Communitygithub.com

Biznomad/agent-skills

Asset-Vorverarbeitung für HyperFrames-Kompositionen – Text-zu-Sprache-Erzählung (Kokoro), Audio-/Video-Transkription (Whisper) und Hintergrundentfernung für transparente Overlays (u2net). Verwende dies, um Voiceover aus Text zu generieren, Sprache für Untertitel zu transkribieren, den Hintergrund aus einem Video oder Bild zu entfernen, eine TTS-Stimme oder ein Whisper-Modell auszuwählen oder diese Schritte zu verketten (TTS → Transkription → Untertitel). Jeder Befehl lädt sein eigenes Modell beim ersten Start herunter.

Was ist agent-skills?

Dieses Skill-Paket (Biznomad/agent-skills) bietet drei CLI-Befehle zur Medienvorverarbeitung für HyperFrames-Kompositionen: `tts`, `transcribe` und `remove-background`. Es ist ideal für Entwickler, die Voiceover, Transkriptionen und transparente Video-Overlays erstellen möchten, ohne auf externe Cloud-Dienste angewiesen zu sein. Der `tts`-Befehl nutzt Kokoro-82M für lokale Sprachsynthese (kein API-Key erforderlich) und unterstützt 54 Stimmen, darunter mehrsprachige Optionen sowie Geschwindigkeitskontrolle. Der `transcribe`-Befehl verwendet OpenAI Whisper, um Audio- oder Videodateien zu transkribieren und erzeugt eine `transcript.json` mit Wort-für-Wort-Zeitstempeln, die z. B. für Untertitel oder erweiterte Bearbeitung genutzt werden kann. Er unterstützt mehrere Modelle und Sprachen sowie den Import von SRT/VTT-Dateien. Der `remove-background`-Befehl wiederum eliminiert mit dem u2net-Modell den Hintergrund von Bildern oder Videos und erzeugt transparente Overlays (VP9 Alpha WebM, ProRes 4444, PNG), die sich nahtlos in HyperFrames-Kompositionen einfügen lassen. Die Werkzeuge sind plattformunabhängig über `npx` nutzbar und speichern Modelle lokal im Cache (`~/.cache/hyperframes/`). Ein besonderes Highlight ist die `--background-output`-Option, die eine zweite Schicht mit invertierter Transparenz erzeugt – perfekt, um Texte oder Grafiken zwischen Vorder- und Hintergrund zu platzieren.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Biznomad/agent-skills/tree/HEAD/hyperframes-media

In Ihrer bevorzugten KI fragen

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

Vorschau

Aus dem Skill-README

Dokumentation

HyperFrames Medienvorverarbeitung

Drei CLI-Befehle, die Assets für Kompositionen erzeugen: tts (Sprache), transcribe (Zeitstempel) und remove-background (transparentes Video). Jeder Befehl lädt beim ersten Start ein Modell herunter und speichert es im Cache unter ~/.cache/hyperframes/. Gib die Ausgabe in das Projekt ein und referenziere sie im Kompositions-HTML – siehe das hyperframes Skill für die Audio-/Video-Element-Konventionen.

Text-to-Speech (tts)

Generiere Sprach-Audio lokal mit Kokoro-82M. Kein API-Key erforderlich.

npx hyperframes tts "Text here" --voice af_nova --output narration.wav
npx hyperframes tts script.txt --voice bf_emma --output narration.wav
npx hyperframes tts --list                       # alle 54 Stimmen

Stimmenauswahl

Passe die Stimme an den Inhalt an. Standard ist af_heart.

InhaltstypStimmeWarum
Produkt-Demoaf_heart/af_novaWarm, professionell
Tutorial / Anleitungam_adam/bf_emmaNeutral, leicht verständlich
Marketing / Promotionaf_sky/am_michaelEnergisch oder autoritär
Dokumentationbf_emma/bm_georgeKlares britisches Englisch, formell
Lässig / sozialaf_heart/af_skyZugänglich, natürlich

Mehrsprachig

Stimmen-IDs kodieren die Sprache im ersten Buchstaben: a=Amerikanisches Englisch, b=Britisches Englisch, e=Spanisch, f=Französisch, h=Hindi, i=Italienisch, j=Japanisch, p=Brasilianisches Portugiesisch, z=Mandarin. Die CLI erkennt das Phonemizer-Gebietsschema automatisch anhand des Präfixes – kein --lang erforderlich, wenn die Stimme zum Text passt.

npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav

Verwende --lang nur, um die automatische Erkennung zu überschreiben (stilisierte Akzente). Gültige Codes: en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. Die Phonemisierung in anderen Sprachen erfordert espeak-ng systemweit (brew install espeak-ng / apt-get install espeak-ng).

Geschwindigkeit

  • 0.7-0.8 — Tutorial, komplexer Inhalt, Barrierefreiheit
  • 1.0 — natürliches Tempo (Standard)
  • 1.1-1.2 — Einleitungen, Übergänge, schwungvoller Inhalt
  • 1.5+ — selten angemessen; sorgfältig testen

Lange Skripte

Bei mehr als ein paar Absätzen schreibe den Text in eine .txt-Datei und übergib den Pfad. Eingaben über ~5 Minuten Sprachdauer können von einer Aufteilung in Segmente profitieren.

Anforderungen

Python 3.8+ mit kokoro-onnx und soundfile (pip install kokoro-onnx soundfile). Modell-Download bei erster Verwendung (~311 MB + ~27 MB Stimmen, zwischengespeichert in ~/.cache/hyperframes/tts/).

Transkription (transcribe)

Erzeuge ein normalisiertes transcript.json mit Wort-für-Wort-Zeitstempeln.

npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt          # importiere vorhandene
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json

Sprachregel (Nicht verhandelbar)

Verwende niemals .en-Modelle, es sei denn, der Benutzer sagt ausdrücklich, dass das Audio auf Englisch ist. .en-Modelle (small.en, medium.en) übersetzen nicht-englisches Audio ins Englische, anstatt es zu transkribieren. Dies zerstört stillschweigend die Originalsprache.

  1. Sprache bekannt und nicht-englisch → --model small --language <code> (kein .en-Suffix)
  2. Sprache bekannt und englisch → --model small.en
  3. Sprache unbekannt → --model small (kein .en, kein --language) — Whisper erkennt automatisch

Standardmodell ist small, nicht small.en.

Modellgrößen

ModellGrößeGeschwindigkeitWann verwenden
tiny75 MBAm schnellstenSchnelle Vorschauen, Pipeline-Tests
base142 MBSchnellKurze Clips, klares Audio
small466 MBMittelStandard — die meisten Inhalte
medium1,5 GBLangsamWichtige Inhalte, verrauschtes Audio, Musik
large-v33,1 GBAm langsamstenProduktionsqualität

Musik mit Gesang: beginne mindestens mit medium; produzierte Titel benötigen oft manuellen SRT/VTT-Import. Für Untertitel-Qualitätsprüfungen (obligatorisch nach jeder Transkription), das JavaScript zum Bereinigen, Wiederholungsregeln und den OpenAI/Groq API-Importpfad siehe hyperframes/references/transcript-guide.md.

Ausgabeform

Kompositionen konsumieren ein flaches Array von Wortobjekten. Das id-Feld (w0, w1, ...) wird während der Normalisierung hinzugefügt, um stabile Referenzen bei Untertitel-Überschreibungen zu ermöglichen; es ist optional für Abwärtskompatibilität.

[
  { "id": "w0", "text": "Hallo", "start": 0.0, "end": 0.5 },
  { "id": "w1", "text": "Welt.", "start": 0.6, "end": 1.2 }
]

Hintergrundentfernung (remove-background)

Entferne den Hintergrund aus einem Video oder Bild, sodass das Motiv (typischerweise eine Person – Avatar, Moderator, Sprecher) als transparentes Overlay in einer Komposition platziert wird.

npx hyperframes remove-background subject.mp4 -o transparent.webm  # Standard: VP9 Alpha WebM
npx hyperframes remove-background subject.mp4 -o transparent.mov   # ProRes 4444 (Bearbeitung)
npx hyperframes remove-background portrait.jpg -o cutout.png       # Einzelbild-Ausschneiden
npx hyperframes remove-background subject.mp4 -o subject.webm \
  --background-output plate.webm                                   # beide Ebenen in einem Durchlauf
npx hyperframes remove-background subject.mp4 -o transparent.webm --device cpu
npx hyperframes remove-background --info                           # erkannte Anbieter

Verwendet u2net_human_seg (MIT). Beim ersten Start werden ~168 MB Gewichte nach ~/.cache/hyperframes/background-removal/models/ heruntergeladen.

Ebenentrennung (--background-output)

Übergib --background-output (oder -b), um ein zweites transparentes Video zusammen mit dem Ausschnitt auszugeben: gleiches RGB der Quelle, Alpha ist 255 − Maske anstelle von Maske. Der Ausschnitt ist das Motiv mit transparentem Hintergrund; die Platte ist die ursprüngliche Umgebung mit einem transparenten Loch, wo das Motiv war.

DateiAlpha ist…Verwendung
-o subject.webmDie Maske – Motiv undurchsichtig, Hintergrund transparentVordergrundebene, darauf platzieren
--background-output plate.webmInvers – Umgebung undurchsichtig, Motivbereich transparentUntere Ebene; Text oder Grafiken zwischen diese und das Motiv setzen

Beide Ausgaben teilen dieselbe --quality-Voreinstellung und laufen in einem einzigen Inferenzdurchlauf – die Codierungskosten verdoppeln sich in etwa, die Segmentierungskosten bleiben gleich. Nur gültig für Video-Eingaben und .webm/.mov-Ausgaben.

Ausgestanzte Platte, keine inpaintierte saubere Platte. Der Motivbereich in plate.webm ist vollständig transparent – füge etwas Undurchsichtiges darunter ein, um das Loch zu füllen. Der einzige Test, ob --background-output das richtige Werkzeug ist: Wird jemals etwas durch die Silhouette des Motivs sichtbar sein, wo das Motiv war?

AnwendungsfallRichtiges Werkzeug
Text/Grafiken zwischen dem Ausschnitt und der Platte (der Daseinszweck dieses Befehls)Ausgestanzte Platte (--background-output)
Motiv auf einer unzusammenhängenden SzeneNur subject.webm; ignoriere die Platte
Den Raum ohne die Person zeigen, allein über keinem anderen InhaltSaubere Platte – benötigt einen Inpainter (LaMa, ProPainter, E2FGVI). Nicht dieser Befehl.
Das Motiv durch ein anderes Motiv ersetzenSaubere Platte – gleiches wie oben

Wenn ein Benutzer nach „dem Raum ohne die Person“ fragt und beabsichtigt, ihn eigenständig anzuzeigen, greife nicht zu --background-output. Sage ihnen, dass sie einen Inpainter benötigen.

Typische geschichtete Komposition (der kanonische Anwendungsfall für ausgestanzte Platten):

<!-- z=1 die invers-Alpha-Platte füllt alles außer dem Motivbereich -->
<video
  src="plate.webm"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>

<!-- z=2 Grafiken / Text leben zwischen den beiden Schichten -->
<h1 id="headline" style="z-index:2; ...">MACH ES IN HYPERFRAMES</h1>

<!-- z=3 der Ausschnitt platziert das Motiv zurück über die Überschrift -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
  <video
    src="subject.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Dies ist funktional äquivalent zum Text-hinter-Motiv-Muster unten, aber du benötigst das ursprüngliche presenter.mp4 nicht im Projekt – die Platte ersetzt es. Nützlich, wenn du nur die beiden transparenten Schichten ausliefern und dem Benutzer erlauben möchtest, beliebigen Inhalt dazwischen zu platzieren.

Ausgabeformat

FormatWann
.webm (VP9 + Alpha)Standard. Kompositionen spielen dies direkt über <video>.
.mov (ProRes 4444)Bearbeitung in DaVinci/Premiere/FCP. Große Dateien.
.pngEinzelbild-Ausschneiden (stehendes Motiv, über einem Hintergrund gelegt).

Chrome dekodiert VP9 Alpha nativ, daher lässt sich die .webm-Datei wie jedes andere stummgeschaltete Autoplay-Video in eine Komposition einfügen – siehe das hyperframes Skill für die <video>-Track-Konventionen.

Qualitätsvoreinstellungen

--quality fast|balanced|best steuert nur den CRF des VP9-Encoders – die Segmentierungsqualität ist fest.

VoreinstellungCRFWann
fast30Iterieren, kleinere Datei, lockerere Farbanpassung
balanced18Standard. Für die meisten Anwendungen visuell identisch
best12Master / finale Auslieferung. Größte Datei, engste Anpassung

Kompositionsmuster – wähle das richtige

Das ausgeschnittene Webm ist eine neucodierte Kopie des RGB der Quell-MP4. Diese Wahl hat Konsequenzen, je nachdem, was dahinter platziert wird:

MusterWas hinter dem Ausschnitt liegtErgebnis
Ausschnitt über einer anderen Szene (am häufigsten)Statisches Bild, Farbverlauf oder unzusammenhängendes VideoSieht großartig aus. Das RGB des Ausschnitts ist die einzige Quelle des Motivs – keine Verdopplung, kein Kanten-Halo. Dafür ist remove-background gemacht.
Ausschnitt über seiner eigenen Quell-MP4 (Text-hinter-Motiv)Dieselbe MP4, aus der der Ausschnitt generiert wurdeZwei RGB-Quellen für dieselbe Person. Bei Standard --quality balanced (crf 18) ist die Verdopplung kaum sichtbar; bei --quality fast (crf 30) siehst du eine leichte Farbverschiebung / Kanten-Halo. Verwende --quality best (crf 12) für Master.
Ausschnitt über einer anderen Aufnahme derselben PersonFilmmaterial desselben MotivsSieht aus wie zwei separate Personen, die sich überlappen. Tu das nicht.

Text-hinter-Motiv (Überschrift hinter einem Moderator):

<video
  src="presenter.mp4"
  id="bg"
  data-start="0"
  data-duration="6"
  data-track-index="0"
  muted
  playsinline
></video>
<h1 id="headline" style="z-index:2; ...">MACH ES IN HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
  <video
    src="presenter.webm"
    data-start="0"
    data-duration="6"
    data-track-index="1"
    muted
    playsinline
  ></video>
</div>

Zwei wichtige Regeln:

  1. Wickle das ausgeschnittene Video in ein nicht zeitgesteuertes <div> ein und animiere die Deckkraft des Wrappers, nicht des Videoelements. Das Framework erzwingt Deckkraft:1 bei aktiven Clips (jedes Element mit data-start/data-duration), daher wird eine direkte Animation der Video-Deckkraft stillschweigend überschrieben. Der Wrapper hat keine data-*-Attribute, er gehört also deinem CSS/GSAP.
  2. Beide Videos verwenden data-start="0" und data-media-start="0" so dass das Framework sie synchron ab t=0 dekodiert. Ein spätes Einfügen des Ausschnitts (data-start=3.3) führt zu einem Seek + Aufwärmen, das ein Einzelbild von der Basis-MP4 entfernt landet – sichtbar als ein Einzelbild von Fehlausrichtung am Schnitt.

Dann GSAP-Umschalten der Wrapper-Deckkraft am Schnitt: tl.set(cutoutWrap, { opacity: 1 }, 3.3).

TTS → Transkription → Untertitel

Wenn es keinen vorab aufgenommenen Voiceover gibt, generiere einen und transkribiere ihn zurück, um Wort-für-Wort-Zeitstempel für Untertitel zu erhalten:

npx hyperframes tts script.txt --voice af_heart --output narration.wav
npx hyperframes transcribe narration.wav   # → transcript.json

…

[gekürzt für die Übersetzung]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Biznomad/agent-skills

Landing page quality assessment for paid advertising campaigns. Evaluates message match, page speed, mobile experience, trust signals, form optimization, and conversion rate potential. Use when user says "landing page", "post-click experience", "landing page audit", "conversion rate", or "landing page optimization".

Biznomad/agent-skills

TikTok Ads deep analysis covering creative quality, tracking, bidding, campaign structure, and TikTok Shop. Evaluates 25 checks with emphasis on creative-first strategy, safe zone compliance, and Smart+ campaigns. Use when user says "TikTok Ads", "TikTok marketing", "TikTok Shop", "Spark Ads", "Smart+", or "TikTok campaign".

Biznomad/agent-skills

YouTube Ads specific analysis covering campaign types, creative quality, audience targeting, and measurement. Evaluates video ad performance across skippable, non-skippable, bumper, Shorts, and Demand Gen formats. Use when user says "YouTube Ads", "video ads", "pre-roll", "bumper ads", "YouTube campaign", or "Shorts ads".

Biznomad/agent-skills

Help users get promoted at work. Use when someone is preparing for a promotion conversation, building their case for advancement, trying to understand what's blocking their promotion, or figuring out how to get to the next level in their career.

Biznomad/agent-skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

Biznomad/agent-skills

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. Shows which VERSION slots are currently claimed by open PRs, which sibling Conductor workspaces have WIP work likely to ship soon, and what slot /ship would pick next. No mutations — just a snapshot. Use when asked to "landing report", "what's in the queue", "show me open PRs", or "which version do I claim next". (gstack)

Biznomad/agent-skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

Biznomad/agent-skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

Biznomad/agent-skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

Biznomad/agent-skills

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Biznomad/agent-skills

>- The Landing Page Audit skill performs comprehensive evaluations of post-click experiences, combining technical performance analysis with conversion rate optimization (CRO) assessment.

Biznomad/agent-skills

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

Biznomad/agent-skills

Optimize landing pages for higher conversion rates using proven frameworks and design patterns. Use when designing, reviewing, or improving landing pages, hero sections, pricing pages, CTAs, or when the user asks about conversion optimization.

Biznomad/agent-skills

Read-only queue dashboard for workspace-aware ship. (gstack)

Biznomad/agent-skills

Building promotion cases, brag documents, tracking wins, and self-advocacy for career advancement. Use when preparing for promotions, documenting accomplishments, or building your case for advancement.

Biznomad/agent-skills

Best practices for Remotion - Video creation in React

Biznomad/agent-skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

Biznomad/agent-skills

Produce programmable videos with Remotion using scene planning, asset orchestration, and validation gates for automated, brand-consistent video content.

Biznomad/agent-skills

Reviews animation and motion code against a high craft bar derived from Emil Kowalski's design engineering philosophy. Default to flagging; approval is earned.

Verwandte Skills