Communitygithub.com

Podcast en Shorts, étape 3 : sous-titres animés mot à mot

Incrustez des sous-titres animés mot à mot dans vos vidéos avec Whisper pour la transcription et pycaps pour le rendu, en style sobre, en thème futuriste lumineux ou avec votre propre CSS.

Qu'est-ce que Podcast en Shorts, étape 3 : sous-titres animés mot à mot ?

Recette Podcast en Shorts, étape 3 (les sous-titres). L'agent transcrit la parole avec Whisper et rend des sous-titres animés avec pycaps, au choix le style minimaliste par défaut, le thème lumineux or et magenta fourni ou un fichier CSS perso, et peut aussi placer des textes fixes à des horodatages précis.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FilippTrigub/abra/tree/HEAD/skills/video-captioner

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

video-captioner — Pipeline de sous-titres animés

Transcrit la parole avec Whisper et grave des sous-titres animés mot par mot dans les vidéos. Aucun étalonnage des couleurs — pour l'amélioration visuelle, utilisez d'abord la compétence video-enhancer.

Pipeline

vidéo d'entrée → transcription Whisper → rendu de sous-titres pycaps → vidéo de sortie avec sous-titres

Styles de sous-titres

Trois options :

  1. Par défaut (aucun drapeau) — style minimaliste intégré de pycaps : texte blanc uni, sans effets.
  2. Futuriste (intégré) — --css scripts/futuristic.css — sous-titres alternant or/magenta avec un effet lumineux et une police monospace. Idéal pour le contenu tech, gaming ou à haute énergie.
  3. Personnalisé — l'utilisateur peut fournir le chemin de n'importe quel fichier CSS via --css /chemin/vers/personnalise.css.

Si l'utilisateur n'a pas mentionné de style de sous-titres, demandez-lui s'il souhaite le look par défaut, le style futuriste ou un fichier CSS personnalisé.

Sous-titres statiques

Utilisez --caption pour ajouter un texte prédéfini à des timestamps spécifiques au lieu de transcrire l'audio :

--caption "DEBUT-FIN: TEXTE"

Format :

  • Les heures utilisent le format M:SS ou MM:SS (par ex., 0:05 = 5 secondes, 1:30 = 90 secondes)
  • Plusieurs sous-titres : utilisez --caption plusieurs fois
  • Si des sous-titres statiques et une transcription sont fournis, les sous-titres statiques prévalent

Exemple :

uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Bonjour le monde" \
  --caption "0:10-0:20: Ceci est une démo" \
  --css scripts/futuristic.css

Style des sous-titres

Le style est géré via des fichiers de configuration JSON. Lors de l'utilisation de sous-titres statiques, le style est appliqué automatiquement.

Style par défaut

Lorsqu'aucun --style-config n'est spécifié, config.default.json est utilisé :

  • Arrière-plan : blanc (#FFFFFF)
  • Couleur du texte : bleu (#0066FF)
  • Police : auto — utilise d'abord une police de marque disponible avec le tag caption, puis revient à Courier New
  • Remplissage : 10px 15px
  • Marge : 0

Utilisation d'une configuration de style

Changez de style en passant un fichier de configuration :

# Utiliser le style mode sombre
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Bonjour" \
  --style-config config.dark-mode.json

Configurations incluses :

  • config.default.json — fond blanc, texte bleu, Courier New (par défaut)
  • config.dark-mode.json — fond sombre, texte blanc, police plus grande

Création de configurations de style personnalisées

Copiez config.default.json et modifiez-le :

{
  "caption_bg_color": "#000000",
  "caption_color": "#FFFFFF",
  "caption_font": "auto",
  "caption_font_tag": "caption",
  "caption_padding": "20px 30px",
  "caption_margin": "10px",
  "caption_font_size": 48
}

Utilisez-le ensuite :

uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Texte" \
  --style-config mon-style-personnalise.json

Remplacement de la configuration avec des drapeaux CLI

Les drapeaux CLI prévalent sur les valeurs du fichier de configuration :

uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Bonjour" \
  --style-config config.dark-mode.json \
  --caption-color "#00FF00"  # Remplace la couleur du texte de la configuration

Référence de la configuration de style

CléTypeDescription
caption_bg_colorstringCouleur d'arrière-plan (hex ou nom de couleur CSS)
caption_colorstringCouleur du texte (hex ou nom de couleur CSS)
caption_fontstringauto, famille de polices, ou chemin vers un fichier .ttf, .otf, .woff, .woff2
caption_font_tagstring ou nullTag de police de marque à préférer de brand-manager (caption, body, heading, etc.)
caption_paddingstringRemplissage CSS (par ex., "10px 15px")
caption_marginstringMarge CSS (par ex., "0")
caption_font_sizeinteger ou nullTaille de police en pixels (null = mise à l'échelle automatique)

Polices disponibles

Les polices système peuvent être spécifiées par nom :

  • DejaVu Sans / DejaVu Sans Bold / DejaVu Serif
  • Liberation Sans / Liberation Mono
  • Courier New
  • Ubuntu Mono
  • Tout chemin de fichier TTF : /chemin/vers/police.ttf

Ou choisissez parmi les polices de marque dans skills/brand-manager/brand-assets/asset-manifest.json. Lorsque caption_font est auto, la compétence lit le manifeste de marque (ou CLAW_BRAND_ASSETS_DIR s'il est défini) et utilise la première police disponible taguée par caption_font_tag ; si aucune police taguée n'existe, elle essaie les polices de marque taguées caption, body, heading, ou bold, puis revient à Courier New. Si la police de marque résolue est un chemin de fichier, le CSS généré inclut une règle @font-face pour que pycaps puisse la rendre.

Comment exécuter

Installez les dépendances (première exécution uniquement) :

cd "$SKILL_DIR" && uv sync

Remarque : la toute première exécution sera lente (potentiellement plusieurs minutes) car pycaps télécharge le modèle de reconnaissance vocale Whisper. Avertissez l'utilisateur avant de commencer.

Traitez ensuite les vidéos :

cd "$SKILL_DIR" && uv run python scripts/caption_service.py \
  --input <chemin/vers/entree> \
  --output <chemin/vers/sortie> \
  [--css scripts/futuristic.css]

Invocations courantes

# Sous-titres minimalistes par défaut (transcription Whisper)
uv run python scripts/caption_service.py --input ./input --output ./output

# Style futuriste
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --css scripts/futuristic.css

# CSS personnalisé
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --css /chemin/vers/mon.css

# Sous-titres statiques avec style par défaut (fond blanc, texte bleu, Courier New)
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Abonnez-vous pour plus" \
  --caption "0:10-0:15: Suivez-nous sur Instagram"

# Sous-titres statiques avec style mode sombre
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Bonjour le monde" \
  --caption "0:10-0:20: Ceci est une démo" \
  --style-config config.dark-mode.json

# Sous-titres statiques avec configuration de style personnalisée
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Texte personnalisé" \
  --style-config mon-style-personnalise.json

# Sous-titres statiques avec remplacements par drapeaux CLI
uv run python scripts/caption_service.py \
  --input ./input --output ./output \
  --caption "0:01-0:05: Bonjour" \
  --style-config config.dark-mode.json \
  --caption-color "#00FF00"

# Mode surveillance (interroge les nouvelles vidéos toutes les 10s)
uv run python scripts/caption_service.py --input ./input --output ./output --watch

Après l'exécution

Faites un rapport à l'utilisateur :

  • Combien de vidéos ont été traitées avec succès et combien ont échoué.
  • Le chemin complet vers le répertoire de sortie.
  • Si des vidéos ont échoué, nommez-les explicitement.

Cas particuliers

  • Si ffmpeg n'est pas installé : dites à l'utilisateur de l'installer (sudo pacman -S ffmpeg sur Arch/CachyOS, brew install ffmpeg sur macOS, sudo apt install ffmpeg sur Ubuntu)
  • Si uv n'est pas installé : dirigez vers https://docs.astral.sh/uv/getting-started/installation/
  • Si le répertoire d'entrée est vide : signalez-le clairement plutôt que de quitter silencieusement
  • La première exécution télécharge le modèle Whisper (~140 Mo pour tiny, ~1,5 Go pour large) — ceci est unique

Transcription à distance

Cette compétence prend désormais en charge la transcription à distance optionnelle tout en conservant le rendu pycaps local.

  • Le comportement par défaut reste entièrement local : transcription Whisper dans pycaps + rendu local
  • Le mode distant remplace uniquement l'étape de transcription
  • Le rendu des sous-titres, les templates et la gestion CSS restent locaux

Fournisseurs pris en charge

  • huggingface
  • replicate

Clés de configuration / CLI

CléDéfautRemarques
transcription_providernullnull conserve le flux local Whisper-dans-pycaps
remote_modelnullRemplacement optionnel du modèle de transcription spécifique au fournisseur
hf_token_envHF_TOKENNom de la variable d'environnement d'authentification HuggingFace
replicate_api_key_envREPLICATE_API_TOKENNom de la variable d'environnement d'authentification Replicate
remote_timeout_seconds300Délai d'attente de l'appel distant

Exemples

# Transcription à distance HuggingFace + rendu pycaps local
export HF_TOKEN=hf_votre_token
uv run python scripts/caption_service.py --input ./input --output ./output --transcription-provider huggingface

# Transcription à distance Replicate + rendu pycaps local
export REPLICATE_API_TOKEN=r8_votre_token
uv run python scripts/caption_service.py --input ./input --output ./output --transcription-provider replicate --remote-model <slug-modele-replicate>

Remarques

  • Il n'y a aucun repli silencieux vers le mode local si l'authentification/configuration distante est manquante
  • L'utilisation CLI locale existante reste valide
  • Si vous ne définissez pas --transcription-provider, pycaps continue d'utiliser son flux Whisper intégré

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

FilippTrigub/abra

>- Animate a still image into a short video clip using fal.ai's LTX-2.3 Fast image-to-video model in the cloud. No GPU required - runs entirely on fal.ai serverless infrastructure.

FilippTrigub/abra

>- Auto-describe and caption images using a local vision-language model. Writes a JSON sidecar per image containing a one-sentence description, a suggested Instagram caption with hashtags, and detected content tags.

FilippTrigub/abra

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

FilippTrigub/abra

>- Edit a region of a video using a text prompt via Wan2.1-VACE inpainting. Supports two modes: background (auto-segment via rembg) or region (rectangle defined by fractions). Requires a CUDA GPU with at least 8 GB free VRAM.

FilippTrigub/abra

>- Video enhancement pipeline. Use this skill when the user wants to sharpen, colour grade, warm, or normalise the audio of videos — including presets for natural, cinematic, or vivid looks.

FilippTrigub/abra

Generate videos from text or images using Higgsfield's multi-model cloud platform. Supports kling, seedance, dop, and dop-preview models. Uses a small preset layer for common creative styles. Auto-detects text-to-video or image-to-video based on input. No GPU required.

FilippTrigub/abra

>- Remove the background from every frame of a video using AI (BiRefNet-general via rembg). Outputs transparent-background video or composites onto a solid colour or image. Requires a CUDA GPU with at least 3 GB free VRAM.

Skills associés