Communitygithub.com

gooseworks-ai/goose-skills

Obligatorische Vorab-Prüfschranke für die Veröffentlichung von UGC-Videorendern. Transkribiert das AUDIO des fertigen Renders mit Whisper und vergleicht die Wörter mit dem genehmigten Sprachskript, um fehlerhafte Render zu blockieren.

Was ist goose-skills?

Der Skill `review-ugc-render` fungiert als eine deterministische Qualitätssicherungsschranke (QC-Gate) für UGC-Videorender. Er ist dafür konzipiert, Fehler in der vom System generierten Audiosprache zu erkennen, bei denen Seedance Wörter falsch ausspricht oder Sätze auslässt. Der Skill transkribiert das Audio des fertigen Videorenders mit Whisper und führt einen detaillierten Wortvergleich mit dem vom Nutzer genehmigten Skript durch. Bei Abweichungen, z.B. wenn „human-vetted“ als „human witted“ ausgesprochen wird, blockiert der Skill die Veröffentlichung und gibt eine Fehlermeldung aus. Er ist in Rezepten des Typs `remix-ugc-*-from-sample` und `create-ugc-*-video-from-refs` obligatorisch und wird zwischen dem Rendern und dem Setzen des finalen Render-Status ausgeführt. Der Skill unterstützt sowohl die OpenAI-Whisper-API als auch eine lokale Whisper-Installation und verlässt sich auf `ffmpeg` für die Audioextraktion. Das Tool ist als eingeschränkte, veröffentlichungsorientierte Version des umfassenderen Review-Engines aus dem content-goose-Projekt konzipiert und fokussiert auf die Erkennung von Audio-Skript-Inkonsistenzen.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/packs/ugc-video-formats/review-ugc-render

In Ihrer bevorzugten KI fragen

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

Dokumentation

review-ugc-render (UGC-Render-Überprüfung)

Die QC-Schranke, die jedes UGC-Video-Rezept VOR der Veröffentlichung durchlaufen MUSS. Keine optische /watch-Prüfung — ein deterministischer Transkript-vs-Skript-Vergleich, der bei einem Fehler mit einem Exit-Code ungleich Null abbricht, sodass das Rezept set_final_render hart abbrechen kann.

Warum es das gibt

Seedance generiert das Audio nativ. Dabei kommt es manchmal zu falschen Aussprachen — die genehmigte Zeile human-vetted wird als human witted wiedergegeben; dokumentierte Geschwister: Hume→Hune, Alitu→al-too. Der Fehler steckt im Audio des Renders, sodass eine optische /watch-Prüfung („Der Dialog stimmt mit dem Skript überein“) ihn durchlässt, und ein nachgelagerter Untertitel-Durchlauf dann das falsche Wort wortwörtlich einbrennt. Nichts hat das tatsächlich gesprochene Audio mit dem vom Benutzer genehmigten Skript verglichen.

Diese Schranke tut genau das, deterministisch, und verweigert die Veröffentlichung bei einem Fehler.

Wann ausführen

  • VERPFLICHTEND in jedem remix-ugc-*-from-sample- und create-ugc-*-video-from-refs-Rezept, in der QC-Phase, nachdem der Master-Render existiert und vor set_final_render.
  • Nach jeder Korrektur / jedem Neuversuch erneut ausführen, bis der Test BESTANDEN ist.

Vertrag

Vor dem Rendern die genauen genehmigten gesprochenen Zeilen (die wörtliche Äußerung, ohne Regieanweisungen) in working/approved-script.txt speichern. Dann, nach dem Rendern:

python3 <pack>/review-ugc-render/scripts/review_render.py \
  --video working/final.mp4 \
  --script-file working/approved-script.txt \
  --json working/review-verdict.json
  • exit 0 → BESTANDEN — mit der Veröffentlichung fortfahren (set_final_render).
  • exit 2 → FEHLGESCHLAGEN — NICHT veröffentlichen. Den Bericht lesen, korrigieren, erneut ausführen.
  • exit 3 → FEHLER — Die Prüfung konnte nicht ausgeführt werden (siehe unten); die Umgebung korrigieren, nicht blind veröffentlichen.

Transkriptions-Backend (in Prioritätsreihenfolge): OPENAI_API_KEY (beachtet OPENAI_BASE_URL, leitet also über den gooseworks-Whisper-Proxy, wenn gesetzt) → lokale whisper-CLI. ffmpeg muss im PATH sein.

Was FEHLGESCHLAGEN bedeutet und wie man es behebt

BerichtszeileUrsacheBehebung
[hoch] sagte [witted] wo Skript [vetted] hatSeedance hat das Wort im generierten Audio falsch ausgesprochenEinen neuen Seed neu würfeln. Handelt es sich um ein Marken-/geprägtes Token, es in der SPOKEN LINE phonetisch buchstabieren (z.B. Ali-too, niemals in Klammern (ausgesprochen …) — Seedance liest Klammern vor). Siehe create-video-seedance-2-fal Fehlermodi.
[mittel] ausgelassen [...] / geringe ÄhnlichkeitSeedance hat eine genehmigte Phrase weggelassenNeu würfeln; wenn es sich nur um ein Wort am Ende handelt, kann eine chirurgische stitch_replacement.py-Fensterkorrektur es möglicherweise retten.
⚠ Audio ist praktisch stummFalscher Render / Tonspur in der Nachbearbeitung verloren gegangenNeu rendern / das Muxing überprüfen; niemals eine stumme Aufnahme veröffentlichen.
FEHLER: kein Transkriptions-BackendKein OPENAI_API_KEY und kein lokales whisperDen Schlüssel setzen (Proxy OPENAI_BASE_URL) oder whisper installieren, dann erneut ausführen.

--expect-music ist nur ein Hinweis (warnt, wenn ein Musikbett fehlt); es allein führt nicht zum Fehlschlagen der Schranke.

Eingaben

  • --video PFAD (erforderlich) — der gerenderte Master-mp4.
  • --script-file PFAD oder --script "text" — das genehmigte gesprochene Skript. Beide nur bei einem wirklich skriptfreien Clip weglassen (die Abweichungsprüfung wird dann übersprungen und die Schranke ist nur beratend).
  • --min-ratio FLOAT (Standard 0.90) — Transkript↔Skript-Token-Ähnlichkeit zum Bestehen.
  • --json PFAD — das maschinelle Urteil für das Überprüfungsfenster der App schreiben.

Tests

python3 tests/test_review_render.py    # reine Urteilslogik; kein Audio/Netzwerk

Deckt die kanonische vetted→witted-Fehlaussprache, Markennamen-Fehlaussprache, ausgelassene Endungen, harmlose Füllwörter und den skriptfreien Beratungsweg ab.

Beziehung zur content-goose-Überprüfungsengine

Dies ist der ausgelieferte, einzeldatei-basierte, abschließende Teil des umfassenderen coworkers/video/molecules/review/review-loop (18-Achsen-Bewertungsraster). Hier setzen wir die eine Achse durch, die Audio-vs-Skript-Fehler zum Zeitpunkt der Veröffentlichung erfasst (review-transcript-integrity / brand_text_accuracy). Eine tiefere Multi-Achsen-Überprüfung verbleibt im content-goose-Labor.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Verwandte Skills