Communitygithub.com

long-form

Edita un video completo de persona hablando (de minutos a una hora, horizontal 16:9 para YouTube o vertical 9:16) de principio a fin. Acorta pausas y opcionalmente elimina muletillas, oculta los cortes con zoos alternados, añade subtítulos limpios con palabras clave resaltadas, tarjetas de capítulos e inserta “momentos” diseñados (explicador, pantalla dividida, detrás de la persona, lista clasificatoria, narración) en los fotogramas exactos. También genera un archivo .srt y una lista de capítulos para YouTube. Úsalo cuando el usuario ejecute /long-form o pida editar un video completo, un podcast, un video de YouTube, una lección de un curso o cualquier clip de más de un minuto.

¿Qué es long-form?

El skill **long-form** automatiza la edición completa de videos largos de una persona hablando (talking head), tanto en formato horizontal (16:9 para YouTube) como vertical (9:16). Está diseñado para agentes de IA como Claude Code, Cursor o Codex, y funciona mediante una canalización de varios pasos: primero **tighten** (acorta pausas y opcionalmente elimina muletillas como “um”/“uh”), luego construye el video final insertando zooms de compensación (punch-ins) para ocultar los cortes, subtítulos con palabras clave resaltadas en un “accent pill”, tarjetas de capítulos y “momentos” visuales generados por otros skills especializados (explainer, split-screen, behind-the-person, ranking-list, storytelling). El skill también normaliza el audio a un nivel LUFS objetivo y produce un archivo .srt (subtítulos) y .chapters.txt (capítulos para YouTube). Es útil para creadores de contenido que necesitan editar entrevistas, podcasts, lecciones o videos de YouTube de forma eficiente, sin perder la naturalidad. Soporta videos de hasta una hora, procesándolos en segmentos de 10 minutos para transcripción con Groq y codificación paralela con ffmpeg.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alisolanki/alis-claude-editing-skills/tree/HEAD/skills/long-form

Preguntar en tu IA favorita

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

Documentación

/long-form

 source ──tighten──▶ tight take ──build──▶ edited.mp4  + .srt + .chapters.txt + .sheet.jpg
                     (pauses cut,          ├ plain stretches: punch-ins on the cuts, captions, chapter cards
                      words remapped)      └ moments: explainer / split-screen / ... rendered and spliced in

Primer uso

La carpeta de este skill es el "Directorio base" que Claude Code muestra al cargarlo.

SKILL_DIR="<directorio base de este skill>"   # la ruta que Claude Code imprimió como "Directorio base para este skill"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout

GROQ_API_KEY debe estar configurada para transcribir (los videos largos se dividen en fragmentos de 10 minutos). Requiere ffmpeg y Node.

Pasos

  1. Probar. "$PY" "$KIT/reel.py" probe <video>: tamaño, duración y el formato que auto seleccionará (más ancho que alto = horizontal 1920x1080, de lo contrario vertical 1080x1920). Pregunta solo si el usuario quiere la otra orientación (un fuente horizontal se puede recortar a vertical, lo que centra el contenido).

  2. Ajustar (recomendado para grabaciones en bruto, omitir si ya está editado): "$PY" "$KIT/longform.py" tighten <video> [--max-gap 0.45] [--pad 0.12] [--cut-fillers] Transcribe, conserva cada palabra, acorta cada pausa mayor que --max-gap a aproximadamente 2 × --pad, y escribe <video>.tight.mp4 más <video>.tight.transcript.json (palabras en la nueva línea de tiempo, y cuts: dónde cayó cada unión). Usa el archivo ajustado de aquí en adelante. --cut-fillers también elimina um/uh/erm.

  3. Leerlo. "$PY" "$KIT/reel.py" words <video> imprime una oración por línea con tiempos (en la línea de tiempo ajustada si ajustaste). Para videos largos, léelo en partes con --start/--end. Anota:

    • los capítulos: dónde gira el tema (de 4 a 10 para un video de 10 a 20 minutos), cada uno con un título de 2 a 5 palabras;
    • de 2 a 6 momentos: fragmentos de 4 a 10 segundos que hacen un punto visual concreto (una comparación, un paso, un número, una clasificación, una pequeña historia). Distribúyelos; la mayor parte del video se mantiene como toma directa.
  4. Encuadre. "$PY" "$KIT/reel.py" frame <video> <t> frame.jpg y mira: anota el centro de la cara (para face, usado por los zooms) y la línea de los ojos y la posición horizontal de la cara para cualquier momento que los necesite (eye_y, face_x, video_top...).

  5. Especificación. Escribe <video>.long-form.json junto al video (abajo). Las rutas son relativas al archivo de especificación.

  6. Construir. "$PY" "$SKILL_DIR/build.py" <spec.json>. Los momentos se renderizan primero (aproximadamente 20 a 40 s cada uno, en caché), luego la línea de tiempo se codifica en segmentos en paralelo. Un video de 15 minutos en 1080p toma aproximadamente el tiempo de uno o dos pases de ffmpeg sobre él.

  7. Verificar <out>.sheet.jpg (12 fotogramas, rojo = cubierto por el reproductor o la interfaz del reel), luego verifica puntualmente la unión de cada momento y una tarjeta de capítulo en el video mismo. Corrige la especificación y reconstruye; los momentos que no cambiaron se reutilizan.

  8. Entregar el mp4, el .srt (súbelo a YouTube para subtítulos buscables, incluso si están quemados) y el .chapters.txt (pégalo en la descripción).

Especificación

{
  "video": "episodio.ajustado.mp4",
  "format": "auto",
  "out": "episodio.editado.mp4",
  "face": [880, 400],
  "punch_ins": {"every": "cut", "scale": 1.12, "min_hold": 2.5},
  "zooms": [{"start": 312.4, "end": 318.0, "scale": 1.25}],
  "captions": {"keys": ["carrusel", "viral"], "karaoke": false},
  "chapters": [
    {"at": 0, "title": "Por qué ganan los carruseles"},
    {"at": "lo segundo", "title": "Encontrar un post viral"}
  ],
  "moments": [
    {"skill": "explainer", "start": 61.2, "end": 67.0,
     "title": "Roba lo que *funciona*", "eye_y": 400, "face_x": 880,
     "visual": {"type": "list", "items": [{"text": "Encuentra un post *viral*", "at": "find"}, {"text": "Recrealo", "at": "recreate"}]}},
    {"skill": "split-screen", "start": 140.0, "end": 147.5, "face_x": 880, "zoom": 1.2,
     "badge": "Paso 2", "headline": "Elige *uno*", "visual": {"type": "image", "src": "capturas/app.png"}}
  ],
  "loudness": -14
}
  • video: el archivo ajustado, o el original. start/end (opcional) usan solo una parte.
  • format: auto, horizontal o vertical.
  • face: [x, y] de la cara en el lienzo, el centro de cada zoom. Predeterminado: centro, un poco arriba del medio.
  • punch_ins: alterna entre la toma directa y scale (1.08 a 1.18) en cada "cut" (necesita un transcript ajustado; oculta los cortes), cada "sentence", o cada N segundos (un número). min_hold (s) evita que los zooms parpadeen. Omítelo para no tener punch-ins.
  • zooms: zooms explícitos a una escala, además de los punch-ins. Úsalos con moderación, para una línea enfática.
  • captions: subtítulos fijos de estilo house: Inter ExtraBold, blanco con sombra suave, keys sobre un accent pill. karaoke: true atenúa las palabras hasta que se dicen. y y size los mueven y redimensionan. false desactiva los subtítulos quemados (el .srt igual se escribe). Dentro de los momentos, los subtítulos del momento toman el control.
  • chapters: at son segundos o una palabra hablada ("precios", "precios#2", "precios-0.5"). Cada una obtiene una tarjeta (un número de acento y el título) durante unos 3 s; "card": false en una, o "chapter_cards": false para todas, mantiene solo la entrada en .chapters.txt. Un primer capítulo que no esté en 0 obtiene una línea "Introducción" (intro_title).
  • moments: skill + start/end (segundos, o palabras) + los propios campos de ese skill, exactamente como los describe su SKILL.md (léelo antes de escribir uno). El formato, video y transcript se completan automáticamente. Los momentos no pueden solaparse. Un skill de recorte (explainer, behind-the-person) añade aproximadamente 0.1 s por fotograma.
  • loudness: normaliza la mezcla final a este LUFS (-14 es adecuado para YouTube). Omítelo para mantener la voz grabada.
  • keep_work: true conserva los segmentos codificados en .work/.

Gusto

  • La toma es el espectáculo. Los subtítulos y los punch-ins llevan todo el video; los momentos son condimento (como máximo uno cada 1 a 3 minutos).
  • Cada momento ilustra la oración exacta que está debajo, aterrizando en las palabras que lo nombran, y usa las imágenes reales del usuario, capturas de pantalla y números. Nunca inventes resultados.
  • Los títulos de los capítulos son cortos y concretos ("Precios", "La configuración en 3 pasos"), nunca clickbait.
  • Horizontal: mantén los subtítulos y las tarjetas dentro del área segura (la hoja lo muestra); la barra de progreso de YouTube cubre los 120 píxeles inferiores cuando está en pausa.
  • Vertical long-form usa las mismas zonas que los reels; mantén los subtítulos alrededor de y 1380.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados