Communitygithub.com

calypso-podcast-clips

Transformez vos enregistrements de podcast locaux en extraits courts et révisables directement depuis le terminal. Utilisez-le pour un guidage pas à pas, une transcription locale horodatée, le contexte des épisodes, les arcs narratifs, la sélection de candidats, le cadrage par locuteur, les explications Excalidraw ou l'export vidéo vertical dans Calypso.

Qu'est-ce que calypso-podcast-clips ?

Ce skill pour agent IA transforme des enregistrements de podcast locaux en extraits vidéo courts et révisables, directement depuis le terminal. Il guide l'utilisateur à travers les étapes de transcription, de compréhension du contexte et de montage, en utilisant des outils comme Whisper local pour la transcription, Yogurt pour l'analyse du contexte, et Excalidraw pour les diagrammes explicatifs. Le skill est conçu pour les plateformes comme Codex et Claude Code, et il insiste sur la vérification des choix à chaque étape critique (transcription, découpage, cadrage) avant de passer à l'implémentation. L'approche est modulaire et reproductible, avec une gestion claire des fichiers intermédiaires sous le répertoire `work/`. Il gère également l'intégration de narration supplémentaire enregistrée par l'hôte, le cadrage automatique des intervenants et la création de diagrammes animés ou statiques. Enfin, il propose des vérifications de qualité en sortie avec ffprobe et une possibilité d'ajustement fin des extraits.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ashwinrs/calypso/tree/HEAD/.agents/skills/calypso-podcast-clips

Demander à votre IA préférée

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

Documentation

Extraits de podcast Calypso

Exécutez ./scripts/calypso.py depuis la racine du dépôt. Utilisez le README pour la syntaxe CLI et les exemples JSON. Préservez la source et conservez les fichiers intermédiaires sous work/.

Pour une exécution guidée, donnez une seule étape actionnable à la fois et expliquez comment vérifier le résultat. Fournissez les commandes en utilisant les chemins réels de l'utilisateur lorsque celui-ci souhaite exécuter les étapes lui-même. Effectuez les étapes CLI autorisées lorsque Codex demande à les exécuter. Reprenez à partir du dernier artefact vérifié pour cette source.

Confirmer les choix avant de les implémenter

Lorsqu'il existe plusieurs approches viables pour une étape, demandez à l'utilisateur de choisir avant de vous engager dans cette approche dans un plan d'édition, un script, une commande CLI ou une exportation. Donnez les options, recommandez-en une et expliquez le compromis pratique. La valeur par défaut recommandée est la première option à présenter. Utilisez les choix déjà confirmés par l'utilisateur pour l'extrait et ne mettez en pause que le travail qui dépend d'un choix en suspens. Continuez à inspecter la source ou à rassembler des preuves en attendant. Si la source ou une contrainte d'outil ne laisse qu'une seule voie viable, expliquez la contrainte avant de continuer.

Appliquez ceci aux méthodes de transcription et de contexte, à la structure de l'histoire et aux coupes, à l'audio et aux transitions, à la manière dont les tours de parole sont identifiés ou gérés lorsqu'ils sont flous, au placement et au timing des diagrammes, et à la question de savoir s'il faut réutiliser la CLI Calypso ou écrire un script d'édition personnalisé. Vérifiez les points de coupe et les limites de recadrage à partir de la source. Posez des questions sur toute entrée manquante ou toute décision non résolue qui nécessiterait autrement une hypothèse.

Trouver l'enregistrement et transcrire

Utilisez le chemin source fourni, ou demandez-le si l'enregistrement n'est pas clair. Sondez les flux audio disponibles et choisissez la piste de dialogue. Recommandez le workflow local Whisper large-v3-turbo et Silero dans le contexte inspiré de Yogurt lorsque les modèles sont disponibles. La commande standard transcribe fonctionne avec un modèle Whisper configuré ou --model models/ggml-base.bin lorsque ce fichier existe. Réutilisez une transcription vérifiée pour la même source lorsque sa qualité est suffisante. Confirmez que le JSON contient un dialogue utilisable et des horodatages relatifs à la source.

Si le backend Metal de Whisper ou le lancement Chrome d'Excalidraw échoue dans le sandbox Codex, réessayez avec un accès approprié ou fournissez la commande pour le terminal habituel de l'utilisateur. Utilisez un nouveau répertoire de travail si la transcription échouée en a déjà créé un.

Construire le contexte de l'épisode

Utilisez le passage de notes locales dans le contexte inspiré de Yogurt. Cartographiez l'épisode entier avant de proposer des modifications. Liez les sujets et les rappels aux lignes de transcription horodatées. Préservez ce qui a été proposé, contesté ou hypothétique. Vérifiez les notes par rapport à la transcription et gardez l'attribution du locuteur incertaine lorsque l'audio est mixé. Vérifiez les lignes à proximité et les échantillons d'images lorsque le sens dépend de quelque chose à l'écran.

Proposer des histoires complètes

Commencez par le message que le spectateur devrait retenir. Trouvez l'accroche ou la question, le contexte minimum pour la suivre, et l'explication et la conclusion. Signalez les arcs prometteurs même s'ils s'étendent sur plusieurs minutes ou si la réponse arrive beaucoup plus tard. Conservez l'ordre source, sauf si l'utilisateur demande une structure différente et que la modification qui en résulte préserve le sens.

Pour une histoire en plusieurs parties, enregistrez un story-arcs.json séparé avec un ID stable, un titre, un message à retenir, la plage source complète, des plages de conservation ordonnées et non chevauchantes, des plages de coupe avec raisons, une durée éditée estimée, et toutes les jonctions qui nécessitent un pont visuel court. Utilisez des secondes relatives à la source et enregistrez les ID des lignes de transcription pour chaque plage de conservation. Coupez les répétitions, les digressions et les blancs, tout en conservant les avertissements et la configuration nécessaire. Comparez les lignes de chaque côté de chaque jonction proposée et marquez les jonctions peu claires pour un aperçu audio. Présentez la plage source et la durée éditée estimée afin que l'utilisateur puisse juger de la différence.

Incluez des extraits contigus plus courts lorsqu'ils délivrent un point complet. Enregistrez-les dans clips.json et utilisez list pour les présenter. La commande render actuelle accepte un intervalle continu par ID. Utilisez une étape de coupe préliminaire distincte pour les modifications multi-parties sélectionnées et prévisualisez les jonctions avant de considérer la modification comme finale. Demandez les ID des extraits et les éventuels choix de mise en page manquants. Rendez les sélections que l'utilisateur approuve.

Demander une narration enregistrée par l'hôte

Utilisez le dialogue original et les reprises enregistrées par l'hôte pour l'audio parlé. Gardez les voix synthétisées ou clonées hors des coupes préliminaires et des exportations finales, sauf si l'utilisateur modifie explicitement cette préférence.

Lorsqu'une ouverture, une transition ou une correction factuelle nécessite une nouvelle parole, donnez à l'hôte le texte exact pour chaque reprise, l'endroit où elle va, une durée estimée et un nom de fichier ou une étiquette de prise distincts. Acceptez des enregistrements courts séparés ou un seul enregistrement avec des pauses claires entre les prises. Préparez l'édition et les visuels pendant que l'hôte enregistre. Utilisez des cartes textuelles silencieuses pour toute prévisualisation intermédiaire qui nécessite des reprises manquantes.

Lorsque les enregistrements arrivent, faites correspondre chaque prise à son repère, supprimez le silence excessif, égalisez-le par rapport au dialogue du podcast et ajustez le timing des cartes pour correspondre à la livraison enregistrée. Vérifiez les jonctions et confirmez que l'exportation ne contient que le dialogue original et les reprises enregistrées par l'hôte.

Préparer le cadrage et les diagrammes

Pour un clip vertical avec un diagramme, recommandez d'abord la mise en page approuvée : recadrez sur l'intervenant actif, placez ce recadrage dans la partie supérieure du cadre et réservez la partie inférieure pour un grand diagramme. Montrez l'hôte gauche lorsqu'il parle et passez à l'hôte droit lorsqu'il prend la parole. Déterminez la gauche et la droite à partir des images et du dialogue de cet enregistrement. Proposez un diagramme en dessous ou au-dessus de l'intervenant lorsque les deux dispositions sont viables et confirmez le placement. Demandez ce qui doit remplir la zone du diagramme lorsque le diagramme est hors écran si le clip n'utilise pas de diagramme tout au long.

  • Intervenant au-dessus du diagramme utilise render --layout combined --framing <turns.json> --diagram <diagram.png> lorsqu'un seul intervalle et un diagramme statique conviennent. Vérifiez le texte à la taille d'un téléphone.
  • Diagramme chronométré ou montage multi-parties peut utiliser un script de rendu dédié si la CLI ne peut pas exprimer le timing ou la disposition approuvés. Conservez le même cadrage intervenant-au-dessus-du-diagramme lorsqu'il est approuvé. Enregistrez le recadrage, la disposition et les repères de diagramme choisis dans le plan d'édition. Convertissez les temps de repère relatifs à la source en chronologie éditée après avoir pris en compte les coupes et les cartes.
  • Autres dispositions utilisent speaker avec --framing pour un recadrage uniquement sur l'intervenant, original pour un plan large, ou diagram avec --diagram pour une vidéo uniquement composée du diagramme avec l'audio source. Un plan large au-dessus d'un diagramme est disponible via combined sans --framing.

Pour un plan fixe à deux, inspectez les images en pleine résolution et cadrez chaque siège de sorte que le recadrage inclue le visage et les épaules de l'intervenant. Construisez des tours de parole triés et non chevauchants en secondes relatives à la source à partir d'une méthode approuvée, telle qu'un examen manuel, des pistes micro isolées, ou pyannote.audio Community-1 local après configuration du modèle. Confirmez le siège pour chaque étiquette de locuteur. Demandez comment gérer les tours incertains, les chevauchements et les brèves interjections lorsque ces choix sont importants. Proposez le plan large pour les tours incertains lorsque cela est faisable. Un détecteur de caméra en mouvement tel que TalkNet nécessite une intégration et une validation séparées sur les séquences.

Pour les explications en plusieurs étapes, dérivez les nœuds et les flèches de l'extrait sélectionné ou utilisez la scène Excalidraw de l'utilisateur. Exécutez diagram pour produire un PNG et conservez la scène modifiable. Prévisualisez le changement d'intervenant et le repère du diagramme ensemble à la taille d'un téléphone.

Vérifier les exportations

Exécutez ou fournissez une commande render par ID et disposition sélectionnés, avec un chemin de sortie distinct. Vérifiez la durée de sortie, les dimensions, les codecs et l'audio avec ffprobe. Prévisualisez les débuts, les fins et les transitions de recadrage pour vérifier la synchronisation, l'intégrité des mots et un cadrage lisible. Signalez les chemins de sortie et les ID candidats. Dans une exécution guidée, montrez comment réessayer un clip avec des limites ajustées ou une disposition différente si l'utilisateur souhaite des modifications.

Skills associés