Communitygithub.com

Video-Processor

Verarbeitet Videodateien mit Audio-Extraktion, Formatkonvertierung (MP4, WebM) und Whisper-Transkription. Verwenden, wenn der Nutzer Videokonvertierung, Audioextraktion, Transkription, MP4, WebM, FFmpeg oder Whisper-Transkription erwähnt.

Was ist Video-Processor?

Diese Skill bietet eine einheitliche CLI-Schnittstelle für gängige Videoverarbeitungsaufgaben, darunter Audio-Extraktion, Formatkonvertierung (MP4, WebM) sowie automatische Spracherkennung mit OpenAIs Whisper-Modell. Der Skill nutzt FFmpeg für die Medienverarbeitung und Whisper für die Transkription. Er unterstützt mehrere Audio- und Videoformate, verschiedene Whisper-Modellgrößen (tiny, base, small, medium, large) und diverse Transkriptionsausgabeformate (TXT, SRT, VTT, JSON). Der Skill ist besonders nützlich für Entwickler und Content-Ersteller, die Videos für verschiedene Plattformen optimieren, Untertitel generieren oder Audioinhalte verschriftlichen müssen. Die Verwendung erfolgt über ein einzelnes Python-Skript (video_processor.py), das über die Kommandozeile mit `uv run` ausgeführt wird. Der Skill läuft in jeder Umgebung, in der FFmpeg und Python mit den entsprechenden Paketen installiert sind, und eignet sich für Batch-Verarbeitungen sowie Einzelfälle. Die Implementierung folgt dem PEP-723-Standard und enthält eine umfassende Fehlerbehandlung.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/aiskillstore/marketplace/tree/HEAD/skills/egadams/video-processor

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Video-Processor?

Anleitung

Diese Skill bietet Videoverarbeitungswerkzeuge, darunter Audio-Extraktion, Formatkonvertierung und Audio-Transkription mit FFmpeg und OpenAIs Whisper-Modell.

Voraussetzungen

Erforderliche Werkzeuge (müssen in Ihrer Umgebung installiert sein):

  • FFmpeg: Multimedia-Framework für Video-/Audioverarbeitung

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Installation überprüfen
    ffmpeg -version
    
  • OpenAI Whisper: Sprach-zu-Text-Transkriptionsmodell

    # Installation über pip
    pip install -U openai-whisper
    
    # Installation überprüfen
    whisper --help
    

Python-Pakete (im Skript via PEP 723 enthalten):

  • click (CLI-Framework)
  • ffmpeg-python (Python-Wrapper für FFmpeg)

Arbeitsablauf

Verwenden Sie für alle Videoverarbeitungsaufgaben das Skript scripts/video_processor.py. Das Skript bietet eine einfache CLI mit den folgenden Befehlen:

1. Audio aus Video extrahieren

Extrahiert die Tonspur aus einer Videodatei:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Optionen:

  • --format: Ausgabe-Audioformat (Standard: wav). Unterstützt: wav, mp3, aac, flac
  • Die Ausgabe eignet sich zur Transkription oder als eigenständige Audiodatei

2. Video in MP4 konvertieren

Konvertiert jede Videodatei in das MP4-Format:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Optionen:

  • --codec: Video-Codec (Standard: libx264). Übliche Optionen: libx264, libx265, h264
  • --preset: Kodierungsgeschwindigkeits-/Qualitätseinstellung (Standard: medium). Optionen: ultrafast, fast, medium, slow, veryslow

3. Video in WebM konvertieren

Konvertiert jede Videodatei in das WebM-Format (weboptimiert):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Optionen:

  • --codec: Video-Codec (Standard: libvpx-vp9). Optionen: libvpx, libvpx-vp9
  • WebM ist für die Wiedergabe und das Streaming im Web optimiert

4. Audio mit Whisper transkribieren

Transkribiert Audio- oder Videodateien mit OpenAIs Whisper-Modell in Text:

# Videodatei transkribieren (Audio wird automatisch extrahiert)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Audiodatei direkt transkribieren
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Optionen:

  • --model: Whisper-Modellgröße (Standard: base). Optionen:
    • tiny: Am schnellsten, niedrigste Genauigkeit (~1 GB RAM)
    • base: Schnell, gute Genauigkeit (~1 GB RAM) [STANDARD]
    • small: Ausgewogen (~2 GB RAM)
    • medium: Hohe Genauigkeit (~5 GB RAM)
    • large: Beste Genauigkeit, am langsamsten (~10 GB RAM)
  • --language: Sprachcode (Standard: automatische Erkennung). Beispiele: en, es, fr, de, zh
  • --format: Ausgabeformat (Standard: txt). Optionen: txt, srt, vtt, json

Transkriptionsablauf:

  1. Bei Videoeingabe extrahiert FFmpeg das Audio in eine temporäre WAV-Datei
  2. Whisper verarbeitet die Audiodatei
  3. Die Transkription wird im gewünschten Format gespeichert
  4. Temporäre Dateien werden automatisch bereinigt

5. Kombinierter Arbeitsablauf – Beispiel

Verarbeiten Sie ein Video von Anfang bis Ende:

# 1. Audio zur Analyse extrahieren
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav

# 2. In SRT-Untertitel transkribieren
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small

# 3. In Web-Format konvertieren
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm

Wichtige technische Details

FFmpeg- und Whisper-Integration:

  • FFmpeg transkribiert selbst kein Audio – es bereitet das Audio für die externe Transkription auf
  • Der Arbeitsablauf ist: Audio extrahieren (FFmpeg) → Transkribieren (Whisper) → Optional: Mit Video zusammenführen
  • FFmpeg kann Audio direkt an Whisper weiterleiten für Echtzeitverarbeitung (fortgeschrittener Anwendungsfall)

Audioformat für die Transkription:

  • Whisper funktioniert am besten mit WAV- oder MP3-Formaten
  • Abtastrate: 16 kHz ist optimal (das Skript konvertiert automatisch)
  • Das Skript extrahiert Audio mit optimalen Einstellungen für Whisper

Ausgabeformate:

  • txt: Einfaches Text-Transkript
  • srt: SubRip-Untertitelformat (enthält Zeitstempel)
  • vtt: WebVTT-Untertitelformat (Web-Standard)
  • json: Detailliertes JSON mit wortgenauen Zeitstempeln

Fehlerbehandlung

Das Skript enthält eine umfassende Fehlerbehandlung:

  • Überprüft, ob Eingabedateien existieren
  • Prüft, ob FFmpeg und Whisper installiert sind
  • Liefert klare Fehlermeldungen bei fehlenden Abhängigkeiten
  • Bereinigt temporäre Dateien bei Fehlern

Leistungstipps

  • Verwenden Sie die Modelle tiny oder base für schnelle Entwürfe
  • Verwenden Sie small oder medium für Transkriptionen in Produktionsqualität
  • Verwenden Sie large nur, wenn maximale Genauigkeit erforderlich ist
  • Bei langen Videos sollten Sie zuerst das Audio extrahieren und dann abschnittsweise transkribieren
  • Die Konvertierung in WebM mit VP9 dauert länger, erzeugt aber kleinere Dateien

Beispiele

Beispiel 1: Schnelle Konvertierung von Video in MP4

Benutzeranfrage:

Ich habe eine AVI-Datei von meiner alten Kamera. Kannst du sie in MP4 konvertieren?

Sie würden:

  1. Den Befehl to-mp4 mit Standardeinstellungen verwenden:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4
    
  2. Bestätigen, dass die Konvertierung erfolgreich abgeschlossen wurde
  3. Den Benutzer über den Speicherort der Ausgabedatei informieren

Beispiel 2: Audio extrahieren und transkribieren

Benutzeranfrage:

Ich habe ein Vorlesungsvideo aufgenommen und brauche ein Transkript. Kannst du das Audio extrahieren und transkribieren?

Sie würden:

  1. Zuerst das Audio extrahieren:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav
    
  2. Dann mit dem base-Modell transkribieren (gutes Gleichgewicht zwischen Geschwindigkeit und Genauigkeit):
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base
    
  3. Die Datei transcript.txt mit dem Benutzer teilen

Beispiel 3: Web-optimiertes Video mit Untertiteln erstellen

Benutzeranfrage:

Ich muss dieses Video mit Untertiteln auf meine Website einbinden. Kannst du helfen?

Sie würden:

  1. Für das Web in WebM konvertieren:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm
    
  2. Eine SRT-Untertiteldatei erstellen:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small
    
  3. Den Benutzer informieren, dass jetzt Folgendes vorliegt:
    • presentation.webm (weboptimiertes Video)
    • subtitles.srt (Untertiteldatei zum Einbetten)

Beispiel 4: Hochwertige Transkription mit Sprachangabe

Benutzeranfrage:

Ich habe ein spanisches Interviewvideo, das ein genaues Transkript für die Veröffentlichung benötigt.

Sie würden:

  1. Ein größeres Modell mit Sprachangabe für beste Genauigkeit verwenden:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es
    
  2. Optional zur Überprüfung eine SRT-Datei erstellen:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es
    
  3. Das Transkript mit dem Benutzer durchgehen und gegebenenfalls Korrekturen vornehmen

Beispiel 5: Stapelverarbeitung mehrerer Videos

Benutzeranfrage:

Ich habe einen Ordner mit Schulungsvideos, die alle in WebM konvertiert und transkribiert werden müssen.

Sie würden:

  1. Alle Videodateien im Verzeichnis auflisten:
    ls training_videos/*.mp4
    
  2. Für jede Videodatei die Konvertierung und Transkription durchführen:
    # Für jedes Video: video1.mp4, video2.mp4 usw.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm training_videos/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base
    
    # Für jede Datei wiederholen
    
  3. Bestätigen, dass alle Konvertierungen und Transkriptionen abgeschlossen sind
  4. Eine Zusammenfassung der Ausgabedateien bereitstellen

Zusammenfassung

Die Video-Processor-Skill bietet eine einheitliche Schnittstelle für gängige Videoverarbeitungsaufgaben:

  • Audio-Extraktion: Tonspuren in verschiedenen Formaten extrahieren
  • Formatkonvertierung: In MP4 (universell) oder WebM (weboptimiert) konvertieren
  • Transkription: Sprach-zu-Text mit mehreren Ausgabeformaten
  • Flexibel: CLI-Argumente für Modellauswahl, Sprache und Ausgabeformate

Alle Vorgänge werden über ein einziges, gut dokumentiertes Skript mit sinnvollen Standardeinstellungen und umfassender Fehlerbehandlung abgewickelt.

Individual skills in this repo

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

aiskillstore/marketplace

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

aiskillstore/marketplace

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

aiskillstore/marketplace

Use when the user asks to "pre-launch check the landing page", "run a Quality-Score preflight", or "verify ad-to-page message match before launch"; produces an ad↔page continuity report — message-match gaps, above-the-fold check, page-speed read, form-friction count, mobile-render flags — as a pass/fix punch list. Not for redesigning or rewriting the page — use landing-optimizer; not for scoring the account or the RQS — use ad-account-auditor. 落地页体验预检/广告落地页一致性检查

aiskillstore/marketplace

Use when the user asks to "optimize our landing page for influencer traffic", "fix our promo-code landing page", or "improve conversion from a creator campaign"; produces a message-match audit, page-structure and social-proof recommendations, a promo-code/CTA conversion plan, and an A/B test roadmap. Not for measuring campaign results after launch — use performance-analyzer.

aiskillstore/marketplace

Audit a landing page, sales page or checkout page for conversion leaks and return a fix list ordered by expected revenue impact. Use when asked to review, critique or improve a landing page, sales page, opt-in page, product page or checkout flow, when conversion rate is low, when paid traffic is not converting, or when someone asks "why isn't this page converting" or wants a CRO / landing page review.

aiskillstore/marketplace

This skill helps users extract GitHub repository project details and contributor contact information using keywords, stars, and update dates. Agent should proactively apply this skill when users express needs like search for GitHub projects by keywords, find top open-source contributors in specific domains, extract developer contacts from GitHub repositories, discover trending repositories with high stars, gather contributor profiles and social links for tech recruiting, retrieve GitHub project descriptions and metrics, build developer communities by finding active contributors, search for repositories updated recently, collect personal website and Twitter links of developers, generate targeted leads for developer tools, or track active open-source contributors for collaboration.

aiskillstore/marketplace

Create beautiful visual art in .png and .pdf documents using design philosophy. You should use this skill when the user asks to create a poster, piece of art, design, or other static piece. Create original visual designs, never copying existing artists' work to avoid copyright violations.

aiskillstore/marketplace

Using the Wonda CLI to generate images, videos, music, and audio from the terminal — plus LinkedIn, Reddit, and X/Twitter research and automation

aiskillstore/marketplace

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

aiskillstore/marketplace

Generates creative domain name ideas for your project and checks availability across multiple TLDs (.com, .io, .dev, .ai, etc.). Saves hours of brainstorming and manual checking.

aiskillstore/marketplace

Generate or edit raster images when the task benefits from AI-created bitmap visuals such as photos, illustrations, textures, sprites, mockups, or transparent-background cutouts. Use when Codex should create a brand-new image, transform an existing image, or derive visual variants from references, and the output should be a bitmap asset rather than repo-native code or vector. Do not use when the task is better handled by editing existing SVG/vector/code-native assets, extending an established icon or logo system, or building the visual directly in HTML/CSS/canvas.

aiskillstore/marketplace

A set of resources to help me write all kinds of internal communications, using the formats that my company likes to use. Claude should use this skill whenever asked to write some sort of internal communications (status reports, leadership updates, 3P updates, company newsletters, FAQs, incident reports, project updates, etc.).

aiskillstore/marketplace

Router skill for LLMQuant portfolio workflows. Use when the user needs company profiles, thesis tracking, theme research, watchlist monitoring, or alert management.

aiskillstore/marketplace

Account assets, equity and fund positions, P&L, cash flow records, account statements, margin ratios, buy-power estimates, order management, and DCA recurring investments via Longbridge (most require Trade permission). Frameworks: portfolio diagnosis, rebalancing, asset allocation, risk analysis (VaR/CVaR), performance attribution, and tax-loss harvesting. Triggers: "持仓", "账户", "盈亏", "资产", "对账单", "下单", "买入", "卖出", "撤单", "定投", "组合诊断", "再平衡", "资产配置", "风险分析", "绩效归因", "税损收割", "持倉", "賬戶", "盈虧", "對賬單", "下單", "買入", "賣出", "組合診斷", "再平衡", "稅損收割", "positions", "portfolio", "P&L", "order", "buy", "sell", "DCA", "statement", "risk analysis", "rebalancing", "tax harvesting", "我的风险", "持仓风险", "风险敞口", "資產", "資產配置", "風險分析", "績效歸因", "撤單

aiskillstore/marketplace

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

aiskillstore/marketplace

Use for Codex models/pricing, scheduled tasks, skills, settings, setup, troubleshooting, customization, automations, and self-knowledge—including 'you,' 'your,' 'this app,' or 'this coding agent' when they refer to Codex—and for OpenAI APIs/products and ChatGPT Work. Also use for model choice/migration, prompting, SDKs, Responses, Realtime, agents, evals, and Chat/Work/Codex comparisons. Do not use for generic app/software tasks that merely mention Codex.

aiskillstore/marketplace

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

aiskillstore/marketplace

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

aiskillstore/marketplace

Perform a read-only, defect-first review of a specified code change and return every actionable finding. Use when another agent delegates review of uncommitted changes, a base-branch diff, a commit, or custom review instructions.

aiskillstore/marketplace

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

Verwandte Skills