Communitygithub.com

FilippTrigub/abra

Video-Verbesserungspipeline. Verwenden Sie dieses Skill, wenn der Benutzer Videos schärfen, farblich korrigieren, wärmer gestalten oder die Audio normalisieren möchte – einschließlich Voreinstellungen für natürliche, filmische oder lebendige Looks.

Was ist abra?

Dieses Skill bietet eine automatisierte Videoverbesserungspipeline, die mehrere Verarbeitungsschritte in einem einzigen Durchlauf kombiniert. Es schärft das Bild, korrigiert die Farbbalance, normalisiert die Audio-Lautstärke auf -14 LUFS und wendet vordefinierte visuelle Stile ('Presets') an. Die drei verfügbaren Voreinstellungen – 'natural' (dezent, unaufdringlich), 'cinematic' (warm, kontrastreich, Instagram-tauglich) und 'vivid' (maximale Farbintensität) – ermöglichen eine schnelle Anpassung ohne manuelle Feinabstimmung. Es basiert auf FFmpeg und Python und kann über die Kommandozeile oder als Skill in AI-Agenten wie Claude Code, Cursor oder Codex ausgeführt werden. Der gesamte Prozess ist als Bash-Skript in einem `uv`-verwalteten Python-Projekt implementiert. Das Skill ist besonders nützlich für Content-Ersteller, Social-Media-Manager oder alle, die eine Charge von Videos effizient und konsistent optimieren möchten, ohne sich mit komplexen Bearbeitungssoftware auseinandersetzen zu müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FilippTrigub/abra/tree/HEAD/skills/video-enhancer

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

video-enhancer – Videoverbesserungspipeline

Schärft, farbkorrigiert und normalisiert die Audio-Lautstärke für eine Charge von Videos. Keine Untertitel – für eine Untertitelung verwenden Sie bitte das video-captioner-Skill.

Pipeline

Eingabevideo → unsharp + eq + colorbalance (ffmpeg) → -14 LUFS Audio-Normalisierung → Ausgabe

Voreinstellungen

PresetSchärfeSättigungWärme
naturaldezent+10 %keine
cinematicstark+35 %warm (Rot erhöht, Blau reduziert)
vividstark+40 %keine

Falls der Benutzer kein Preset angegeben hat, fragen Sie vor der Ausführung, welchen Look er wünscht. Beschreiben Sie die Optionen kurz: natural für ein klares, unaufdringliches Ergebnis; cinematic für eine warme, kontrastreiche Instagram-taugliche Note; vivid für maximale Farbintensität.

Ausführung

Abhängigkeiten installieren (nur beim ersten Durchlauf):

cd "$SKILL_DIR" && uv sync

Danach Videos verarbeiten:

cd "$SKILL_DIR" && uv run python scripts/enhance.py \
  --input <pfad/zum/eingabe> \
  --output <pfad/zur/ausgabe> \
  --preset natural|cinematic|vivid

Häufige Aufrufe

# Filmische Note
uv run python scripts/enhance.py --input ./input --output ./output --preset cinematic

# Natürliche Note
uv run python scripts/enhance.py --input ./input --output ./output --preset natural

# Lebendige Note
uv run python scripts/enhance.py --input ./input --output ./output --preset vivid

Nach der Ausführung

Melden Sie dem Benutzer:

  • Wie viele Videos erfolgreich verarbeitet wurden und wie viele fehlgeschlagen sind.
  • Den vollständigen Pfad zum Ausgabeverzeichnis.
  • Falls Videos fehlgeschlagen sind, nennen Sie diese explizit.

Grenzfälle

  • Falls ffmpeg nicht installiert ist: Weisen Sie den Benutzer an, es zu installieren (sudo pacman -S ffmpeg unter Arch/CachyOS, brew install ffmpeg auf macOS, sudo apt install ffmpeg unter Ubuntu).
  • Falls uv nicht installiert ist: Verweisen Sie auf https://docs.astral.sh/uv/getting-started/installation/.
  • Falls das Eingabeverzeichnis leer ist: Melden Sie dies deutlich, anstatt still zu beenden.
  • Falls ein unbekanntes Preset angegeben wird: Listen Sie die gültigen Optionen auf (natural, cinematic, vivid).
  • Die Audio-Normalisierung kann bei kurzen Clips eine Warnung zum dynamischen Modus ausgeben – dies ist zu erwarten und kein Fehler.

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

FilippTrigub/abra

>- Animate a still image into a short video clip using fal.ai's LTX-2.3 Fast image-to-video model in the cloud. No GPU required - runs entirely on fal.ai serverless infrastructure.

FilippTrigub/abra

>- Auto-describe and caption images using a local vision-language model. Writes a JSON sidecar per image containing a one-sentence description, a suggested Instagram caption with hashtags, and detected content tags.

FilippTrigub/abra

>- Animated caption pipeline. Use this skill when the user wants to burn word-by-word animated captions into videos — using Whisper for transcription and pycaps for rendering. Supports default minimalist style or a futuristic CSS theme with alternating gold/magenta glowing words.

FilippTrigub/abra

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

FilippTrigub/abra

>- Edit a region of a video using a text prompt via Wan2.1-VACE inpainting. Supports two modes: background (auto-segment via rembg) or region (rectangle defined by fractions). Requires a CUDA GPU with at least 8 GB free VRAM.

FilippTrigub/abra

Generate videos from text or images using Higgsfield's multi-model cloud platform. Supports kling, seedance, dop, and dop-preview models. Uses a small preset layer for common creative styles. Auto-detects text-to-video or image-to-video based on input. No GPU required.

FilippTrigub/abra

>- Remove the background from every frame of a video using AI (BiRefNet-general via rembg). Outputs transparent-background video or composites onto a solid colour or image. Requires a CUDA GPU with at least 3 GB free VRAM.

Verwandte Skills