Communitygithub.com

bg-szy/TOP-SKILLS

Procesa archivos de video con extracción de audio, conversión de formato (mp4, webm) y transcripción Whisper. Útil cuando el usuario mencione conversión de video, extracción de audio, transcripción, mp4, webm, ffmpeg o transcripción Whisper.

¿Qué es TOP-SKILLS?

Este skill proporciona un conjunto completo de utilidades para el procesamiento de video, incluyendo extracción de audio, conversión entre formatos (MP4, WebM) y transcripción de voz a texto mediante los modelos FFmpeg y Whisper de OpenAI. Está diseñado como un asistente especializado dentro de un agente de IA, ofreciendo una interfaz CLI unificada a través de un único script (`video_processor.py`). Es especialmente útil cuando un usuario solicita tareas como convertir un archivo AVI a MP4, extraer la pista de audio de una conferencia, o generar subtítulos a partir de un video. El skill gestiona automáticamente la instalación de dependencias (FFmpeg y Whisper) y proporciona un manejo de errores completo. Su integración permite realizar flujos completos: desde la extracción inicial de audio hasta la conversión final a un formato optimizado para web, todo con un solo comando. Las opciones de transcripción incluyen selección del tamaño del modelo Whisper (desde 'tiny' para borradores rápidos hasta 'large' para máxima precisión), especificación de idioma y múltiples formatos de salida (txt, srt, vtt, json).

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/bg-szy/TOP-SKILLS/tree/HEAD/skills/marketplace/video-processor

Preguntar en tu IA favorita

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

Documentación

Procesador de Video

Instrucciones

Este skill proporciona utilidades de procesamiento de video que incluyen extracción de audio, conversión de formato y transcripción de audio utilizando FFmpeg y el modelo Whisper de OpenAI.

Prerrequisitos

Herramientas necesarias (deben estar instaladas en tu entorno):

  • FFmpeg: Framework multimedia para procesamiento de video/audio

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Verificar instalación
    ffmpeg -version
    
  • OpenAI Whisper: Modelo de transcripción de voz a texto

    # Instalar via pip
    pip install -U openai-whisper
    
    # Verificar instalación
    whisper --help
    

Paquetes de Python (incluidos en el script via PEP 723):

  • click (framework CLI)
  • ffmpeg-python (envoltura Python para FFmpeg)

Flujo de trabajo

Utiliza el script scripts/video_processor.py para todas las tareas de procesamiento de video. El script proporciona una CLI simple con los siguientes comandos:

1. Extraer audio de video

Extrae la pista de audio de un archivo de video:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Opciones:

  • --format: Formato de audio de salida (predeterminado: wav). Compatible: wav, mp3, aac, flac
  • La salida es adecuada para transcripción o uso independiente de audio

2. Convertir video a MP4

Convierte cualquier archivo de video al formato MP4:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Opciones:

  • --codec: Códec de video (predeterminado: libx264). Opciones comunes: libx264, libx265, h264
  • --preset: Ajuste preestablecido de velocidad/calidad de codificación (predeterminado: medium). Opciones: ultrafast, fast, medium, slow, veryslow

3. Convertir video a WebM

Convierte cualquier archivo de video al formato WebM (optimizado para web):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Opciones:

  • --codec: Códec de video (predeterminado: libvpx-vp9). Opciones: libvpx, libvpx-vp9
  • WebM está optimizado para reproducción web y streaming

4. Transcribir audio con Whisper

Transcribe archivos de audio o video a texto usando el modelo Whisper de OpenAI:

# Transcribir archivo de video (el audio se extraerá automáticamente)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Transcribir archivo de audio directamente
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Opciones:

  • --model: Tamaño del modelo Whisper (predeterminado: base). Opciones:
    • tiny: Más rápido, menor precisión (~1GB RAM)
    • base: Rápido, buena precisión (~1GB RAM) [PREDETERMINADO]
    • small: Equilibrado (~2GB RAM)
    • medium: Alta precisión (~5GB RAM)
    • large: Mejor precisión, más lento (~10GB RAM)
  • --language: Código de idioma (predeterminado: detección automática). Ejemplos: en, es, fr, de, zh
  • --format: Formato de salida (predeterminado: txt). Opciones: txt, srt, vtt, json

Flujo de transcripción:

  1. Si la entrada es video, FFmpeg extrae el audio a un archivo WAV temporal
  2. Whisper procesa el archivo de audio
  3. La transcripción se guarda en el formato solicitado
  4. Los archivos temporales se eliminan automáticamente

5. Ejemplo de flujo de trabajo combinado

Procesa un video de principio a fin:

# 1. Extraer audio para análisis
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav

# 2. Transcribir a subtítulos SRT
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small

# 3. Convertir a formato web
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm

Detalles técnicos clave

Integración FFmpeg y Whisper:

  • FFmpeg no transcribe audio por sí mismo - prepara el audio para transcripción externa
  • El flujo es: Extraer audio (FFmpeg) → Transcribir (Whisper) → Opcional: Reintegrar con video
  • FFmpeg puede canalizar audio directamente a Whisper para procesamiento en tiempo real (caso de uso avanzado)

Formato de audio para transcripción:

  • Whisper funciona mejor con formatos WAV o MP3
  • Frecuencia de muestreo: 16kHz es óptima (el script maneja la conversión automáticamente)
  • El script extrae audio con configuraciones óptimas para Whisper

Formatos de salida:

  • txt: Transcripción en texto plano
  • srt: Formato de subtítulos SubRip (incluye marcas de tiempo)
  • vtt: Formato de subtítulos WebVTT (estándar web)
  • json: JSON detallado con marcas de tiempo a nivel de palabra

Manejo de errores

El script incluye manejo completo de errores:

  • Valida que los archivos de entrada existan
  • Verifica que FFmpeg y Whisper estén instalados
  • Proporciona mensajes de error claros para dependencias faltantes
  • Gestiona la limpieza de archivos temporales en caso de error

Consejos de rendimiento

  • Utiliza los modelos tiny o base para borradores rápidos
  • Utiliza small o medium para transcripciones de producción
  • Utiliza large solo cuando se requiera la máxima precisión
  • Para videos largos, considera extraer primero el audio y luego transcribir en segmentos
  • La conversión a WebM con VP9 tarda más pero produce archivos más pequeños

Ejemplos

Ejemplo 1: Conversión rápida de video a MP4

Solicitud del usuario:

Tengo un archivo AVI de mi cámara antigua. ¿Puedes convertirlo a MP4?

Debes:

  1. Usar el comando to-mp4 con configuración predeterminada:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4
    
  2. Confirmar que la conversión se completó correctamente
  3. Informar al usuario sobre la ubicación del archivo de salida

Ejemplo 2: Extraer audio y transcribir

Solicitud del usuario:

Grabé un video de una conferencia y necesito una transcripción. ¿Puedes extraer el audio y transcribirlo?

Debes:

  1. Primero extraer el audio:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav
    
  2. Luego transcribir usando el modelo base (buen equilibrio entre velocidad y precisión):
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base
    
  3. Compartir el archivo transcript.txt con el usuario

Ejemplo 3: Crear video optimizado para web con subtítulos

Solicitud del usuario:

Necesito poner este video en mi sitio web con subtítulos. ¿Puedes ayudar?

Debes:

  1. Convertir a WebM para optimización web:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm
    
  2. Generar archivo de subtítulos SRT:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small
    
  3. Informar al usuario que ahora tiene:
    • presentation.webm (video optimizado para web)
    • subtitles.srt (archivo de subtítulos para incrustar)

Ejemplo 4: Transcripción de alta calidad con especificación de idioma

Solicitud del usuario:

Tengo un video de entrevista en español que necesita una transcripción precisa para su publicación.

Debes:

  1. Usar un modelo más grande con idioma especificado para mayor precisión:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es
    
  2. Opcionalmente crear SRT para revisión:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es
    
  3. Revisar la transcripción con el usuario y realizar las correcciones necesarias

Ejemplo 5: Procesamiento por lotes de múltiples videos

Solicitud del usuario:

Tengo una carpeta de videos de capacitación que necesitan convertirse a WebM y transcribirse.

Debes:

  1. Listar todos los archivos de video en el directorio:
    ls training_videos/*.mp4
    
  2. Para cada archivo de video, ejecutar la conversión y transcripción:
    # Para cada video: video1.mp4, video2.mp4, etc.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm training_videos/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base
    
    # Repetir para cada archivo
    
  3. Confirmar que todas las conversiones y transcripciones se completaron
  4. Proporcionar un resumen de los archivos de salida

Resumen

El skill de procesador de video proporciona una interfaz unificada para tareas comunes de procesamiento de video:

  • Extracción de audio: Extraer pistas de audio en varios formatos
  • Conversión de formato: Convertir a MP4 (universal) o WebM (optimizado para web)
  • Transcripción: Conversión de voz a texto con múltiples formatos de salida
  • Flexible: Argumentos CLI para selección de modelo, idioma y formatos de salida

Todas las operaciones se manejan a través de un único script bien documentado con valores predeterminados sensatos y manejo completo de errores.

Individual skills in this repo

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

bg-szy/TOP-SKILLS

Brand-first landing page designer — runs a brand-identity interview (colors, typography, shape language), then generates and iterates on a polished landing page via Stitch with deployment-ready HTML. Use when the user asks to create, design, or build a landing page, homepage, or marketing page and has no established visual direction. Skip when they have a design mockup, need a dashboard or app UI, are working at component level, building a multi-page app, or restyling with known design tokens — use frontend-design instead.

bg-szy/TOP-SKILLS

Fill out Microsoft Azure Landing Zone (ALZ) Accelerator checklists by interviewing the user, mapping their Azure subscriptions, integrating IP addressing documentation, and applying Microsoft Cloud Adoption Framework best practices. Produces a completed Excel checklist (.xlsx) ready for ALZ deployment. Use this skill whenever the user mentions Azure Landing Zone, ALZ checklist, landing zone accelerator, platform landing zone configuration, ALZ bootstrap, hub-and-spoke setup, Azure network topology planning, or wants to fill out any ALZ-related checklist or configuration file. Also trigger when the user uploads an Excel file that contains tabs like "Accelerator - Bootstrap", "Accelerator - Bicep", or "Accelerator - Terraform".

bg-szy/TOP-SKILLS

Compose a premium, animated landing page section by section in Next.js + Tailwind + Motion (Framer Motion) — built on a real design system, with editorial copy and motion that feels human-crafted, not template-generated. Use when building or rebuilding a landing page, marketing site, or hero/feature/pricing/CTA sections that need to look production-ready and bespoke from day one.

bg-szy/TOP-SKILLS

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

bg-szy/TOP-SKILLS

Optimize landing pages for conversions, performance, and SEO. Use when improving landing pages, increasing conversions, or optimizing page performance.

bg-szy/TOP-SKILLS

Review investment portfolios for risk, diversification, fees. Asset allocation recommendations, tax-loss harvesting, rebalancing.

bg-szy/TOP-SKILLS

Beads Viewer - Graph-aware triage engine for Beads projects. Computes PageRank, betweenness, critical path, and cycles. Use --robot-* flags for AI agents.

bg-szy/TOP-SKILLS

CI red? Call us. Pipeline fire brigade deploys. Use when user mentions CI failures, build errors, test failures, or pipeline issues. Do NOT load for: local builds, standard implementation work, reviews, or setup.

bg-szy/TOP-SKILLS

CASS Memory System - procedural memory for AI coding agents. Three-layer cognitive architecture with confidence decay, anti-pattern learning, cross-agent knowledge transfer, trauma guard safety system. Bun/TypeScript CLI.

bg-szy/TOP-SKILLS

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

bg-szy/TOP-SKILLS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

bg-szy/TOP-SKILLS

Use when the user asks to "pre-launch check the landing page", "run a Quality-Score preflight", or "verify ad-to-page message match before launch"; produces an ad↔page continuity report — message-match gaps, above-the-fold check, page-speed read, form-friction count, mobile-render flags — as a pass/fix punch list. Not for redesigning or rewriting the page — use landing-optimizer; not for scoring the account or the RQS — use ad-account-auditor. 落地页体验预检/广告落地页一致性检查

bg-szy/TOP-SKILLS

Use when the user asks to "optimize our landing page for influencer traffic", "fix our promo-code landing page", or "improve conversion from a creator campaign"; produces a message-match audit, page-structure and social-proof recommendations, a promo-code/CTA conversion plan, and an A/B test roadmap. Not for measuring campaign results after launch — use performance-analyzer.

bg-szy/TOP-SKILLS

Audit a landing page, sales page or checkout page for conversion leaks and return a fix list ordered by expected revenue impact. Use when asked to review, critique or improve a landing page, sales page, opt-in page, product page or checkout flow, when conversion rate is low, when paid traffic is not converting, or when someone asks "why isn't this page converting" or wants a CRO / landing page review.

bg-szy/TOP-SKILLS

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

bg-szy/TOP-SKILLS

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

bg-szy/TOP-SKILLS

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

bg-szy/TOP-SKILLS

Account assets, equity and fund positions, P&L, cash flow records, account statements, margin ratios, buy-power estimates, order management, and DCA recurring investments via Longbridge (most require Trade permission). Frameworks: portfolio diagnosis, rebalancing, asset allocation, risk analysis (VaR/CVaR), performance attribution, and tax-loss harvesting. Triggers: "持仓", "账户", "盈亏", "资产", "对账单", "下单", "买入", "卖出", "撤单", "定投", "组合诊断", "再平衡", "资产配置", "风险分析", "绩效归因", "税损收割", "持倉", "賬戶", "盈虧", "對賬單", "下單", "買入", "賣出", "組合診斷", "再平衡", "稅損收割", "positions", "portfolio", "P&L", "order", "buy", "sell", "DCA", "statement", "risk analysis", "rebalancing", "tax harvesting", "我的风险", "持仓风险", "风险敞口", "資產", "資產配置", "風險分析", "績效歸因", "撤單

bg-szy/TOP-SKILLS

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

bg-szy/TOP-SKILLS

Using the Wonda CLI to generate images, videos, music, and audio from the terminal — plus LinkedIn, Reddit, and X/Twitter research and automation

Skills relacionados