Galina-neiro/video-ru

Видео на русском

Этот скилл — короткая надстройка. Тяжёлую работу делают программы (ffmpeg, Whisper) и официальные скиллы HyperFrames от HeyGen; здесь только маршрут и правила для русских роликов. Из скиллов HyperFrames читать только тот, который нужен для задачи, не все подряд.

Первый запуск: настроить под этот компьютер

Работает только в Claude Code (приложение, VS Code или терминал): нужны программы на компьютере.

Сначала прочитать настройки.md рядом с этим файлом. Если там уже записан компьютер — ничего не проверять, брать команды оттуда (свой python, путь к ffmpeg, модель, --cpu или нет). Если файл пустой или что-то из записанного перестало работать — пройти настройку ниже и записать результат туда.

Настройка — один раз:

Что	Проверка	Зачем
ffmpeg / ffprobe	ffmpeg -version	звук и кадры из видео
Python 3.10+ с faster-whisper и yt-dlp	python -c "import faster_whisper, yt_dlp" (на Mac — python3)	расшифровка, скачивание по ссылке
Node.js	node -v	HyperFrames
Скиллы HyperFrames	есть ли скилл hyperframes в списке скиллов	монтаж, плашки, анимация
Видеокарта NVIDIA (не обязательно)	nvidia-smi (название и память)	расшифровка в десятки раз быстрее
Уже стоящий Whisper	pip list (faster-whisper, openai-whisper, whisperx), папки с моделями, спросить пользователя	не ставить второй

Свой Whisper. Если у пользователя уже есть faster-whisper и скачанные модели — второй не ставить: передавать скрипту путь к папке модели через --model <путь> или задать HF_HOME на его кэш. Если стоит другой Whisper (openai-whisper, whisper.cpp, whisperx) — спросить, оставить ли его. Если оставить, расшифровывать им, а потом привести результат к формату нашего скрипта (words: {"words":[{"text","start","end","type":"word"}]}, flat: тот же список слов без обёртки) — именно этот формат ждут скиллы HyperFrames.

Модель под видеокарту (faster-whisper):

Компьютер	Что брать
NVIDIA от 6 ГБ памяти	large-v3-turbo на видеокарте (по умолчанию) — лучший русский
NVIDIA 4 ГБ	large-v3-turbo с --compute int8_float16 или --model medium
Без NVIDIA (в т.ч. Mac, AMD, ноутбук со встроенной графикой)	--cpu, модель small (быстро) или large-v3-turbo (точнее, но в разы дольше)

Проверить на коротком куске (ffmpeg -t 10) своего ролика: если на видеокарте падает с ошибкой CUDA или памяти — поставить библиотеки ниже или взять модель меньше. Скорость и качество показать пользователю и выбрать с ним.

Если чего-то нет — перечислить пользователю, что и сколько весит, и ставить только с его согласия. На Windows спросить, на какой диск ставить, если на C мало места.

• ffmpeg, Node, Python: Windows — winget install Gyan.FFmpeg, winget install OpenJS.NodeJS.LTS, winget install Python.Python.3.12; Mac — brew install ffmpeg node python.
• Библиотеки: python -m pip install faster-whisper yt-dlp. Windows с видеокартой NVIDIA — ещё python -m pip install nvidia-cublas-cu12 "nvidia-cudnn-cu12==9.*".
• Скиллы HyperFrames: npx skills add heygen-com/hyperframes --all (github.com/heygen-com/hyperframes, Apache 2.0).
• Модель Whisper (~1,6 ГБ) скачается сама при первой расшифровке в кэш HuggingFace. Другое место — переменная HF_HOME.
• По желанию пользователя: выключить телеметрию HyperFrames переменными HYPERFRAMES_NO_TELEMETRY=1 и DO_NOT_TRACK=1.

В конце настройки записать всё в настройки.md (по шаблону в файле): какой python и ffmpeg, видеокарта, выбранная модель и флаги, где кэш моделей, скорость на пробе. Дальше команды из разделов A и B запускать с этими флагами.

Наш скрипт расшифровки — scripts/transcribe.py рядом с этим файлом. Видеокарту он берёт сам, без неё считает на процессоре. Флаги: --model (имя или путь к своей модели), --compute, --cpu.

Отчёты «feedback» HyperFrames после рендера не отправлять без спроса. npx hyperframes skills update запускать только с согласия пользователя. Встроенный голос Kokoro по-русски не говорит: закадровый голос — запись самого пользователя или его сервис озвучки.

A. Посмотреть и разобрать видео

1. Получить файл. Путь к файлу брать как есть, исходник не трогать. Ссылку скачать во временную папку: python -m yt_dlp --no-playlist -o "<папка>/video.%(ext)s" --print-to-file "%(uploader)s | %(duration)s c | %(like_count)s лайков | %(comment_count)s комм. | %(description)s" "<папка>/info.txt" <ссылка> Для YouTube, если нужен только текст, сначала попробовать субтитры: --write-auto-subs --sub-langs ru --skip-download. Инстаграм и закрытые ТГ-каналы могут требовать вход — тогда попросить пользователя скачать файл самому.
2. Узнать, что за файл: ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <видео>.
3. Расшифровать: python scripts/transcribe.py <видео> --out <папка>/transcript.txt (текст с таймкодами).
4. Кадры листами (12 кадров на картинку — экономит токены): вертикальное: ffmpeg -v error -y -i <видео> -vf "fps=1/2,scale=216:-2,tile=6x2:padding=4:color=white" <папка>/sheet_%02d.jpg горизонтальное: то же с scale=320:-2,tile=4x3. Для видео длиннее 2 минут — fps=1/5 или 1/10. Прочитать листы как картинки.
5. Ответ: кто автор и цифры (если есть), формат ролика, расшифровка (или конспект, если длинно), что видно в кадре, и отдельно — что из этого полезно пользователю. Если в ролике преувеличения — честно сказать.

B. Сделать видео через HyperFrames

Какой скилл брать:

Задача	Скилл
любой ролик, с него начинается работа; непонятно, что брать	hyperframes (главный вход, сам направит)
субтитры к ролику, где человек говорит в камеру: по 1–3 слова, ключевые слова цветом, караоке	embedded-captions
графика поверх говорящего видео: плашки, иконки, вставки «в телефоне», сплит, кружок	talking-head-recut
короткая анимация без речи до ~30 с: заставка, цифры, логотип, макеты интерфейсов, «было → стало»	motion-graphics
устройство ролика: слои, время появления плашек, вставки видео	hyperframes-core
как плашки выезжают, стикеры, «удары» словом на весь кадр, кинетический текст	hyperframes-animation
наезды и отъезды камеры, плавные приближения	hyperframes-keyframes
музыка, звуки, иконки, обработка вставок	media-use
проверка, сборка в MP4, вырезание фона (вставка «из-за плеча»)	hyperframes-cli
готовые эффекты (глитч, конфетти, графики), громкость музыки под голос, цвета и шрифты	hyperframes-registry, hyperframes-audio, hyperframes-creative

Скилл hyperframes по правилам HyperFrames читается первым; для простых задач достаточно его SKILL.md, без справочников.

Расшифровку готовить нашим скриптом (лучше понимает русский и даёт точное время слов), а не встроенной hyperframes transcribe:

• для embedded-captions: python scripts/transcribe.py <видео> --out <рабочая папка>/transcript.json --format words — скилл сам подхватит готовый transcript.json;
• для talking-head-recut: то же с --format flat (плоский массив слов), шаг транскрибации скилла пропустить. Перед использованием прочитать расшифровку и исправить ошибки распознавания (имена, бренды, термины). Список исправлений показать пользователю одной строкой.

Проект: спросить, в какую папку класть. Внутри: исходники/ (копии исходных файлов — оригиналы не трогать и не удалять), рабочие файлы HyperFrames, готово/ для итоговых MP4.

Форматы: Reels/Shorts/Stories — 1080×1920, 9:16, 30 fps; YouTube — 1920×1080; пост — 1080×1350.

Русские субтитры и плашки

• Шрифт обязательно с кириллицей. У многих «модных» шрифтов её нет (Bebas Neue и Anton из Google Fonts; у Bebas есть отдельные кириллические версии) — проверить до рендера. Надёжные: Oswald, Golos Text, Manrope, Montserrat, Unbounded, Inter, Rubik, Onest. Лучше локальный .woff2 в папке проекта, чем Google Fonts по сети.
• 2–4 слова в строке. Предлоги и союзы (в, на, с, к, у, о, и, а, но, не) не оставлять в конце строки — переносить к следующему слову.
• Кавычки «ёлочки», тире по правилам русского языка, числа цифрами.
• Капсом — только короткие акценты (1–3 слова), не целые фразы.
• Субтитры не должны закрывать лицо и нижнюю зону интерфейса Reels (кнопки, подпись) — держать в безопасной зоне. Хук — в центре кадра или чуть ниже, не у верхнего края.
• Если в папке скилла заполнен бренд.md (шрифты, цвета, как ставить акцент) — использовать его. Если он пустой — один раз спросить пользователя о стиле и предложить сохранить ответ туда.

Перед тем как сказать «готово»

Показать план (что, где, какой стиль) до долгого рендера. После рендера нарезать из результата лист кадров (п. A4), посмотреть самому: текст читается, не вылезает за край, кириллица на месте, синхронно с речью. Только потом отдавать путь к файлу в готово/.