Zum Inhalt
lern-es.jetztby twisted pair
Rechner
Weg
Agent

FigurBeispiel (l3hr3r) ✎ eigene beschreiben

Einrichten

Ein Ordner, in dem jeder Schritt seinen festen Platz hat, Regeln für den Agenten und ein Skript, das abhakt, was fertig ist.

Das bekommst du

Ein Kursordner, in dem jeder Schritt seinen festen Platz hat, und deine Figur in figur.json.

So legst du los

VorherEin leerer Ordner ~/avatar-kurs (in der Cloud /workspace/avatar-kurs) und – auf dem Weg mit Agent – Claude Code oder Hermes, darin gestartet (siehe „Einmal vorher“ auf der Kursseite).

In Claude Code eingebenIn Hermes mit lokalem Qwen eingeben

Lektion A0: Richte den Kurs ein. Klone https://github.com/twisted-pair/ki-schauspieler-kit in diesen leeren Ordner (git clone https://github.com/twisted-pair/ki-schauspieler-kit .), lies AGENTS.md und halte dich ab jetzt daran. Trage in figur.json ein: Stichwort l3hr3r, Klasse man, Beschreibung „a man in his early thirties, short dark ash-blond hair with the first grey strands, light stubble, grey-blue eyes“, Stimme „A deep, low-pitched male voice of a man in his early thirties, slightly husky and raspy, warm, calm and charismatic. Clear standard German pronunciation with a very slight northern German tone, no dialect. Relaxed, natural pace, like an engaging teacher explaining something to a class.“. Installiere noch nichts. Führe danach python3 skripte/pruefen.py A0 aus und zeig mir, was fehlt.

Im Terminal, im Kursordner

mkdir -p ~/avatar-kurs && cd ~/avatar-kurs
git clone https://github.com/twisted-pair/ki-schauspieler-kit .
cat > figur.json <<'EOF'
{
  "stichwort": "l3hr3r",
  "klasse": "man",
  "beschreibung": "a man in his early thirties, short dark ash-blond hair with the first grey strands, light stubble, grey-blue eyes",
  "stimme": "A deep, low-pitched male voice of a man in his early thirties, slightly husky and raspy, warm, calm and charismatic. Clear standard German pronunciation with a very slight northern German tone, no dialect. Relaxed, natural pace, like an engaging teacher explaining something to a class."
}
EOF
python3 skripte/pruefen.py A0

Was dabei passiert ↓

Ziel
Kursordner aus dem Kit, deine Figur in figur.json und ein grüner Prüfpunkt A0.
Rechenzeit
wenige Minuten, nichts wird installiert
Hardware
NVIDIA-Grafikkarte mit 24 GB (wird hier nur geprüft)
Software
git · Python 3.10 oder neuer · Claude Code oder Hermes mit lokalem Qwen (nur auf dem Weg mit Agent)
Daten rein
Deine Beschreibung der Figur, ihrer Stimme und ein Stichwort
Daten raus
Der Ordner avatar-kurs mit AGENTS.md, figur.json, entscheidungen.md und skripte/pruefen.py
Skill
keiner nötig – der Prompt reicht

▸ Video

Folgt. Geplant sind 3 Minuten, einmal durch den Ordner.

VideoEr erklärt diese Lektion selbst. Präsentiert von der Figur, um die es geht.

Worum es geht

Der Kurs erzeugt viele Dateien: Porträts, Trainingsbilder, Modellstände, Stimmen, Clips. Damit du, dein Agent und jede spätere Sitzung immer wissen, wo was liegt, beginnt alles mit einer festen Struktur. Sie kommt fertig aus dem Kurs-Kit, einem kleinen Repository.

Was im Ordner liegt

avatar-kurs/
├── AGENTS.md            Regeln für jeden Agenten (Claude Code liest sie als CLAUDE.md)
├── figur.json           deine Figur: Stichwort, Klasse, Beschreibung, Stimme
├── entscheidungen.md    jede Wahl, die du triffst, mit Datum und Grund
├── werkzeuge/           ComfyUI, ai-toolkit, TTS – je mit eigener Umgebung
├── modelle/             alle Modellgewichte an einem Ort
├── figur/
│   ├── gesicht/         A1: Kandidaten und referenz.png
│   ├── datensatz/       A2: Trainingsbilder mit Bildbeschreibungen
│   ├── lora/            A3: training.yaml, Zwischenstände, figur.safetensors
│   └── stimme/          A5: Entwürfe und referenz.wav
├── szenen/              A4: Szenenbilder
├── clips/<name>/        A6, A7: startbild, text, stimme, clip
└── skripte/             pruefen.py und was die Lektionen dazulegen

figur.json ist die eine Stelle für alles, was deine Figur ausmacht. Prompts, Konfigurationen und Skripte lesen von dort. Was du oben in der Kursleiste unter „Figur“ einträgst, landet in dieser Datei.

entscheidungen.md ist das Gedächtnis des Kurses. Jede Wahl bekommt eine Zeile: welches Gesicht, welcher Trainingsstand, welche Stimme. Der Agent schlägt vor, du entscheidest, danach trägt er die Zeile ein.

AGENTS.md sagt jedem Agenten, wo was hingehört und wie er mit der einen Grafikkarte umgeht. Claude Code und Hermes lesen die Datei, wenn sie im Kursordner starten. Deshalb gilt ab jetzt: den Agenten immer im Kursordner starten. Beim allerersten Mal ist der Ordner noch leer; der Prompt von A0 sagt dem Agenten, AGENTS.md nach dem Klonen zu lesen.

Der Prüfpunkt

Nach jeder Lektion zeigt skripte/pruefen.py, ob alles am richtigen Ort liegt, egal ob du von Hand gearbeitet hast oder ein Agent. Nach A0 sieht das so aus:

A0 · Einrichten
  ✓ Ordner werkzeuge/
  ✓ Ordner modelle/
  …
  ✓ figur.json: Stichwort „l3hr3r“ (4–12 Kleinbuchstaben oder Ziffern, ein Kunstwort)
  ✓ figur.json: Klasse „man“ (man, woman oder person)
  ✓ Python 3.14 (mindestens 3.10)
  ✓ git gefunden (Werkzeuge holen)
  ✓ ffmpeg gefunden (Ton und Video)
  ✓ hf gefunden (Modelle laden)
  ✓ Grafikkarte NVIDIA GeForce RTX 3090, 24 GB (empfohlen: 24 GB)
  ✓ Treiber 610.57.04 (mindestens 580 für CUDA 13)
  ✓ 1312 GB frei (empfohlen: 150 GB für Modelle und Werkzeuge)
  → fertig

✗ heißt: fehlt, die Lektion ist nicht fertig. ! heißt: geht, ist aber knapp, zum Beispiel bei wenig Speicherplatz. Ohne Lektionsnummer zeigt das Skript den Überblick über alle Schritte.

Entscheidungen

Welches Stichwort?

Ein Kunstwort, das es sonst nicht gibt

Das Stichwort ruft später deine Figur auf. Ein echtes Wort wie „teacher“ bringt mit, was das Modell schon darüber weiß. Ein Kunstwort aus Buchstaben und Ziffern, etwa „l3hr3r“, ist leer und wird ganz zu deiner Figur.

Welche Klasse?

Die Gruppe, zu der die Figur gehört: man, woman oder person

Beim Training schützt die Klasse alle anderen Menschen dieser Gruppe davor, das Gesicht deiner Figur zu bekommen (Lektion A3).

Fallstricke

Kit in einen Ordner mit Leerzeichen geklont

Manche Werkzeuge der späteren Lektionen kommen mit Leerzeichen im Pfad nicht zurecht.

LösungEinen Pfad ohne Leerzeichen und Umlaute nehmen, etwa ~/avatar-kurs.

„destination path '.' already exists and is not an empty directory“

git klont nur in einen leeren Ordner. Manchmal legt ein Werkzeug beim ersten Start schon eine Datei an.

LösungDen Ordner leeren oder einen neuen, leeren Kursordner anlegen und dort klonen.

Kursordner außerhalb des Volumes angelegt

Im Pod bleibt nur erhalten, was auf dem Volume liegt. Alles andere ist nach einem Neustart weg, auch installierte Werkzeuge.

LösungImmer unter /workspace arbeiten: cd /workspace, dann klonen.

Treiber zu alt

pruefen.py A0 meldet „Treiber … (mindestens 580 für CUDA 13)“ mit ✗. Die PyTorch-Pakete der späteren Lektionen laufen dann nicht.

LösungDen Pod neu anlegen und beim Mieten CUDA 13.0 als erlaubte Version wählen.

Das lokale Qwen belegt die Grafikkarte

Ein Sprachmodell mit 27 Milliarden Parametern braucht rund 18 GB Grafikspeicher. Bleibt es geladen, fehlt der Platz für Bildmodelle und Training.

LösungOLLAMA_KEEP_ALIVE=0 setzen, wie unter „Einmal vorher“ beschrieben, und mit nvidia-smi prüfen.