Communitygithub.com

UgurKeskekci/claude-video-kit

Edita en bruto videos de conversación horizontal (grabación de cámara, opcionalmente grabación de pantalla separada). Genera una transcripción literal, elimina pausas y repeticiones consecutivas del audio; Claude lee la transcripción y escribe una lista de cortes justificada, se produce el mp4, se vuelve a analizar el audio cortado y se verifica cada unión.

¿Qué es claude-video-kit?

Este skill transforma grabaciones de conversación horizontal (por ejemplo, vídeos de YouTube con cámara y opcionalmente captura de pantalla) en un montaje preliminar listo para publicación. Su flujo de trabajo se divide en tres roles: las herramientas miden el audio y eliminan automáticamente pausas, repeticiones consecutivas y silencios, colocando los puntos de corte en el fotograma más silencioso; Claude (el usuario o agente) lee la transcripción completa y elimina contenido que las herramientas no detectan, como reinicios, notas de edición del creador, correcciones de números o nombres, divagaciones y partes irrelevantes, escribiendo una justificación para cada corte; y finalmente una verificación vuelve a analizar el audio cortado para buscar palabras partidas o filtraciones. El resultado es un archivo mp4 (no un proyecto de edición no lineal) listo para agregar color, música, subtítulos y gráficos. Soporta sincronización de cámara y pantalla, y ofrece modos rápidos mediante modelos Whisper más pequeños (medium, small) para pruebas. Está diseñado para plataformas como Claude Code, Cursor y Codex, y se ejecuta con Python y FFmpeg en macOS, Linux o Windows.

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

Preguntar en tu IA favorita

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

Documentación

Montaje horizontal

A partir de una grabación de conversación en bruto produce un montaje preliminar cercano a la versión final. La división del trabajo es la siguiente:

  • Herramientas miden el audio: eliminan pausas, repeticiones consecutivas y espacios en silencio, colocando el punto de corte en el fotograma más silencioso.
  • Tú (Claude) lees la transcripción de principio a fin y eliminas lo que las herramientas no ven: reinicios, notas de edición como "aquí cortaré", correcciones de números o nombres mal dichos, partes que se desvían del tema. Escribes la justificación de cada corte.
  • Verificación vuelve a analizar el audio cortado y busca palabras partidas o filtraciones en cada unión.

La salida es un mp4 (no un proyecto de edición no lineal). Color, música, subtítulos y gráficos no son responsabilidad de este skill.

Cuándo usarlo

  • Cuando el usuario proporciona una grabación de conversación horizontal y dice "edita", "corta", "elimina pausas".
  • Cuando la cámara y la grabación de pantalla son archivos separados y necesitan sincronizarse.
  • No es para vídeo vertical (Reels/Shorts); allí el lienzo y los subtítulos son diferentes.

Preparación

  • ffmpeg debe estar en el PATH; las dependencias de Python se instalan con kur.sh en la raíz del repositorio. En los comandos usa .venv/bin/python (Windows: .venv\Scripts\python).
  • El modelo Whisper se descarga en la primera ejecución (large-v3 ≈ 3 GB). Informa al usuario antes de descargar.
  • El tiempo se consume principalmente en Whisper. Medición (M1 Pro 8 núcleos CPU, large-v3 int8, modo literal, con otro renderizado en segundo plano): una grabación de 4 minutos se procesó en 10 minutos (0,4 veces el tiempo real); dogrula vuelve a analizar el audio cortado a la misma velocidad. El corte, la sincronización y el plan toman segundos; el renderizado, minutos. Para grabaciones largas, informa al usuario del tiempo desde el principio; para pruebas rápidas se puede usar --model medium o small (menos precisos; las reglas se midieron con large-v3); la verificación final se realiza con el modelo predeterminado. Si hay GPU NVIDIA, --cihaz auto selecciona CUDA automáticamente.
  • Cada trabajo tiene su propia carpeta: calisma/<proyecto>/. No muevas, elimines ni sobrescribas los archivos originales del usuario; las herramientas solo los leen.

A continuación, H = .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py, P = calisma/<proyecto>.

Ciclo

1. Transcripción. Extrae el audio, obtiene la transcripción literal y establece el plan inicial (sin lista de cortes).

H dokum P --video camara.mp4 [--ekran pantalla.mp4] [--terimler "términos específicos del vídeo"]

Proporciona nombres propios (productos, personas, nombres de juegos) con --terimler; Whisper los escribe correctamente.

2. Lee P/dokum.md de principio a fin. Lée completamente, en partes con Read. No hojees: los reinicios y las notas de edición suelen esconderse en medio de las frases. Mientras lees, busca:

  • Reinicio: segundo intento de la misma idea. El último intento se queda, los anteriores se eliminan. Las líneas [ADAY] son pistas, pero la decisión es tuya.
  • Nota de edición y nota personal: "aquí cortaré", "repetimos esto", "corten", "perdón", "Repetir.", "que no sea así", "nota para …: pon aquí esto". El usuario puede dar instrucciones de corte verbalmente; esa es la señal más fiable.
  • Números, nombres, unidades mal dichos y corregidos: el incorrecto se elimina.
  • Palabras sueltas ("Sí. Ahora esto…"), murmullos ininteligibles, frases a medias.
  • Partes que se desvían del tema o son innecesariamente largas. Esto es una decisión de contenido: pregunta al usuario antes de eliminar.
  • Líneas DÜŞTÜ: palabras perdidas por la medición de audio. La mayoría son invenciones de Whisper o respiraciones; si una palabra significativa se ha perdido, compruébalo con zarf.

3. Escribe P/atilacak.json. Con el segundo de origen y justificación para cada línea:

[
  {"bas": 31.20, "son": 36.85, "gerekce": "reinicio: primer intento de la frase, el segundo se queda"},
  {"bas": 102.40, "son": 104.10, "gerekce": "nota de edición: dijo 'aquí cortaré'"}
]
  • Toma los límites de las líneas de [inicio–fin] en la transcripción; la herramienta coloca el corte en el fotograma más silencioso dentro de ±0,2 s, no se necesita precisión exacta. Las palabras cuyo centro cae dentro del intervalo se eliminan: termina son justo ANTES de la marca de la primera palabra que se queda, sin solapamiento.
  • Si solo una parte de la línea debe eliminarse, usa H zarf P 100 106 para ver las marcas de palabras y el audio.
  • Si una repetición enfática intencionada ("paso a paso", "información información información") no debe eliminarse automáticamente, escribe su intervalo en P/korunacak.json con el mismo formato.
  • La repetición con contraste o anáfora no es repetición: "Aquí hay algo escrito. Aquí hay otra cosa escrita." ambas se quedan.

4. Bloques de imagen (opcional): P/bloques.json. Si no existe, toda la grabación es un solo bloque de cámara.

[
  {"etiket": "introducción", "bas": 0, "son": 95.5, "goruntu": "kamera"},
  {"etiket": "demo", "bas": 95.5, "son": 400, "goruntu": "ekran"},
  {"etiket": "ejecutando prueba", "bas": 400, "son": 520, "goruntu": "ekran-hizli"}
]
  • kamera: grabación principal a pantalla completa; en los cortes se alterna un zoom de 1,00 / 1,06.
  • ekran: grabación de pantalla a pantalla completa, con cámara pequeña redonda en la esquina. Para bloques donde no quieras la cámara en la esquina, usa "kose": false.
  • ekran-hizli: no se eliminan silencios; las partes sin conversación de más de 2,4 s se aceleran 2× (más de 6 s se aceleran 4×), con un distintivo "2×" en la esquina superior izquierda. Se usa para mostrar algo en funcionamiento.
  • Coloca el límite del bloque entre frases. Si la persona no mira a la cámara (mira la pantalla mientras explica), esa sección debe ser ekran; muestra el rostro solo cuando mira directamente a la cámara. Si no estás seguro, extrae unos fotogramas de ambas grabaciones para comprobarlo (ffmpeg -ss <s> -i camara.mp4 -frames:v 1 fotograma.jpg).

5. Establece el plan y vuelve a leer.

H kurgu P

dokum.md se reescribe. Verifica que las líneas ATILDI hayan capturado la frase correcta y que el texto restante se lea con fluidez. Si es necesario, repite los pasos 3-5; este paso toma segundos.

6. Sincronización (si hay grabación de pantalla).

H senkron P            # pantalla_t = camara_t + desplazamiento + deslizamiento·camara_t  -> P/senkron.json

El valor r de las ventanas debe ser superior a 0,5 y los desplazamientos deben ser consistentes en unos pocos ms. Si la grabación de pantalla no tiene micrófono, proporciona el desplazamiento manualmente: H senkron P --ofset 2.5.

7. Renderizar. Primero una pequeña prueba, luego el renderizado completo (las partes quedan en caché, la segunda renderización es rápida):

H cek P --bas 0 --bit 15      # primeras 16 partes -> P/cikti/kurgu-0-15.mp4
H cek P [--boyut 2560x1440]   # completo -> P/cikti/kurgu.mp4
H temas P                     # un fotograma por bloque -> P/kontrol/temas.jpg (míralo con Read)

Revisa temas.jpg obligatoriamente. Si la cara en la cámara de la esquina es demasiado pequeña o está en el borde, ajusta el recorte con --kose-kirp 0.52,0.45,0.5 (centro x, centro y, borde/altura). Si hay franjas negras o barras del navegador en los bordes de la grabación de pantalla, recorta con --ekran-kirp 2468:1388:46:47 (ancho:alto:x:y, píxeles de origen); mantén la relación de aspecto 16:9.

8. Verificar y corregir.

H dogrula P                   # vuelve a analizar el audio cortado -> P/dogrula.md
H pencere P 104.10 212.75    # ±3 s alrededor de las uniones sospechosas (segundo de origen)

En dogrula.md, para cada sospechoso:

  • FALTA (no se oye la palabra esperada): primero reproduce con pencere. Whisper a menudo omite palabras cortas (y, de, esto) en el segundo análisis; la mayoría son falsas alarmas. Si realmente se ha cortado, ajusta el límite atilacak correspondiente (amplíalo o redúcelo) o elimina el corte.
  • FILTRACIÓN (se oye una palabra eliminada): amplía el intervalo de eliminación para que cubra esa palabra.
  • Antes de decir que un corte es incorrecto, verifica el audio con zarf; no confíes en las marcas de tiempo.

Después de corregir, repite kurgu → cek → dogrula. Las partes que no cambian no se regeneran.

9. Informe al usuario. Breve y con números:

  • duración: bruto → editado (ej. 4:00 → 2:48, 30% más corto), número de partes y bloques;
  • tus cortes manuales, uno por uno con justificación (tiempo + una línea);
  • número de repeticiones eliminadas automáticamente, intervalos acelerados;
  • verificación: cuántas uniones, cuántas sospechosas, cuáles se corrigieron, cuáles resultaron falsas alarmas;
  • nivel de audio (LUFS) y ruta del archivo de salida. Indica por separado los cortes de contenido (detalles innecesarios); si se solicitan, basta con eliminar una línea.

Reglas aprendidas (resumen)

  • El audio decide. Un intervalo sin palabras no significa silencio: Whisper puede tragarse repeticiones. El punto de corte se encuentra con zarf; las palabras solo indican qué conservar.
  • La marca de tiempo de Whisper se desvía ~0,5 s (casi siempre temprano). No cortes por la marca, corta por el audio.
  • No cortes en medio de una palabra. Los límites de las zonas se colocan donde termina el audio, más un margen de respiración: 0,28 s al final de la frase, 0,12 s dentro de la frase; comienzan 0,06 s antes.
  • En contexto largo, Whisper se traga los titubeos; por eso la transcripción se divide en partes independientes de ≤10 s.
  • El audio y el vídeo están en la misma cuadrícula de fotogramas (30 fps, parte = fotograma completo, audio = fotograma × 1600 muestras).
  • No implementes un segundo paso de "acortar espacios"; se probó y se tragó palabras (detalles en kurallar.md).

Todas las reglas con mediciones: references/kurallar.md. Formatos de archivo y opciones de comandos: references/dosyalar.md.

Limitaciones conocidas

  • Una sola grabación principal (audio + cámara). Si hay múltiples partes, combínalas primero con ffmpeg o haz cada parte como proyecto separado.
  • El audio siempre proviene de la grabación principal; el audio de la grabación de pantalla solo se usa para sincronización.
  • La cámara en la esquina tiene un recorte fijo, sin seguimiento facial.
  • No hay efectos de transición en el bloque de cámara; los jump cuts se suavizan con zoom.
  • [ADAY] es ruidoso (~17 líneas en 4 minutos); la mayoría son repeticiones naturales como "necesito … necesito". Los reinicios reales los encuentras leyendo la transcripción; la lista de candidatos es solo una pista.
  • Las notas de edición ("pon aquí un tono de llamada", "saca una barra aquí") se eliminan pero no se aplican: los gráficos y efectos no son responsabilidad de este skill. En el informe, enuméralas por separado.

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

Konuşan kafa kaydından (kamera, ses içinde; yatay 4K ya da dikey) dikey Instagram Reels / YouTube Shorts / TikTok videosu (1080x1920, 30 fps) üretir, "kart" formatında - üstte söylenen kelimede beliren sade arayüz kartları (sohbet balonu, liste, harf harf yazılan terminal, dosya ağacı, büyük sayı, gerçek ekran görüntüsü), altta yuvarlak köşeli yüz kartı, aralarında kelime kelime altyazı, kart geçişinde yumuşak whoosh, yazarken klavye sesi, sonda "yorumlara yaz" sorusu. Şu durumlarda kullan - "reels yap", "bundan reels çıkar", "shorts yap", "dikey video", "kartlı reels", "bilgi veren reels", "ipucu videosu", "üstte kart altta yüz", "yorumlara yaz diye bitsin", "tips reels".

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".

Skills relacionados