Communitygithub.com

UgurKeskekci/claude-video-kit

Convierte una grabación de una persona hablando (cámara, audio incluido; horizontal 4K o vertical) en un video vertical para Instagram Reels / YouTube Shorts / TikTok (1080×1920, 30 fps) en formato "tarjeta": tarjetas de interfaz simples que aparecen con la palabra pronunciada (burbuja de diálogo, lista, terminal de escritura letra a letra, árbol de archivos, número grande, captura de pantalla real), tarjeta de rostro con esquinas redondeadas en la parte inferior, subtítulos palabra por palabra entre ellas, transiciones suaves (whoosh), sonido de teclado al escribir y una pregunta final "escribe en los comentarios". Úsalo para: "haz un reel", "saca un reel de esto", "haz un short", "video vertical", "reel con tarjetas", "reel informativo", "video de consejos", "tarjeta arriba, rostro abajo", "que termine con 'escribe en los comentarios'", "tips reel".

¿Qué es claude-video-kit?

Este skill convierte una grabación de una persona hablando (con cámara y audio, horizontal o vertical) en un video vertical corto optimizado para plataformas como Instagram Reels, YouTube Shorts y TikTok. El formato es de "tarjetas": en la parte superior se muestran tarjetas de interfaz limpias y modernas (como burbujas de diálogo, listas, terminal de escritura letra a letra, árbol de archivos, números grandes o capturas de pantalla reales) que aparecen sincronizadas con la palabra que se dice. En la parte inferior se muestra el rostro del hablante en una tarjeta redondeada, y entre ambas se colocan subtítulos palabra por palabra. Las transiciones entre tarjetas tienen un suave efecto "whoosh", hay sonido de teclado mientras se escribe y el video termina con una pregunta para fomentar la interacción en los comentarios. El skill se apoya en dos skills auxiliares del mismo repositorio: `yatay-kurgu` (para transcripción y edición de audio) y `x-animacion` (para síntesis de efectos de sonido). Funciona en macOS y Windows, requiere `ffmpeg` en el PATH, y las dependencias de Python se instalan con `kur.sh`. El modelo Whisper (large-v3) se descarga la primera vez (≈3 GB). Las fuentes tipográficas están en `fontlar/` (Inter, Newsreader, IBM Plex Mono). El flujo de trabajo consiste en: 1) transcribir y recortar el audio, 2) revisar la transcripción y marcar partes a eliminar, 3) escribir un guión (`senaryo.json`) que asocia cada tarjeta a una palabra, 4) ajustar el encuadre del rostro, 5) previsualizar y renderizar, 6) medir calidad (duración, área segura, niveles de audio) y 7) entregar el resultado. El skill está diseñado para que el usuario (Claude) decida qué contenido conservar y qué tarjeta mostrar en cada palabra, sin necesidad de escribir tiempos exactos en segundos.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/UgurKeskekci/claude-video-kit/tree/HEAD/.claude/skills/reels

Preguntar en tu IA favorita

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

Documentación

Reels (formato tarjeta)

Convierte una grabación de una persona hablando en un video vertical donde cada idea aparece como una tarjeta en la parte superior. La división del trabajo es la siguiente:

  • Las herramientas miden y cortan el audio (herramientas de transcripción/corte del skill yatay-kurgu), dibujan las tarjetas y los subtítulos, equilibran el sonido y miden el resultado.
  • Tú (Claude) lees la transcripción, seleccionas las partes a eliminar, escribes en senaryo.json qué tarjeta aparece en qué PALABRA y REVISAS las imágenes de control.

No escribes segundos: la tarjeta se vincula a la palabra pronunciada; aunque el corte cambie, la tarjeta permanece en su lugar.

Preparación

  • ffmpeg en el PATH, las dependencias de Python se instalan con kur.sh en la raíz del repositorio. En los comandos, usa .venv/bin/python como Python (Windows: .venv\Scripts\python). NO se necesita ffmpeg con libass: los subtítulos se dibujan con Pillow.
  • Usa las herramientas de dos skills del mismo repositorio, sin modificarlos: yatay-kurgu (transcripción literal + corte de audio) y x-animacion (síntesis de whoosh y sonido de teclado).
  • El modelo Whisper se descarga la primera vez (large-v3 ≈ 3 GB); avisa al usuario antes de descargar.
  • Las fuentes tipográficas están solo en fontlar/ en la raíz del repo (OFL): Inter, Newsreader, IBM Plex Mono.
  • Cada proyecto tiene su propia carpeta: calisma/reels/<nombre>. La grabación original es de solo lectura.

A continuación, R = .venv/bin/python .claude/skills/reels/araclar/reels.py, P = calisma/reels/<nombre>.

Ciclo

1. Transcripción.

R dokum P --video kayit.mp4 [--bas 56 --sure 42] [--terimler "nombres específicos del video"]

Si la grabación es larga y el Reels es solo una parte, usa --bas/--sure para indicar la ventana (el fragmento se extrae como P/kaynak.mov, el archivo original no se modifica). Objetivo: salida de 35-45 segundos.

2. Lee la transcripción, corta. Lee P/dokum.md de principio a fin (se aplican las reglas del SKILL.md de yatay-kurgu). Las pausas y repeticiones consecutivas ya se han eliminado; tú escribes en P/atilacak.json las siguientes partes, cada línea con su justificación:

  • reinicios (se queda el último intento), notas de edición ("cortaré aquí"), números mal dichos y corregidos;
  • palabras ininteligibles: si en ambas soluciones queda ambiguo, no se fuerza en el subtítulo, se corta (.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py pencere P <sn> para volver a resolver);
  • temas secundarios que sobran para el Reels: decisión de contenido, preguntar al usuario.

El punto de corte lo marca el SONIDO: escribe el intervalo usando los límites de línea de dokum.md, la herramienta lo ajusta al fotograma más silencioso dentro de ±0.2 segundos. Luego:

R kurgu P        # reconstruye el plan
R kelimeler P    # palabras que quedan en el montaje, con su segundo de salida (elige aquí los anclajes)

3. Guión: P/senaryo.json. Ejemplo: ornekler/reels/senaryo.ornek.json. Lista de campos y tipos de tarjeta: references/kartlar.md.

{"vurgu": ["effort"], "kuyruk": 2.0, "vuruslar": [
  {"duzen": "yuz"},
  {"kelime": "Önce", "kart": {"tur": "liste", "baslik": "Sıra", "isaret": "sayi",
     "maddeler": [{"yazi": "Modeli seç", "kelime": "modeli"}, {"yazi": "Effort'u seç", "kelime": "effort"}]}},
  {"kelime": "oynattım", "ofs": 0.5, "duzen": "grafik", "kart": {"tur": "soru", "soru": "Sen hangisini kullanıyorsun?"}}
]}
  • Golpe = un estado de la pantalla. El anclaje kelime es el INICIO de la palabra ("effort" -> "effort'unu"), se busca DESPUÉS del golpe anterior; puede haber varias palabras ("plan modu"), kac indica la enésima aparición, ofs desplazamiento en segundos. El primer golpe comienza en 0. Cada elemento/tarjeta también puede tener su propio kelime.
  • Diseño: bol (tarjeta arriba, rostro abajo; predeterminado para golpes con tarjeta), yuz (pantalla completa de rostro; predeterminado para golpes sin tarjeta), grafik (pantalla completa de tarjeta, sin rostro).
  • Ritmo: 1.5-4 segundos por golpe; en un Reels de 40 segundos, 10-15 golpes. El gancho (primeros 1-2 segundos) se abre con el rostro.
  • El rostro solo donde se mira a la cámara. Si la persona habla mirando a la pantalla/texto, ese golpe es grafik.
  • Sin inventar: la tarjeta muestra solo lo que realmente se dijo o lo que realmente ocurrió. No escribas números no medidos, comandos que no existan, ni texto falso. Las capturas de pantalla deben ser archivos reales del usuario (gorsel).
  • Cierre: el último golpe es una tarjeta soru (pregunta para que comenten); al terminar el discurso, permanece en pantalla kuyruk segundos, por eso se elige diseño grafik (la imagen se congela).
  • Palabra mal escuchada en subtítulos: "altyazi_duzelt": {"aranaya": "arenaya"}. Las palabras en la lista vurgu aparecen en cursiva y con color de énfasis en los subtítulos (la raíz basta: "effort").

Revisa los tiempos resueltos: R vuruslar P (inicio/fin de cada golpe, tiempos de los elementos; ADVIERTE si un elemento no se verá antes de cambiar de tarjeta).

4. Encuadre.

R yuz P          # estimación del recuadro facial -> P/kadraj.json + P/kontrol/kadraj.jpg

ABRE kontrol/kadraj.jpg con Read: el rectángulo verde debe rodear el rostro (desde la frente hasta la barbilla); el azul es el recorte bol, el naranja el recorte yuz. La estimación no usa modelos (se basa en color de piel + prioridad central); fondos con tonos cercanos a la piel, dos personas o luces de colores pueden engañarla. Si es incorrecta, corrige MANUALMENTE kutu en kadraj.json mirando los píxeles originales en la regla, luego actualiza la imagen con R yuz P (no sobrescribe el kadraj.json existente). Si la persona se mueve, escribe anahtarlar (recuadros con marca de tiempo).

5. Vista previa, luego render.

R kare P                    # un fotograma de cada golpe -> P/kontrol/kareler.jpg (REVISA)
R kare P 2.3,31.4           # momentos concretos (animación de entrada, terminal escrito)
R render P                  # -> P/cikti/<ad>.mp4, al final la medición se ejecuta automáticamente

6. Mide (no puedes verlo, mídelo). R olc P (se ejecuta automáticamente al terminar el render) -> P/kontrol/olcum.md + P/kontrol/temas.jpg:

  • Duración: el video y el audio tienen la misma longitud, el número de fotogramas coincide con lo esperado.
  • Área segura: cada 5 fotogramas se mide el rectángulo (en píxeles) de los subtítulos, la tarjeta y el rostro. La interfaz de Instagram cubre la parte superior (y<220), el 20% inferior (y>1536) y la columna derecha de me gusta/comentarios (x>940, y 1000-1536); los subtítulos y la tarjeta no deben entrar ahí, el rostro se mantiene encima del 20% inferior. Si hay una línea de VIOLACIÓN, corrige el guión (contenido de la tarjeta, diseño) o kadraj.json.
  • Audio: el archivo final debe tener -14 LUFS, pico real <= -1 dBTP; la pista de efectos está ~15 dB por debajo de la voz; los picos de whoosh deben coincidir con los cortes.
  • Página de contacto: el estado LLENO de la tarjeta de cada golpe (justo antes del cambio). ÁBRELA y revisa: texto desbordado, elementos superpuestos, cabeza cortada, tarjeta vacía.
  • Uniones (opcional): .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py dogrula P vuelve a resolver el audio cortado e informa palabras rotas o que se cuelan (P/dogrula.md).

Después de corregir, solo R render P (audio y video desde cero, en un M1 Pro un video de 40 segundos tarda ~35 segundos).

7. Entrega. Proporciona al usuario información breve y numérica: ruta de salida, duración (original -> editado), número de golpes/tarjetas, partes eliminadas y sus justificaciones, resultado de área segura, LUFS/pico, ruta de la página de contacto. Lo que no puedas medir (agradabilidad del sonido, claridad de la tarjeta) déjaselo explícitamente al usuario.

Limitaciones conocidas

  • La estimación del recuadro facial no usa modelos; es obligatorio revisar kadraj.jpg en cada grabación. No hay seguimiento facial fotograma a fotograma: solo un rectángulo fijo o transición lineal entre fotogramas clave.
  • El rostro a pantalla completa (yuz) desde una grabación horizontal está limitado por la altura de la fuente: en 4K el rostro se ve grande, los subtítulos bajan automáticamente debajo de la barbilla. En el diseño bol, la altura de la tarjeta de rostro se reduce según la imagen restante debajo del rostro (para que la barbilla no caiga en el 20% inferior).
  • No hay música; los efectos son sintetizados (whoosh, teclado, pop, scratch).
  • Los tipos de tarjeta son fijos (references/kartlar.md). Para añadir un nuevo tipo: función de dibujo + sonido en araclar/kartlar.py, registrar en los diccionarios CIZ y OLAY.
  • Las zonas de interfaz (superior 220, 20% inferior, columna derecha x>940) son valores aproximados y cautelosos para Instagram Reels (definidos al inicio de araclar/cizim.py); en Shorts/TikTok son similares pero no idénticos.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

UgurKeskekci/claude-video-kit

Kodla (görsel üretim modeli OLMADAN) hikâye anlatan kısa mürekkep çizgi animasyonu üretir — X/Twitter gönderisi, Reels/Shorts, YouTube video arası ya da soğuk açılış. Görüntü PIL mürekkep motoruyla, müzik ve efektler numpy sentezi ile aynı zaman programından üretilir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "animasyon yap", "çizgi animasyon", "halimi anlat", "durumumu göster", "twitter için animasyon", "reels animasyonu", "araya animasyon", "çöp adam animasyonu", "kodla video", "one-shot animasyon".

UgurKeskekci/claude-video-kit

Sayı ve yazıyla hikâye anlatan editoryal hareketli grafik videosu üretir (Remotion) — X/Twitter gönderisi, Reels/Shorts, YouTube video arası. Hikâye JSON sahne listesi olarak yazılır (başlık, yazılan istem, sayaç, ölçer, sütunlar, karşılaştırma, liste, soru), 16:9 ve 9:16 render edilir, yumuşak whoosh + klavye + sakin müzik yatağı numpy ile sentezlenip eklenir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "X için animasyon/video", "hareketli grafik", "motion graphics", "sayılarla anlat", "sonuçları grafikle göster", "karşılaştırma videosu", "test sonucunu animasyonla anlat", "reels grafiği", "araya grafik", "Remotion".

UgurKeskekci/claude-video-kit

Yatay YouTube konuşma videosunu (kamera kaydı, isteğe bağlı ayrı ekran kaydı) kaba kurgular. Harfiyen döküm çıkarır, duraklamaları ve art arda tekrarları sesten keser; Claude dökümü okuyup gerekçeli bir atma listesi yazar, mp4 üretilir, kesilmiş ses yeniden çözülüp her birleşim denetlenir. Şu durumlarda kullan - "videoyu kurgula", "kaba kurgu", "ham kaydı kes", "beklemeleri/duraklamaları kes", "tekrarları at", "takılmaları temizle", "jump cut", "keseceğim dediğim yerleri at", "kamera ile ekran kaydını senkronla", "ekran kaydının köşesine kamera koy", "sessiz yerleri hızlandır".

Skills relacionados