Communitygithub.com

Langform-Video

Bearbeitet ein ganzes Talking-Head-Video (Minuten bis Stunden, horizontal 16:9 für YouTube oder vertikal 9:16) durchgehend. Verkürzt Pausen, schneidet optional Ähs heraus, versteckt Schnittübergänge mit abwechselnden Hereinzooms, brennt saubere Untertitel mit Schlüsselwörtern auf einem Akzent-Pill ein, fügt Kapitelkarten ein und fügt an genau den richtigen Stellen gestaltete „Momente“ ein, die von anderen Skills (Explaination, Split-Screen, Hinter-der-Person, Ranking-Liste, Storytelling) erstellt wurden.

Was ist Langform-Video?

Dieser Skill verarbeitet ein Roh-Talking-Head-Video (horizontal oder vertikal) zu einem fertig bearbeiteten Endprodukt mit Untertiteln, Kapiteln und wahlweise eingebauten, visuellen „Momenten“. Er ist für Claude Code, Cursor oder Codex konzipiert und führt folgende Schritte aus: Transkription (über Groq API), Verkürzen von Pausen („Tighten“), automatisches Verstecken von Schnittübergängen durch sanfte Zooms, Einbrennen von Untertiteln mit Hervorhebung von Schlüsselwörtern, Generieren von YouTube-Kapiteldateien und Einfügen von erklärenden, vergleichenden oder aufzählenden Grafiken. Der Skill arbeitet auf Basis einer JSON-Spezifikation, die der Benutzer nach einer initialen Analyse erstellt. Die Wiederverwendbarkeit wird durch Zwischenspeicherung von Segmenten sichergestellt, sodass nur geänderte Teile neu gerendert werden. Ausgabe sind eine bearbeitete MP4-Datei, eine SRT-Datei für Untertitel und eine TXT-Datei mit Kapitelmarken.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alisolanki/alis-claude-editing-skills/tree/HEAD/skills/long-form

In Ihrer bevorzugten KI fragen

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

Dokumentation

/long-form

 source ──tighten──▶ tight take ──build──▶ edited.mp4  + .srt + .chapters.txt + .sheet.jpg
                     (Pauses geschnitten,          ├ unveränderte Abschnitte: Punch-Ins an Schnitten, Untertitel, Kapitelkarten
                      Wörter neu zugeordnet)      └ Momente: Explaination / Split-Screen / … gerendert und eingefügt

Erste Verwendung

Das Verzeichnis dieses Skills ist das „Basisverzeichnis“, das Claude Code beim Laden anzeigt.

SKILL_DIR="<Basisverzeichnis dieses Skills>"   # der Pfad, den Claude Code als „Basisverzeichnis für diesen Skill“ ausgegeben hat
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout

GROQ_API_KEY muss gesetzt sein, um zu transkribieren (lange Videos werden in 10-Minuten-Blöcke aufgeteilt). Benötigt ffmpeg und Node.

Schritte

  1. Prüfen. "$PY" "$KIT/reel.py" probe <video>: Größe, Länge und das Format, das auto wählt (breiter als hoch = horizontal 1920x1080, sonst vertikal 1080x1920). Nur fragen, ob der Benutzer die andere Form wünscht (eine horizontale Quelle kann auf vertikal zugeschnitten werden, was die Mitte beschneidet).
  2. Tighten (empfohlen für Rohaufnahmen, überspringen für bereits geschnittenes Material): "$PY" "$KIT/longform.py" tighten <video> [--max-gap 0.45] [--pad 0.12] [--cut-fillers] Es transkribiert, behält jedes Wort, verkürzt jede Pause länger als --max-gap auf etwa 2 × --pad und schreibt <video>.tight.mp4 plus <video>.tight.transcript.json (Wörter auf der neuen Zeitleiste und cuts mit den Positionen jedes Schnitts). Ab hier die Tight-Datei verwenden. --cut-fillers entfernt außerdem Ähs/Ähms/Ehrms.
  3. Lesen. "$PY" "$KIT/reel.py" words <video> gibt einen Satz pro Zeile mit Zeitangaben aus (auf der Tight-Zeitleiste, wenn getightet wurde). Bei langen Videos in Teilen mit --start/--end lesen. Notieren:
    • die Kapitel: wo das Thema wechselt (4 bis 10 bei einem 10- bis 20-minütigen Video), jedes mit einem 2- bis 5-Wort-Titel;
    • 2 bis 6 Momente: 4 bis 10 Sekunden lange Abschnitte, die einen konkreten, visuellen Punkt vermitteln (ein Vergleich, ein Schritt, eine Zahl, eine Rangliste, eine kleine Geschichte). Verteilen Sie sie; der größte Teil des Videos bleibt die unveränderte Aufnahme.
  4. Bildausschnitt. "$PY" "$KIT/reel.py" frame <video> <t> frame.jpg und ansehen: die Gesichtsmitte notieren (für face, verwendet bei den Punch-Ins) sowie die Augenhöhe und die Gesichts-x-Position für jeden Moment, der sie benötigt (eye_y, face_x, video_top...).
  5. Spezifikation. <video>.long-form.json neben dem Video schreiben (siehe unten). Pfade sind relativ zur Spezifikationsdatei.
  6. Bauen. "$PY" "$SKILL_DIR/build.py" <spec.json>. Momente werden zuerst gerendert (jeweils etwa 20 bis 40 s, zwischengespeichert), dann wird die Zeitleiste parallel in Segmenten codiert. Ein 15-minütiges 1080p-Video dauert etwa so lange wie ein oder zwei ffmpeg-Durchläufe.
  7. Prüfen. <out>.sheet.jpg (12 Frames, rot = vom Player oder der Reel-Oberfläche verdeckt), dann jeden Moment am Übergang und eine Kapitelkarte im Video selbst stichprobenartig prüfen. Spezifikation korrigieren und neu bauen; unveränderte Momente werden wiederverwendet.
  8. Übergeben. Die mp4, die .srt (für YouTube hochladen für durchsuchbare Untertitel, auch wenn sie eingebrannt sind) und die .chapters.txt (in die Beschreibung einfügen).

Spezifikation

{
  "video": "episode.tight.mp4",
  "format": "auto",
  "out": "episode.edited.mp4",
  "face": [880, 400],
  "punch_ins": {"every": "cut", "scale": 1.12, "min_hold": 2.5},
  "zooms": [{"start": 312.4, "end": 318.0, "scale": 1.25}],
  "captions": {"keys": ["carousel", "viral"], "karaoke": false},
  "chapters": [
    {"at": 0, "title": "Warum Karussells gewinnen"},
    {"at": "das zweite Ding", "title": "Einen viralen Beitrag finden"}
  ],
  "moments": [
    {"skill": "explainer", "start": 61.2, "end": 67.0,
     "title": "Klauen, was *funktioniert*", "eye_y": 400, "face_x": 880,
     "visual": {"type": "list", "items": [{"text": "Einen *viralen* Beitrag finden", "at": "find"}, {"text": "Nachbauen", "at": "recreate"}]}},
    {"skill": "split-screen", "start": 140.0, "end": 147.5, "face_x": 880, "zoom": 1.2,
     "badge": "Schritt 2", "headline": "*Eines* auswählen", "visual": {"type": "image", "src": "screens/app.png"}}
  ],
  "loudness": -14
}
  • video: die Tight-Datei oder die Rohdatei. start/end (optional) verwenden nur einen Teil davon.
  • format: auto, horizontal oder vertical.
  • face: [x, y] des Gesichts auf der Leinwand, der Mittelpunkt jedes Zooms. Standard: Mitte, etwas oberhalb der Mitte.
  • punch_ins: wechseln zwischen der unveränderten Aufnahme und scale (1,08 bis 1,18) bei jedem "cut" (erfordert ein getightetes Transkript; versteckt die Schnittübergänge), bei jedem "sentence" oder alle N Sekunden (eine Zahl). min_hold (s) verhindert flackernde Zooms. Weglassen, wenn keine Punch-Ins gewünscht sind.
  • zooms: explizite Halte bei einem Zoomfaktor, zusätzlich zu den Punch-Ins. Sparsam verwenden, für eine betonte Aussage.
  • captions: eingebrannte Hausuntertitel: Inter ExtraBold, weiß mit weichem Schatten, keys auf einem Akzent-Pill. karaoke: true dimmt Wörter, bis sie gesprochen werden. y und size verschieben und skalieren sie. false schaltet eingebrannte Untertitel aus (die .srt wird trotzdem geschrieben). Innerhalb von Momenten übernehmen die eigenen Untertitel des Moments.
  • chapters: at ist Sekunden oder ein gesprochenes Wort ("pricing", "pricing#2", "pricing-0.5"). Jedes erhält eine Karte (eine Akzentnummernkachel und den Titel) für etwa 3 s; "card": false bei einem oder "chapter_cards": false für alle behält nur den Eintrag in .chapters.txt. Ein erstes Kapitel, das nicht bei 0 liegt, erhält eine „Intro“-Zeile (intro_title).
  • moments: skill + start/end (Sekunden oder Wörter) + die eigenen Felder dieses Skills, genau wie in seiner SKILL.md beschrieben (vor dem Schreiben lesen). Format, Video und Transkript werden automatisch ausgefüllt. Momente dürfen sich nicht überschneiden. Ein Cutout-Skill (explainer, behind-the-person) fügt etwa 0,1 s pro Frame hinzu.
  • loudness: den endgültigen Mix auf diesen LUFS-Wert normalisieren (-14 ist für YouTube geeignet). Weglassen, um die Stimme wie aufgenommen zu belassen.
  • keep_work: true behält die codierten Segmente in .work/.

Stil

  • Die Aufnahme steht im Vordergrund. Untertitel und Punch-Ins tragen das gesamte Video; Momente sind die Würze (höchstens einen alle 1 bis 3 Minuten).
  • Jeder Moment veranschaulicht den genauen Satz, unter dem er liegt, landet auf den Wörtern, die ihn benennen, und verwendet die echten Bilder, Screenshots und Zahlen des Benutzers. Nie Ergebnisse erfinden.
  • Kapiteltitel sind kurz und konkret („Preise“, „Der 3-Schritte-Aufbau“), niemals Clickbait.
  • Horizontal: Untertitel und Karten innerhalb des sicheren Bereichs halten (das Sheet zeigt ihn); YouTube-Fortschrittsbalken bedeckt die unteren 120 px, wenn pausiert.
  • Vertikales Langformat verwendet dieselben Zonen wie Reels; Untertitel etwa bei y 1380 halten.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Verwandte Skills