Communitygithub.com

KI-Videoeditor

Bearbeitet ein Talking-Head-Video komplett von Anfang bis Ende kostenlos. Stellt ein paar Fragen, schneidet stille Passagen und Fehler (Wiederholungen, Fehlstarts) mit lokalem Whisper heraus, fügt per Code gezeichnete Bewegtgrafiken in einem von 7 Nafay-3D-Stilen hinzu und rendert das finale MP4. Englisch und Hindi. Verwende dies, wenn der Nutzer eine Videodatei hat und sie bearbeitet, geschnitten oder mit Bewegtgrafiken versehen haben möchte.

Was ist KI-Videoeditor?

Der KI-Videoeditor ist ein leistungsstarkes Skill-Set, das eine rohe Talking-Head-Aufnahme in ein fertiges Video verwandelt: Stille und Fehler werden herausgeschnitten, Bewegtgrafiken in einem von sieben Stilen hinzugefügt, Soundeffekte und optionale Untertitel eingebunden, und die Lautstärke wird für YouTube normiert. Alles läuft lokal auf dem Computer des Nutzers mit kostenlosen Tools: Whisper (faster-whisper) für die Transkription, ffmpeg zum Schneiden und Kodieren, und ein kopfloser Chromium zum Zeichnen der Grafiken. Der Agent fungiert als Redakteur: Er entscheidet über die Schnitte und schreibt die Grafiken. Der Skill unterstützt Englisch und Hindi und wird über mehrere Skripte gesteuert, die vom Setup über die Transkription bis zum finalen Rendern führen. Der Nutzer kann zu Beginn Präferenzen zu Schnitt, Stil, Untertiteln und Kontrollpunkten festlegen. Das Ergebnis ist eine `final.mp4` mit professionellem Look.

Funktioniert mit✓Claude Code~Codex CLI✓Cursor✓OpenCode
npx skills add https://github.com/i-amraj/iraj1801-video-knowledge-base/tree/main/02-skills/ai-video-editor

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht KI-Videoeditor?

Verwandelt eine rohe Talking-Head-Aufnahme in ein fertiges Video: Stille und Fehler werden herausgeschnitten, Bewegtgrafiken in einem von sieben Stilen hinzugefügt, Soundeffekte, optionale Untertitel, Lautstärke für YouTube normiert. Alles läuft auf dem Computer des Nutzers mit kostenlosen Tools: Whisper (faster-whisper) für die Transkription, ffmpeg zum Schneiden und Kodieren, kopfloser Chromium zum Zeichnen der Grafiken. Du (der Agent) bist der Redakteur: Du entscheidest über die Schnitte und schreibst die Grafiken.

SKILL unten bedeutet den Ordner dieses Skills (den Ordner, der diese Datei enthält). Wenn dir dein Tool nicht gesagt hat, wo es ist, suche nach dem ersten dieser Ordner, der scripts/render.py enthält: ~/.claude/skills/ai-video-editor, ~/.config/opencode/skills/ai-video-editor, ~/.agents/skills/ai-video-editor oder die gleichen Namen unter .claude/skills, .opencode/skills oder .agents/skills im aktuellen Projekt. Führe Skripte mit dem Python des Nutzers aus (python unter Windows, normalerweise python3 unter macOS/Linux). Pfade in Anführungszeichen setzen: Videopfade enthalten oft Leerzeichen. Jedes Skript gibt JSON oder einen kurzen Bericht aus; lies ihn vor dem nächsten Schritt.

0. Einrichtung (nur beim ersten Mal)

python "SKILL/scripts/setup.py" --check

Wenn etwas fehlt, führe python "SKILL/scripts/setup.py" aus (installiert faster-whisper, playwright, numpy, pillow und den kopflosen Browser; alles kostenlos). ffmpeg muss separat installiert werden: Der Bericht gibt den richtigen Befehl für das Betriebssystem des Nutzers aus (Windows: winget install Gyan.FFmpeg, macOS: brew install ffmpeg). Frage vor der Installation von systemweiten Programmen.

1. Zuerst fragen

Bevor du das Video anfasst, frage diese Punkte auf einmal ab (verwende dein Frage-Tool, falls vorhanden, sonst eine kurze nummerierte Liste). Gib die Standardwerte in Klammern an, damit der Nutzer einfach "Standard" sagen kann.

  1. Stille Passagen schneiden? ja / nein [ja]. Tempo: natürlich (behält 0,3 s Pausen) oder straff (0,15 s) [natürlich].
  2. Fehler schneiden? Wiederholungen, Fehlstarts, wiederholte Zeilen, "warte, lass mich das nochmal machen": ja / nein [ja]. Die Liste der Fehlerschnitte vor der Freigabe anzeigen? [ja]
  3. Stil (lies SKILL/styles/index.json; je eine Zeile):
    • Warm Canvas: ruhiger redaktioneller Stil, du bleibst im Bild mit Serif-Untertiteln und einer PiP-Leinwand mit Karten. Bester Standard für Talking Heads.
    • Creator Motion Graphics: kraftvolle kinetische Typografie, dunkel, energiegeladen.
    • Clean Tech: helle, klare UI-Karten und kinetische Typografie für technische Themen.
    • Software Walkthrough: simulierte App-Bildschirme, Cursor und Klicks für Tutorials.
    • Data Story: dunkle Diagramme und Zähler für Zahlen und Trends.
    • Chalk Talk: handgezeichnete Tafel zum Erklären von Ideen.
    • Pop Info: flache, illustrierte Infografik-Szenen mit einer Figur. Oder "keine Grafiken" (nur der Schnitt, mit Untertiteln falls gewünscht).
  4. Sprache: Englisch, Hindi oder eine Hindi/Englisch-Mischung [automatisch erkennen].
  5. Untertitel: ja / nein [nein]. Für Hindi: Devanagari oder lateinische Buchstaben (Hinglish)?
  6. Wie viel Grafik: wenig (nur die Schlüsselmomente) / mittel [wenig]. Grafiken nur dort, wo sie etwas erklären.
  7. Rückmeldungen: Grafikplan und Standbilder vor dem finalen Rendern überprüfen? [ja]

Wenn der Nutzer bereits einige Antworten gegeben hat, frage nur die restlichen.

2. Transkribieren

python "SKILL/scripts/transcribe.py" "VIDEO" --lang en|hi|auto

Erstellt den Projektordner <Videoname>_edit neben dem Video (WORK unten) mit transcript.txt. Englisch verwendet small.en auf CPU (schnell) und large-v3-turbo auf einer NVIDIA GPU; Hindi/gemischt verwendet immer large-v3-turbo. Der erste Lauf lädt das Modell einmal herunter (small.en ca. 0,5 GB, turbo ca. 1,6 GB). Auf einer CPU dauert turbo ungefähr so lange wie das Video oder länger, informiere den Nutzer also vor einem langen Lauf. --model medium.en ist ein guter Mittelweg für Englisch.

3. Die Fehler finden (überspringen, wenn der Nutzer nein gesagt hat)

Lies WORK/transcript.txt. Jede Zeile ist ein Ausdruck: [start-end] wA-wB: Text, mit (Pause Ns) dazwischen. Suche nach:

  • Wiederholungen: Derselbe Satz (oder sein Anfang) zwei- oder mehrmals gesagt. Behalte die LETZTE vollständige Aufnahme; entferne die früheren Versuche vollständig, einschließlich aller halbfertigen Wörter.
  • Fehlstarts: Ein Ausdruck, der mitten im Gedanken stoppt und neu beginnt ("Also das Wichtigste, das Entscheidende ist"). Entferne den abgebrochenen Teil.
  • Explizite Neuaufnahme-Hinweise: "Lass mich das nochmal sagen", "schneide das raus", "nochmal", "warte", "sorry". Entferne den Hinweis und die Aufnahme, auf die er sich bezieht.
  • Füller am Anfang/Ende: "okay, Aufnahme", "läuft das", nachgestelltes "und, ähm, ja".
  • Füller innerhalb von Sätzen ("ähm", "äh"): Entferne nur Häufungen oder lange Füller; einzelne Füller klingen normalerweise natürlich. Hindi-Sprecher verwenden "matlab", "toh", "na" als normale Rede, behalte sie. Entferne KEINE Inhalte nur weil sie informell sind, und ordne Sätze niemals neu.

Schreibe WORK/edits.json:

{ "remove": [ {"from": 41, "to": 58, "why": "erste Aufnahme der Einleitung"},
              {"from": 203, "to": 207, "why": "Fehlstart"} ] }

from/to sind Wortindizes (inklusive) aus transcript.txt. Zeige dann den Plan als Vorschau:

python "SKILL/scripts/cut.py" WORK --dry-run --style STIL --captions ja|nein [--no-silence] [--pause 0.15]

Wenn der Nutzer die Fehlerschnitte genehmigen wollte, zeige ihm die Liste mistake_cuts (Zeit, Grund, die entfernten Wörter) und warte. Passe edits.json an, wenn er nicht einverstanden ist.

4. Schneiden

python "SKILL/scripts/cut.py" WORK --style STIL --captions ja|nein [--no-silence] [--pause 0.15]

Schreibt cut.mp4 (bildgenaue, klickfreie Übergänge, 1080p standardmäßig; --height 2160 behält 4K), transcript_edited.txt/json mit den NEUEN Zeiten und die Schnittzusammenfassung. Wenn der Nutzer keine Grafiken gewählt hat, verwende --style warm-canvas (es legt nur das Untertitel-Aussehen fest) und springe zu 7 mit einer leeren Geschichte: var EDIT = { D: <Schnittsekunden>, SPANS: [], draw() {}, score() {} };.

5. Grafiken planen

Lies in dieser Reihenfolge:

  1. SKILL/references/story-guide.md (das Vertragsdokument, Footage-Hilfen, Ton- und Geschmacksregeln). Immer.
  2. SKILL/styles/STIL/style.md (das Aussehen und die Regeln des Stils).
  3. SKILL/styles/STIL/base.js vom STYLE: -Banner bis zum Ende (Helfer und die Demo-Szenen zum Lernen).
  4. Für Warm Canvas: SKILL/references/example-story-warm-canvas.js (eine vollständige funktionierende Geschichte).
  5. WORK/transcript_edited.txt.

Wähle die Beats: die Momente, in denen eine Grafik die Idee klarer macht (eine Liste, Zahl, ein Vergleich, ein Prozess, ein Schlüsselbegriff, Vorher/Nachher, ein benanntes Tool). Wenig = etwa ein Beat pro 30 bis 60 Sekunden; mittel = einer pro 15 bis 30 Sekunden. Lass die persönlichen und emotionalen Zeilen auf dem reinen Footage. Notiere für jeden Beat: Start-/Endzeit, die Wörter, die er illustriert, was auf dem Bildschirm ist, wie er ein- und ausgeht.

Wenn der Nutzer Rückmeldungen wollte, zeige die Beat-Liste (eine kurze Tabelle) und warte auf eine Bestätigung.

6. story.js schreiben und überprüfen

Schreibe WORK/story.js gemäß der Anleitung. Setze EDIT.D auf cut_seconds aus WORK/edit.json. Dann:

python "SKILL/scripts/render.py" WORK --check
python "SKILL/scripts/render.py" WORK --stills auto

Öffne WORK/stills/contact.png (ein Bild; betrachte es) und korrigiere alles, was falsch ist: abgeschnittener oder überlappender Text, kleine Schrift, Grafiken, die das Gesicht verdecken, nicht zum Stil passende Farben, falsche Wörter. Wiederhole, bis es richtig aussieht. Für Rückmeldungen zeige dem Nutzer das Kontaktblatt. Optionale Live-Vorschau mit Ton: python "SKILL/scripts/preview.py" WORK (im Hintergrund ausführen; gibt einen localhost-Link aus).

7. Rendern

python "SKILL/scripts/render.py" WORK

Rendert die Grafik-Frames parallel, die Effekte, Untertitel (falls aktiviert), mischt Stimme und Effekte, normalisiert auf -14 LUFS und schreibt WORK/final.mp4. Erwarte ein paar Frames pro Sekunde Grafik auf einem Laptop; reines Footage kostet nichts extra. Optionen: --preset slow (kleinere, etwas bessere Datei), --sfx-gain 0.7 (leisere Effekte), --no-captions, --height 2160.

Teile dem Nutzer mit, wo final.mp4 ist, wie viel geschnitten wurde (aus der Schnittzusammenfassung) und welche Grafiken hinzugefügt wurden.

Spätere Korrekturen

  • Ein Schnitt ist falsch: Bearbeite edits.json (oder führe mit --no-silence / einem anderen --pause aus), führe cut.py erneut aus. Verschiebe dann die Zeiten der Geschichte, wenn Wörter verschoben wurden (lies transcript_edited.txt erneut) und rendere erneut.
  • Ein falsch verstandenes Wort in Untertiteln: Bearbeite sein "w" in transcript_edited.json (oder füge "cap" hinzu), rendere erneut.
  • Hindi-Untertitel in lateinischen Buchstaben: Füge jedem Wort in transcript_edited.json ein "cap" mit der lateinischen Schreibweise hinzu.
  • Nur die Grafiken geändert: Bearbeite story.js und führe render.py aus; nichts anderes muss wiederholt werden.

Grenzen

  • 16:9 Videos. Vertikale oder quadratische Quellen werden vorerst auf 16:9 zentriert beschnitten.
  • Eine durchgehende Aufnahme pro Bearbeitung (verbinde Clips zuerst mit ffmpeg, falls nötig).

Verwandte Skills