Communitygithub.com

Video-Bearbeitung – Pipeline für untertitelte Präsentationen

Bearbeite jedes Video in eine untertitelte Präsentation – transkribiere (beliebige Sprache, Standard ist large-v3), lege dem Benutzer eine transcript_review.txt zur Korrektur von Hörfehlern VOR dem Rendern vor, erstelle dann eine HyperFrames-Komposition mit Liquid-Glass-Caption-Pills, Liquid-Blob-Hintergrund, Liquid-Morph-Wipes, optionalem Text hinter dem Motiv mittels Hintergrundentfernung und rendere das finale Video.

Was ist Video-Bearbeitung – Pipeline für untertitelte Präsentationen?

Diese Fertigkeit ermöglicht es einem KI-Agenten, eine vollständige Pipeline zur Erstellung untertitelter Videopräsentationen zu orchestrieren – von der Transkription über die benutzergesteuerte Korrektur bis hin zum endgültigen Rendern. Der Kernprozess pausiert zwingend nach der Transkription, um dem Benutzer eine Korrekturmöglichkeit zu geben, bevor der rechenintensive Render-Vorgang startet. Die Pipeline unterstützt alle von Whisper abgedeckten Sprachen (standardmäßig large-v3), mit besonderer Optimierung für Hebräisch und Englisch, und erzeugt sowohl 16:9- (YouTube) als auch 9:16-Ausgabe (TikTok, Instagram Reels, YouTube Shorts) aus derselben 16:9-Quelle – ohne erneutes Filmmaterial. Technisch basiert sie auf HyperFrames und nutzt flüssige visuelle Effekte wie Liquid-Glass-Textpills, Liquid-Blob-Hintergründe und Liquid-Morph-Übergänge. Optional kann mittels Hintergrundentfernung Text hinter dem sprechenden Kopf platziert werden. Die Pipeline ist für Agenten wie Claude Code, Cursor und Codex konzipiert und wird über das YUV-Pilot-System aufgerufen, erlaubt aber auch den eigenständigen Einsatz.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hoodini/ai-agents-skills/tree/HEAD/skills/video-edit

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Video-Bearbeitung – Pipeline für untertitelte Präsentationen?

End-to-End-Videobearbeitung mit Untertiteln auf Basis von HyperFrames. Der Benutzer gibt ein Video; du orchestrierst Transkription → Prüfung → Rendern und PAUSIERST IMMER für die Transkriptionsfreigabe vor dem langen Rendern.

Wo diese Fertigkeit in der YUV.AI-Pyramide steht

video-edit befindet sich in der mittleren Ebene der YUV.AI-Fertigkeitenpyramide, zusammen mit yuv-design-system, yuv-decks, yuv-viral-video, parallax-landing-page und video-to-landing-page. Der Top-Orchestrator yuv-pilot leitet hierher weiter, sobald der Benutzer eine untertitelte Präsentation, ein Tutorial oder eine Talking-Head-Bearbeitung mit Untertiteln wünscht.

Dies ist das allgemeinere Video-Gegenstück zu yuv-viral-video. Die Aufteilung:

  • yuv-viral-video – die meinungsstarke YUV.AI-Viral-Kurzvideo-Pipeline (MrBeast-Tempo, charakteristischer Redaktionsstil)
  • video-edit – allgemeiner Untertitel-Editor mit Transkriptionsprüfung-vor-Rendern (Hebräisch + Englisch + jede Whisper-Sprache)

Für YUV.AI-gebrandete untertitelte Videos kombiniere diese Fertigkeit mit yuv-design-system (Neon-Modus für Schrift-/Palettenentscheidungen). Für generische / Drittanbieter-Untertitelvideos funktioniert diese Fertigkeit eigenständig.

Wann aufrufen

  • Ein Pfad zu einer Videodatei (mp4/mov/mkv) + eine Anfrage zum „Bearbeiten", „Untertiteln", „Hinzufügen von Untertiteln", „Erstellen eines Reels/Promos", „das Gleiche machen"
  • „Untertitel / hebräische Rechtschreibfehler korrigieren" – Wiedereinstieg im Prüfschritt eines bestehenden Projekts
  • Jede Erstellung eines untertitelten Tutorials / Talking-Head-Videos / Promos

Speicherort

Standard: ~/Documents/yuv-projects/videos/<slug>/ – untertitelte Videoprojekte immer hier speichern, damit Renderings auffindbar sind. Der <slug> ist kurz und leitet sich vom Thema oder Quelldateinamen ab.

mkdir -p ~/Documents/yuv-projects/videos
cd ~/Documents/yuv-projects/videos
# Projekt hier initialisieren.

Das endgültige Rendern landet unter ~/Documents/yuv-projects/videos/<slug>/renders/<name>_FINAL.mp4. Teile dem Benutzer am Ende des Renderns mit, wo das Video liegt.


Arbeitsablauf (12 Schritte)

  1. Quelle analysieren – ffprobe für Abmessungen, fps, Dauer, Audio.

  2. Grundgerüst erstellen – cd ~/Documents/yuv-projects/videos && npx hyperframes init <slug> --video <path> --non-interactive. Das kopierte Video in source.mp4 umbenennen.

  3. Audio extrahieren – ffmpeg -i source.mp4 -vn -ac 1 -ar 16000 audio.wav.

  4. Transkribieren – references/transcribe.py in das Projekt kopieren. Standardmodell large-v3 (bestes Hebräisch). CUDA schlägt unter Windows normalerweise fehl (fehlendes cuDNN); das Skript fällt auf CPU int8 zurück. Für Hebräisch language="he" erzwingen, für Englisch language="en"; ansonsten automatische Erkennung.

  5. Bekannte Korrekturen anwenden – Inhalt von references/corrections-hebrew.md als corrections.json im Projektstammverzeichnis ablegen (Schlüssel = falsches Token, Werte = richtiges Token).

  6. 🛑 STOP – Prüfserver starten und den Benutzer in einer Web-App freigeben lassen. Zuerst bekannte Korrekturen anwenden: references/make_review.py in das Projekt kopieren und ausführen python make_review.py. Es wendet corrections.json auf transcript.json an.

    Dann den Prüfserver als Hintergrundaufgabe starten (er blockiert, bis der Benutzer im Browser auf „Freigeben & Rendern" klickt):

    python "$HOME/.claude/skills/video-edit/references/serve_review.py" .
    # Unter Windows: python "C:\Users\<benutzer>\.claude\skills\video-edit\references\serve_review.py" .
    

    Der Server gibt eine Zeile wie REVIEW_URL=http://localhost:PORT/ aus. Diese URL aus der Ausgabe der Hintergrundaufgabe (oder aus stdout) nehmen und dem Benutzer senden:

    👉 Transkript hier prüfen: http://localhost:PORT/ Wenn du auf Freigeben & Rendern klickst, mache ich automatisch weiter.

    Der Agent benötigt keine „Weiter"-Nachricht – wenn der Benutzer auf den Button klickt, schreibt der Server transcript_review.txt in das Projektverzeichnis UND beendet sich mit Code 0. Die Benachrichtigung der Hintergrundaufgabe des Agenten wird ausgelöst, und die Pipeline wird ab Schritt 8 fortgesetzt.

    Fallback, wenn kein Browser / kein Server verfügbar: Den Editor als statische Datei öffnen (start "" "$HOME/.claude/skills/video-edit/transcript-editor/index.html"), den Benutzer bitten, den Projektordner auszuwählen, zu bearbeiten, transcript_review.txt zurück in das Projekt zu speichern und mit „weiter" zu antworten. Der Editor unterstützt beide Modi.

  7. (Optional) Hintergrundentfernung – siehe Schritt 7 unten; kann parallel zur Prüfung durch den Benutzer ausgeführt werden.

  8. Nach Freigabe python references/apply_review.py ausführen. Es tokenisiert bearbeitete Zeilen neu und verteilt Wortzeitstempel zurück in transcript.json, sodass die Untertitel-Synchronisation weiterhin funktioniert.

  9. (Optional) Hintergrundentfernung – wenn ein Talking-Head-Segment Text hinter dem Motiv benötigt, das Segment als outro.mp4 (oder intro.mp4) extrahieren und npx hyperframes remove-background <clip>.mp4 -o <name>_subject.webm --quality best ausführen. Auf den meisten Systemen nur CPU (~3–8 Min. für einen ~15s 1440p-Clip).

  10. Quellvideo mit dichten Keyframes neu codieren – Multi-Worker-Rendering friert bei spärlichen Keyframes ein. Immer ausführen:

    ffmpeg -y -i source.mp4 -c:v libx264 -preset medium -crf 18 -r 30 -g 30 -keyint_min 30 -sc_threshold 0 -pix_fmt yuv420p -movflags +faststart -c:a copy footage.mp4
    
  11. Das (bearbeitete) Transkript neu laden und die Haupt-Untertitel-Unterkomposition über references/gen_body.py generieren. Der Generator erzeugt die vollständige compositions/components/caption-body.html mit abwechselnd redaktionellem und Matrix-Liquid-Glass-Stil, verankert links-unten von der Mitte (lässt Platz für Webcam-PiPs unten rechts).

  12. Die Host-index.html aus references/host-template.html verdrahten. Ebenenreihenfolge (z-Index, NICHT Track-Index):

    • z0: Filmmaterial .cam-bg
    • z1: Liquid-Blob-Hintergrund (compositions/liquid-blobs.html, mix-blend-mode: screen, volle Dauer)
    • z2: Parallax-Hintergrund-Untertitel (Intro und/oder Outro, wenn Hintergrundentfernung verwendet wird)
    • z3: Motivausschnitt .cam-out / .cam-sub (mit passendem data-media-start)
    • z6: Hauptuntertitel
    • z46: Fortschrittsbalken + Blitz + Liquid-Morph-Wipe
  13. Linten – npx hyperframes lint. Muss 0 Fehler sein. Häufige Korrekturen: GSAP/CSS-Transformationskonflikt auf dem Wipe-Element (xPercent/yPercent verwenden oder die CSS-Transformation entfernen); überlappende Tweens auf derselben Eigenschaft (overwrite: "auto" hinzufügen).

  14. Rendern – npx hyperframes render --quality standard --fps 30 --output renders/<name>_FINAL.mp4. Standard ist das richtige Ausgabeziel – high verdoppelt die Renderzeit ungefähr. Vor dem Melden der Fertigstellung mit 6–8 Stichproben-Frames aus dem gesamten Timeline prüfen.

Vertikale (9:16) Ausgabe für TikTok / Reels / Shorts

Wenn der Benutzer eine vertikale / porträtierte / TikTok / Reels / 9:16 Ausgabe (aus einer 16:9 Quelle) wünscht:

  1. Das Projekt in einen Schwesterordner klonen: cp -r project/ project-vertical/.
  2. Dessen index.html durch references/host-template-vertical.html ersetzen (1080×1920 Leinwand, unscharfer Hintergrund mit Liquid-Blobs, das 16:9 Filmmaterial als zentrierter horizontaler Streifen, Untertitel darunter).
  3. Dessen gen_body.py durch references/gen_body_vertical.py ersetzen (zentrierte Kapsel, größere Schriften, schmalere max-width), dann erneut ausführen, um compositions/components/caption-body.html zu erzeugen.
  4. Die Hintergrund-Motiv-Ausschnitt + Parallax-Unterkompositionen entfernen (der Ausschnitt ist für 16:9 ausgerichtet; lohnt sich für v1 nicht neu auszurichten). Die vertikale Komposition verwendet stattdessen den unscharfen Quell-Hintergrund + Blobs für Atmosphäre.
  5. data-duration auf die tatsächliche Videodauer aktualisieren. Den Brand-Chip-Text in index.html aktualisieren (standardmäßig YUV.AI).
  6. Linten + Rendern – gleiche Befehle. Ausgabe ist 1080×1920. Direkt auf TikTok / IG Reels / YT Shorts hochladen.

Um sowohl 16:9 als auch 9:16 in einem Durchlauf auszuliefern, zwei Render-Befehle ausführen (in parallelen Projekten). Die Freigabe über transcript_review.txt gilt für beide – gleiche Untertitel, zwei Kompositionen.

Kritische Regeln

  • Das Finale niemals ohne explizite Transkriptionsfreigabe rendern. Der Prüfschritt ist der springende Punkt.
  • Für Hebräisch: large-v3 + language="he" + direction: rtl + Rubik (700 + 900 für redaktionelle Doppelgewicht-Betonung).
  • Untertitelkapseln benötigen immer einen undurchsichtigen dunklen Hintergrund – bloßer heller Text verschwindet auf weißer App-Oberfläche.
  • Untertitelkapseln horizontal zentrieren, aber die x-Koordinate der Mitte nach links verschieben (z. B. left: 720px), wenn das Filmmaterial ein Webcam-PiP unten rechts hat.
  • Der Hintergrund-Motiv-Ausschnitt-Clip MUSS data-media-start tragen, das seinem data-start entspricht (oder dem Offset aus der Quelle, wenn der Clip extrahiert wurde), sonst spielt der Ausschnitt ab Frame 0 und läuft aus dem Takt.
  • Das remove-background webm behält das ursprüngliche RGB und schreibt nur die Alpha-Maske – ffprobe meldet yuv420p, was wie „kein Alpha" aussieht. Über TAG:ALPHA_MODE=1 oder Überlagerung über eine Volltonfarbe bestätigen.
  • Outro/End-Karten mit eingebranntem Text – NICHT darüber untertiteln; sie kollidieren.

Dateireferenzen

DateiZweck
transcript-editor/index.htmlInteraktiver Browser-Editor – Videovorschau, RTL-Bearbeitung, Wörterbuch anwenden, optionale WebLLM-KI-Vorschläge, speichert transcript_review.txt
references/setup.mdVoraussetzungen + Installationsbefehle für Node / Python / FFmpeg / faster-whisper
references/transcribe.pyfaster-whisper Transkription mit CPU-Fallback + Wort-Zeitstempel
references/serve_review.pyLokaler Prüfserver – lädt den Editor automatisch, blockiert bis der Benutzer auf Freigeben & Rendern klickt, schreibt dann transcript_review.txt und beendet sich (signalisiert dem Agenten)
references/make_review.pyKorrekturen anwenden + transcript_review.txt ausgeben (Datei-Modus-Fallback)
references/apply_review.pyBearbeitete Prüfdatei parsen, Wort-Zeitstempel neu verteilen, transcript.json aktualisieren
references/gen_body.pyUntertitel-Körper-Generator (redaktionell + Matrix in Liquid-Glass-Kapseln)
references/host-template.html16:9 Host-Komposition mit flüssigen Effekten + Übergangs-Wipe
references/host-template-vertical.html9:16 Host (1080×1920) – TikTok / Reels / Shorts-Layout: unscharfer Hintergrund, zentrierter 16:9 Filmmaterialstreifen, Untertitel darunter, Brand-Chip oben rechts
references/gen_body_vertical.pyUntertitel-Körper-Generator optimiert für vertikal (zentrierte Kapsel, größere Schriften, schmalere max-width)
references/liquid-blobs.htmlVollzeit-Drift-Blob-Ebene
references/caption-parallax-outro.htmlHintergrund-Motiv-Untertitel-Vorlage (Englisch; für andere Sprachen klonen)
references/corrections-hebrew.mdBekannte hebräische Whisper-Hörfehler
references/transcript-review-workflow.mdDer Pause/Freigabe-Schritt im Detail

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

hoodini/ai-agents-skills

Edit any selfie or screen-share footage into a viral short-form video in YUV.AI's signature style — Apple-style liquid-glass cards (real CSS backdrop-filter), dark-mode polish, MrBeast-paced cuts, video-title karaoke captions, premium GSAP motion graphics, no fake content, never covering the speaker's face. Hebrew is rendered in Rubik Black, English in Anton uppercase. Always renders BOTH 9:16 and 16:9 and always saves with _V<N> suffix for backups. Trigger when the user drops a path to an .mp4/.mov/.mkv and says "edit this", "make it viral", "turn this into a short", or any Hebrew equivalent (ערוך סרטון, סרטון ויראלי, להפוך לוויראלי, ריל, שורט). The pipeline is the COMBINATION of two skills: video-use (transcription + word-snapped cuts + base extraction) and hyperframes (HTML/CSS/GSAP visual composition + render). Do NOT use for podcast-only audio edits.

hoodini/ai-agents-skills

Yuval Avidani's YUV.AI brand and design system. Apply ONLY when YUV.AI-branded output is requested — presentations, decks, keynotes, portfolio, brand site, profile, speaker bio, brand assets, or any prompt mentioning YUV.AI / "my brand" / "my deck" / "my site" / "for me". Do NOT auto-trigger on generic "build a game / web app / dashboard / landing page" without YUV.AI context — those use whatever palette fits. Three modes; NEON (hot pink #FF1464 + neon cyan #00E5FF + white, DEFAULT for YUV.AI web, apps, games, dashboards, social, general visual work); DECKS (Fly High purple/yellow/grey, presentations and slides ONLY); Warm Editorial (pink/yellow/bone for Hope, Marcus, bigcats.ai, practical.yuv.ai). Universal Fly High throughline across all modes; flight/progress motifs (HUD strips, dials, "Let's Fly High" tagline, phoenix mark). Anton + Inter (EN), Rubik + Assistant (HE), letter-spacing 0 default. Bundled brand assets, canonical socials, credentials. Project brand wins if specified.

hoodini/ai-agents-skills

Yuval's all-in-one AI video pipeline. Turns an idea/script into a finished, on-brand MP4 by orchestrating HyperFrames (HTML→deterministic video render), Lottie (branded motion graphics), ManimCE (math / neural-network / concept animations), and a transcribe→approve caption flow — all wrapped in the YUV.AI Neon Phoenix brand via a frame.md. Use whenever Yuval wants to make, edit, or explain something as a video: promo, explainer, launch, social reel, "make a video about X", "explain X as a video", "neural network animation", "turn this into a video", captioned tutorial, 16:9 or 9:16. Triggers: video, explainer, promo, reel, manim, lottie, hyperframes, animation, "make a video", "explain ... as a video", מצגת וידאו, סרטון, הסבר וידאו. Routes each beat to the right engine, wraps in brand, self-verifies, and renders.

hoodini/ai-agents-skills

Build a premium cinematic landing page with mouse-scrub video hero and brand-driven narrative-arc sections. Use whenever the user provides a hero video plus a product / subject / brand and wants a landing page, promo site, product showcase, marketing page, or storytelling site. Works for any language (RTL or LTR — Hebrew, English, Arabic, Spanish, French, Japanese, etc.) and any subject (food, tech, animals, fashion, services, SaaS, wildlife campaigns, music releases, books, real estate). The signature effect is mouse-driven video scrubbing — the hero video lives across the entire page as a fixed backdrop, and moving the mouse left-right scrubs the video timeline so the subject responds to the cursor. Below the hero, 4-5 fully-opaque sections each carry their own brand identity (color, typography emphasis, layout pattern) and walk the viewer through a narrative arc (e.g. longing → joy → nostalgia → contemplation → action). Triggers on phrases like "build a landing page from this video", "cinematic landing ...

hoodini/ai-agents-skills

Build a scroll-driven cinematic landing page from a short video. The user provides a 5–15 second video (often AI-generated); this skill extracts every frame at HD JPEG quality, then produces a single-hero HTML page where the user's scroll gesture scrubs the frames in place (the page itself never scrolls) and 5 dramatic text overlays crossfade in/out — Google Anton headlines, Caveat handwritten accents, locked body, virtual scroll. Use this skill whenever the user wants to "turn this video into a landing page", "make a scroll-scrub landing page", "build a parallax hero from this clip", "add a new landing page to the parasites showcase", "do the same as github/lion/hope for this new video", or any variant that pairs a short clip with dramatic scroll-triggered storytelling. Trigger even if the user only says "use my video for a landing page" — that is this skill.

hoodini/ai-agents-skills

Turn any video into a cinematic scroll-driven landing page — Apple-style hero where scrolling progresses the visible frame through the video. Use when the user provides a video file and asks for "a landing page from this video", "scroll-frame website", "Apple-style scroll site", "hero that scrubs the video", "like the GitHub Copilot landing", or any equivalent. Extracts N evenly-spaced frames via ffmpeg, builds a self-contained HTML page with a sticky hero + JS scroll listener that swaps the visible frame as you scroll, plus headline, sections and CTA below. For YUV.AI projects, applies the yuv-design-system skill in Neon mode (pink/cyan/white, default for YUV.AI web) — Decks (purple/yellow) is reserved for slides only. For generic / non-YUV.AI projects, picks an appropriate palette per the source video. Output is one folder with `index.html` and a `frames/` directory — drop on any static host.

hoodini/github-trending

Fetch and display GitHub trending repositories and developers. Use when building dashboards showing trending repos, discovering popular projects, or tracking GitHub trends. Triggers on GitHub trending, trending repos, popular repositories, GitHub discover.

hoodini/mongodb

Work with MongoDB databases using best practices. Use when designing schemas, writing queries, building aggregation pipelines, or optimizing performance. Triggers on MongoDB, Mongoose, NoSQL, aggregation pipeline, document database, MongoDB Atlas.

hoodini/owasp-security

Implement secure coding practices following OWASP Top 10. Use when preventing security vulnerabilities, implementing authentication, securing APIs, or conducting security reviews. Triggers on OWASP, security, XSS, SQL injection, CSRF, authentication security, secure coding, vulnerability.

Verwandte Skills