Communitygithub.com

danielmiessler/Personal_AI_Infrastructure

KI-gestützte Audio- und Videobearbeitungs-Pipeline: Whisper-Wort-Transkription → Claude-Segmentklassifizierung → ffmpeg-Ausführung mit Überblendungen und optionaler Cleanvoice-API-Nachbearbeitung.

Was ist Personal_AI_Infrastructure?

Diese KI-Fähigkeit (Skill) implementiert eine fortschrittliche Pipeline zur intelligenten Audio- und Videobearbeitung. Sie nutzt zunächst 'insanely-fast-whisper' auf der MPS-Hardware von Apple für eine wortgenaue Transkription. Anschließend klassifiziert Claude jedes Segment in Kategorien wie KEEP (behalten), CUT_FILLER (Füllwörter entfernen), CUT_FALSE_START (Fehlstarts entfernen), CUT_STUTTER (Stottern entfernen), CUT_DEAD_AIR (tote Luft entfernen) oder CUT_EDIT_MARKER (Schnittmarken entfernen). Die eigentliche Bearbeitung erfolgt über ffmpeg mit 40 ms qsin-Überblendungen und Auffüllen von Lücken mit Raumton. Der Skill unterscheidet rhetorische Pausen von versehentlichen und dämpft Atemgeräusche auf 50 % Lautstärke (entfernt sie nicht). Optional kann eine Cleanvoice-API für die Politur von Mundgeräuschen und Lautstärkenormalisierung in der Cloud genutzt werden. Ein Vorschaumodus (--prev) ermöglicht die Prüfung vor der endgültigen Ausgabe. Er eignet sich hervorragend für Content-Ersteller, Podcaster und Video-Editoren, die qualitativ hochwertige, KI-optimierte Medien erstellen möchten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Packs/AudioEditor/src
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht Personal_AI_Infrastructure?

KI-gestützte Audio- und Videobearbeitungs-Pipeline: Whisper-Wort-Transkription (insanely-fast-whisper auf MPS) → Claude-Segmentklassifizierung (KEEP / CUT_FILLER / CUT_FALSE_START / CUT_STUTTER / CUT_DEAD_AIR / CUT_EDIT_MARKER) → ffmpeg-Ausführung mit 40 ms qsin-Überblendungen und Raumton-Lückenfülle → optionale Cleanvoice-API-Cloud-Politur für Mundgeräusche und Lautstärkenormalisierung. Unterscheidet rhetorische Pausen von versehentlichen. Atemgeräusche werden auf 50 % Lautstärke gedämpft (nicht entfernt). Vorschaumodus (--prev).

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community