utillayer/youtube-agent-skill

Erstelle aus dem Transkript einer Rohaufnahme eine Schnittentscheidungsliste – mit Zeitcodes für tote Luft, Füllwörter und Wiederholungen.

Was ist youtube-agent-skill?

Diese Fähigkeit („Skill“) wandelt ein zeitgestempeltes Transkript (SRT, VTT oder Whisper-JSON) in eine Schnittentscheidungsliste um. Sie erkennt tote Pausen (DEAD), Füllwörter (FILLER) und Satzwiederholungen (REPEAT) und gibt die entsprechenden Schnitte mit Zeitcodes aus. Nützlich für Videobearbeiter, die aus langen Aufnahmen schnell die besten Stellen extrahieren möchten, ohne das Rohmaterial manuell durchgehen zu müssen. Der Skill arbeitet rein auf Textebene – er schneidet kein Video, sondern liefert nur die Anweisungen, die du dann in deinem Schnittprogramm umsetzt. Ein integrierter Markierungsmechanismus verhindert die versehentliche Veröffentlichung: Vor dem finalen Export muss der Benutzer aktiv bestätigen, dass die Änderungen übernommen werden sollen.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor

npx skills add https://github.com/utillayer/youtube-agent-skill/tree/HEAD/skills/yt-edit

Dokumentation

yt-edit

Eine Schnittentscheidungsliste aus einem zeitgestempelten Transkript. Sie gibt die Schnitte aus. Du wendest sie an.

python3 ${CLAUDE_SKILL_DIR}/deadair.py transcript.srt              # srt, vtt oder whisper json
python3 ${CLAUDE_SKILL_DIR}/deadair.py transcript.srt --floor 0.35 --json

Die Werkzeuge liegen im Ordner dieses Skills. ${CLAUDE_SKILL_DIR} ist dieser Ordner in Claude Code; an Orten, an denen es nicht expandiert (claude.ai, Codex), verwende den Ordner, aus dem diese SKILL.md geladen wurde.

Noch kein Transkript? Frage danach, oder erstelle eines – alle funktionieren: whisper, faster-whisper oder der Untertitel-Track, den YouTube bei einem ungelisteten Upload generiert. YouTube's automatische .vtt-Caption kann so verwendet werden, wie sie ist: die integrierten Wort-Zeitangaben, die sich wiederholenden Zeilen und [Musik]-Annotationen werden beim Laden entfernt. Rate nicht bei Zeitangaben.

Hast du einen Link, aber kein Transkript? YouTubes eigene Captions in einer Zeile:

yt-dlp --skip-download --write-auto-subs --sub-langs en --sub-format vtt -o transcript "<video url>"

Das schreibt transcript.en.vtt. Ersetze en durch die Sprache des Videos. Automatische Captions haben keine Zeichensetzung; ein whisper-Transkript hat sie und liefert sauberere Satzgrenzen.

Was es findet

DEAD – Lücken, die länger sind als der Schwellwert (Floor), aus der MITTE geschnitten, damit beide Seiten noch einen Atemzug haben. Direkt am Schnittpunkt mit der Sprache zu schneiden, lässt den verdichteten Take keuchend klingen.
FILLER – Signale, die nur aus „äh“, „also ja“, „im Grunde“ sowie spanischen („bueno“, „o sea“), Hindi („matlab“, „accha“, „मतलब“) und nepalesischen („ani“, „khai“, „अनि“) Füllwörtern bestehen. Andere Sprachen erhalten DEAD und REPEAT, aber keine Füllwortliste – sag das.
REPEAT – Ein neu gestarteter Satz. Verglichen mit dem letzten Signal, das tatsächlich Sprache war, nicht mit dem wörtlich vorherigen Signal, denn die meisten Wiederholungen haben ein „äh“ zwischen den beiden Versuchen. Der verworfene Ansatz wird geschnitten, und er ist in der Regel der kürzere der beiden.

Was es nicht tun wird

Es berührt kein Medium. Es hat keine Meinung zu deinem B-Roll. Ein 40 % Schnitt im Bericht ist ein 40 % Schnitt der SPRACHE, und wenn das Video eine lange stille Demo enthält, ist diese Zahl falsch – überprüfe den Bericht am Filmmaterial, bevor du der Laufzeit unten vertraust.

Die Freigabe

Nichts hier wird veröffentlicht. Dieser Skill schreibt und du veröffentlichst. Jede Ausgabe endet mit einem Block, den der Benutzer kopiert, und die letzte Zeile jedes Durchlaufs ist die Frage: Veröffentlichen oder ändern?