Communitygithub.com

tano2026/omc-fullstack-kit

Pipeline für kurze Videoclips: YouTube-Langform → TikTok/Reels/Shorts-Clips. Herunterladen, Transkribieren (Whisper), KI-Segmentierung (Claude), vertikaler Zuschnitt, Einbrennen von Untertiteln.

Was ist omc-fullstack-kit?

Diese Fähigkeit implementiert eine vollautomatische Pipeline zur Umwandlung von YouTube-Langformvideos in virale Kurzclips für Plattformen wie TikTok, Instagram Reels und YouTube Shorts. Sie kombiniert yt-dlp zum Herunterladen von Videos und Untertiteln, Whisper zur präzisen Transkription mit Wort-Zeitstempeln, und Claude zur intelligenten Segmentierung der besten 30-60-Sekunden-Momente (mit einem Hook-Score von mindestens 7/10). Die Pipeline führt außerdem einen layout-bewussten vertikalen Zuschnitt von 16:9 auf 9:16 durch, einschließlich Gesichtserkennung mit MediaPipe und automatischer Erkennung verschiedener Layout-Typen (z. B. Talking Head, Screen Share Overlay). Abschließend werden TikTok-ähnliche Wort-Highlight-Untertitel eingebrannt. Dieses Tool ist besonders nützlich für Content-Ersteller, Marketingteams und Social-Media-Manager, die schnell und effizient hochwertige Kurzclips aus bestehenden Langforminhalten erstellen möchten. Es erfordert eine `ANTHROPIC_API_KEY` für die KI-gestützte Segmentierung und unterstützt sowohl eine vollständige Pipeline mit Claude als auch einen eigenständigen Clipper mit heuristischem Scoring.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tano2026/omc-fullstack-kit/tree/HEAD/skills/vault/short-form-pipeline

In Ihrer bevorzugten KI fragen

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

Dokumentation

Pipeline für Kurzform-Videos

YouTube-Video → virale Kurzclips (TikTok, Reels, Shorts).

Voraussetzungen

pip install -r "D:/AI Store/digital-marketing-repos/ai-marketing-skills/requirements.txt"
# yt-dlp + ffmpeg erforderlich

Verwendung

Vollständige Pipeline (Claude-basierte Segmentierung)

python "D:/AI Store/digital-marketing-repos/ai-marketing-skills/short-form-pipeline/scripts/shortform_pipeline.py" \
  --url "https://www.youtube.com/watch?v=VIDEO_ID" \
  --max-clips 3 \
  --output-dir ./output

Eigenständiger Clipper (ohne Claude, heuristische Bewertung)

python "D:/AI Store/digital-marketing-repos/ai-marketing-skills/short-form-pipeline/scripts/video_clipper.py" \
  --url "https://www.youtube.com/watch?v=VIDEO_ID"

Pipeline-Schritte

  1. Herunterladen — yt-dlp ruft Video + VTT-Untertitel ab
  2. Transkribieren — Whisper Wort-für-Wort-Zeitstempel
  3. Segmentieren — Claude wählt 2-5 beste 30-60s Momente aus (Hook ≥ 7/10)
  4. Schneiden — FFmpeg extrahiert Clips
  5. Vertikaler Zuschnitt — Layout-bewusste 16:9 → 9:16 Konvertierung (Gesichtserkennung mit MediaPipe)
  6. Untertitel einbrennen — TikTok-ähnliche Wort-Highlight-Untertitel

Layout-Typen (automatisch erkannt)

LayoutStrategie
talking_headGesichtserkennung-zentrierter Zuschnitt
screen_share_overlayBildschirm oben, Webcam unten
side_by_sideBildschirm oben stapeln, Gesicht unten
gallery_viewQuadrant des aktiven Sprechers

Ausgabe

  • 1080×1920 (9:16 vertikal)
  • H.264 + AAC
  • Wort-Highlight-Untertitel
  • Bereit für TikTok/Reels/Shorts

Tipps

  • FFmpeg-Fehler: Verwenden Sie nicht -c:v copy mit -filter_complex
  • Untertitel-Synchronisation: Führen Sie Whisper auf dem ausgeschnittenen Clip aus, nicht auf der Quelle
  • Lange Clips: automatisch beschnitten >90s → 75s
  • Erfordert ANTHROPIC_API_KEY für KI-Segmentierung

Verwandte Skills