Maikozort/claude-skills

Analysiert eine Videodatei (Short, Reel, TikTok oder langes Video), um zu erkennen, was zu sehen und zu hören ist, worum es geht, welcher Moment sich am besten für Hook und Cover eignet, welche Kapitel es hat und welche Probleme oder Mängel vor der Veröffentlichung bestehen. Extrahiert lokal Frames und Transkription mit ffmpeg und Whisper. Verwende dies, wenn jemand den Pfad zu einem Video teilt und eine Überprüfung, Zusammenfassung oder Vorbereitung zur Veröffentlichung wünscht, oder als Analyseschritt innerhalb der Skill-Veröffentlichung.

Was ist claude-skills?

Diese Skill namens "Maikozort/claude-skills" ermöglicht es einem KI-Agenten (wie Claude), lokale Videodateien zu analysieren, ohne sie direkt ansehen zu müssen. Der Agent kann dadurch Videodateien in überprüfbare Frames und Transkriptionen umwandeln. Die Skill nutzt ffmpeg zur Bildextraktion und Whisper (über Python) zur Transkription. Der Anwendungsfall ist die Vorbereitung von Videoinhalten für die Veröffentlichung: Der Agent erstellt einen detaillierten Bericht, der technische Daten, eine Szenenbeschreibung, das Transkript, empfohlene Hook- und Cover-Frames, Kapitelvorschläge sowie Alarme (z. B. zu Urheberrechtsverletzungen, Marken oder KI-generierten Inhalten) enthält. Die Skill ist als CLI-Skript (Python) implementiert, das ausgeführt und dessen Ergebnisse geprüft werden. Der Agent muss alle extrahierten Frames in chronologischer Reihenfolge betrachten, um Szenenwechsel zu erkennen und die Qualität der Analyse sicherzustellen. Fehler bei fehlendem ffmpeg oder Transkriptionsmodul werden von der Skill behandelt, sodass der Agent den Benutzer entweder zur Installation anleiten oder mit den vorhandenen Daten weiterarbeiten kann.

Funktioniert mit✓Claude Code~Codex CLI~Cursor

npx skills add https://github.com/Maikozort/claude-skills/tree/HEAD/analizar-video

Dokumentation

Ein Video analysieren

Du kannst kein Video direkt ansehen. Dieses Skript wandelt es in etwas um, das du überprüfen kannst: Frames (Bilder mit genauer Sekunde) und Transkription mit Zeitangaben. Alles wird auf dem Computer des Benutzers verarbeitet.

1. Das Skript ausführen

Aus dem Ordner dieser Skill:

python scripts/analizar_video.py "PFAD/ZUM/VIDEO.mp4" --salida "analyse-<name>"

Nützliche Optionen:

--idioma es wenn du die Sprache kennst (schneller und genauer als automatische Erkennung).
--modelo base auf langsamen Rechnern; --modelo medium wenn das Audio schwierig ist.
--max-fotogramas 40 für lange Videos.
--sin-transcripcion wenn du nur das Visuelle brauchst.

Wenn es fehlschlägt:

ffmpeg nicht gefunden → bitte den Benutzer, es zu installieren (https://ffmpeg.org/download.html) oder arbeite mit der Zusammenfassung des Benutzers.
Kein Transkriptionsmodul → das Skript teilt dies in info.json mit. Fahre mit den Frames fort und bitte den Benutzer um eine Zusammenfassung des Gesagten, oder schlage pip install faster-whisper vor.
Transkribieren dauert (beim ersten Mal wird das Modell heruntergeladen) → führe es im Hintergrund aus, wenn deine Umgebung dies erlaubt.

2. Die Ausgabe prüfen

info.json: Dauer, Auflösung, Ausrichtung, Audio, Liste der Frames und Status der Transkription.
fotogramas/*.jpg: Betrachte sie alle, in der Reihenfolge. Der Dateiname enthält die Zeit (f03_00-12.jpg = Sekunde 12).
transcripcion.txt: Was gesagt wird, mit Zeitangaben. transcripcion.srt: bereit zum Hochladen als Untertitel.

Wenn ein wichtiger Abschnitt ohne Frame bleibt (ein abruptes Change zwischen zwei), extrahiere einen zusätzlichen:

ffmpeg -v error -ss 00:00:15 -i "VIDEO.mp4" -frames:v 1 extra_00-15.jpg

3. Bericht

Erstelle diesen Bericht, kurz und konkret:

## Videoanalyse

**Technische Daten:** 0:42 · hochkant 1080x1920 · 60 fps · mit Audio · Sprache: Deutsch

**Worum es geht:** <2-3 Zeilen>

**Was zu sehen ist, abschnittsweise**
- 00:00-00:05: …
- 00:05-00:18: …

**Was gesagt wird:** <Zusammenfassung; kurze Textzitate der Schlüsselsätze>

**Erkanntes Thema / Spiel:** <Name> (sicher / wahrscheinlich / nicht identifiziert; warum)

**Bester Moment für den Hook:** <Sekunde und warum>. Startet das Video damit? Wenn nicht, schlage einen Zuschnitt vor.

**Empfohlenes Cover-Bild:** <Dateiname und Sekunde>

**Vorgeschlagene Kapitel** (nur bei langen Videos, mindestens 3, jedes ≥10 s):
00:00 …

**Erkannte Schlüsselwörter:** <gesprochen oder auf dem Bildschirm gesehen>

**Warnungen**
- Kommerzielle Musik oder Audio von Drittanbietern → Risiko von Content ID oder Stummschaltung
- Sichtbare Marken oder Produkte → Sponsoring?
- Sensibler Inhalt (Gewaltdarstellung, starke Sprache) → Altersbeschränkung
- Personen oder Szenen, die KI-verändert wirken → KI-Label
- Text oder wichtige Elemente in Bereichen, die von der Benutzeroberfläche verdeckt werden (hochkant: oben, unten, rechte Seite)
- Bereits eingebrannte Untertitel im Video → keine automatischen Untertitel aktivieren, die sich überschneiden (Facebook)
- Einblendungen oder Bildschirmtexte, die etwas versprechen, was das Video nicht einlöst
- Schnitte, schwarze Bildschirme oder Capture-Ausfälle
- Qualität: leises oder übersteuertes Audio, unscharfes Bild, langsamer Start

**Was für den Zuschauer unklar bleibt:** <fehlender Kontext; was im Copy erklärt werden sollte>

**Empfehlungen:** <2-4 konkrete Aktionen>

Regeln

Beschreibe, was du siehst und hörst, nicht was du vermutest. Wenn etwas unsicher ist, sag es ("es scheint … zu sein").
Wenn der Benutzer eine Zusammenfassung gegeben hat, vergleiche sie mit deinen Erkenntnissen. Widersprechen sie sich, frage nach.
Whisper schreibt Eigennamen (Klassen, Charaktere, Fachjargon) falsch. Korrigiere sie anhand dessen, was auf dem Bildschirm zu sehen ist, und übernimm sie nicht falsch in den Copy.
Das Spiel identifizieren: Achte auf das Interface (HUD), Menüs, Logos und Namen auf dem Bildschirm. Wenn du dir nicht sicher bist, frage nach.
Identifiziere keine realen Personen anhand ihres Gesichts. Verwende nur Namen, die auf dem Bildschirm, im Audio oder vom Benutzer genannt werden.
Der Analyseordner verbleibt auf dem Computer des Benutzers. Sage ihm am Ende, wo er sich befindet und dass er ihn löschen kann.