Communitygithub.com

nateherkai/hyperframes-student-kit

Agent 2 der Videobearbeitungspipeline. Findet und entfernt gesprochene Fehler wie Stottern, Wortwiederholungen, Fehlstarts und Neuaufnahmen in einer Talking-Head-Aufnahme.

Was ist hyperframes-student-kit?

Dieses Skill ist der zweite Schritt einer automatisierten Videobearbeitungspipeline für Talking-Head-Aufnahmen. Es identifiziert und schneidet sprachliche Fehler heraus – Stottern („also also“), sofortige Wortwiederholungen, abgebrochene Phrasen (Fehlstarts) und Neuaufnahmen (Retakes). Da die Entscheidung, was ein Fehler ist, vom Kontext abhängt – rhetorische Wiederholungen („nie, nie“) sehen maschinell genauso aus wie Stottern – arbeitet das Skill standardmäßig mit einem **Review-Gate**: Es schlägt Schnittkandidaten in voller Länge vor, der Agent (und der Nutzer) entscheiden, und nur freigegebene Schnitte werden per ffmpeg gerendert. Es setzt auf dem Ergebnis von Agent 1 (Stille-Schnitte) auf und benötigt ein wortgenaues Transkript. Das Skill unterstützt drei Kandidatentypen: `stutter` (Wortwiederholung), `retake` (ähnliche Segmente über Jaccard-Ähnlichkeit) und `false_start` (kurze abgebrochene Phrase mit Neustart). Nach der Freigabe schreibt es eine EDL (Edit Decision List), ein neu getimtes Transkript für den Motion-Graphics-Agenten und die finale geschnittene Videodatei. Der Workflow ist bewusst konservativ gehalten: Sehr saubere Aufnahmen können null oder nur wenige echte Schnitte ergeben – das ist ein valides Ergebnis, um natürliche Sprache nicht zu sehr zu beschneiden.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/nateherkai/hyperframes-student-kit/tree/HEAD/.agents/skills/cut-mistakes

In Ihrer bevorzugten KI fragen

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

Dokumentation

Fehler & Wiederholungen schneiden (Pipeline-Agent 2)

Zweiter Schritt der automatischen Bearbeitung, ausgeführt nach stille-schneiden. Es entfernt das, was ein menschlicher Editor im zweiten Durchlauf schneidet: Stottern („also also“, „I- I-“), sofortige Wortwiederholungen, Fehlstarts (eine abgebrochene Phrase, die neu gestartet wird) und Neuaufnahmen (eine Zeile wurde neu aufgenommen – behalte die saubere Version, verwerfe die falsche).

Zu entscheiden, was ein Fehler ist, ist Urteilssache, keine Formel – emphasische Wiederholung („nie, nie“) und rhetorische Verdopplung („das erste Stück ist, ist das…“) sehen maschinell identisch aus wie Stottern. Deshalb arbeitet dieser Agent standardmäßig mit Review-Gate: Er zeigt Kandidaten im vollen Kontext an; der Agent (und der Nutzer) entscheiden; nur freigegebene Schnitte werden gerendert.

Wann verwenden

  • „die Fehler schneiden“, „Stottern / Wiederholungen entfernen“, „die Patzer ausbügeln“, „die beste Aufnahme behalten“, „Fehlstarts schneiden“
  • Als zweite Stufe des Master-Bearbeitungs-Workflows auf der Ausgabe von Stille-Schnitten.

Der dreiteilige Ablauf

1. Kandidaten finden (mechanisch)

node .agents/skills/cut-mistakes/scripts/find-cut-candidates.mjs \
  <stille-transkript.json> --out-dir video-projekte/<slug>/assets

Eingabe ist normalerweise <stamm>.stille-transkript.json von Agent 1, sodass Schnitte auf der bereits stillen reduzierten Zeitleiste landen. Schreibt:

  • <stamm>.schnitt-kandidaten.json – strukturierte Kandidaten (Typ, Konfidenz, vorgeschlagener Schnitt-Bereich, entfernt/behält-Text, Kontext, Empfehlung)
  • <stamm>.schnitt-kandidaten.md – lesbarer Vorschlag

Kandidatentypen: stottern (sofortige Wortwiederholung), neuaufnahme (doppeltes/nahezu doppeltes Segment über Jaccard-Ähnlichkeit), fehlstart (kurze abgebrochene Phrase, die neu startet).

2. Review (das Gate – ERFORDERLICH)

Jeden Kandidaten im Kontext lesen und über Schnitt-behalten entscheiden. Der mechanische Detektor kann beabsichtigte Betonung/Rhetorik nicht von einem echten Fehler unterscheiden – vertraue nicht blind auf empfehlen – lies entfernt + Kontext. Häufige Fehlalarme: emphasische Wiederholung („es ist nie, nie im Leben Hände weg“), Kopula-gefolgt-von-Frage („das Stück ist, ist das…“), Aufzählungen.

Präsentiere die Kandidaten dem Nutzer mit einer Empfehlung pro Objekt; sammle Freigaben ein. Schreibe die freigegebenen Schnitte in eine Datei:

{ "cuts": [ { "start": 100.93, "end": 101.06, "reason": "I- Fehlstart" }, ... ] }

(start/end in Sekunden auf der Eingabe-Transkript-/Video-Zeitleiste. Du kannst den Bereich eines Kandidaten erweitern – z.B. bei einer Neuaufnahme vom Start der verpatzten Aufnahme bis zum sauberen Neustart schneiden.)

3. Freigegebene Schnitte anwenden

node .agents/skills/cut-mistakes/scripts/apply-cuts.mjs \
  <stille-transkript.json> --cuts freigegebene-schnitte.json \
  --video video-projekte/<slug>/assets/bearbeitet-stille.mp4 \
  --output video-projekte/<slug>/assets/bearbeitet-sauber.mp4 --apply

Schreibt die EDL, ein neu getimtes <stamm>.fehler-transkript.json (speist den Motion-Graphics-Agenten + validate-beat-sync.mjs), ein Entscheidungsprotokoll und – mit --apply – das geschnittene Video (ffmpeg trim+concat, A/V synchron). Lass --apply für einen Probelauf weg.

Ergebnis prüfen

Nutze das gemeinsame Prüfwerkzeug, um die Schnitte visuell zu begutachten und die Grenzen stichprobenartig zu kontrollieren:

node scripts/build-edl-review.mjs <stamm>.fehler-edl.json \
  --original video-projekte/<slug>/assets/bearbeitet-stille.mp4 \
  --edited   video-projekte/<slug>/assets/bearbeitet-sauber.mp4 \
  --output   video-projekte/<slug>/assets/fehler-review.html
npx serve . -p 8080 -n

Hinweise

  • Eine sehr saubere Aufnahme kann null oder nur wenige echte Schnitte ergeben – das ist ein valides Ergebnis; schneide natürliche Sprache nicht, um eine Quote zu erfüllen.
  • Schnitte zwischen zwei gesprochenen Wörtern sind harte Übergänge. Sie sind normalerweise sauber für Stottern/Fehlstarts; bei engeren Audio kann später ein 20-30ms Fade ergänzt werden.
  • Übergib das fehler-transkript.json + das saubere Video an Agent 3 (Motion Graphics / gestufte Karten).

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

nateherkai/hyperframes-student-kit

Agent 1 of the video editing pipeline. Removes silences and dead air from a talking-head recording. Use when asked to cut silences, trim pauses, remove dead air / gaps, or tighten the pacing of a raw video, given a word-level transcript. Produces an edit list (EDL), a re-timed transcript for downstream agents, and optionally the cut video via ffmpeg. Does NOT cut mistakes, repeats, or false starts — that is the cut-mistakes agent.

nateherkai/hyperframes-student-kit

Edit a raw talking-head video through transcription, silence trimming, mistake review, visual storytelling, motion graphics, and verified HyperFrames rendering. Use for a complete edit; route a single requested operation directly to its specialist skill.

nateherkai/hyperframes-student-kit

GSAP animation reference for HyperFrames. Covers gsap.to(), from(), fromTo(), easing, stagger, defaults, timelines (gsap.timeline(), position parameter, labels, nesting, playback), and performance (transforms, will-change, quickTo). Use when writing GSAP animations in HyperFrames compositions.

nateherkai/hyperframes-student-kit

HyperFrames CLI tool — hyperframes init, lint, preview, render, transcribe, tts, doctor, browser, info, upgrade, compositions, docs, benchmark. Use when scaffolding a project, linting or validating compositions, previewing in the studio, rendering to video, transcribing audio, generating TTS, or troubleshooting the HyperFrames environment.

nateherkai/hyperframes-student-kit

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

nateherkai/hyperframes-student-kit

Plan, write, time, style, and validate motion-graphic beats for long-form talking-head HyperFrames videos. Use when Codex is asked to add or improve visual beats, glassmorphism lower thirds, crumpled-paper full-screen takeovers, transcript-synced callouts, pacing coverage, YouTube retention graphics, or render-ready overlays in an existing HyperFrames video project.

nateherkai/motion-showreel

Build 10–30s motion-design showreels in the style of Nate's Opus 5.5 CLAUDE/MOTION REEL — brand motif chapters, HUD, BPM-locked cuts, logo lockup.

nateherkai/website-to-hyperframes

Capture a website URL and produce a HyperFrames promo/product-tour video — site → finished marketing video outcome.

Verwandte Skills