Communitygithub.com

captions

Brenne animierte Untertitel in ein vertikales Video ein – in einem von 7 Stilen: editorial-highlight, pop-sticker, paper-plane, smoke-exit, explosive-breakup, rolodex-flip, retro-typer. Kostenloses Starterpaket von @cornpop.studio.

Was ist captions?

Dieses Skill verwandelt ein Sprechervideo in dasselbe Video mit eingebrannten animierten Untertiteln. Die Wörter werden zeitlich an die Stimme angepasst, pro Zeile wird ein Schlüsselwort farblich hervorgehoben, und das Originalvideo sowie der Ton bleiben unverändert (die Untertitel werden darübergelegt). Es werden sieben verschiedene Stile angeboten, von Magazin-Serif mit Papierstreifen bis hin zu Rauchauflösung oder Retro-Schreibmaschine. Das Skill unterstützt die Plattformen Claude Code, Cursor und Codex und benötigt ffmpeg, Node.js 18+, Chrome sowie Python 3 mit faster-whisper. Der Workflow umfasst die Spracherkennung, manuelle Bereinigung der Worterkennung mit Markierung von Schlüsselwörtern und Zeilenumbrüchen, eine Vorschau der Frames und schließlich den endgültigen Render. Es ist ideal für Content-Ersteller, die schnell ansprechende, barrierefreie Kurzvideos für soziale Medien produzieren möchten.

Funktioniert mit~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shubhamseth29/claude-skills/tree/HEAD/captions

In Ihrer bevorzugten KI fragen

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

Dokumentation

/captions: 7 Untertitel-Stile

Verwandelt ein Sprechervideo in dasselbe Video mit eingebrannten animierten Untertiteln. Die Wörter sind zeitlich an die Stimme angepasst, pro Zeile wird ein Schlüsselwort in der Hervorhebungsfarbe angezeigt, und das Originalvideo sowie der Ton bleiben unberührt (Untertitel werden darübergelegt).

Die 7 Stile

Gib dies einAussehen
editorial-highlightMagazin-Serif, Schlüsselwort auf einem tiefroten Papierstreifen, kleine Seitennummer über der Zeile
pop-stickerFarbblöcke mit schwarzen Umrissen und harten Schatten, kleine Sticker erscheinen darum, Schlüsselwörter lila mit einem Stern
paper-planeEin Papierflieger in der Hervorhebungsfarbe fliegt vorbei und zieht die Zeile dahinter
smoke-exitKlobige serifenlose Wörter; wenn die Zeile endet, löst sie sich in Rauch auf, das Schlüsselwort raucht in seiner eigenen Farbe
explosive-breakupGroße, komprimierte Großbuchstaben; am Ende der Zeile explodiert jeder Buchstabe nach außen, Schlüsselwort in Funken
rolodex-flipDie Zeile baut sich Wort für Wort auf, jedes neue Wort klappt wie eine Rolodex-Karte herunter
retro-typerSchreibmaschinenbuchstaben, zeitlich zur Stimme eingetippt, blinkender Block-Cursor (optional: unscharfe Box)

Wenn der Benutzer keinen Stil angibt, zeige diese Tabelle und frage, welcher verwendet werden soll (empfehle pop-sticker).

Einrichtung (nur beim ersten Mal)

Führe im Skill-Ordner aus. Überprüfe zuerst, installiere nur, was fehlt:

  • ffmpeg und ffprobe (Mac: brew install ffmpeg, Windows: winget install ffmpeg)
  • Node.js 18+ und Google Chrome (oder Edge/Chromium). Führe dann npm install in diesem Ordner aus (klein: es nutzt das bereits auf dem Computer vorhandene Chrome).
  • Python 3. scripts/words.py erstellt bei der ersten Verwendung ein eigenes .venv hier und installiert faster-whisper.

Schritte

  1. Wörter. python3 scripts/words.py <video> schreibt <video>.words.json: [{"w":"Hallo","s":0.21,"e":0.48}, ...]. Überspringe, wenn der Benutzer bereits eine solche Datei hat (/captions words <video> = nur diesen Schritt ausführen).
  2. Bereinige die Wörter (bearbeite das JSON, behalte die Zeitangaben):
    • Korrigiere falsch erkannte Wörter, Namen und Markenschreibweisen. Frage den Benutzer bei Unsicherheit.
    • Markiere ein Schlüsselwort pro Zeile mit "k": true: das Wort, das den Punkt ausmacht (ein Ergebnis, eine Zahl, ein Name oder das überraschende Wort). Nicht jede Zeile benötigt eines.
    • Markiere Zeilenenden mit "br": true, sodass jede Zeile 2 bis 4 Wörter und unter ~20 Buchstaben hat und dort bricht, wo der Sprecher natürlich pausiert. Sobald ein br existiert, brechen Zeilen nur an br, Satzzeichen und langen Pausen.
    • Schreibe Symbole so, wie die Leute sie auf dem Bildschirm lesen: "slash" → "/", "percent" → "%" wenn es Teil eines Begriffs ist.
  3. Überprüfe Frames vor dem vollständigen Render. node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8 (wähle Momente mitten in einer Zeile). Betrachte die PNGs: Untertitel lesbar, nicht über dem Gesicht oder der UI der App. Zu hoch oder zu niedrig? Verwende --y (64 = Standard, niedrigere Zahl = höher). Zu groß? --size 0.85.
  4. Render. node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box] → <video>_<style>.mp4 neben dem Original. Ungefähr 3 Minuten für ein 60-Sekunden-Video.
  5. Teile dem Benutzer mit, wo sich die Datei befindet. Für einen Live-Blick auf alle 7 Stile mit dem eigenen Video öffne index.html in Chrome und lade das Video sowie die Wortdatei.

Optionen

FlagWirkung
--hl <#hex>Hervorhebungsfarbe für Schlüsselwörter. Voreinstellungen: Gelb #ffd23f (Standard), Koralle #ff7a59, Himmelblau #7cc4ff, Minze #9ff0b8
--y <0-100>Untertitelhöhe, % von oben. 64 befindet sich unter dem Kinn bei einem sprechenden Kopf
--size <n>Untertitelgröße, 1 = normal
--boxNur Retro Typer: weiche, unscharfe Box hinter dem Text
--out <datei>Ausgabepfad
--still <s>Überprüfungsframe zu dieser Sekunde anstatt eines vollständigen Renders (wiederholbar)

Hinweise

  • HDR-iPhone-Aufnahmen können nach dem Rendern ausgewaschen aussehen. Exportiere sie zuerst als SDR oder stelle das iPhone unter Einstellungen > Kamera > Formate > Kompatibelste ein.
  • Untertitel liegen immer über dem Video. Dies ist das Starterpaket: Wörter hinter dem Sprecher, Glas- und Wandtext-Stile sind nicht enthalten.
  • Schriftarten werden von Google Fonts geladen, daher benötigt der Render eine Internetverbindung.

Verwandte Skills