utillayer/youtube-agent-skill

Convierte la transcripción de una grabación sin editar en una lista de decisiones de edición: silencios, muletillas y retomas, con códigos de tiempo.

¿Qué es youtube-agent-skill?

Esta habilidad para agentes de IA (compatible con Claude Code, Cursor y Codex) procesa transcripciones con marcas de tiempo (SRT, VTT o JSON de Whisper) y genera una lista de decisiones de edición. Identifica tres tipos de cortes: silencios largos (DEAD), muletillas (FILLER) y retomas o frases reiniciadas (REPEAT). Es útil para tareas como "edita esto", "corta el silencio", "aprieta el video", "me fui por las ramas" o cualquier solicitud de acortar material a partir de una transcripción. La habilidad no toca el archivo multimedia; imprime cortes que el usuario debe aplicar manualmente mediante un informe que incluye códigos de tiempo precisos. Soporta transcripciones de YouTube (subtítulos automáticos), Whisper, faster-whisper o cualquier archivo que respete el formato SRT o VTT. El script `deadair.py` se ejecuta desde la terminal, con opciones como `--floor` (umbral de silencio en segundos) y `--json` para salida en JSON.

Compatible con✓Claude Code✓Codex CLI~Cursor

npx skills add https://github.com/utillayer/youtube-agent-skill/tree/HEAD/skills/yt-edit

Documentación

yt-edit

Una lista de decisiones de edición a partir de una transcripción con marcas de tiempo. Imprime los cortes. Tú los aplicas.

python3 ${CLAUDE_SKILL_DIR}/deadair.py transcript.srt              # srt, vtt o whisper json
python3 ${CLAUDE_SKILL_DIR}/deadair.py transcript.srt --floor 0.35 --json

Las herramientas están en la carpeta de esta habilidad. ${CLAUDE_SKILL_DIR} es esa carpeta en Claude Code; en cualquier lugar donde no se expanda (claude.ai, Codex), usa la carpeta desde donde se cargó este SKILL.md.

¿Aún no tienes transcripción? Solicita una, o genera una primero: whisper, faster-whisper o la pista de subtítulos que YouTube genera en una subida no listada funcionan. El archivo .vtt de subtítulos automáticos de YouTube se puede ingresar tal cual: los tiempos de palabras en línea, las líneas repetidas y anotaciones como [Música] se eliminan al cargar. No adivines los tiempos.

¿Tienes un enlace pero no transcripción? Los subtítulos propios de YouTube, en una línea:

yt-dlp --skip-download --write-auto-subs --sub-langs en --sub-format vtt -o transcript "<url del video>"

Eso escribe transcript.en.vtt. Cambia en por el idioma del video. Los subtítulos automáticos no tienen puntuación; una transcripción de whisper sí la tiene y da límites de oraciones más limpios.

Lo que encuentra

SILENCIO (DEAD) - espacios más largos que el umbral, recortados desde el MEDIO para que ambos lados conserven un respiro. Cortar justo contra el habla es lo que hace que una toma apretada suene sin aliento.
MULETILLA (FILLER) - pistas que solo contienen "eh", "este", "o sea", "bueno" más español ("bueno", "o sea"), hindi ("matlab", "accha", "मतलब") y nepalí ("ani", "khai", "अनि"). Otros idiomas obtienen SILENCIO y REPETICIÓN pero no lista de muletillas: dilo.
REPETICIÓN (REPEAT) - una oración reiniciada. Se compara con la última pista que fue realmente habla, no la pista literal anterior, porque la mayoría de retomas tienen un "eh" entre los dos intentos. La toma abandonada es la que se corta, y suele ser la más corta de las dos.

Lo que no hará

No toca el material multimedia. No tiene opinión sobre tu B-roll. Un corte del 40% en el informe es un corte del 40% del HABLA, y si el video tiene una demostración silenciosa larga, ese número es incorrecto: verifica el informe contra el metraje antes de confiar en la duración al final.

La puerta

Nada de esto se publica. Esta habilidad escribe y tú publicas. Cada salida termina en un bloque que el usuario copia, y la última línea de cada ejecución es la pregunta: ¿lo envías, o lo cambias?