Communitygithub.com

UgurKeskekci/claude-video-kit

Erstellt einen groben Schnitt aus horizontalen YouTube-Sprachvideos (Kameraaufnahme, optional separater Bildschirm-Mitschnitt). Erstellt ein wörtliches Transkript, schneidet Stille und aufeinanderfolgende Wiederholungen aus dem Ton; Claude liest das Transkript und schreibt eine begründete Verwurfliste, erzeugt MP4, löst den geschnittenen Ton erneut auf und prüft jede Verbindung.

Was ist claude-video-kit?

Dieses Skill automatisiert die Rough-Cut-Erstellung von horizontalen YouTube-Sprachvideos. Es analysiert den Ton, identifiziert Pausen, Wiederholungen und stille Lücken und entfernt diese automatisch, wobei der Schnittpunkt auf das leiseste Bild des Tones gelegt wird. Claude (der AI-Assistent) liest dann das gesamte Transkript und fügt eigene Entfernungen hinzu: Neustarts, Schnittnotizen des Sprechers, Korrekturen von Versprechern und irrelevante Abschnitte. Jeder Schnitt wird mit einer Begründung versehen. Das Ergebnis ist eine MP4-Datei, kein NLE-Projekt; Farbkorrektur, Musik, Untertitel und Grafiken sind nicht enthalten. Das Skill unterstützt die Synchronisation von separaten Kamera- und Bildschirmaufnahmen, ermöglicht die Definition von Bildblöcken (z.B. Kamera, Bildschirm, beschleunigte Bildschirmabschnitte) und führt eine abschließende Qualitätskontrolle durch, bei der der geschnittene Ton erneut aufgelöst wird, um fehlende oder durchgesickerte Wörter zu erkennen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/UgurKeskekci/claude-video-kit/tree/HEAD/.claude/skills/yatay-kurgu

In Ihrer bevorzugten KI fragen

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

Dokumentation

Horizontaler Schnitt (Rough Cut)

Erstellt aus einer rohen Sprachaufnahme einen sendefähigen Rough Cut. Die Arbeitsteilung ist wie folgt:

  • Werkzeuge messen den Ton: Sie entfernen Pausen, aufeinanderfolgende Wiederholungen und stille Lücken und setzen den Schnittpunkt auf das leiseste Bild des Tons.
  • Du (Claude) liest das Transkript von Anfang bis Ende und entfernst, was die Werkzeuge nicht sehen können: Neustarts, Schnittnotizen wie "hier schneide ich", falsch ausgesprochene und korrigierte Zahlen, vom Thema abschweifende Teile. Du schreibst eine Begründung für jeden Schnitt.
  • Prüfung löst den geschnittenen Ton erneut auf und sucht in jeder Verbindung nach abgehackten oder durchgesickerten Wörtern.

Die Ausgabe ist eine MP4-Datei (kein NLE-Projekt). Farbkorrektur, Musik, Untertitel und Grafiken sind nicht Aufgabe dieses Skills.

Wann verwenden

  • Wenn der Benutzer eine horizontale Sprachaufnahme bereitstellt und sagt: "Schneide", "Entferne Pausen".
  • Wenn Kamera- und Bildschirmaufnahme separate Dateien sind und synchronisiert werden müssen.
  • Nicht für vertikale Videos (Reels/Shorts); dort sind Leinwand und Untertitel anders.

Vorbereitung

  • ffmpeg muss im PATH sein; Python-Abhängigkeiten werden mit kur.sh im Repository-Stamm installiert. Verwende als Python .venv/bin/python (Windows: .venv\Scripts\python).
  • Das Whisper-Modell wird beim ersten Lauf heruntergeladen (large-v3 ≈ 3 GB). Sage dem Benutzer Bescheid, bevor du es herunterlädst.
  • Die meiste Zeit benötigt Whisper. Messung (M1 Pro 8-Kern CPU, large-v3 int8, wörtlicher Modus, parallel laufender anderer Render): Eine 4-minütige Aufnahme wurde in 10 Minuten gelöst (0,4-fache Echtzeit); dogrula löst den geschnittenen Ton mit derselben Geschwindigkeit erneut. Schnitt, Synchronisation und Plan dauern Sekunden, der gesamte Vorgang Minuten. Informiere den Benutzer bei langen Aufnahmen vorab über die Dauer; für schnelle Tests kann --model medium oder small verwendet werden (weniger genau, die Regeln wurden mit large-v3 gemessen), führe die finale Prüfung jedoch mit dem Standardmodell durch. Bei NVIDIA GPU wählt --cihaz auto CUDA automatisch aus.
  • Jeder Auftrag hat seinen eigenen Ordner: calisma/<projekt>/. Verschiebe, lösche oder überschreibe die Rohdateien des Benutzers nicht; die Werkzeuge lesen sie nur.

Im Folgenden steht K = .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py, P = calisma/<projekt>.

Ablauf

1. Transkription. Extrahiert den Ton, erstellt ein wörtliches Transkript und erstellt den ersten Plan (ohne Entfernungsliste).

K dokum P --video kamera.mp4 [--ekran ekran.mp4] [--terimler "videospezifische Begriffe"]

Gib besondere Namen im Video (Produkte, Personen, Spieletitel) mit --terimler an; Whisper schreibt sie dann korrekt.

2. Lies P/dokum.md von Anfang bis Ende. Lies es vollständig, abschnittsweise mit Read. Überfliegen reicht nicht: Neustarts und Schnittnotizen verstecken sich mitten im Satz. Achte beim Lesen auf:

  • Neustart: Zweiter Versuch derselben Idee. Der letzte Versuch bleibt, die vorherigen werden entfernt. [ADAY]-Zeilen sind Hinweise, die Entscheidung liegt bei dir.
  • Schnittnotiz und Selbstnotiz: "hier schneide ich", "das nehmen wir nochmal", "Schnitt", "Entschuldigung", "Nochmal.", "so nicht sein", "Notiz an …: hier das einfügen". Der Benutzer kann Schnittanweisungen verbal geben; das ist das zuverlässigste Zeichen.
  • Falsch ausgesprochene und korrigierte Zahlen, Namen, Einheiten: die falsche Version wird entfernt.
  • Füllwörter ("Ja. Also jetzt ähm…"), unverständliches Gemurmel, halbe Sätze.
  • Vom Thema abschweifende, unnötig lange Teile. Dies ist eine inhaltliche Entscheidung: Frage den Benutzer, bevor du sie entfernst.
  • DÜŞTÜ-Zeilen: durch Tonmessung herausgefallene Wörter. Meistens sind es Whisper-Halluzinationen oder Atemgeräusche; falls ein bedeutungsvolles Wort herausgefallen ist, überprüfe es mit zarf.

3. Schreibe P/atilacak.json. Mit Quellsekunden und einer Begründung für jede Zeile:

[
  {"bas": 31.20, "son": 36.85, "gerekce": "Neustart: erster Versuch des Satzes, zweiter bleibt"},
  {"bas": 102.40, "son": 104.10, "gerekce": "Schnittnotiz: sagte 'hier schneide ich'"}
]
  • Nimm die Grenzen aus den [start–end]-Zeitstempeln im Transkript; das Werkzeug setzt den Schnitt auf das leiseste Bild innerhalb von ±0,2 s, genaue Treffer sind nicht nötig. Ein Wort, das in die Mitte des Intervalls fällt, wird entfernt: Beende son KURZ VOR dem Zeitstempel des ersten Wortes, das bleiben soll, um ein Übergreifen zu vermeiden.
  • Wenn nur ein Teil einer Zeile entfernt werden soll, untersuche mit K zarf P 100 106 die Wortzeitstempel und den Ton.
  • Wenn eine bewusste Betonungswiederholung ("Schritt für Schritt", "Information Information Information") nicht automatisch entfernt werden soll, schreibe das Intervall im gleichen Format in P/korunacak.json.
  • Gegensätze und Anaphern sind keine Wiederholungen: "Hier steht etwas. Hier steht etwas anderes." – beide bleiben.

4. Bildblöcke (optional): P/bloklar.json. Wenn nicht vorhanden, gilt die gesamte Aufnahme als ein einzelner Kamerablock.

[
  {"etiket": "Einleitung", "bas": 0, "son": 95.5, "goruntu": "kamera"},
  {"etiket": "Demo", "bas": 95.5, "son": 400, "goruntu": "ekran"},
  {"etiket": "Test läuft", "bas": 400, "son": 520, "goruntu": "ekran-hizli"}
]
  • kamera: Hauptaufnahme im Vollbild; bei geschnittenen Stellen wechselt die Zoomstufe zwischen 1,00 und 1,06.
  • ekran: Bildschirmaufnahme im Vollbild, mit kleiner runder Kamera in der Ecke. Für Blöcke, in denen du keine Eckenkamera möchtest, setze "kose": false.
  • ekran-hizli: Stille wird nicht entfernt; Stellen ohne Sprache, die länger als 2,4 s sind, werden mit 2x beschleunigt (bei >6 s mit 4x), mit einem "2x"-Badge oben links. Verwende dies, um etwas laufendes zu zeigen.
  • Lege Blockgrenzen zwischen Sätze. Wenn die Person nicht in die Kamera schaut (sondern auf den Bildschirm erklärt), sollte dieser Abschnitt ekran sein; zeige das Gesicht nur, wo sie direkt in die Kamera schaut. Wenn du unsicher bist, extrahiere ein paar Frames aus beiden Aufnahmen mit ffmpeg -ss <sn> -i kamera.mp4 -frames:v 1 kare.jpg.

5. Erstelle den Plan und lies ihn erneut.

K kurgu P

dokum.md wird neu geschrieben. Überprüfe, ob die ATILDI-Zeilen den richtigen Satz erwischt haben und der verbleibende Text flüssig lesbar ist. Wiederhole ggf. die Schritte 3–5; dieser Schritt dauert Sekunden.

6. Synchronisation (falls Bildschirmaufnahme vorhanden).

K senkron P            # ekran_t = ana_t + offset + drift·ana_t  -> P/senkron.json

Die r-Werte der Fenster sollten über 0,5 liegen und die Offsets innerhalb weniger Millisekunden konsistent sein. Wenn die Bildschirmaufnahme kein Mikrofon hat, gib den Offset manuell an: K senkron P --ofset 2.5.

7. Rendern. Zuerst einen kleinen Test, dann das Ganze (Teile bleiben im Cache, der zweite Durchlauf ist schnell):

K cek P --bas 0 --bit 15      # erste 16 Teile -> P/cikti/kurgu-0-15.mp4
K cek P [--boyut 2560x1440]   # Vollständig -> P/cikti/kurgu.mp4
K temas P                     # Ein Bild pro Block -> P/kontrol/temas.jpg (mit Read ansehen)

Sieh dir temas.jpg unbedingt an. Wenn das Gesicht in der Eckenkamera zu klein oder am Rand ist, passe den Zuschnitt an mit --kose-kirp 0.52,0.45,0.5 (Zentrum x, Zentrum y, Kante/Höhe). Wenn die Bildschirmaufnahme schwarze Balken oder Browserleisten an den Rändern hat, schneide sie mit --ekran-kirp 2468:1388:46:47 (Breite:Höhe:x:y, Quellpixel) zu; behalte das Seitenverhältnis 16:9 bei.

8. Prüfen und korrigieren.

K dogrula P                   # löst den geschnittenen Ton erneut -> P/dogrula.md
K pencere P 104.10 212.75    # ±3 s der verdächtigen Verbindungen (Quellsekunden)

In dogrula.md für jede verdächtige Stelle:

  • FEHLT (erwartetes Wort nicht hörbar): Lass es dir zuerst mit pencere anhören. Kurze Wörter (und, der, die) werden von Whisper beim zweiten Durchlauf oft übersprungen; das sind meist falsche Alarme. Falls wirklich ein Wort weggeschnitten wurde, erweitere/verkleinere die entsprechende atilacak-Grenze oder entferne den Schnitt.
  • DURCHGESICKERT (ein entferntes Wort ist hörbar): Vergrößere das Entfernungsintervall, sodass es das Wort abdeckt.
  • Bevor du einen Schnitt als falsch bezeichnest, höre dir den Ton mit zarf an; verlasse dich nicht nur auf die Zeitstempel.

Nach Korrekturen führe erneut kurgu → cek → dogrula aus. Unveränderte Teile werden nicht neu erzeugt.

9. Bericht an den Benutzer. Kurz und mit Zahlen:

  • Dauer: roh → geschnitten (z.B. 4:00 → 2:48, 30 % kürzer), Anzahl der Teile und Blöcke;
  • Von dir manuell entfernte Stellen, einzeln mit Begründung (Zeit + eine Zeile);
  • Anzahl automatisch entfernter Wiederholungen, beschleunigte Intervalle;
  • Prüfung: Anzahl Verbindungen, Anzahl verdächtiger Stellen, welche korrigiert wurden, welche falscher Alarm waren;
  • Lautstärkepegel (LUFS) und Pfad der Ausgabedatei. Gib inhaltliche Schnitte (unnötige Details) gesondert an; falls sie zurückgenommen werden sollen, reicht das Löschen einer Zeile.

Gelernte Regeln (kurz)

  • Der Ton entscheidet. Ein Intervall ohne Wörter bedeutet nicht Stille: Whisper kann Wiederholungen verschlucken. Der Schnittpunkt wird aus dem Ton ermittelt, die Wörter sagen nur, was behalten wird.
  • Whisper-Zeitstempel driften um ~0,5 s (meistens zu früh). Schneide nach dem Ton, nicht nach den Zeitstempeln.
  • Nicht mitten durch ein Wort schneiden. Die Regionsgrenzen liegen dort, wo der Ton endet, plus Atemzug: am Satzende 0,28 s, innerhalb eines Satzes 0,12 s; beginnen 0,06 s vor dem Start.
  • Bei langem Kontext verschluckt Whisper Stockungen; daher basiert das Transkript auf ≤10 s unabhängigen Teilen.
  • Ton und Bild sind auf dem gleichen Frame-Raster (30 fps, Teil = voller Frame, Ton = Frame × 1600 Samples).
  • Keine weitere "Lückenverkürzung" einbauen; wurde getestet, verschluckte Wörter (Details in kurallar.md).

Alle Regeln mit Messungen: references/kurallar.md. Dateiformate und Befehlsoptionen: references/dosyalar.md.

Bekannte Grenzen

  • Nur eine Hauptquelle (Ton + Kamera). Bei mehreren Teilen verbinde sie zuerst mit ffmpeg oder erstelle ein separates Projekt pro Teil.
  • Der Ton kommt immer von der Hauptquelle; der Ton der Bildschirmaufnahme wird nur zur Synchronisation verwendet.
  • Die Eckenkamera hat einen festen Zuschnitt, keine Gesichtsverfolgung.
  • Im Kamerablock gibt es keine Übergangseffekte; Jump Cuts werden durch Zoom abgemildert.
  • [ADAY] ist verrauscht (ca. 17 Zeilen in 4 Minuten); die meisten sind natürliche Wiederholungen wie "benötigt … benötigt". Die tatsächlichen Neustarts findest du durch Lesen des Transkripts, die Vorschlagsliste ist nur ein Hinweis.
  • Schnittnotizen ("hier einen Klingelton einfügen", "dort eine Leiste einblenden") werden entfernt, aber nicht umgesetzt: Grafiken und Effekte sind nicht Aufgabe dieses Skills. Liste sie separat im Bericht auf.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

UgurKeskekci/claude-video-kit

Kodla (görsel üretim modeli OLMADAN) hikâye anlatan kısa mürekkep çizgi animasyonu üretir — X/Twitter gönderisi, Reels/Shorts, YouTube video arası ya da soğuk açılış. Görüntü PIL mürekkep motoruyla, müzik ve efektler numpy sentezi ile aynı zaman programından üretilir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "animasyon yap", "çizgi animasyon", "halimi anlat", "durumumu göster", "twitter için animasyon", "reels animasyonu", "araya animasyon", "çöp adam animasyonu", "kodla video", "one-shot animasyon".

UgurKeskekci/claude-video-kit

Konuşan kafa kaydından (kamera, ses içinde; yatay 4K ya da dikey) dikey Instagram Reels / YouTube Shorts / TikTok videosu (1080x1920, 30 fps) üretir, "kart" formatında - üstte söylenen kelimede beliren sade arayüz kartları (sohbet balonu, liste, harf harf yazılan terminal, dosya ağacı, büyük sayı, gerçek ekran görüntüsü), altta yuvarlak köşeli yüz kartı, aralarında kelime kelime altyazı, kart geçişinde yumuşak whoosh, yazarken klavye sesi, sonda "yorumlara yaz" sorusu. Şu durumlarda kullan - "reels yap", "bundan reels çıkar", "shorts yap", "dikey video", "kartlı reels", "bilgi veren reels", "ipucu videosu", "üstte kart altta yüz", "yorumlara yaz diye bitsin", "tips reels".

UgurKeskekci/claude-video-kit

Sayı ve yazıyla hikâye anlatan editoryal hareketli grafik videosu üretir (Remotion) — X/Twitter gönderisi, Reels/Shorts, YouTube video arası. Hikâye JSON sahne listesi olarak yazılır (başlık, yazılan istem, sayaç, ölçer, sütunlar, karşılaştırma, liste, soru), 16:9 ve 9:16 render edilir, yumuşak whoosh + klavye + sakin müzik yatağı numpy ile sentezlenip eklenir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "X için animasyon/video", "hareketli grafik", "motion graphics", "sayılarla anlat", "sonuçları grafikle göster", "karşılaştırma videosu", "test sonucunu animasyonla anlat", "reels grafiği", "araya grafik", "Remotion".

Verwandte Skills