Communitygithub.com

NeverSight/learn-skills.dev

Lade YouTube-Videos herunter, extrahiere/korrigiere/übersetze Untertitel und rendere sie auf das Video.

Was ist learn-skills.dev?

Diese Fähigkeit implementiert eine vollständige Pipeline zur Verarbeitung von YouTube-Videountertiteln: von der Videodownload über Extraktion, Korrekturlesen und Übersetzung bis hin zum endgültigen Einbrennen der Untertitel in das Video. Sie unterstützt sowohl automatisch generierte als auch manuell hochgeladene Untertitel und fällt auf ASR (automatische Spracherkennung) zurück, wenn keine Untertitel vorhanden sind. Die Fähigkeit ist für Claude Code, Cursor, Codex und andere KI-Agenten konzipiert, die eine zuverlässige, mehrstufige Untertitelverarbeitung benötigen. Sie arbeitet in fünf Phasen: 1) Download des Videos und der Quell-Untertitel (vorzugsweise Englisch), 2) optionaler ASR-Fallback, 3) parallele Korrektur und Übersetzung durch Unter-Agenten (mit maximal 3 gleichzeitigen Prozessen), 4) Zusammenführung der verarbeiteten Blöcke in SRT/ASS-Dateien und 5) Rendern der Untertitel auf das Video mittels ffmpeg mit libass-Unterstützung. Die Fähigkeit enthält wichtige Regeln: Sie verwendet niemals von YouTube bereitgestellte Übersetzungen, sondern übersetzt immer aus der Quellsprache. Sie hat eine harte Grenze von 3 gleichzeitigen Unter-Agenten für die Blockverarbeitung und behandelt spezielle Probleme wie falsche ffmpeg-Architektur (ARM64-native Kompilierung), fehlende AV1-Decodierung und illegale Untertitelzeichen wie Backslashes. Die Validierung vor dem Rendern erkennt automatisch beschädigte Zeitstempel (Dauer > 120s) und begrenzt sie auf 6s.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/1worldcapture/workforce/youtube-subtitle-translate

In Ihrer bevorzugten KI fragen

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

Dokumentation

YouTube-Untertitel-Übersetzer

Lade YouTube-Videos herunter, extrahiere und verarbeite Untertitel (Korrekturlesen + Interpunktion + Übersetzung) und brenne sie dann zurück in das Video. Verarbeitet sowohl automatisch generierte als auch manuell hochgeladene Untertitel, mit Fallback auf ASR, wenn keine Untertitel vorhanden sind.

Harte Regeln

  • Verwende maximal 3 gleichzeitige Unter-Agenten für die Untertitel-Blockverarbeitung. Wenn es mehr als 3 Blöcke gibt, führe sie in Wellen aus und starte den nächsten Block erst, nachdem ein Unter-Agent fertig ist.
  • Die Anzahl der Blöcke ist nicht die Gleichzeitigkeit. Du darfst in 10 Blöcke aufteilen, aber du darfst nicht 10 Codex-Prozesse/Unter-Agenten gleichzeitig starten; führe maximal 3 aktive Arbeiter zu jeder Zeit aus.
  • Lade immer nur die Quell-Untertitelspur herunter: Englisch, wenn verfügbar, ansonsten die Originalsprache des Videos. Lade keine automatisch übersetzten Zielsprachen-Untertitel von YouTube herunter; übersetze stattdessen aus den Quell-Untertiteln.
  • Verwende niemals eine von YouTube bereitgestellte Zielsprachen-Untertitelspur als Abkürzung, selbst für lange Videos und selbst wenn zh-Hans oder eine andere Zielsprache in automatic_captions aufgeführt ist.
  • Video-Download standardmäßig in 1080p. Wenn 1080p nicht verfügbar ist, lade die beste verfügbare Version unter 1080p herunter.
  • Die Übersetzung muss von Unter-Agenten über Blockdateien durchgeführt werden. Verwende keine lokalen Modellhelfer für die Übersetzung.
  • Entferne vor dem Schreiben von SRT/ASS illegale Untertitelzeichen aus dem Text, insbesondere einzelne Backslashes (\), die im Video sichtbar dargestellt werden.

Arbeitsablauf-Übersicht

Phase 1: Download    →  Videoinfo abrufen, Video herunterladen, Untertitel extrahieren
Phase 2: Vorbereiten  →  Wenn keine Untertitel: Audio extrahieren → ASR ausführen
Phase 3: Verarbeiten  →  In Blöcke aufteilen → paralleles Agenten-Korrekturlesen + Übersetzen
Phase 4: Zusammenführen  →  Blöcke kombinieren → SRT/ASS-Dateien erstellen
Phase 5: Rendern      →  Untertitel mit ffmpeg auf Video brennen

Phase 1: Download

1.1 Videoinfo abrufen

Verwende das YouTube-MCP-Tool, um Metadaten abzurufen:

youtube_get_video_info(videoId="...", detail="standard")

Notiere: Titel, Dauer, Kanal, ob Untertitel verfügbar sind.

1.2 Ausgabeverzeichnis erstellen

Benenne das Verzeichnis nach dem Videotitel. Bereinige für das Dateisystem:

mkdir -p "/output/path/<Video Title>"

1.3 Video herunterladen

youtube_download(videoId="...", outputPath="<dir>/video.mp4", quality="1080p", force=true)

Wenn du yt-dlp verwendest, bevorzuge 1080p und falle auf das beste Format unter 1080p zurück:

yt-dlp -f "bv*[height<=1080]+ba/b[height<=1080]/best" --merge-output-format mp4 \
  -o "<dir>/video.%(ext)s" "<url>"

1.4 Nur Quell-Untertitel extrahieren

youtube_get_transcript(videoId="...", language="<source-language>")

Wenn das Ergebnis die Token-Limits überschreitet, wird es in einer Tool-Ergebnis-Datei gespeichert — lies es in Blöcken.

Dies ist eine unverhandelbare Quell-Untertitel-Richtlinie:

  • Bevorzuge englische Untertitel/Beschriftungen, wenn verfügbar.
  • Wenn Englisch nicht verfügbar ist, verwende die Originalsprache des Videos.
  • Ignoriere zh-Hans, zh-Hant und jede andere vom YouTube angezeigte Zielsprachenspur, einschließlich automatisch übersetzter Spuren.
  • Fordere keine von YouTube bereitgestellte Zielsprachen-Untertitelspur an, wiederhole sie nicht, führe sie nicht zusammen und rendere sie nicht.
  • Zielsprachen-Untertitel müssen nur durch Unter-Agenten-Übersetzung aus dem Quell-Untertitel erzeugt werden.

Wenn ein Tool eine Liste wie en-orig, zh-Hans zurückgibt, wähle nur en-orig. Füge zh-Hans in keinen Download-Befehl ein.

Wenn du yt-dlp verwendest, schreibe nur den Quell-Untertitel:

yt-dlp --skip-download --write-auto-subs --write-subs \
  --sub-langs "en.*" --sub-format srt --convert-subs srt \
  -o "<dir>/video.%(ext)s" "<url>"

Falsch, nicht ausführen:

yt-dlp --write-auto-subs --sub-langs "en-orig,zh-Hans" ...

Wenn der englische/originale Untertitel-Download erfolgreich ist, aber eine Zielsprachen-Anfrage mit HTTP 429 fehlschlägt, wiederhole die Zielsprachen-Anfrage nicht. Diese Anfrage hätte nicht gestellt werden dürfen; fahre mit dem Quell-Untertitel fort und übersetze ihn durch Phase 3.

Wenn Untertitel existieren: Speichere rohe Segmente als JSON, fahre mit Phase 3 fort. Wenn KEINE Untertitel (404/Fehler): Fahre mit Phase 2 (ASR-Fallback) fort.

Speichere Rohdaten:

  • raw_segments.json — alle Segmente mit Text/Offset/Dauer
  • raw_subtitles.srt — anfängliche SRT-Konvertierung

Phase 2: ASR-Fallback (Keine Untertitel verfügbar)

Wenn das Video keine Untertitel/Transkripte hat:

  1. Audio extrahieren aus Video mit ffmpeg:

    ffmpeg -i video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav
    
  2. ASR ausführen — Benutzer hat qwen3-asr angegeben, aber jedes Whisper-kompatible Modell funktioniert:

    qwen3-asr audio.wav --output-format srt > raw_subtitles.srt
    

    Oder verwende den integrierten Ansatz über den transcribe-Befehl des hyperframes-media-Skills.

  3. Analysiere die SRT-Ausgabe zurück in das von Phase 3 erwartete Segment-JSON-Format.

Phase 3: Paralleles Korrekturlesen & Übersetzen

Dies ist der zeitaufwändigste Schritt für lange Videos. Die Strategie: In Blöcke aufteilen und mit Unter-Agenten verarbeiten, mit einer harten Grenze von 3 gleichzeitigen Unter-Agenten.

Führe diese Phase auch für sehr lange Videos durch. Die Länge ist kein Grund, die automatischen Zielsprachen-Untertitel von YouTube herunterzuladen oder zu verwenden. Die richtige Abkürzung für lange Videos ist die Aufteilung in Blöcke plus 3-Wege-Unter-Agenten-Gleichzeitigkeit, nicht die Wiederverwendung von Ziel-Untertiteln.

3.1 Segmente in Blöcke aufteilen

Verwende die umgekehrte Logik von scripts/merge-chunks.py — teile raw_segments.json in N-Blockdateien auf:

# Aufteilen in Blöcke mit einer Größe, die für die Überprüfung/Übersetzung geeignet ist.
n = len(segments)
chunk_count = min(10, max(1, (n + 75) // 76))
chunk_size = n // chunk_count + 1
for i in range(0, n, chunk_size):
    save_chunk(i, segs[i:i+chunk_size])

Speichere als chunk_00.json, chunk_01.json, usw. Jedes enthält {"chunk_id", "start_idx", "end_idx", "segments": [...]}.

3.2 Parallele Agenten starten

Erzeuge für jeden Block einen Hintergrund-Unter-Agenten. Starte nicht mehr als 3 Unter-Agenten gleichzeitig. Wenn es 10 Blöcke gibt, starte zuerst die Blöcke 00, 01 und 02; wenn einer fertig ist, starte den nächsten anstehenden Block. Starte niemals alle 10 Blöcke auf einmal. Gib jedem Agenten:

  1. Den Pfad zu seiner chunk_XX.json
  2. Anweisungen, references/subtitle-proofreading.md für die vollständige Spezifikation zu lesen
  3. Ausgabepfad: result_XX.json im selben Verzeichnis

Der Agent muss:

  • Jedes Segment in seinem Block lesen
  • Englisch korrekturlesen (ASR-Fehler beheben, Interpunktion hinzufügen)
  • In natürliches vereinfachtes Chinesisch übersetzen (technische Begriffe auf Englisch lassen)
  • Als JSON-Array mit {index, start, end, en, zh} pro Segment speichern
  • Illegale Untertitelzeichen aus en und zh entfernen, insbesondere einzelne Backslashes (\), Steuerzeichen und rohe ASS-Override-Klammern.

Wichtig: Die maximale Gleichzeitigkeit beträgt 3 Unter-Agenten/Prozesse. Wenn es mehr als 3 Blöcke gibt, führe sie in Wellen aus. Starte keine 10 Codex-Kindprozesse für 10 Blöcke.

3.3 Auf Abschluss warten

Überwache, welche result_XX.json-Dateien erscheinen. Fahre erst fort, wenn alle Blöcke abgeschlossen sind.

Phase 4: Zusammenführen & Ausgabedateien erstellen

Führe das Zusammenführungsskript aus:

python3 scripts/merge-chunks.py <output_dir>

Dieses erkennt automatisch alle result_*.json-Dateien und erzeugt:

DateiInhalt
final_subtitles.jsonZusammengeführtes JSON, sortiert nach Zeitstempel
subtitles_bilingual.srtEnglische + chinesische Zeilen
subtitles_zh.srtNur Chinesisch
subtitles_en.srtNur Englisch

4.2 Datenqualität validieren

Validiere vor dem Rendern immer die zusammengeführten Daten. Die parallele Agentenverarbeitung kann zu Zeitstempel-Korruption führen:

# Nach ungewöhnlichen Dauern suchen (>120s = fast sicher korrupt)
python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if s['end'] - s['start'] > 120]
print(f'Ungewöhnliche Dauern: {len(bad)} / {len(segs)}')
for s in bad: print(f'  [{s[\"index\"]}] {s[\"start\"]:.1f}->{s[\"end\"]:.1f} ({s[\"end\"]-s[\"start\"]:.0f}s)')
"

Wenn welche gefunden werden, behebe sie (begrenze end auf start + 6) und generiere SRT/ASS neu. Sowohl merge-chunks.py als auch srt-to-ass.py enthalten eine automatische Erkennung und Korrektur für dieses Problem.

Überprüfe die Ausgabe: Überprüfe, ob die ersten und letzten Einträge korrekte Zeitstempel und lesbaren Text haben.

Überprüfe auch die Textbereinigung:

python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if '\\\\' in s.get('en','') or '\\\\' in s.get('zh','')]
print(f'Backslash-Artefakte: {len(bad)}')
for s in bad[:10]: print(s['index'], s.get('en',''), s.get('zh',''))
"

Phase 5: Untertitel auf Video rendern

Hier wird es knifflig. Verwende NICHT direkt das System-ffmpeg — siehe Fallstricke unten.

5.1 Das Rendern-Skript ausführen

bash scripts/render-subtitles.sh <video.mp4> <subtitles_bilingual.srt> [output.mp4]

Das Skript erledigt alles:

  • Erkennt/erstellt ARM64-natives ffmpeg mit libass-Unterstützung
  • Konvertiert SRT → ASS mit korrekter CJK-Schriftartkonfiguration
  • Kopiert Dateien nach /tmp, um Probleme mit Pfaden mit Sonderzeichen zu vermeiden
  • Rendert mit ffmpegs ass-Filter
  • Validiert die Ausgabe

5.2 Ausgabe überprüfen

Überprüfe, ob:

  • Die Ausgabedatei existiert und größer als 10 MB ist (nicht nur Audio)
  • Die Dauer mit dem Originalvideo übereinstimmt (ffprobe verwenden)
  • Spiele die erste und letzte Minute ab, um zu bestätigen, dass Untertitel erscheinen

Fallstricke & Gelernte Lektionen

Dies sind hart erarbeitete Lektionen aus der tatsächlichen Nutzung. Befolge sie, um stundenlange Verschwendung zu vermeiden.

ffmpeg-Architektur-Konflikt (KRITISCH)

Problem: macOS Homebrew's ffmpeg ist OHNE libass, libfreetype und fontconfig kompiliert. Die Filter ass, subtitles und drawtext existieren einfach nicht.

Schlimmer: Statische ffmpeg-Builds von evermeet.cx sind x86_64 (Intel)-Binärdateien. Auf Apple Silicon Macs laufen sie über Rosetta 2 Emulation mit etwa 8-10x langsamerer Geschwindigkeit. Ein 1,5-Stunden-Video dauerte 2+ Stunden.

Lösung: Verwende scripts/ensure-ffmpeg.sh. Es erkennt diese Probleme und kompiliert ARM64-natives ffmpeg aus dem Quellcode mit allen benötigten Bibliotheken. Der erste Build dauert ~5 Minuten; nachfolgende Neubuilds sind sofort (zwischengespeicherte Objektdateien).

Erforderliche Konfigurations-Flags für vollständige Untertitelunterstützung:

--enable-libass --enable-libfreetype --enable-fontconfig --enable-libdav1d

AV1-Decodierung fehlt

Problem: Viele moderne YouTube-Videos sind in AV1 codiert (codec_name: av1). Ein ohne --enable-libdav1d erstelltes ffmpeg schlägt während der Decodierung mit "Function not implemented"-Fehlern fehl und erzeugt eine 68 MB große, nur-Audio-Datei.

Lösung: Füge beim Erstellen von ffmpeg immer --enable-libdav1d hinzu.

Pfad-Sonderzeichen unterbrechen ffmpeg-Filter

Problem: Wenn der Video- oder Untertitelpfad Zeichen wie Gedankenstriche (—), intelligente Anführungszeichen oder Nicht-ASCII-Zeichen enthält, kommt der Filter-Parser von ffmpeg mit "No option name near..."-Fehlern ins Straucheln. Dies passiert auch bei korrektem Shell-Quoting.

Lösung: Kopiere Untertiteldateien nach /tmp/subs_<pid>.ass, bevor du sie an ffmpeg übergibst. Das Rendern-Skript erledigt dies automatisch.

moviepy TextClip-API-Konflikte (VERMEIDEN)

Problem: Der TextClip von moviepy 2.x hat Parameterkonflikte zwischen Positions- und Schlüsselwortargumenten (font erscheint intern zweimal). Mehrere Fehlervarianten, keine offensichtlich aus der Fehlermeldung.

Empfehlung: Verwende moviepy nicht für die produktive Untertitelwiedergabe. Verwende stattdessen den ass-Filter von ffmpeg — er ist schneller, zuverlässiger und verarbeitet CJK-Schriftarten ordnungsgemäß über libass/fontconfig.

SRT vs. ASS für ffmpeg

Problem: Der subtitles-Filter von ffmpeg (der SRT direkt liest) leidet bei einigen Builds ebenfalls unter Pfad-Parsing-Problemen. Der ass-Filter ist zuverlässiger.

Lösung: Konvertiere zuerst SRT → ASS mit scripts/srt-to-ass.py und verwende dann den ass-Filter. Das ASS-Format gibt dir auch eine feine Kontrolle über Schriftart, Größe, Positionierung und Stil.

Illegale Untertitelzeichen

Problem: Roh- oder übersetzter Untertiteltext kann einzelne Backslashes (\) oder ASS-Override-Zeichen enthalten. Bei der ASS-Wiedergabe kann ein wörtlicher Backslash auf dem Bildschirm erscheinen oder versehentlich mit der ASS-Escape-Syntax interagieren.

Lösung: Bereinige den Untertiteltext vor dem Schreiben von SRT/ASS:

  • Entferne Backslashes aus dem für den Benutzer sichtbaren Untertiteltext
  • Entferne Steuerzeichen mit Ausnahme von normalen Leerzeichen
  • Entferne rohe {- und }-Klammern aus dem Untertiteltext
  • Lasse srt-to-ass.py nur die ASS-Steuersequenzen hinzufügen, die es besitzt, wie \N zwischen zweisprachigen Zeilen

Ungewöhnliche Untertitel-Dauern durch parallele Agentenverarbeitung

Problem: Bei der Verarbeitung von Untertiteln in parallelen Blöcken (Phase 3) können einzelne Agenten Einträge mit korrupten Zeitstempeln erzeugen — insbesondere end-Werte, die weit größer als start sind (z. B. Dauer von 2600s oder 4800s statt ~6s). Dies führt dazu, dass diese Untertitelzeilen für den größten Teil des Videos auf dem Bildschirm sichtbar bleiben und sich mit allen anderen Inhalten überschneiden.

Ursache: Agenten weisen manchmal Endzeiten falsch zu, wenn fragmentierte ASR-Segmente über Blockgrenzen hinweg konsolidiert werden. Das Problem liegt auf Datenebene, nicht bei der Wiedergabe — es wird daher nicht von ffmpeg-Fehlern abgefangen.

Lösung: Drei Verteidigungsebenen:

  1. scripts/srt-to-ass.py erkennt automatisch Einträge mit einer Dauer > 120s und begrenzt sie auf 6s mit einer Warnung
  2. Phase 4-Validierung: Suche nach dem Zusammenführen von Blöcken immer nach Einträgen, bei denen (end - start) > 120 Sekunden beträgt
  3. Vor-Rendering-Prüfung: Durchsuche vor dem Ausführen von ffmpeg die ASS-Datei auf verdächtig lange Dialogue-Zeilen
# Kurze Vor-Rendering-Prüfung: Finde Untertitel, die länger als 2 Minuten dauern
python3 -c "
import json, sys
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if s['end'] - s['start'] > 120]
if bad: print(f'WARNUNG: {len(bad)} ungewöhnliche Dauern gefunden!'); sys.exit(1)
else: print('Dauerprüfung bestanden')
"

Schriftgrößenanpassung

Problem: Standard-Schriftgrößen (16-20px) können auf hochauflösenden 1080p+-Videos zu klein sein, insbesondere bei Betrachtung auf kleineren Bildschirmen oder aus der Entfernung.

Lösung: Verwende das Flag --font-size zur Anpassung. Empfohlene Basisgrößen:

  • 1080p-Video: --font-size 24 (zweisprachig) oder --font-size 28 (einsprachig)
  • 4K-Video: --font-size 36 oder größer
  • Das Skript render-subtitles.sh übergibt dies an srt-to-ass.py

Abhängigkeiten

  • YouTube-MCP-Tools: mcp__plugin_youtube_youtube__* (Video-Download, Transkript, Info)
  • ffmpeg: Automatisch erstellt durch scripts/ensure-ffmpeg.sh

...

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Verwandte Skills