Communitygithub.com

NeverSight/learn-skills.dev

Descarga videos de YouTube, extrae/corrige/traduce subtítulos y los incrusta en el video.

¿Qué es learn-skills.dev?

Esta habilidad automatiza el flujo completo de trabajo con subtítulos de YouTube: desde la descarga del video hasta la renderización de subtítulos traducidos. Es especialmente útil para creadores de contenido, traductores y desarrolladores que necesitan añadir subtítulos bilingües (chino simplificado e inglés) a videos de YouTube. La habilidad soporta subtítulos generados automáticamente y archivos de subtítulos proporcionados por el usuario, con un mecanismo de respaldo de reconocimiento automático del habla (ASR) cuando no hay subtítulos disponibles. El proceso incluye cinco fases: descarga del video y extracción de subtítulos (Fase 1), transcripción ASR si es necesario (Fase 2), corrección y traducción paralela de subtítulos con un límite estricto de 3 subagentes concurrentes (Fase 3), fusión de fragmentos y generación de archivos SRT/ASS (Fase 4), y renderización final de subtítulos en el video usando ffmpeg (Fase 5). La habilidad se basa en herramientas MCP de YouTube para la obtención de metadatos, y maneja problemas comunes como subtítulos de duración anormal, caracteres ilegales en subtítulos y problemas de arquitectura de ffmpeg en macOS. Está diseñada para agentes como Claude Code, Cursor y Codex, y requiere Python 3, yt-dlp y herramientas ffmpeg con soporte para libass, libfreetype y libdav1d.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/1worldcapture/workforce/youtube-subtitle-translate

Preguntar en tu IA favorita

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

Documentación

Traductor de Subtítulos de YouTube

Descarga videos de YouTube, extrae y procesa subtítulos (corrección + puntuación + traducción), luego los incrusta en el video. Maneja tanto subtítulos generados automáticamente como cargas manuales, con respaldo de ASR cuando no hay subtítulos.

Reglas Estrictas

  • Usa un máximo de 3 subagentes concurrentes para el procesamiento de fragmentos de subtítulos. Cuando haya más de 3 fragmentos, ejecútalos en oleadas e inicia el siguiente fragmento solo después de que un subagente termine.
  • El número de fragmentos no es concurrencia. Puedes dividir en 10 fragmentos, pero no debes iniciar 10 procesos/subagentes de Codex a la vez; ejecuta un máximo de 3 trabajadores activos en cualquier momento.
  • Siempre descarga solo la pista de subtítulos fuente: inglés cuando esté disponible, de lo contrario el idioma original del video. No descargues los subtítulos traducidos automáticamente por YouTube; traduce desde el subtítulo fuente.
  • Nunca uses una pista de subtítulos en el idioma de destino proporcionada por YouTube como atajo, incluso para videos largos y aunque zh-Hans u otro idioma de destino esté listado en automatic_captions.
  • La descarga de video por defecto es 1080p. Si 1080p no está disponible, descarga la mejor versión disponible por debajo de 1080p.
  • La traducción debe ser realizada por subagentes sobre archivos de fragmentos. No uses ayudas de modelo local para la traducción.
  • Antes de escribir SRT/ASS, elimina caracteres ilegales de subtítulos del texto, especialmente barras invertidas sueltas (\) que se renderizan visiblemente en el video.

Resumen del Flujo de Trabajo

Fase 1: Descargar    →  Obtener info del video, descargar video, extraer subtítulos
Fase 2: Preparar     →  Si no hay subtítulos: extraer audio → ejecutar ASR
Fase 3: Procesar     →  Dividir en fragmentos → corrección de agente paralela + traducir
Fase 4: Fusionar     →  Combinar fragmentos → generar archivos SRT/ASS
Fase 5: Renderizar   →  Incrustar subtítulos en el video usando ffmpeg

Fase 1: Descargar

1.1 Obtener Información del Video

Usa la herramienta MCP de YouTube para obtener metadatos:

youtube_get_video_info(videoId="...", detail="standard")

Registra: título, duración, canal, si hay subtítulos disponibles.

1.2 Crear Directorio de Salida

Nombra el directorio según el título del video. Sanitiza para el sistema de archivos:

mkdir -p "/ruta/salida/<Título del Video>"

1.3 Descargar Video

youtube_download(videoId="...", outputPath="<dir>/video.mp4", quality="1080p", force=true)

Si usas yt-dlp, prefiere 1080p y recurre al mejor formato por debajo de 1080p:

yt-dlp -f "bv*[height<=1080]+ba/b[height<=1080]/best" --merge-output-format mp4 \
  -o "<dir>/video.%(ext)s" "<url>"

1.4 Extraer Solo Subtítulos Fuente

youtube_get_transcript(videoId="...", language="<idioma-fuente>")

Si el resultado excede los límites de tokens, se guarda en un archivo de resultados de la herramienta; léelo en fragmentos.

Esta es una política de subtítulos fuente no negociable:

  • Prefiere subtítulos/captions en inglés cuando estén disponibles.
  • Si el inglés no está disponible, usa el idioma hablado original del video.
  • Ignora zh-Hans, zh-Hant y cualquier otra pista de subtítulos en el idioma de destino mostrada por YouTube, incluyendo pistas traducidas automáticamente.
  • No solicites, reintentes, combines o renderices una pista de subtítulos en el idioma de destino proporcionada por YouTube.
  • Los subtítulos en el idioma de destino deben producirse solo mediante traducción de subagentes a partir del subtítulo fuente.

Si una herramienta devuelve una lista como en-orig, zh-Hans, elige solo en-orig. No incluyas zh-Hans en ningún comando de descarga.

Si usas yt-dlp, escribe solo el subtítulo fuente:

yt-dlp --skip-download --write-auto-subs --write-subs \
  --sub-langs "en.*" --sub-format srt --convert-subs srt \
  -o "<dir>/video.%(ext)s" "<url>"

Incorrecto, no ejecutes:

yt-dlp --write-auto-subs --sub-langs "en-orig,zh-Hans" ...

Si la descarga del subtítulo en inglés/original tiene éxito pero la solicitud del idioma de destino falla con HTTP 429, no reintentes la solicitud del idioma de destino. Esa solicitud no debería haberse realizado; continúa con el subtítulo fuente y tradúcelo a través de la Fase 3.

Si existen subtítulos: Guarda los segmentos sin procesar como JSON, continúa a la Fase 3. Si NO hay subtítulos (404/error): Continúa a la Fase 2 (respaldo de ASR).

Guarda los datos sin procesar:

  • raw_segments.json — todos los segmentos con texto/desplazamiento/duración
  • raw_subtitles.srt — conversión SRT inicial

Fase 2: Respaldo ASR (Sin Subtítulos Disponibles)

Cuando el video no tiene captions/transcripciones:

  1. Extraer audio del video usando ffmpeg:

    ffmpeg -i video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav
    
  2. Ejecutar ASR — el usuario especificó qwen3-asr pero cualquier modelo compatible con whisper funciona:

    qwen3-asr audio.wav --output-format srt > raw_subtitles.srt
    

    O usa el enfoque integrado a través del comando transcribe de la habilidad hyperframes-media.

  3. Analiza la salida SRT de nuevo al formato JSON de segmentos esperado por la Fase 3.

Fase 3: Corrección y Traducción Paralela

Este es el paso que más tiempo consume para videos largos. La estrategia: dividir en fragmentos y procesarlos con subagentes, con un límite estricto de 3 subagentes concurrentes.

Haz esta fase incluso para videos muy largos. La longitud no es una razón para descargar o usar los subtítulos automáticos en el idioma de destino de YouTube. El atajo correcto para videos largos es la división en fragmentos más la concurrencia de 3 subagentes, no la reutilización de subtítulos de destino.

3.1 Dividir Segmentos en Fragmentos

Usa la lógica inversa de scripts/merge-chunks.py — divide raw_segments.json en N archivos de fragmentos:

# Dividir en fragmentos del tamaño adecuado para revisión/traducción.
n = len(segments)
chunk_count = min(10, max(1, (n + 75) // 76))
chunk_size = n // chunk_count + 1
for i in range(0, n, chunk_size):
    save_chunk(i, segs[i:i+chunk_size])

Guarda como chunk_00.json, chunk_01.json, etc. Cada uno contiene {"chunk_id", "start_idx", "end_idx", "segments": [...]}.

3.2 Iniciar Agentes Paralelos

Para cada fragmento, inicia un subagente en segundo plano. No inicies más de 3 subagentes al mismo tiempo. Si hay 10 fragmentos, inicia primero los fragmentos 00, 01 y 02; cuando uno termine, inicia el siguiente fragmento pendiente. Nunca inicies los 10 fragmentos a la vez. Dale a cada agente:

  1. La ruta a su chunk_XX.json
  2. Instrucciones para leer references/subtitle-proofreading.md para la especificación completa
  3. Ruta de salida: result_XX.json en el mismo directorio

El agente debe:

  • Leer cada segmento en su fragmento
  • Corregir el inglés (corregir errores de ASR, añadir puntuación)
  • Traducir a chino simplificado natural (mantener términos técnicos en inglés)
  • Guardar como un array JSON con {index, start, end, en, zh} por segmento
  • Eliminar caracteres ilegales de subtítulos de en y zh, especialmente barras invertidas sueltas (\), caracteres de control y llaves de anulación de ASS sin procesar.

Importante: La concurrencia máxima es de 3 subagentes/procesos. Si hay más de 3 fragmentos, ejecútalos en oleadas. No inicies 10 procesos hijos de Codex para 10 fragmentos.

3.3 Esperar a la Finalización

Monitorea qué archivos result_XX.json aparecen. No continúes hasta que todos los fragmentos estén completos.

Fase 4: Fusionar y Generar Archivos de Salida

Ejecuta el script de fusión:

python3 scripts/merge-chunks.py <directorio_salida>

Esto descubre automáticamente todos los archivos result_*.json y produce:

ArchivoContenido
final_subtitles.jsonJSON fusionado, ordenado por marca de tiempo
subtitles_bilingual.srtLíneas en inglés + chino
subtitles_zh.srtSolo chino
subtitles_en.srtSolo inglés

4.2 Validar la Calidad de los Datos

Antes de renderizar, siempre valida los datos fusionados. El procesamiento de agente paralelo puede producir corrupción de marcas de tiempo:

# Verificar duraciones anormales (>120s = casi con toda seguridad corruptas)
python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
mals = [s for s in segs if s['end'] - s['start'] > 120]
print(f'Duraciones anormales: {len(mals)} / {len(segs)}')
for s in mals: print(f'  [{s[\"index\"]}] {s[\"start\"]:.1f}->{s[\"end\"]:.1f} ({s[\"end\"]-s[\"start\"]:.0f}s)')
"

Si se encuentra alguna, corrígelas (limita end a start + 6) y regenera SRT/ASS. Tanto merge-chunks.py como srt-to-ass.py incluyen detección automática y corrección automática para este problema.

Verifica la salida: comprueba que las primeras y últimas entradas tengan marcas de tiempo correctas y texto legible.

También verifica la sanitización del texto:

python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
mals = [s for s in segs if '\\\\' in s.get('en','') or '\\\\' in s.get('zh','')]
print(f'Artefactos de barra invertida: {len(mals)}')
for s in mals[:10]: print(s['index'], s.get('en',''), s.get('zh',''))
"

Fase 5: Renderizar Subtítulos en el Video

Aquí es donde las cosas se complican. NO uses el ffmpeg del sistema directamente — consulta los Obstáculos a continuación.

5.1 Ejecutar el Script de Renderizado

bash scripts/render-subtitles.sh <video.mp4> <subtitles_bilingual.srt> [output.mp4]

El script maneja todo:

  • Detecta/construye ffmpeg nativo para ARM64 con soporte libass
  • Convierte SRT → ASS con configuración de fuentes CJK adecuada
  • Copia archivos a /tmp para evitar problemas de rutas con caracteres especiales
  • Renderiza con el filtro ass de ffmpeg
  • Valida la salida

5.2 Verificar la Salida

Comprueba que:

  • El archivo de salida existe y tiene más de 10MB (no solo audio)
  • La duración coincide con el video original (usa ffprobe)
  • Reproduce el primer y último minuto para confirmar que aparecen los subtítulos

Obstáculos y Lecciones Aprendidas

Estas son lecciones ganadas con esfuerzo del uso real. Síguelas para evitar perder horas.

Discordancia de Arquitectura de ffmpeg (CRÍTICO)

Problema: El ffmpeg de Homebrew en macOS está compilado SIN libass, libfreetype y fontconfig. Los filtros ass, subtitles y drawtext simplemente no existen.

Peor: Las compilaciones estáticas de ffmpeg de evermeet.cx son binarios x86_64 (Intel). En Macs con Apple Silicon se ejecutan a través de la emulación Rosetta 2, aproximadamente 8-10 veces más lento. Un video de 1.5h tardó más de 2 horas.

Solución: Usa scripts/ensure-ffmpeg.sh. Detecta estos problemas y compila ffmpeg nativo para ARM64 desde el código fuente con todas las bibliotecas necesarias. La primera compilación toma ~5 minutos; las reconstrucciones posteriores son instantáneas (archivos de objetos en caché).

Indicaciones de configuración requeridas para soporte completo de subtítulos:

--enable-libass --enable-libfreetype --enable-fontconfig --enable-libdav1d

Falta de Decodificación AV1

Problema: Muchos videos modernos de YouTube están codificados en AV1 (codec_name: av1). Un ffmpeg compilado sin --enable-libdav1d fallará con errores de "Función no implementada" durante la decodificación, produciendo un archivo de solo audio de 68MB.

Solución: Incluye siempre --enable-libdav1d al compilar ffmpeg.

Caracteres Especiales en Rutas Rompen los Filtros de ffmpeg

Problema: Cuando la ruta del video o del subtítulo contiene caracteres como guiones largos (—), comillas inteligentes o caracteres no ASCII, el analizador de filtros de ffmpeg falla con errores como "No option name near...". Esto sucede incluso con comillas de shell adecuadas.

Solución: Copia los archivos de subtítulos a /tmp/subs_<pid>.ass antes de pasarlos a ffmpeg. El script de renderizado hace esto automáticamente.

Conflictos en la API de TextClip de moviepy (EVITAR)

Problema: TextClip de moviepy 2.x tiene conflictos de parámetros entre argumentos posicionales y kwargs (font aparece dos veces internamente). Múltiples variantes de error, ninguna obvia a partir del mensaje de error.

Recomendación: No uses moviepy para la renderización de subtítulos en producción. Usa el filtro ass de ffmpeg en su lugar: es más rápido, más confiable y maneja fuentes CJK correctamente a través de libass/fontconfig.

SRT vs ASS para ffmpeg

Problema: El filtro subtitles de ffmpeg (que lee SRT directamente) también sufre problemas de análisis de rutas en algunas compilaciones. El filtro ass es más confiable.

Solución: Convierte SRT → ASS primero usando scripts/srt-to-ass.py, luego usa el filtro ass. El formato ASS también te da control fino sobre fuente, tamaño, posicionamiento y estilo.

Caracteres Ilegales en Subtítulos

Problema: El texto de los subtítulos sin procesar o traducidos puede contener barras invertidas sueltas (\) o caracteres de anulación de ASS. En la renderización ASS, una barra invertida literal puede aparecer en pantalla o interactuar accidentalmente con la sintaxis de escape de ASS.

Solución: Sanitiza el texto de los subtítulos antes de escribir SRT/ASS:

  • Elimina las barras invertidas del texto visible del subtítulo
  • Elimina los caracteres de control, excepto los espacios en blanco normales
  • Elimina las llaves { y } sin procesar del texto del subtítulo
  • Deja que srt-to-ass.py añada solo las secuencias de control ASS que le pertenecen, como \N entre líneas bilingües

Duraciones Anormales de Subtítulos por Procesamiento de Agente Paralelo

Problema: Al procesar subtítulos en fragmentos paralelos (Fase 3), los agentes individuales pueden producir entradas con marcas de tiempo corruptas, específicamente, valores de end que son mucho más grandes que start (por ejemplo, duración de 2600s o 4800s en lugar de ~6s). Esto hace que esas líneas de subtítulos permanezcan visibles en pantalla durante la mayor parte del video, superponiéndose con todo el otro contenido.

Causa raíz: Los agentes a veces asignan mal los tiempos de finalización al consolidar segmentos de ASR fragmentados a través de los límites de los fragmentos. El problema está a nivel de datos, no es un problema de renderizado, por lo que no será detectado por errores de ffmpeg.

Solución: Tres capas de defensa:

  1. scripts/srt-to-ass.py detecta automáticamente entradas con duración > 120s y las limita a 6s con una advertencia
  2. Validación de la Fase 4: Después de fusionar fragmentos, siempre busca entradas donde (end - start) > 120 segundos
  3. Verificación previa a la renderización: Antes de ejecutar ffmpeg, busca en el archivo ASS líneas de Diálogo sospechosamente largas
# Verificación rápida previa a la renderización: encuentra cualquier subtítulo que dure más de 2 minutos
python3 -c "
import json, sys
segs = json.load(open('final_subtitles.json'))
mals = [s for s in segs if s['end'] - s['start'] > 120]
if mals: print(f'ADVERTENCIA: ¡{len(mals)} duraciones anormales encontradas!'); sys.exit(1)
else: print('Verificación de duración superada')
"

Ajuste del Tamaño de Fuente

Problema: Los tamaños de fuente predeterminados (16-20px) pueden ser demasiado pequeños en videos de alta resolución 1080p+, especialmente cuando se ven en pantallas más pequeñas o desde una distancia.

Solución: Usa la bandera --font-size para ajustar. Tamaños base recomendados:

  • Video 1080p: --font-size 24 (bilingüe) o --font-size 28 (idioma único)
  • Video 4K: --font-size 36 o más grande
  • El script render-subtitles.sh pasa esto a srt-to-ass.py

Dependencias

  • Herramientas MCP de YouTube: mcp__plugin_youtube_youtube__* (descarga de video, transcripción, información)
  • ffmpeg: Compilado automáticamente por scripts/ensure-ffmpeg.sh
  • Python 3 con: scipy, tqdm, moviepy (solo para soporte de vista previa)
  • Herramientas de línea de comandos: curl, git (para compilación de ffmpeg)
  • Subagentes: Se requiere capacidad de spawn de procesos (Codex, Claude Code)

Referencias

  • references/subtitle-proofreading.md — especificación completa de la tarea del subagente
  • scripts/merge-chunks.py — fusión de fragmentos y generación de SRT
  • scripts/srt-to-ass.py — conversión de SRT a ASS con configuración CJK
  • scripts/render-subtitles.sh — script de renderizado ffmpeg todo en uno
  • scripts/ensure-ffmpeg.sh — compilación de ffmpeg optimizado para ARM64

Nota sobre el Estado Actual

03/2025: Todas las fases están verificadas como funcionales. La fase de renderizado ahora maneja correctamente la compilación de ffmpeg ARM64 con libass, la conversión SRT→ASS y la validación. Se han incorporado los obstáculos de la Fase 5 como comprobaciones automáticas. El problema de subtítulos "falta la última línea" está resuelto. Se debe agregar detección de subtítulos existentes y operación de solo edición de SRT.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills relacionados