Communitygithub.com

FilippTrigub/abra

Pipeline de mejora de video. Usa esta habilidad cuando el usuario quiera afinar, graduar el color, calentar o normalizar el audio de videos — incluyendo preajustes para looks natural, cinematográfico o vívido.

¿Qué es abra?

Esta habilidad implementa un pipeline completo de mejora de video que aplica afilado, graduación de color y normalización de audio a lotes de videos. Es útil para creadores de contenido que desean mejorar rápidamente la calidad visual y sonora de sus videos sin necesidad de edición manual. Compatible con sistemas que tengan ffmpeg y uv instalados (Linux, macOS). El pipeline procesa los videos con FFmpeg aplicando unsharp, ecualización y balance de color, seguido de normalización de audio a -14 LUFS. Ofrece tres preajustes: natural (afilado sutil, saturación +10%), cinematográfico (afilado fuerte, saturación +35%, tono cálido) y vívido (afilado fuerte, saturación +40%). Tras la ejecución, reporta el número de videos procesados y fallidos, y la ruta de salida.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FilippTrigub/abra/tree/HEAD/skills/video-enhancer

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

video-enhancer — Pipeline de Mejora de Video

Afilado, graduación de color y normalización de audio para un lote de videos. Sin subtítulos — para subtitulado usa la habilidad video-captioner.

Pipeline

video de entrada → unsharp + eq + colorbalance (ffmpeg) → normalización de audio -14 LUFS → salida

Preajustes

PreajusteAfiladoSaturaciónCalidez
naturalsutil+10%ninguna
cinematicfuerte+35%cálido (rojo aumentado, azul reducido)
vividfuerte+40%ninguna

Si el usuario no ha especificado un preajuste, pregúntale qué look desea antes de ejecutar. Describe brevemente las opciones: natural para un resultado limpio y sutil; cinematic para una graduación cálida y vibrante lista para Instagram; vivid para la máxima intensidad de color.

Cómo ejecutar

Instalar dependencias (solo la primera vez):

cd "$SKILL_DIR" && uv sync

Luego procesar videos:

cd "$SKILL_DIR" && uv run python scripts/enhance.py \
  --input <ruta/al/input> \
  --output <ruta/al/output> \
  --preset natural|cinematic|vivid

Invocaciones comunes

# Graduación cinematográfica
uv run python scripts/enhance.py --input ./input --output ./output --preset cinematic

# Graduación natural
uv run python scripts/enhance.py --input ./input --output ./output --preset natural

# Graduación vívida
uv run python scripts/enhance.py --input ./input --output ./output --preset vivid

Después de ejecutar

Informar al usuario:

  • Cuántos videos se procesaron correctamente y cuántos fallaron.
  • La ruta completa al directorio de salida.
  • Si algún video falló, nombrarlos explícitamente.

Casos límite

  • Si ffmpeg no está instalado: indicar al usuario que lo instale (sudo pacman -S ffmpeg en Arch/CachyOS, brew install ffmpeg en macOS, sudo apt install ffmpeg en Ubuntu)
  • Si uv no está instalado: dirigir a https://docs.astral.sh/uv/getting-started/installation/
  • Si el directorio de entrada está vacío: reportarlo claramente en lugar de salir silenciosamente
  • Si se proporciona un preajuste desconocido: listar las opciones válidas (natural, cinematic, vivid)
  • La normalización de audio puede mostrar una advertencia sobre modo dinámico para clips cortos — esto es esperado y no es un error

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

FilippTrigub/abra

>- Animate a still image into a short video clip using fal.ai's LTX-2.3 Fast image-to-video model in the cloud. No GPU required - runs entirely on fal.ai serverless infrastructure.

FilippTrigub/abra

>- Auto-describe and caption images using a local vision-language model. Writes a JSON sidecar per image containing a one-sentence description, a suggested Instagram caption with hashtags, and detected content tags.

FilippTrigub/abra

>- Animated caption pipeline. Use this skill when the user wants to burn word-by-word animated captions into videos — using Whisper for transcription and pycaps for rendering. Supports default minimalist style or a futuristic CSS theme with alternating gold/magenta glowing words.

FilippTrigub/abra

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

FilippTrigub/abra

>- Edit a region of a video using a text prompt via Wan2.1-VACE inpainting. Supports two modes: background (auto-segment via rembg) or region (rectangle defined by fractions). Requires a CUDA GPU with at least 8 GB free VRAM.

FilippTrigub/abra

Generate videos from text or images using Higgsfield's multi-model cloud platform. Supports kling, seedance, dop, and dop-preview models. Uses a small preset layer for common creative styles. Auto-detects text-to-video or image-to-video based on input. No GPU required.

FilippTrigub/abra

>- Remove the background from every frame of a video using AI (BiRefNet-general via rembg). Outputs transparent-background video or composites onto a solid colour or image. Requires a CUDA GPU with at least 3 GB free VRAM.

Skills relacionados