Communitygithub.com

gooseworks-ai/goose-skills

Subtítulos incrustados para un video vertical terminado, de tres tipos. transcribe.py obtiene la sincronización de palabras del audio del propio video a través del proxy GooseWorks (fal Whisper, factura al agente Ads, en céntimos); captions.py quema de una a tres palabras a la vez con Pillow + ffmpeg (sin necesidad de libass), ya sea fijado a la costura de una pantalla dividida (placa 25% arriba / 75% abajo) o a una altura fija, en estilo placa, contorno o serifa de una palabra, con una tarjeta de gancho roja opcional; plates.py quema bloques de subtítulos por pulso (negro, una silueta unida, colocada en la banda más vacía) para formatos sin voz. El último subtítulo (la llamada a la acción) se mantiene hasta el fotograma final. Úsalo como el último paso de cualquier anuncio de video.

¿Qué es goose-skills?

Esta skill automatiza la generación de subtítulos sincronizados con el audio real de un video terminado, evitando depender de estimaciones basadas en guiones. Admite tres estilos principales: placa (fondo oscuro redondeado), contorno (texto con borde sin fondo) y serifa de una palabra (tipografía Georgia Bold). También incluye un modo para formatos sin voz (plates.py) que agrupa líneas de texto en bloques negros unidos. Se integra con GooseWorks para la transcripción mediante Whisper, facturando al agente Ads. Es compatible con macOS, Linux y Windows, y utiliza fuentes del sistema o Roboto Bold como respaldo. Ideal como paso final en la producción de anuncios de video verticales, asegurando que la llamada a la acción permanezca visible hasta el último fotograma.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/caption-burn

Preguntar en tu IA favorita

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

Documentación

caption-burn

Subtítulos sincronizados con lo que realmente se dice en el video terminado, no con la estimación del guion.

Ejecución

python transcribe.py --media reel.mp4 --out reel.words.json          # pagado, céntimos
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
    --words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Marca]

--beats proporciona las líneas (vo), su sincronización y, para diseños divididos, seam, size y el state de cada pulso. Cualquier archivo con beats: [{start, end, vo}] funciona.

Colocación y estilo

  • --anchor seam (el valor predeterminado cuando los pulsos tienen una costura): en pulsos split, la placa se fija a la costura, posicionada por la placa, no por el texto: 25% de la placa sobre la línea, 75% debajo. Los pulsos de fotograma completo usan --full-y.

  • --anchor fixed --y 0.62: el centro de la placa de cada subtítulo se coloca en esa fracción de la altura.

  • plate (valor predeterminado): blanco negrita sobre una placa redondeada gris oscura, 1–2 palabras, altura máxima ~0.019 H.

  • outline: blanco negrita con un contorno oscuro, sin placa, 1–3 palabras, altura máxima ~0.034 H.

  • --highlight PALABRA colorea esa palabra de amarillo (la palabra clave de la CTA). Se puede repetir.

  • serif-word: UNA palabra a la vez, serifa pesada (Georgia Bold), blanca con contorno negro, sobre una línea base fija a 0.77 H (el aspecto de inserción en pantalla). La palabra resaltada se cita.

  • --card "LÍNEA UNO|LÍNEA DOS" --card-until 4.7: una tarjeta de gancho blanca redondeada con dos líneas de mayúsculas rojas pesadas cerca de la parte superior, para los segundos iniciales. ~14 caracteres por línea.

Subtítulos para un formato sin voz (plates.py)

python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]

El caption de cada pulso (una cadena o lista de líneas) se muestra durante todo el pulso en UN bloque negro (rectángulos cuadrados unidos y luego redondeados como una sola silueta: redondear cada línea deja costuras), las líneas alineadas a la izquierda, el bloque centrado en su línea más ancha. Se coloca en la banda más vacía de ese fotograma de pulso a menos que el pulso fije cap_y. logo: true en un pulso cuelga el mosaico del logotipo debajo del bloque. Escribe líneas como las escribiría una persona: la misma forma corta de "fragmento. fragmento." tres veces se lee como escrita por IA. Sin emoji dos veces.

Reglas

  1. Transcribe el audio TERMINADO. Unir tomas y alinear líneas cambia la sincronización; solo el audio del video final da las señales correctas.
  2. El último subtítulo se mantiene hasta el último fotograma. Es la llamada a la acción.
  3. Una palabra que Whisper escribe de manera diferente ("200" por "doscientos") se interpola entre sus vecinos en lugar de eliminarse o estirarse sobre toda la línea.
  4. Sin --words, la sincronización se estima a partir de las sílabas. Úsalo para juzgar la colocación, nunca para enviar.
  5. Fuentes: se encuentra una sans negrita en macOS, Linux o Windows; si no hay ninguna, Roboto Bold se obtiene una vez en ~/.cache/gooseworks/fonts. --font o GW_CAPTION_FONT anula.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Skills relacionados