Motion-Graphics, parallele Sub-Agenten |
| `trailer-curator` | Trailer-Shot-Auswahl und Anti-Spoiler-Regeln |
| Produktions-Skill | Zweck |
| ---------------------------- | ------------------------------------------------------- |
| `venice-api` | Venice-REST-API-Nutzung und Defaults |
| `venice-video-model-routing` | R2V-first-Routing, Entscheidungsbäume |
| `character-consistency` | Multi-Shot-Charakter-Konsistenz-Anleitung |
| `shot-composition` | Shot-Komposition und Kamera-Hinweise |
| `screenplay-parsing` | Workflows zum Parsen von Drehbüchern |
| `video-editing` | Text-first-Editing-Philosophie, EDL-Format, cut-qa-Loop |
## NLE-Round-Trip
Nach dem Rendern die fertige Timeline als XML für die Feinarbeit im Editor deiner Wahl exportieren. Jedes Video-Segment, jeder Dialog-Clip, jeder SFX-Clip und Music-Cue landet auf einer eigenen Spur.
```bash theme={"system"}
mini-drama export-timeline -p output/ -e 1 --format fcpxml # Final Cut Pro X
mini-drama export-timeline -p output/ -e 1 --format premiere # Premiere Pro
mini-drama export-timeline -p output/ -e 1 --format davinci # DaVinci Resolve
```
## Programmatische Nutzung
Du kannst die Module des Harness auch direkt aus deinem eigenen TypeScript aufrufen:
```typescript theme={"system"}
import { VeniceClient } from './src/venice/client.js';
import { generateVideo, quoteVideo } from './src/venice/video.js';
import { listVideoModels } from './src/venice/models.js';
const client = new VeniceClient();
const quote = await quoteVideo(client, {
model: 'kling-v3-pro-image-to-video',
duration: '8s',
audio: true,
});
console.log(`Estimated cost: $${quote.quote}`);
const result = await generateVideo(client, {
model: 'kling-v3-pro-image-to-video',
prompt: 'A slow dolly shot pushes forward...',
duration: '8s',
imageUrl: 'data:image/png;base64,...',
audio: true,
outputPath: 'output/shot-001.mp4',
});
const longModels = listVideoModels({ minDurationSec: 20 });
```
## Ressourcen
Quellcode, Issues und Releases
Die zugrunde liegende API, die das Harness ansteuert
R2V-Guide für Charakter-Konsistenz
Die Default-Videofamilie des Harness
Community-gepflegt und „as-is" bereitgestellt. Bei harness-spezifischen Problemen bitte ein Issue im [GitHub-Repo des Projekts](https://github.com/jordanurbs/venice-video-harness/issues) anlegen.