Communitygithub.com

Calypso-Podcast-Clips

Verwandle lokale Podcast-Aufnahmen über das Terminal in überprüfbare kurze Clips. Geeignet für schrittweise Durchläufe, zeitgestempelte lokale Transkription, Episodenkontext, Handlungsbögen, Kandidatenauswahl, Sprecherrahmung, Excalidraw-Erklärungen oder vertikale Video-Exporte in Calypso.

Was ist Calypso-Podcast-Clips?

Calypso-Podcast-Clips ist ein KI-Agenten-Skill, der entwickelt wurde, um lange Podcast-Aufnahmen in überprüfbare, kurze Video-Clips zu verwandeln – alles über die Kommandozeile. Er unterstützt Entwickler und Content-Ersteller mit einer Schritt-für-Schritt-Anleitung, die lokale Transkription mit Whisper, Episodenkontextanalyse und Export in verschiedene Formate wie vertikale Videos oder Excalidraw-Diagramme umfasst. Der Skill ist für Plattformen wie Codex optimiert und betont die lokale Ausführung, um Datenschutz und Leistung zu gewährleisten. Er funktioniert, indem er das Hauptskript `calypso.py` ausführt, Zwischendateien in einem `work/`-Verzeichnis verwaltet und den Benutzer durch jeden Schritt führt – von der Aufnahmeortung über die Transkription bis hin zum endgültigen Rendering. Wichtige Funktionen sind die automatische Erkennung von Sprecherwechseln, die Erstellung von Handlungsbögen mit Zeitstempeln, die Option für host-aufgenommene Sprachaufnahmen und die Integration von Excalidraw für visuelle Erklärungen. Der Skill priorisiert Benutzerentscheidungen bei mehreren Ansätzen, bewahrt die Quellenintegrität und erfordert keine Cloud-APIs für die Kernverarbeitung.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ashwinrs/calypso/tree/HEAD/.agents/skills/calypso-podcast-clips

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Calypso-Podcast-Clips?

Führen Sie ./scripts/calypso.py aus dem Repository-Stammverzeichnis aus. Verwenden Sie die README für die CLI-Syntax und JSON-Beispiele. Bewahren Sie die Quelle auf und behalten Sie Zwischendateien unter work/ bei.

Für eine geführte Ausführung geben Sie jeweils einen umsetzbaren Schritt an und erklären, wie das Ergebnis überprüft werden kann. Geben Sie Befehle mit den tatsächlichen Pfaden des Benutzers an, wenn dieser die Schritte selbst ausführen möchte. Führen Sie autorisierte CLI-Schritte aus, wenn der Benutzer Codex darum bittet, sie auszuführen. Setzen Sie die Arbeit beim zuletzt verifizierten Artefakt für diese Quelle fort.

Bestätigungen vor der Implementierung

Wenn für einen Schritt mehr als ein praktikabler Ansatz existiert, bitten Sie den Benutzer, vor der Umsetzung in einem Bearbeitungsplan, Skript, CLI-Befehl oder Export zu wählen. Geben Sie die Optionen an, empfehlen Sie eine und erklären Sie den praktischen Kompromiss. Die empfohlene Standardoption ist die erste, die präsentiert wird. Verwenden Sie Entscheidungen, die der Benutzer bereits für den Clip getroffen hat, und pausieren Sie nur die Arbeit, die von einer offenen Entscheidung abhängt. Fahren Sie während des Wartens mit der Inspektion der Quelle oder der Sammlung von Beweisen fort. Wenn die Quelle oder eine Werkzeugeinschränkung nur einen Weg zulässt, erklären Sie die Einschränkung, bevor Sie fortfahren.

Wenden Sie dies auf Transkriptions- und Kontextmethoden, Handlungsstruktur und Schnitte, Audio und Übergänge, wie Sprecherwechsel identifiziert oder bei Unklarheiten behandelt werden, Diagrammplatzierung und -timing sowie darauf an, ob die Calypso-CLI wiederverwendet oder ein benutzerdefiniertes Bearbeitungsskript geschrieben werden soll. Überprüfen Sie Schnittpunkte und Zuschneidegrenzen anhand der Quelle. Fragen Sie nach fehlenden Eingaben oder ungelösten Entscheidungen, die andernfalls eine Annahme erfordern würden.

Aufnahme finden und transkribieren

Verwenden Sie den angegebenen Quellpfad oder fragen Sie danach, wenn die Aufnahme unklar ist. Untersuchen Sie die verfügbaren Audiostreams und wählen Sie den Dialog-Track. Empfehlen Sie den lokalen Whisper large-v3-turbo und den Silero-Workflow im Yogurt-inspirierten Kontext, wenn die Modelle verfügbar sind. Der standardmäßige transcribe-Befehl funktioniert mit einem konfigurierten Whisper-Modell oder --model models/ggml-base.bin, wenn diese Datei existiert. Verwenden Sie ein verifiziertes Transkript für dieselbe Quelle erneut, wenn dessen Qualität ausreichend ist. Bestätigen Sie, dass das JSON einen brauchbaren Dialog und quellenrelative Zeitstempel enthält.

Wenn das Metal-Backend von Whisper oder der Chrome-Start von Excalidraw in der Codex-Sandbox fehlschlägt, wiederholen Sie den Vorgang mit entsprechendem Zugriff oder geben Sie den Befehl für das normale Terminal des Benutzers an. Verwenden Sie ein frisches Arbeitsverzeichnis, wenn die fehlgeschlagene Transkription bereits eines erstellt hat.

Episodenkontext aufbauen

Verwenden Sie den lokalen Notizdurchlauf im Yogurt-inspirierten Kontext. Kartieren Sie die gesamte Episode, bevor Sie Änderungen vorschlagen. Verknüpfen Sie Themen und Rückverweise mit zeitgestempelten Transkriptzeilen. Bewahren Sie auf, was vorgeschlagen, bestritten oder hypothetisch war. Überprüfen Sie die Notizen gegen das Transkript und lassen Sie die Sprecherzuordnung unsicher, wenn das Audio gemischt ist. Überprüfen Sie nahegelegene Zeilen und Beispielbilder, wo die Bedeutung von dem abhängt, was auf dem Bildschirm zu sehen ist.

Vollständige Geschichten vorschlagen

Beginnen Sie mit der Botschaft, die ein Zuschauer mitnehmen soll. Finden Sie den Aufhänger oder die Frage, den minimalen Kontext, um ihr zu folgen, sowie die Erklärung und den Höhepunkt. Kennzeichnen Sie vielversprechende Handlungsbögen, auch wenn sie sich über mehrere Minuten erstrecken oder die Antwort erst viel später kommt. Halten Sie die Quellenreihenfolge ein, es sei denn, der Benutzer wünscht eine andere Struktur und die resultierende Bearbeitung bewahrt die Bedeutung.

Für eine mehrteilige Geschichte speichern Sie eine separate story-arcs.json mit einer stabilen ID, einem Titel, der Kernaussage, dem vollständigen Quellbereich, geordneten, nicht überlappenden Behaltebereichen, Schnittbereichen mit Gründen, der geschätzten bearbeiteten Dauer und allen Verbindungen, die eine kurze visuelle Brücke benötigen. Verwenden Sie quellenrelative Sekunden und zeichnen Sie Transkriptzeilen-IDs für jeden Behaltebereich auf. Schneiden Sie Wiederholungen, Abschweifungen und tote Luft, während Sie Einschränkungen und notwendige Einrichtungen beibehalten. Vergleichen Sie die Zeilen auf beiden Seiten jeder vorgeschlagenen Verbindung und markieren Sie unklare Verbindungen für eine Audiovorschau. Präsentieren Sie den Quellbereich und die geschätzte bearbeitete Dauer, damit der Benutzer den Unterschied beurteilen kann.

Fügen Sie kürzere zusammenhängende Clips ein, wenn sie einen vollständigen Punkt liefern. Speichern Sie diese in clips.json und verwenden Sie list, um sie zu präsentieren. Der aktuelle render-Befehl akzeptiert ein kontinuierliches Intervall pro ID. Verwenden Sie einen separaten Grobschnitt-Schritt für ausgewählte mehrteilige Bearbeitungen und Vorschau-Verbindungen, bevor Sie die Bearbeitung als endgültig betrachten. Fragen Sie nach Clip-IDs und allen fehlenden Layout-Entscheidungen. Rendern Sie die vom Benutzer genehmigten Auswahlen.

Host-aufgenommene Sprachaufnahmen anfordern

Verwenden Sie den Originaldialog und host-aufgenommene Pickups für gesprochenes Audio. Halten Sie synthetisierte oder geklonte Stimmen aus Grobschnitten und endgültigen Exporten heraus, es sei denn, der Benutzer ändert diese Präferenz ausdrücklich.

Wenn ein Intro, Übergang oder eine sachliche Korrektur neue Sprache erfordert, geben Sie dem Host den genauen Text für jeden Pickup, wo er hingehört, eine geschätzte Dauer und einen eindeutigen Dateinamen oder Take-Label. Akzeptieren Sie kurze separate Aufnahmen oder eine Aufnahme mit deutlichen Pausen zwischen den Takes. Bereiten Sie die Bearbeitung und die visuellen Elemente vor, während der Host aufnimmt. Verwenden Sie stumme Textkarten für jede Zwischenvorschau, die fehlende Pickups benötigt.

Wenn die Aufnahmen eintreffen, ordnen Sie jeden Take seinem Cue zu, entfernen Sie überschüssige Stille, pegeln Sie ihn gegen den Podcast-Dialog ein und passen Sie das Timing der Karten an die aufgenommene Lieferung an. Überprüfen Sie die Verbindungen und bestätigen Sie, dass der Export nur Originaldialog und die host-aufgenommenen Pickups enthält.

Rahmung und Diagramme vorbereiten

Für einen vertikalen Clip mit einem Diagramm empfehlen Sie zuerst das genehmigte Layout: Beschneiden Sie auf den aktiven Sprecher, platzieren Sie diesen Zuschnitt im oberen Teil des Rahmens und reservieren Sie den unteren Teil für ein großes Diagramm. Zeigen Sie den linken Host, während er spricht, und wechseln Sie zum rechten Host, wenn er an der Reihe ist. Bestimmen Sie rechts und links anhand der Frames und des Dialogs dieser Aufnahme. Bieten Sie Diagramm unter oder über dem Host an, wenn beide Anordnungen möglich sind, und bestätigen Sie die Platzierung. Fragen Sie, was den Diagrammbereich füllen soll, wenn das Diagramm nicht im Bild ist, falls der Clip nicht durchgehend ein Diagramm verwendet.

  • Sprecher über Diagramm verwendet render --layout combined --framing <turns.json> --diagram <diagram.png>, wenn ein einzelnes Intervall und ein statisches Diagramm passen. Überprüfen Sie den Text in Telefongröße.
  • Zeitgesteuertes Diagramm oder mehrteilige Bearbeitung kann ein dediziertes Render-Skript verwenden, wenn die CLI das genehmigte Timing oder Layout nicht ausdrücken kann. Behalten Sie dieselbe Sprecher-über-Diagramm-Rahmung bei, wenn genehmigt. Halten Sie den gewählten Zuschnitt, das Layout und die Diagramm-Cues im Bearbeitungsplan fest. Konvertieren Sie quellenrelative Cue-Zeiten nach Berücksichtigung von Schnitten und Karten in die bearbeitete Zeitleiste.
  • Andere Layouts verwenden speaker mit --framing für einen reinen Sprecher-Zuschnitt, original für eine Totale oder diagram mit --diagram für reines Diagramm-Video mit Quellaudio. Eine Totale über einem Diagramm ist über combined ohne --framing verfügbar.

Für eine feste Zweier-Einstellung überprüfen Sie Full-Resolution-Frames und rahmen Sie jeden Sitz so ein, dass der Zuschnitt Gesicht und Schultern des Hosts umfasst. Erstellen Sie sortierte, nicht überlappende Sprecherwechsel in quellenrelativen Sekunden aus einer genehmigten Methode, wie manuelle Überprüfung, isolierte Mikrofon-Spuren oder lokales pyannote.audio Community-1 nach Modelleinrichtung. Bestätigen Sie den Sitz für jedes Sprecherlabel. Fragen Sie, wie unsichere Wechsel, Überlappungen und kurze Einwürfe behandelt werden sollen, wenn diese Entscheidungen von Bedeutung sind. Bieten Sie die Totale für unsichere Wechsel an, wenn möglich. Ein Bewegtkamera-Detektor wie TalkNet erfordert separate Integration und Validierung auf dem Filmmaterial.

Für mehrschrittige Erklärungen leiten Sie Knoten und Pfeile aus dem ausgewählten Ausschnitt ab oder verwenden Sie die Excalidraw-Szene des Benutzers. Führen Sie diagram aus, um ein PNG zu erzeugen, und behalten Sie die bearbeitbare Szene bei. Zeigen Sie die Vorschau des Sprecherwechsels und des Diagramm-Cues zusammen in Telefongröße an.

Exporte überprüfen

Führen Sie einen render-Befehl pro ausgewählter ID und Layout mit einem eindeutigen Ausgabepfad aus oder geben Sie ihn an. Überprüfen Sie die Ausgabedauer, Abmessungen, Codecs und Audio mit ffprobe. Zeigen Sie Vorschauen von Starts, Enden und Zuschnittübergängen auf Synchronisation, intakte Wörter und lesbare Rahmung an. Berichten Sie die Ausgabepfade und Kandidaten-IDs. Zeigen Sie in einer geführten Ausführung, wie ein Clip mit angepassten Grenzen oder einem anderen Layout wiederholt werden kann, wenn der Benutzer Änderungen wünscht.

Verwandte Skills