Communitygithub.com

PrunaAI/pruna-skills

Verwenden, wenn jemand wortgenaue Zeitstempel aus Audio benötigt – für Lyrik-Ausrichtung, schnittsichere Zeilenbegrenzungen oder Caption-Quell-Timing vor dem Einbrennen in der Videobearbeitung.

Was ist pruna-skills?

Dieses Skill (PrunaAI/pruna-skills) extrahiert wortgenaue Transkriptionen und Zeitstempel aus Audiodateien mittels des WhisperX-Modells auf der Replicate-Plattform. Entwickler können damit präzise Wortgrenzen ermitteln, die für die automatische Synchronisation von Liedtexten (Lyric Alignment), die Erstellung von Untertiteldateien (SRT) oder die Steuerung von Videoclip-Schnitten unerlässlich sind. Der Skill ist Teil der Pruna-Suite und setzt auf die Hilfsskills `generation-diversity` (für qualitätsgesicherte Prompts) und `pruna-api` (für Authentifizierung und API-Kommunikation) auf. Die Verwendung erfolgt in der Regel in der „Align“-Phase eines Musikvideo-Workflows oder als Vorbereitung für nachgelagerte Bearbeitungsschritte wie Musikvideo-Erstellung oder Videobearbeitung. Er unterstützt die Angabe einer Ausgangssprache, eines Initial-Prompts (für bessere Erkennung von Gesang/Rap) sowie optionale Sprecher-Diarisierung für Mehrsprecher-Aufnahmen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/whisperx

In Ihrer bevorzugten KI fragen

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

Dokumentation

Voraussetzungen

Installiere und lade diese Skills, bevor du generierst (überspringen, wenn bereits über @pruna im Kontext):

SkillBeschreibungInstallation
generation-diversityVerwenden beim Schreiben jedes generativen Prompts – ritueller Seed, explizite Struktur, Szenarioachsen und Qualitätsgates vor kostenpflichtigen API-Aufrufen.npx skills add PrunaAI/pruna-skills@generation-diversity -y
pruna-apiVor jedem Pruna- oder Replicate-HTTP-Aufruf verwenden – Anmeldedaten, Hochladen/Abrufen/Herunterladen, parallele Batches und Agentensicherheit.npx skills add PrunaAI/pruna-skills@pruna-api -y

Oder die vollständige Suite einmal installieren: npx skills add PrunaAI/pruna-skills@pruna -y

Befolge die Vor dem Generieren / Craft-Abschnitte jedes Skills – wiederhole hier keine Leitfadeninhalte.

Agent-Gewohnheit

Nenne in der ersten Antwort `whisperx` in Backticks, bestätige REPLICATE_API_TOKEN (oder stoppe mit Anmeldelinks aus pruna-api) und frage dann nach den erforderlichen Eingaben. Öffne die Aufnahme → generation-diversity Klärungsaufnahme vor dem ersten POST. Leite um, wenn Wann NICHT verwenden besser passt.

Wann NICHT verwenden

Stattdessen ein anderes Skill verwenden:

SkillBeschreibungInstallation
music-2.5Verwenden, wenn jemand einen originellen KI-Song mit Gesang möchte – gesungene Texte, einen Style-Prompt-Track oder Quellaudio für ein Musikvideo.npx skills add PrunaAI/[email protected] -y
gemini-3.1-flash-ttsVerwenden, wenn jemand gesprochene Erzählung oder Voiceover benötigt – Erklär-Tracks, Dokumentationszeilen oder Stimme, um mit generiertem Video zu kombinieren.npx skills add PrunaAI/[email protected] -y
video-editingVerwenden beim Zusammenstellen oder Polieren bereits gerenderter Clips mit ffmpeg – konkatenieren, Crossfades, eingebrannte Untertitel und Untertitel, Text/Logo-Overlays, Vorher/Nachher-Schieberegler, Hintergrundmusikbetten, Plattform-Export – oder beim Erstellen eines mehrschichtigen HTML-Kombinationsvideos mit Hyperframes. Nicht für KI-Videogenerierung, Prompt-Kunst oder modellbasierte Videobearbeitung.npx skills add PrunaAI/pruna-skills@video-editing -y

Umgebung

export REPLICATE_API_TOKEN=r8_...

HTTP / Pipeline

Bevorzuge die Repo-Helfer (sie laden lokales Audio hoch und schreiben JSON + SRT):

# Agent: folge der Phasentabelle in dieser SKILL.md \
  --song output/my-mv/song.mp3 \
  --out output/my-mv/whisperx_transcript.json \
  --initial-prompt "Erste Textzeilen helfen bei der Erkennung"

# Agent: folge der Phasentabelle in dieser SKILL.md \
  --cuts output/my-mv/cut_manifest.json \
  --transcript output/my-mv/whisperx_transcript.json \
  --song output/my-mv/song.mp3

In einem Musikvideo-Workflow führe dieses Skill während der Align-Phase aus – siehe music-video.

Vor dem Generieren

  1. Vollständige Lesereihenfolge der Voraussetzungen einhalten.
  2. Bestätige audio_file (HTTPS-URL – Helfer laden lokale Dateien hoch), language und align_output: true für wortgenaue Schnittausrichtung. Wenn du Eingaben auflistest, nenne REPLICATE_API_TOKEN (Replicate – nicht PRUNA_API_KEY).
  3. Modellhinweise: setze initial_prompt auf die ersten Textzeilen für bessere Rap-/Gesangserkennung. Optional diarization für Mehrsprecher-Battles.

Erforderliche Eingabe

  • audio_file (HTTPS-URL)

Häufige optionale Felder

  • language – ISO-Code, z. B. en
  • align_output – true für wortgenaue Zeitstempel (erforderlich für Schnittausrichtung)
  • initial_prompt – erste Textzeilen
  • diarization – Sprecherlabels

Typische nächste Schritte

Häufige Folgeaktionen nach diesem Skill:

SkillBeschreibungInstallation
music-videoVerwenden, wenn jemand ein vollständiges Musikvideo möchte – origineller Song oder Gesang, Performance-Clips, B-Roll und textsynchrone Edits.npx skills add PrunaAI/pruna-skills@music-video -y
music-2.5Verwenden, wenn jemand einen originellen KI-Song mit Gesang möchte – gesungene Texte, einen Style-Prompt-Track oder Quellaudio für ein Musikvideo.npx skills add PrunaAI/[email protected] -y
video-editingVerwenden beim Zusammenstellen oder Polieren bereits gerenderter Clips mit ffmpeg – konkatenieren, Crossfades, eingebrannte Untertitel und Untertitel, Text/Logo-Overlays, Vorher/Nachher-Schieberegler, Hintergrundmusikbetten, Plattform-Export – oder beim Erstellen eines mehrschichtigen HTML-Kombinationsvideos mit Hyperframes. Nicht für KI-Videogenerierung, Prompt-Kunst oder modellbasierte Videobearbeitung.npx skills add PrunaAI/pruna-skills@video-editing -y

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

PrunaAI/pruna-skills

Use when someone needs spoken narration or voiceover — explainer tracks, documentary lines, or voice to pair with generated video.

PrunaAI/pruna-skills

Use when someone wants an original AI song with vocals — sung lyrics, a style prompt track, or source audio for a music video.

PrunaAI/pruna-skills

Use before any Pruna or Replicate HTTP call — credentials, upload/poll/download, parallel batches, and agent safety.

PrunaAI/pruna-skills

Use when assembling or polishing already-rendered clips with ffmpeg — concat, crossfades, burned captions and subtitles, text/logo overlays, before/after sliders, background music beds, platform export — or when composing a multi-layer HTML combination video with Hyperframes. Not for AI video generation, prompt craft, or model-based video edits.

PrunaAI/pruna-skills

Use when crafting video or motion prompts for any generative model — dramaturgy, camera, physics-safe motion, frame anchors, and clip chaining.

PrunaAI/pruna-skills

Use when someone wants to edit an existing photo — change outfits or backgrounds, compose from reference images, or apply prompt-driven edits.

PrunaAI/pruna-skills

Use when someone explicitly wants the fastest, cheapest photo generation — mood boards, bulk panels, or quick iterations — not when controlled photoreal or in-image text is needed.

PrunaAI/pruna-skills

Use when someone wants virtual try-on — dress a person in clothes from reference photos for fashion or ecommerce.

PrunaAI/pruna-skills

Use when installing the full Pruna generative media suite — all guides, tools, and workflows in one package.

PrunaAI/pruna-skills

Use when someone wants a cinematic clip from text or start/end frames — product ads, documentary shots, or dialogue with generated audio. Not for 1080p, imported audio tracks, or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants a polished short clip from text, images, or imported audio — 1080p B-roll, start/end frame animation, or a motion shot with a mixed track. Not for cinematic generated-audio clips or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants to edit an existing video with a text instruction — recolor, restyle, remove or add objects, change environment or lighting, update on-screen text, or apply optional reference-guided product and accessory edits. Not for a new clip from scratch or ffmpeg assembly.

PrunaAI/pruna-skills

Use when someone wants a simple short clip from text or images — quick B-roll, drafts, or start/end frame animation. Not when the brief needs cinematic generation, highest quality, tight lip-sync, or imported audio at 1080p.

Verwandte Skills