Communitygithub.com

danielmiessler/Personal_AI_Infrastructure

Tubería de edición de audio y video impulsada por IA: transcripción a nivel de palabra con Whisper → clasificación de segmentos con Claude → ejecución con ffmpeg → pulido opcional con Cleanvoice API.

¿Qué es Personal_AI_Infrastructure?

Esta habilidad implementa un pipeline completo de edición de audio y video utilizando inteligencia artificial. Comienza con la transcripción a nivel de palabra usando insanely-fast-whisper (optimizado para MPS en Apple Silicon), luego clasifica cada segmento mediante Claude en categorías como KEEP, CUT_FILLER, CUT_FALSE_START, etc. Posteriormente, ffmpeg ejecuta los cortes con crossfades qsin de 40ms y relleno de tono ambiente. Opcionalmente, se puede pulir el resultado con Cleanvoice API para eliminar sonidos de boca y normalizar el volumen. Es especialmente útil para creadores de contenido que buscan automatizar la edición de podcasts, entrevistas o videos, distinguiendo pausas retóricas de accidentales y atenuando respiraciones al 50% en lugar de eliminarlas por completo. Incluye un modo de previsualización (--prev) para revisar cambios antes de aplicar cortes definitivos.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Packs/AudioEditor/src
Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

¿Qué hace Personal_AI_Infrastructure?

Tubería de edición de audio y video impulsada por IA: transcripción a nivel de palabra con Whisper (insanely-fast-whisper en MPS) → clasificación de segmentos con Claude (KEEP / CUT_FILLER / CUT_FALSE_START / CUT_STUTTER / CUT_DEAD_AIR / CUT_EDIT_MARKER) → ejecución con ffmpeg usando crossfades qsin de 40ms y relleno de tono ambiente → pulido opcional en la nube con Cleanvoice API para sonidos de boca y normalización de volumen. Distingue pausas retóricas de accidentales. Las respiraciones se atenúan al 50% del volumen (no se eliminan). Modo de previsualización (--prev).

Skills relacionados

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community