Communitygithub.com

captions

Gravez des sous-titres animés dans une vidéo verticale selon 7 styles : editorial-highlight, pop-sticker, paper-plane, smoke-exit, explosive-breakup, rolodex-flip, retro-typer. Pack de démarrage gratuit par @cornpop.studio.

Qu'est-ce que captions ?

Le skill `/captions` transforme une vidéo parlée en une vidéo avec des sous-titres animés incrustés, synchronisés avec la voix. Il propose sept styles visuels distincts, allant du magazine élégant (editorial-highlight) au rétro machine à écrire (retro-typer), en passant par des effets dynamiques comme l'explosion ou le fumigène. Chaque mot clé peut être mis en évidence avec une couleur personnalisable. Le skill repose sur des outils open source : il utilise `ffmpeg` pour le traitement vidéo, Node.js pour le rendu des animations via Chrome/Chromium, et Python avec faster-whisper pour la transcription automatique des paroles en un fichier JSON de mots horodatés. L'utilisateur peut ajuster la hauteur, la taille et la couleur des sous-titres, et prévisualiser des images clés avant le rendu final. Le pack de démarrage est gratuit et ne nécessite que l'installation de dépendances minimales (ffmpeg, Node.js, Chrome, Python). Idéal pour les créateurs de contenu sur les réseaux sociaux qui veulent ajouter rapidement des sous-titres animés sans montage complexe.

Compatible avec~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shubhamseth29/claude-skills/tree/HEAD/captions

Demander à votre IA préférée

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

Documentation

/captions : 7 styles de sous-titres

Transforme une vidéo parlée en la même vidéo avec des sous-titres animés incrustés. Les mots sont synchronisés avec la voix, un mot clé par ligne reçoit la couleur de surbrillance, et la vidéo et l'audio originaux restent intacts (les sous-titres sont superposés).

Les 7 styles

Tapez ceciAspect
editorial-highlightSerif magazine, mot clé sur une bande de papier rouge foncé, petit numéro de page au-dessus de la ligne
pop-stickerBlocs de couleur avec contours noirs et ombres portées dures, petits autocollants qui apparaissent autour, mots clés violets avec une étoile
paper-planeUn avion en papier dans la couleur de surbrillance traverse l'écran et tire la ligne derrière lui
smoke-exitMots sans empattement épais ; quand la ligne se termine, elle se dissout en fumée, le mot clé fume dans sa propre couleur
explosive-breakupGrandes capitales condensées ; à la fin de la ligne, chaque lettre explose vers l'extérieur, mot clé dans des étincelles
rolodex-flipLa ligne se construit mot par mot, chaque nouveau mot bascule comme une carte de Rolodex
retro-typerLettres de machine à écrire tapées en rythme avec la voix, curseur clignotant en bloc (option : boîte floue)

Si l'utilisateur ne donne pas de style, affichez ce tableau et demandez lequel (suggérez pop-sticker).

Configuration (première utilisation uniquement)

Exécutez les commandes dans ce dossier de skill. Vérifiez d'abord, n'installez que ce qui manque :

  • ffmpeg et ffprobe (Mac : brew install ffmpeg, Windows : winget install ffmpeg)
  • Node.js 18+ et Google Chrome (ou Edge/Chromium). Ensuite, faites npm install dans ce dossier (léger : il utilise Chrome déjà installé sur l'ordinateur).
  • Python 3. scripts/words.py crée son propre .venv ici et installe faster-whisper lors de la première utilisation.

Étapes

  1. Mots. python3 scripts/words.py <video> écrit <video>.words.json : [{"w":"Bonjour","s":0.21,"e":0.48}, ...]. Ignorez si l'utilisateur en a déjà un (/captions words <video> = faites seulement cette étape).
  2. Nettoyez les mots (éditez le JSON, conservez les horodatages) :
    • Corrigez les mots mal entendus, l'orthographe des noms et des marques. Demandez à l'utilisateur en cas de doute.
    • Marquez un mot clé par ligne avec "k": true : le mot qui porte le sens (un résultat, un nombre, un nom ou le mot surprenant). Pas besoin sur chaque ligne.
    • Marquez les fins de ligne avec "br": true pour que chaque ligne fasse 2 à 4 mots et moins de ~20 lettres, en coupant là où le locuteur fait une pause naturelle. Une fois qu'un br existe, les lignes ne se coupent qu'aux br, à la ponctuation et aux longues pauses.
    • Écrivez les symboles comme les gens les lisent à l'écran : "slash" → "/", "pourcent" → "%" lorsque c'est un terme.
  3. Vérifiez les images avant le rendu complet. node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8 (choisissez des moments en milieu de ligne). Regardez les PNG : sous-titres lisibles, pas sur le visage ni sur l'interface de l'application. Trop haut ou trop bas ? Utilisez --y (64 = défaut, nombre plus bas = plus haut). Trop grand ? --size 0.85.
  4. Rendu. node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box] → <video>_<style>.mp4 à côté de l'original. Environ 3 minutes pour un reel de 60s.
  5. Informez l'utilisateur de l'emplacement du fichier. Pour un aperçu en direct des 7 styles sur sa propre vidéo, ouvrez index.html dans Chrome et chargez la vidéo et le fichier de mots.

Options

DrapeauEffet
--hl <#hex>Couleur de surbrillance pour les mots clés. Préréglages : jaune #ffd23f (défaut), corail #ff7a59, ciel #7cc4ff, menthe #9ff0b8
--y <0-100>Hauteur des sous-titres, % depuis le haut. 64 se place sous le menton sur un visage parlant
--size <n>Taille des sous-titres, 1 = normale
--boxRetro Typer uniquement : boîte floue douce derrière le texte
--out <fichier>Chemin de sortie
--still <s>Vérifiez une image à cette seconde au lieu d'un rendu complet (répétable)

Remarques

  • Les séquences iPhone HDR peuvent paraître délavées après le rendu. Exportez-les d'abord en SDR, ou réglez l'iPhone sur Réglages > Appareil photo > Formats > Le plus compatible.
  • Les sous-titres sont toujours superposés à la vidéo. Il s'agit du pack de démarrage : les mots derrière l'intervenant, les styles de verre et de mur de texte ne sont pas inclus.
  • Les polices sont chargées depuis Google Fonts, le rendu nécessite donc une connexion Internet.

Skills associés