Communitygithub.com

editar-video

Editiert professionell echtes Video mit lokalem ffmpeg – Farbkorrektur (normalisieren → ausgleichen → Szenen angleichen → Look), Sättigung, Kontrast, BT.709-Pegel, Hautton, iPhone HLG→SDR, Schnitte, J/L-Cut, Ebenen, Text, Untertitel, LUT .cube, Zoom/Stabilisierung, Loudness und Ausgabe für Reels/TikTok. Bewertet Farben messbasiert (Scopes und Zahlen pro Szene), nicht nach „sieht gut aus“, und liefert Vorher/Nachher-Blatt mit Werten.

Was ist editar-video?

Diese Skill ermöglicht professionelle, messbasierte Videobearbeitung direkt auf dem eigenen Rechner mit ffmpeg. Sie führt Farbkorrekturen (Sättigung, Kontrast, BT.709-Pegel, Hautton), HDR-zu-SDR-Konvertierung (iPhone HLG), Szenenabgleich, Schnitte (inklusive J/L-Cut), Text- und Untertiteleinblendungen, Zoom-/Stabilisierungseffekte sowie Loudness-Anpassung durch. Die Farbkorrektur erfolgt stets anhand von Messwerten (Scopes, Zahlen) – nicht nach subjektivem Eindruck. Die Skill erzeugt eine detaillierte Vorher/Nachher-Übersicht mit allen relevanten Werten und unterstützt die Ausgabe für Plattformen wie Reels und TikTok. Sie ist für Claude Code, Cursor, Codex und ähnliche KI-Agenten optimiert, die ffmpeg und ffprobe lokal nutzen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/arthurmkt/arthur-portfolio-mkt/tree/main/design/editar-video

In Ihrer bevorzugten KI fragen

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

Dokumentation

Gemessene Videobearbeitung

Prinzip: Farbe wird durch Messung beurteilt. Jede von mir vorgeschlagene Farbänderung wird mit der Zahl begründet, die sie motiviert hat (Scope, Perzentil, Hautwinkel), und mit der Zahl danach. Jede Regel dieser Skill hat eine Quelle; was keine Quelle hat, erscheint als [keine Quelle] und niemals als Regel.

Ausdrückliche Grenze: Ich sehe Einzelbilder und Zahlen, nicht das laufende Video. Rhythmus, Schnittgefühl und Look-Geschmack sind das Urteil der anfragenden Person. Bei der Ausgabe bitte ich explizit darum, dass die Person das Video auf dem Handy ansieht.

Voraussetzungen: ffmpeg und ffprobe (getestet mit Version 8.1.2, libvidstab für R61), Python 3.10+ mit numpy und Pillow (pip install numpy pillow).

Dateien

DateiZweck
scripts/escopos.pySzenendiagnose: Scope-Blatt (Waveform, Parade RGB, Vectorscope mit Hautlinie, Histogramm) + diagnostico.md/json mit Warnungen und Quelle
scripts/comparar.pyVorher × Nachher pro Szene: Blatt, split_cenaN.png in 1080, Zahlentabelle und gelöste/neue Warnungen
scripts/graduar.pyWendet den Korrekturplan (JSON) in der Signalreihenfolge an, in 16-Bit-RGB; --previa erzeugt Standbilder vorher/nachher
scripts/gerar_lut.pyWandelt die genehmigte Korrektur in eine .cube-LUT (33/65) für Premiere/Resolve/CapCut um und prüft mittels PSNR
scripts/montar.pySetzt Sequenzen mit harten Schnitten, J-Cut und L-Cut aus einer JSON-Liste zusammen
scripts/receitas.py38 ffmpeg-Rezepte mit Quellenangabe; testar clipe.mp4 führt alle aus; md erzeugt referencias/receitas-ffmpeg.md
referencias/cor-fluxo.mdSignalreihenfolge, Kontrast, Kurven, Sättigung, 16-Bit-Präzision
referencias/niveis-e-escopos.mdBT.709, EBU R103 v3.0, Lesen der einzelnen Scopes, Messung durch das Skript
referencias/pele.mdHautlinie, Chromabereich, Symptom → Ursache → Korrektur
referencias/hdr-hlg.mdiPhone HLG → SDR, BT.2408-Pegel, gemessene Kette
referencias/corte.mdMurch (Sechserregel, Blinzeln), Schnitt auf Aktion, J/L-Cut, Audiobearbeitung, Synchronität
referencias/plataformas.mdMeta und TikTok: Format, Sicherheitsbereich, Dauer, offizielle und inoffizielle Vorgaben
referencias/receitas-ffmpeg.mdDie 38 Rezepte nach Gruppen (Eingabe, Diagnose, Farbe, Look, Schnitt, Ebenen, Bewegung, Nachbearbeitung, Audio, Ausgabe)

Arbeitsordner: ein Ordner pro Stück (z. B. editar-video/<projekt>/<stück>/): Rohmaterial, Plan, Vorschauen, Blätter und Finale zusammen.

In den folgenden Befehlen steht ~/.claude/skills/editar-video für den Installationsort der Skill. Passen Sie den Pfad an, falls Sie die Skill woanders installiert haben.


Schritt 0 — Eingabe (ohne Tor)

python ~/.claude/skills/editar-video/scripts/receitas.py mostrar R01   # und mit der Datei ausführen

Vor allem anderen anhand der ffprobe-Zahlen entscheiden:

  • color_transfer=arib-std-b67 (HLG) oder smpte2084 (PQ) → zuerst nach SDR konvertieren (referencias/hdr-hlg.md, R03). Niemals nur das Label tauschen.
  • r_frame_rate ≠ avg_frame_rate → variable Bildrate: R02 vor dem Schneiden (Meta erfordert feste Bildrate, Ads Guide).
  • color_range=pc → prüfen, ob der Inhalt tatsächlich 0–255 ist, bevor konvertiert wird (R04). signalstats ignoriert das Range-Label.
  • KI-Datei, Bildschirmaufnahme: kommen oft ohne Tag oder im Vollbereich. Vor Annahmen messen.

Schritt 1 — Messbasierte Diagnose (Tor 1)

python ~/.claude/skills/editar-video/scripts/escopos.py bruto.mp4 -o diag            # SDR
python ~/.claude/skills/editar-video/scripts/escopos.py bruto.mp4 -o diag --sdr      # HLG: messen nach Tonemap
python ~/.claude/skills/editar-video/scripts/escopos.py bruto.mp4 --pele 0.35,0.15,0.3,0.25   # Gesichtsregion

Das Blatt nach der Methode SEHEN → VERGRÖSSERN → BESTÄTIGEN lesen: das Bild, dann jeden Scope, dann die Zahl. Anzeigen:

  1. das Blatt (folha_escopos.png) und die Tabelle pro Szene;
  2. gemessene Fakten, Zeile für Zeile, mit Regel und Quelle: „Szene 2: Hochwertanteile R 98,6 / G 90,0 / B 80,2 → warme Dominanz in den Lichtern, wenn die Wand weiß ist (Adobe, Parade RGB)“;
  3. was ich durch die Messung nicht weiß (z. B. ob der warme Ton beabsichtigt ist).

Die automatische Hautmaske (Chai & Ngan) erfasst Holz, Beige und Orange. Wenn das Gesicht klein ist oder ein Objekt der gleichen Farbe vorkommt, --pele mit der Gesichtsregion übergeben.

Tor 1: Die anfragende Person bestätigt, was Problem und was Absicht ist. Ich korrigiere keine Dominanz, die die Person wünscht.

Schritt 2 — Korrekturplan und Vorschau (Tor 2)

plano.json schreiben (Format im Kopf von graduar.py). Jede Operation enthält den gemessenen Grund im Feld "porque". Feste Reihenfolge: anpassen → global → Szenen (angleichen) → Look → Endbearbeitung → legalisieren (referencias/cor-fluxo.md, Abschnitt 1).

  • Normalisieren: Schwarz-/Weißpunkte pro Kanal (niveis) basierend auf baixas_RGB / altas_RGB.
  • Ausgleichen: zuerst Temperatur, dann Grün/Magenta (temperatura, balanco).
  • Szenen angleichen: die Referenzszene auswählen (die offenste oder die dem gewünschten Look am nächsten kommt, Colorist Guide 20, Lektion 2) und Y-Mittelwert, RGB-Lichter und Hautton der anderen annähern.
  • Look: erst nach dem Angleichen. Stil-Sättigung, kreative LUT. Look ist Geschmack: Ich schlage vor, die Person entscheidet.
python ~/.claude/skills/editar-video/scripts/graduar.py plano.json --mostrar   # Filterkette
python ~/.claude/skills/editar-video/scripts/graduar.py plano.json --previa    # vorher|nachher aus der Mitte jeder Szene

Tor 2: Genehmigung der Vorschau. Anpassungen erfolgen mit Angabe von Szene und Maß („Szene 3 weniger warm, halb so stark“). Ich ändere nur, was gewünscht wurde.

Schritt 3 — Render und messbasierter Vergleich (Tor 3)

python ~/.claude/skills/editar-video/scripts/graduar.py plano.json
python ~/.claude/skills/editar-video/scripts/comparar.py bruto.mp4 corrigido.mp4 -o comparacao --zoom-vs 2

folha_antes_depois.png + comparacao.md ausgeben (Werte vorher → nachher, gelöste und neue Warnungen, Spannweite zwischen den Szenen). Wenn eine neue Warnung auftaucht, korrigiere ich vor der Anzeige.

Tor 3: Genehmigung des korrigierten Videos, von der anfragenden Person angesehen.

Schritt 4 — Schnitt, Ebenen, Text, Bewegung (auf Wunsch)

  • Schnitt: Liste von Sequenzen als JSON → montar.py (hart, J, L). Regeln und Quellen in referencias/corte.md. Ich messe Einstellungsdauer und Schnitte pro Minute; den Rhythmus beurteilt die Person.
  • Text, Untertitel, Logo: R50–R52, immer innerhalb des Sicherheitsbereichs der Plattform (referencias/plataformas.md). Text wörtlich aus einer geschlossenen Liste. Untertitel folgt der Sprache, mit einer Lesedauer von 1 s pro 3 Wörter + 1 s.
  • Bewegung über dem Video: Zoom/Pan mit Easing (R60), Stabilisierung (R61), Geschwindigkeit (R62).
  • Motion Graphics von Grund auf (kinetische Typografie, animierte Zahlen): Skill /motion, wobei das Video als Einzelbildsequenz eingeht.
  • Reihenfolge: Grafiken und Untertitel kommen nach der Farbkorrektur und der HDR→SDR-Konvertierung (ITU-R BT.2408-9 §9).

Schritt 5 — Überprüfung und Ausgabe

Checkliste vor der Anzeige:

  1. comparar.py ohne Pegel-/Gamut-Warnung am Ende; BT.709-Tags mit ffprobe bestätigt.
  2. Auflösung, feste fps, Dauer, Bildanzahl, kein schwarzes Bild am Anfang/Ende.
  3. Text innerhalb des Sicherheitsbereichs; Untertitel stimmt mit der Sprache überein.
  4. Loudness gemessen (R80) und mitgeteilt. Der Zielwert von -14 LUFS ist [keine offizielle Quelle]; ich verwende ihn, wenn die Person zustimmt.
  5. Encode R90 (H.264, yuv420p, BT.709, +faststart).
  6. Kein starkes Aufblitzen oder reines Weiß in den ersten 3 Sekunden, falls es sich um eine TikTok-TopView handelt (plataformas.md).
  7. Die anfragende Person bitten, das Video auf dem Handy anzusehen: Rhythmus, Gefühl, Hautton.

Look, der wiederverwendet werden soll → gerar_lut.py --plano plano.json -o <projekt>_look.cube und --conferir zum Nachweis.

Code-Regeln (gemessen mit ffmpeg 8.1.2, 05.11.2026)

  1. Farbfilter in RGB kommt nach format=gbrp16le. Bei 8 Bit gehen beim Hin- und Rückwandeln 1,1 Code des mittleren Y verloren; bei 16 Bit ist es exakt.
  2. eq nicht in einem 10-Bit/HLG-Strom verwenden: Es erzwingt 8 Bit.
  3. Pfad im Filter: file='/ordner/datei.cube' (einfache Anführungszeichen; Pfade mit : oder Leerzeichen müssen mit \ maskiert werden).
  4. Tags am Ausgang: -colorspace bt709 -color_primaries bt709 -color_trc bt709 -color_range tv (+ setparams am Ende der Kette in graduar.py).
  5. Legalisiere erst am Ende (EBU R103 v3.0). Der limiter korrigiert kein RGB-Gamut; die RGB16-Stufe beschneidet bereits.
  6. -ss vor dem -i mit Reencode = präziser Schnitt; mit -c copy fällt der Schnitt auf den Keyframe.

Individual skills in this repo

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

Verwandte Skills