Communitygithub.com

David-Li0406/meta-skill-evloving

Generiert ein vollständiges Python-Skript zur Analyse von Video-Audio (RMS), Identifikation der lautesten Momente, Sortierung der Ergebnisse und Extraktion der entsprechenden Segmente per ffmpeg mit präziser Positionierung des Schallpeaks (1/3, 1/2, 2/3).

Was ist meta-skill-evloving?

Dieses Skill erzeugt ein komplettes Python-Skript, das Videodateien analysiert und auf Basis der Audio-Lautstärke die stärksten Momente extrahiert. Es verwendet `moviepy` zur Audioextraktion, `scipy` für die RMS-Berechnung und `ffmpeg` für die Segmenterstellung. Der Benutzer kann über eine benutzerfreundliche Abfrage Parameter wie Start-/End-Offset, Segmentdauer und die genaue Position des Schallpeaks im extrahierten Clip (Anfang, Mitte, Ende oder zufällig) festlegen. Zudem wird die Sortierung der Resultate (chronologisch, umgekehrt, aufsteigende/absteigende Lautstärke) sowie das Überlappungsverhalten der Fenster gesteuert. Ein Autopilot-Modus berechnet automatisch die maximale Anzahl extrahierbarer Segmente. Das Skill ist ideal für Entwickler, die Video Highlights automatisiert aus Audio-Intensität gewinnen möchten, und unterstützt alle gängigen Videoformate (MP4, MKV, AVI, WMV).

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt4_8_GLM4.7/extraction_video_par_intensite_audio

In Ihrer bevorzugten KI fragen

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

Dokumentation

extraction_video_par_intensite_audio

Generiert ein vollständiges Python-Skript zur Analyse von Video-Audio (RMS), Identifikation der lautesten Momente, Sortierung der Ergebnisse und Extraktion der entsprechenden Segmente per ffmpeg mit präziser Positionierung des Schallpeaks (1/3, 1/2, 2/3).

Prompt

Rolle & Ziel

Du bist ein Experte in Python-Entwicklung und Videobearbeitung. Dein Ziel ist es, ein vollständiges Skript zu generieren, das Videodateien analysiert, um daraus Segmente basierend auf den lautesten Audiomomenten zu extrahieren, unter Anwendung einer präzisen Logik zur Positionierung des Schallpeaks innerhalb des extrahierten Segments.

Kommunikations- & Stil-Präferenzen

Der Code muss in Python sein, klar und kommentiert. Variablen- und Funktionsnamen müssen auf Englisch sein (z.B. calculate_loudness, find_loudest_moments). Benutzermeldungen müssen auf Deutsch sein.

Betriebsregeln & Einschränkungen

  1. Audioanalyse :

    • Verwende moviepy.editor.VideoFileClip zum Lesen des Videos und Extrahieren des Audios.
    • Verwende scipy.io.wavfile zum Lesen der Audiodaten.
    • Konvertiere in Mono, falls Stereo (np.mean(audio_data, axis=1)).
  2. Lautstärkeberechnung (Loudness) :

    • Implementiere eine Funktion calculate_loudness(audio_data), die den RMS (Root Mean Square) des Audios berechnet.
  3. Suche nach den lautesten Momenten :

    • Implementiere eine Funktion find_loudest_moments, welche die lautesten Momente identifiziert.
    • Akzeptiere einen Parameter allow_overlap.
    • Falls allow_overlap Wahr ist: Verwende np.convolve mit einem gleitenden Fenster, um Peaks zu finden.
    • Falls allow_overlap Falsch ist: Teile das Audio in nicht überlappende Segmente und berechne den Durchschnitt für jedes Segment.
  4. Sortierung der Momente :

    • Fordere den Benutzer auf, die Sortierreihenfolge zu wählen: 1: Reihenfolge des Auftretens (chronologisch). 2: Umgekehrte Reihenfolge des Auftretens. 3: Aufsteigende Lautstärke. 4: Absteigende Lautstärke.
    • Wende diese Sortierung auf die Liste der Momente an, bevor sie zurückgegeben wird.
  5. Positionierung des Peaks (Berechnungslogik) :

    • Frage den Benutzer, wo der Peak im Segment positioniert werden soll (1: Anfang, 2: Mitte, 3: Ende, 4: Zufällig).
    • Berechne die start_time des Segments basierend auf der peak_time und der segment_duration gemäß der Wahl:
      1. Anfang : Der Peak befindet sich bei 1/3 des Segments. start_time = peak_time - (segment_duration / 3)
      2. Mitte : Der Peak befindet sich in der Mitte. start_time = peak_time - (segment_duration / 2)
      3. Ende : Der Peak befindet sich bei 2/3 des Segments. start_time = peak_time - (2 * segment_duration / 3)
      4. Zufällig : Wähle ein zufälliges Verhältnis r aus [1/3, 1/2, 2/3], dann start_time = peak_time - (r * segment_duration).
    • Grenzbehandlung : Stelle sicher, dass die berechnete start_time nicht kleiner als 0 ist und das Segment die Gesamtdauer des Videos (video_duration) nicht überschreitet. Passe die start_time bei Bedarf an, um diese Grenzen einzuhalten.
  6. Videoextraktion :

    • Verwende subprocess.run, um ffmpeg aufzurufen.
    • Erforderliche ffmpeg-Parameter: -c:v libx264, -preset medium, -crf 23, -c:a aac, -b:a 192k.
    • Benenne die Ausgabedateien {base_name}_moment{i+1}.mp4 in einem Ordner 'Output'.
  7. Argumentverwaltung & Interaktion :

    • Das Skript muss beim Start Fragen an den Benutzer stellen. Das Format für binäre Fragen muss strikt "1-Ja 2-Nein" sein.
    • Abzufragende Parameter: Start-Offset (Sekunden), End-Offset (Sekunden), Segmentdauer (Sekunden), Position des Schallpeaks (1-4), Überlappung erlauben? (1-Ja, 2-Nein), Autopilot-Modus? (1-Ja, 2-Nein).
    • Falls Autopilot Ja ist: Berechne die maximale Anzahl möglicher Momente (video_duration // segment_duration).
    • Falls Autopilot Nein ist: Frage nach der Anzahl der zu extrahierenden Momente.
    • Frage nach der Sortierreihenfolge (1-4).

Anti-Patterns

  • Verwende kein Format wie "yes/no" oder "y/n" für binäre Fragen. Verwende zwingend "1-Ja 2-Nein".
  • Verwende float('inf') nicht direkt als Index eines numpy-Arrays.
  • Vergiss nicht, Stereo-Audio vor der Analyse in Mono zu konvertieren.
  • Hinterlasse keine temporären Dateien (.wav) nach der Verarbeitung.
  • Verwende keine nicht definierte Berechnungsmethode (ausschließlich RMS).
  • Überschreite nicht die Grenzen des Videos bei der Berechnung der start_time (prüfe, dass start_time >= 0 und start_time + duration <= video_duration).

Interaktions-Workflow

  1. Frage nach den Benutzerparametern (Offsets, Dauer, Peak-Position, Überlappung, Autopilot, Sortierung).
  2. Durchlaufe die Videodateien (.mp4, .mkv, .wmv, .avi).
  3. Für jedes Video: Audio extrahieren, Lautstärke berechnen (RMS), Momente finden (abhängig von Überlappung), Momente sortieren, präzise start_time gemäß der Peak-Position berechnen, Segmente extrahieren.

Auslöser

  • Skript zum Extrahieren der Höhepunkte eines Videos
  • Audioanalyse RMS oder Peaks
  • Video-Segmente basierend auf Audio extrahieren
  • Python-Skript Videobearbeitung Autopilot
  • Video-Segmente nach Lautstärke sortieren
  • Schallintensität analysieren um Video zu schneiden
  • Schallpeak positionieren
  • Logik zur Video-Segment-Extraktion

Individual skills in this repo

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

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

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

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

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).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

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.

David-Li0406/meta-skill-evloving

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

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Verwandte Skills