Communitygithub.com

video-edit — Pipeline de montage vidéo avec sous-titres

Montez n'importe quelle vidéo en un showcase sous-titré : transcrivez (n'importe quelle langue, par défaut large-v3), présentez un transcript_review.txt pour que l'utilisateur corrige les erreurs AVANT le rendu, puis construisez une composition HyperFrames avec des pastilles de sous-titres en verre liquide, un fond de blobs liquides, des transitions liquides morph, du texte optionnel derrière le sujet via suppression d'arrière-plan, et effectuez le rendu final. Utilisez dès que l'utilisateur fournit un fichier vidéo et demande de la monter, de la sous-titrer, d'ajouter des légendes, de corriger des sous-titres existants, de créer un reel/promo/tutoriel sous-titré, ou de reproduire le même motif qu'une vidéo sous-titrée précédente. Prend en charge l'anglais, l'hébreu et toute langue prise en charge par Whisper. Effectue le rendu en 16:9 (YouTube/horizontal) ET en 9:16 (TikTok/Instagram Reels/YouTube Shorts) à partir de la MÊME source 16:9 — le mode vertical utilise une bande de métrage centrée avec un arrière-plan flou + des blobs liquides et une pastille de sous-titre adaptée verticalement, nul besoin de retourner. LE PIPELINE S'ARRÊTE POUR APPROBATION DE L'UTILISATEUR sur la transcription avant le rendu final — c'est le mécanisme de support pour obtenir des sous-titres parfaits.

Qu'est-ce que video-edit — Pipeline de montage vidéo avec sous-titres ?

Ce skill « video-edit » est un pipeline complet de montage vidéo sous-titré, construit au-dessus d'HyperFrames. Il automatise l'ensemble du processus : transcription audio (via faster-whisper, modèle large-v3 par défaut, avec support de l'hébreu, de l'anglais et de toutes les langues Whisper), correction des erreurs de transcription, génération d'une interface de relecture et d'approbation du transcript, et enfin rendu de la vidéo finale avec des effets visuels liquides (pastilles de sous-titres en verre liquide, fond de blobs liquides, wipes morph). L'aspect clé est l'étape d'approbation obligatoire du transcript par l'utilisateur avant le rendu, ce qui garantit une qualité parfaite des sous-titres. Le skill gère à la fois les formats 16:9 (YouTube) et 9:16 (TikTok/Reels/Shorts) à partir d'une seule source 16:9, sans nécessiter de nouveau tournage. Il est conçu pour être invoqué par l'orchestrateur yuv-pilot de YUV.AI, mais fonctionne également de manière autonome pour des projets tiers. Le pipeline s'arrête après la transcription et lance un serveur de révision local ; l'utilisateur édite et approuve le transcript dans son navigateur, ce qui débloque automatiquement la suite. Le skill inclut également une option de suppression d'arrière-plan pour placer du texte derrière le sujet (par exemple pour des intros/outros), et produit un rendu final optimisé.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hoodini/ai-agents-skills/tree/HEAD/skills/video-edit

Demander à votre IA préférée

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

Documentation

Montage Vidéo — Pipeline de Showcase Sous-titré

Éditeur vidéo sous-titré de bout en bout basé sur HyperFrames. L'utilisateur vous fournit une vidéo ; vous orchestrez les étapes transcrire → réviser → rendre et vous vous ARRÊTEZ TOUJOURS pour approbation du transcript avant le rendu long.

Où ce skill se situe dans la pyramide YUV.AI

video-edit se trouve dans le niveau intermédiaire de la pyramide des compétences YUV.AI, aux côtés de yuv-design-system, yuv-decks, yuv-viral-video, parallax-landing-page et video-to-landing-page. L'orchestrateur de premier niveau yuv-pilot achemine ici dès que l'utilisateur souhaite un showcase sous-titré, un tutoriel ou un montage avec tête parlante et sous-titres.

C'est le pendant vidéo plus général de yuv-viral-video. La répartition :

  • yuv-viral-video — pipeline YUV.AI de courtes vidéos virales (rythme MrBeast, style éditorial signature)
  • video-edit — éditeur sous-titré général avec révision du transcript avant rendu (hébreu + anglais + toute langue Whisper)

Pour les vidéos sous-titrées de marque YUV.AI, associez ce skill à yuv-design-system (mode Neon pour les choix de typographie/palette). Pour les vidéos sous-titrées génériques/tierces, ce skill fonctionne de manière autonome.

Quand l'invoquer

  • Un chemin vers un fichier vidéo (mp4/mov/mkv) + une demande de « monter », « sous-titrer », « ajouter des légendes », « créer un reel/promo », « faire pareil »
  • « Corriger les sous-titres / les fautes d'hébreu » — revenir à l'étape de révision sur un projet existant
  • Tout build de tutoriel / tête parlante / promo sous-titré

Emplacement de sauvegarde

Par défaut : ~/Documents/yuv-projects/videos/<slug>/ — sauvegardez toujours les projets vidéo sous-titrés ici pour que les rendus soient trouvables. Le <slug> est court, dérivé du sujet ou du nom du fichier source.

mkdir -p ~/Documents/yuv-projects/videos
cd ~/Documents/yuv-projects/videos
# Initialisez le projet ici.

Le rendu final se trouve dans ~/Documents/yuv-projects/videos/<slug>/renders/<name>_FINAL.mp4. Dites à l'utilisateur où se trouve la vidéo à la fin du rendu.


Workflow (12 étapes)

  1. Sonder la source — ffprobe pour les dimensions, l'ips, la durée, l'audio.

  2. Échafauder — cd ~/Documents/yuv-projects/videos && npx hyperframes init <slug> --video <path> --non-interactive. Renommez la vidéo copiée en source.mp4.

  3. Extraire l'audio — ffmpeg -i source.mp4 -vn -ac 1 -ar 16000 audio.wav.

  4. Transcrire — copiez references/transcribe.py dans le projet. Modèle par défaut large-v3 (meilleur pour l'hébreu). CUDA échoue généralement sous Windows (cuDNN manquant) ; le script utilise le CPU int8 en secours. Forcez language="he" pour l'hébreu, language="en" pour l'anglais ; sinon détection automatique.

  5. Appliquer les corrections connues — copiez le contenu de references/corrections-hebrew.md dans un fichier corrections.json à la racine du projet (clés = token erroné, valeurs = token correct).

  6. 🛑 STOP — démarrez le serveur de révision et laissez l'utilisateur approuver dans une application web. Appliquez d'abord les corrections connues : copiez references/make_review.py dans le projet et exécutez python make_review.py. Cela applique corrections.json à transcript.json.

    Ensuite, lancez le serveur de révision en tant que tâche d'arrière-plan (il se bloque jusqu'à ce que l'utilisateur clique sur « Approuver & Rendre » dans le navigateur) :

    python "$HOME/.claude/skills/video-edit/references/serve_review.py" .
    # Sous Windows : python "C:\Users\<vous>\.claude\skills\video-edit\references\serve_review.py" .
    

    Le serveur imprime une ligne comme REVIEW_URL=http://localhost:PORT/. Récupérez cette URL depuis la sortie de la tâche d'arrière-plan (ou lisez stdout) et envoyez à l'utilisateur :

    👉 Révisez votre transcription ici : http://localhost:PORT/ Lorsque vous cliquez sur Approuver & Rendre, je continuerai automatiquement.

    L'agent n'a pas besoin d'un message « continuer » — lorsque l'utilisateur clique sur le bouton, le serveur écrit transcript_review.txt dans le répertoire du projet ET se termine avec le code 0. La notification de tâche d'arrière-plan de l'agent se déclenche et le pipeline reprend à l'étape 8.

    Solution de secours si pas de navigateur / pas de serveur : ouvrez l'éditeur en tant que fichier statique (start "" "$HOME/.claude/skills/video-edit/transcript-editor/index.html"), demandez à l'utilisateur de choisir le dossier du projet, d'éditer, de sauvegarder transcript_review.txt dans le projet, et de répondre « continuer ». L'éditeur prend en charge les deux modes.

  7. (Optionnel) Suppression d'arrière-plan — voir étape 7 ci-dessous ; peut s'exécuter en parallèle avec la révision de l'utilisateur.

  8. Après approbation, exécutez python references/apply_review.py. Il re-tokenise les lignes éditées et redistribue les timings des mots dans transcript.json pour que la synchronisation des sous-titres fonctionne toujours.

  9. (Optionnel) Suppression d'arrière-plan — si un segment de tête parlante a besoin de texte derrière le sujet, extrayez le segment en tant que outro.mp4 (ou intro.mp4) et exécutez npx hyperframes remove-background <clip>.mp4 -o <name>_subject.webm --quality best. CPU uniquement sur la plupart des configurations (~3–8 min pour un clip de ~15s en 1440p).

  10. Ré-encoder la source avec des images-clés denses — le rendu multi-worker se bloque sur des images-clés clairsemées. Exécutez toujours :

    ffmpeg -y -i source.mp4 -c:v libx264 -preset medium -crf 18 -r 30 -g 30 -keyint_min 30 -sc_threshold 0 -pix_fmt yuv420p -movflags +faststart -c:a copy footage.mp4
    
  11. Recharger le transcript (édité) et générer la sous-composition du corps via references/gen_body.py. Le générateur émet le fichier compositions/components/caption-body.html complet avec des pastilles en verre liquide alternant éditorial et matrice, ancrées en bas à gauche du centre (dégageant les PiP de webcam en bas à droite).

  12. Câbler le index.html hôte à partir de references/host-template.html. Ordre des couches (z-index, PAS track-index) :

    • z0 : métrage .cam-bg
    • z1 : fond de blobs liquides (compositions/liquid-blobs.html, mix-blend-mode: screen, durée totale)
    • z2 : légende en parallaxe derrière le sujet (intro et/ou outro, lorsque la suppression d'arrière-plan est utilisée)
    • z3 : découpe du sujet .cam-out / .cam-sub (avec data-media-start correspondant)
    • z6 : légendes du corps
    • z46 : barre de progression + flash + wipe morph liquide
  13. Vérifier — npx hyperframes lint. Doit avoir 0 erreurs. Corrections courantes : conflit GSAP/CSS transform sur l'élément de wipe (utilisez xPercent/yPercent ou supprimez la transform CSS) ; chevauchement de tweens sur la même propriété (ajoutez overwrite: "auto").

  14. Rendre — npx hyperframes render --quality standard --fps 30 --output renders/<name>_FINAL.mp4. Standard est la cible de livraison appropriée — high double à peu près le temps de rendu. Vérifiez avec 6 à 8 images de contrôle réparties sur la timeline avant de signaler que c'est terminé.

Sortie verticale (9:16) pour TikTok / Reels / Shorts

Lorsque l'utilisateur demande une sortie verticale / portrait / TikTok / Reels / 9:16 (à partir d'une source 16:9) :

  1. Clonez le projet dans un dossier frère : cp -r project/ project-vertical/.
  2. Remplacez son index.html par references/host-template-vertical.html (canvas 1080×1920, arrière-plan flou avec blobs liquides, le métrage 16:9 en bande horizontale centrée, légendes en dessous).
  3. Remplacez son gen_body.py par references/gen_body_vertical.py (pastille centrée, polices plus grandes, largeur maximale réduite), puis ré-exécutez-le pour émettre compositions/components/caption-body.html.
  4. Supprimez les sous-compositions de découpe derrière le sujet + parallaxe (la découpe est alignée pour le 16:9 ; pas la peine de la réaligner pour v1). La composition verticale utilise l'arrière-plan flou de la source + les blobs pour l'ambiance à la place.
  5. Mettez à jour data-duration avec la durée réelle de la vidéo. Mettez à jour le texte de la pastille de marque dans index.html (YUV.AI par défaut).
  6. Vérifiez + rendez — mêmes commandes. La sortie est en 1080×1920. Déposez directement sur TikTok / IG Reels / YT Shorts.

Pour fournir à la fois du 16:9 et du 9:16 en une seule fois, exécutez deux commandes de rendu (dans des projets parallèles). L'approbation du transcript_review.txt s'applique aux deux — mêmes légendes, deux compositions.

Règles critiques

  • Ne jamais effectuer le rendu final sans approbation explicite du transcript. L'étape de révision est le cœur du sujet.
  • Pour l'hébreu : large-v3 + language="he" + direction: rtl + Rubik (700 + 900 pour l'accentuation éditoriale à double poids).
  • Les pastilles de légende ont toujours besoin d'un fond sombre opaque — un texte clair nu disparaît sur une interface blanche.
  • Centrez les pastilles de légende horizontalement mais décalez la coordonnée x du centre vers la gauche (par ex. left: 720px) lorsque le métrage a un PiP de webcam en bas à droite.
  • Le clip de découpe derrière le sujet DOIT porter data-media-start correspondant à son data-start (ou correspondant au décalage de la source si le clip a été extrait), sinon la découpe démarre à l'image 0 et se désynchronise.
  • Le remove-background webm conserve le RVB original et écrit uniquement le masque alpha — ffprobe signale yuv420p, ce qui ressemble à « pas d'alpha ». Confirmez via TAG:ALPHA_MODE=1 ou une composition sur une couleur unie.
  • Cartes de fin/outro avec texte incrusté — NE PAS y ajouter de légendes ; elles entrent en collision.

Références de fichiers

FichierObjectif
transcript-editor/index.htmlÉditeur interactif dans le navigateur — prévisualisation vidéo, édition RTL, application de dictionnaire, suggestions AI WebLLM optionnelles, sauvegarde de transcript_review.txt
references/setup.mdPrérequis + commandes d'installation pour Node / Python / FFmpeg / faster-whisper
references/transcribe.pyTranscription faster-whisper avec secours CPU + timings de mots
references/serve_review.pyServeur de révision local — charge automatiquement l'éditeur, se bloque jusqu'à ce que l'utilisateur clique sur Approuver & Rendre, puis écrit transcript_review.txt et se termine (signale à l'agent)
references/make_review.pyApplique les corrections + émet transcript_review.txt (secours en mode fichier)
references/apply_review.pyParse le fichier de révision édité, redistribue les timings des mots, met à jour transcript.json
references/gen_body.pyGénérateur du corps des légendes (éditorial + matrice dans des pastilles en verre liquide)
references/host-template.htmlComposition hôte 16:9 avec effets liquides + transition wipe
references/host-template-vertical.htmlHôte 9:16 (1080×1920) — mise en page TikTok / Reels / Shorts : fond flou, bande de métrage 16:9 centrée, légendes en dessous, pastille de marque en haut à droite
references/gen_body_vertical.pyGénérateur de corps de légendes adapté au vertical (pastille centrée, polices plus grandes, largeur maximale réduite)
references/liquid-blobs.htmlCouche de blobs dérivants sur toute la durée
references/caption-parallax-outro.htmlModèle de légende derrière le sujet (anglais ; clonez pour d'autres langues)
references/corrections-hebrew.mdErreurs de transcription connues de Whisper pour l'hébreu
references/transcript-review-workflow.mdL'étape de pause/approbation en détail

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

hoodini/ai-agents-skills

Edit any selfie or screen-share footage into a viral short-form video in YUV.AI's signature style — Apple-style liquid-glass cards (real CSS backdrop-filter), dark-mode polish, MrBeast-paced cuts, video-title karaoke captions, premium GSAP motion graphics, no fake content, never covering the speaker's face. Hebrew is rendered in Rubik Black, English in Anton uppercase. Always renders BOTH 9:16 and 16:9 and always saves with _V<N> suffix for backups. Trigger when the user drops a path to an .mp4/.mov/.mkv and says "edit this", "make it viral", "turn this into a short", or any Hebrew equivalent (ערוך סרטון, סרטון ויראלי, להפוך לוויראלי, ריל, שורט). The pipeline is the COMBINATION of two skills: video-use (transcription + word-snapped cuts + base extraction) and hyperframes (HTML/CSS/GSAP visual composition + render). Do NOT use for podcast-only audio edits.

hoodini/ai-agents-skills

Yuval Avidani's YUV.AI brand and design system. Apply ONLY when YUV.AI-branded output is requested — presentations, decks, keynotes, portfolio, brand site, profile, speaker bio, brand assets, or any prompt mentioning YUV.AI / "my brand" / "my deck" / "my site" / "for me". Do NOT auto-trigger on generic "build a game / web app / dashboard / landing page" without YUV.AI context — those use whatever palette fits. Three modes; NEON (hot pink #FF1464 + neon cyan #00E5FF + white, DEFAULT for YUV.AI web, apps, games, dashboards, social, general visual work); DECKS (Fly High purple/yellow/grey, presentations and slides ONLY); Warm Editorial (pink/yellow/bone for Hope, Marcus, bigcats.ai, practical.yuv.ai). Universal Fly High throughline across all modes; flight/progress motifs (HUD strips, dials, "Let's Fly High" tagline, phoenix mark). Anton + Inter (EN), Rubik + Assistant (HE), letter-spacing 0 default. Bundled brand assets, canonical socials, credentials. Project brand wins if specified.

hoodini/ai-agents-skills

Yuval's all-in-one AI video pipeline. Turns an idea/script into a finished, on-brand MP4 by orchestrating HyperFrames (HTML→deterministic video render), Lottie (branded motion graphics), ManimCE (math / neural-network / concept animations), and a transcribe→approve caption flow — all wrapped in the YUV.AI Neon Phoenix brand via a frame.md. Use whenever Yuval wants to make, edit, or explain something as a video: promo, explainer, launch, social reel, "make a video about X", "explain X as a video", "neural network animation", "turn this into a video", captioned tutorial, 16:9 or 9:16. Triggers: video, explainer, promo, reel, manim, lottie, hyperframes, animation, "make a video", "explain ... as a video", מצגת וידאו, סרטון, הסבר וידאו. Routes each beat to the right engine, wraps in brand, self-verifies, and renders.

hoodini/ai-agents-skills

Build a premium cinematic landing page with mouse-scrub video hero and brand-driven narrative-arc sections. Use whenever the user provides a hero video plus a product / subject / brand and wants a landing page, promo site, product showcase, marketing page, or storytelling site. Works for any language (RTL or LTR — Hebrew, English, Arabic, Spanish, French, Japanese, etc.) and any subject (food, tech, animals, fashion, services, SaaS, wildlife campaigns, music releases, books, real estate). The signature effect is mouse-driven video scrubbing — the hero video lives across the entire page as a fixed backdrop, and moving the mouse left-right scrubs the video timeline so the subject responds to the cursor. Below the hero, 4-5 fully-opaque sections each carry their own brand identity (color, typography emphasis, layout pattern) and walk the viewer through a narrative arc (e.g. longing → joy → nostalgia → contemplation → action). Triggers on phrases like "build a landing page from this video", "cinematic landing ...

hoodini/ai-agents-skills

Build a scroll-driven cinematic landing page from a short video. The user provides a 5–15 second video (often AI-generated); this skill extracts every frame at HD JPEG quality, then produces a single-hero HTML page where the user's scroll gesture scrubs the frames in place (the page itself never scrolls) and 5 dramatic text overlays crossfade in/out — Google Anton headlines, Caveat handwritten accents, locked body, virtual scroll. Use this skill whenever the user wants to "turn this video into a landing page", "make a scroll-scrub landing page", "build a parallax hero from this clip", "add a new landing page to the parasites showcase", "do the same as github/lion/hope for this new video", or any variant that pairs a short clip with dramatic scroll-triggered storytelling. Trigger even if the user only says "use my video for a landing page" — that is this skill.

hoodini/ai-agents-skills

Turn any video into a cinematic scroll-driven landing page — Apple-style hero where scrolling progresses the visible frame through the video. Use when the user provides a video file and asks for "a landing page from this video", "scroll-frame website", "Apple-style scroll site", "hero that scrubs the video", "like the GitHub Copilot landing", or any equivalent. Extracts N evenly-spaced frames via ffmpeg, builds a self-contained HTML page with a sticky hero + JS scroll listener that swaps the visible frame as you scroll, plus headline, sections and CTA below. For YUV.AI projects, applies the yuv-design-system skill in Neon mode (pink/cyan/white, default for YUV.AI web) — Decks (purple/yellow) is reserved for slides only. For generic / non-YUV.AI projects, picks an appropriate palette per the source video. Output is one folder with `index.html` and a `frames/` directory — drop on any static host.

hoodini/github-trending

Fetch and display GitHub trending repositories and developers. Use when building dashboards showing trending repos, discovering popular projects, or tracking GitHub trends. Triggers on GitHub trending, trending repos, popular repositories, GitHub discover.

hoodini/mongodb

Work with MongoDB databases using best practices. Use when designing schemas, writing queries, building aggregation pipelines, or optimizing performance. Triggers on MongoDB, Mongoose, NoSQL, aggregation pipeline, document database, MongoDB Atlas.

hoodini/owasp-security

Implement secure coding practices following OWASP Top 10. Use when preventing security vulnerabilities, implementing authentication, securing APIs, or conducting security reviews. Triggers on OWASP, security, XSS, SQL injection, CSRF, authentication security, secure coding, vulnerability.

Skills associés