Communitygithub.com

Malik-rgb43/editing-workflow

Transcription de la parole en hébreu et génération de sous-titres incrustés : sélection de la route ASR selon le matériel, horodatage des mots, relecture, sous-titres RTL avec lignes mixtes anglais/chiffres, police, animations d'entrée et de sortie, zone de sécurité, QA des sous-titres.

Qu'est-ce que editing-workflow ?

Cette compétence automatisé la transcription de l'hébreu parlé et la création de sous-titres incrustés (burned-in captions) adaptés aux flux de travail d'édition vidéo. Elle sélectionne automatiquement la meilleure route de reconnaissance vocale (ASR) en fonction du matériel local – faster-whisper sur CPU, whisper.cpp Vulkan sur AMD, ou CUDA sur NVIDIA – et force la langue `he` pour éviter les modèles anglais par défaut. Les sorties incluent des horodatages de mots précis, des fichiers SRT/TXT, et surtout des « cartes de sous-titres » respectant les règles de la droite vers la gauche (RTL) : isolats bidi, polices chargées depuis des fichiers (car le navigateur HyperFrames ne trouve pas les polices système), animations d'entrée ET de sortie (flou vers le haut, environ 4 images), et une jonction de 0,08 à 0,1 s en avance sur la voix. Un système de huit portes de validation (G1 à G8) garantit zéro faute d'orthographe, des contrastes >= 4.5:1, une zone de sécurité (rail inférieur <= y 1450), et l'absence de fausses lectures de lettres similaires (ו/ז, ד/ר). La compétence est conçue pour fonctionner avec les outils HyperFrames, sans appel cloud sans approbation préalable (coût local = 0 $ en runtime), et inclut des scripts de lint et de QA comme `caption_lint.py` et `caption_qa`. Elle est déclenchée par des commandes en hébreu (תמלול, כתוביות) ou en anglais (Hebrew captions, transcribe Hebrew), et n'est pas destinée à la traduction seule ni à l'ASR non-hébreu.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Malik-rgb43/editing-workflow/tree/HEAD/.agents/skills/hebrew-captions-asr

Demander à votre IA préférée

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

Documentation

hebrew-captions-asr

Transcription en hébreu et sous-titres incrustés : choisissez une route ASR selon le profil, obtenez les horodatages des mots, relisez manuellement, construisez des cartes de sous-titres correctes en RTL qui s'animent à l'entrée ET à la sortie, et validez-les avec caption_qa plus une déclaration de couverture.

Règles qui priment sur toutes les autres

  1. Forcer language="he". Le transcribe intégré d'HyperFrames utilise par défaut small.en (mauvais hébreu) et init transcrit automatiquement avec celui-ci : utilisez --skip-transcribe et la route locale ivrit-ai.
  2. Ne jamais exécuter un LLM sur un transcript complet. Corrigez des mots spécifiques à la main avec un dictionnaire d'orthographe par projet ; décidez les mots ambigus par majorité sur plusieurs passages, puis arrêtez les changements d'avis. Niveau de livraison : zéro faute d'orthographe (noms, marques, citations) ; un lecteur d'hébreu approuve, un modèle critique uniquement propose.
  3. Pas d'appel cloud ASR/TTS sans devis daté et approbation (paid-generation-gate). La valeur par défaut est locale et gratuite ; "local = 0 $ " exclut l'installation, le temps de construction et les minutes de correction.
  4. Pas de dir="rtl" sur la racine d'HyperFrames. lang="he" sur <html> ; direction: rtl uniquement sur les éléments de texte. Il s'agit d'un contournement spécifique au moteur/version (un test 0.8.98 n'a pas reproduit le rendu noir, E12) : conservez la règle, re-testez par version, n'enseignez jamais "la racine RTL est du HTML invalide".
  5. Polices à partir de fichiers (hf/fonts/ + @font-face) ; le navigateur HyperFrames ne trouve pas les polices installées par leur nom et échoue silencieusement.
  6. Les nombres mesurés sont liés à la machine. Citez la vitesse en secondes audio par seconde murale avec le nom de la portée du minuteur ; dites aux étudiants de re-mesurer sur leur propre matériel.
  7. Loi vs préréglage maison (décision par défaut Q5). Lois : animation de sortie aussi bien que d'entrée, zéro faute d'orthographe, pas de RTL racine, test des lettres similaires avant qu'un visage ne soit verrouillé, rétro-transcription après un nouveau montage. Préréglage maison v1 (remplaçable) : Rubik, cartes de 1 à 3 mots, rail bas <= y 1450, les nombres de durée ci-dessous.
  8. Les outils Whisper échouent sur les chemins de fichiers non ASCII (whisper-cli sur un chemin hébreu) : utilisez un répertoire temporaire ASCII. Les longues exécutions ASR se font sous render_lock comme toute tâche lourde.

Entrées -> sorties

Entrée : audio ou vidéo, DESIGN.md / kit de type marque, le montage final si les sous-titres suivent une édition. Sortie (relative au projet) : data/words.json ([{"text","start","end"}] en secondes), transcript.srt, transcript.txt, data/captions.json (cartes), le composant de sous-titres dans la composition, _work/qa/captions_report.json avec une déclaration de couverture.

Route ASR par profil (mesurée uniquement sur la machine du propriétaire)

ProfilRoutePreuve et limite
n'importe quel CPU (référence portable)faster-whisper + ivrit turbo CT2, int8, 8 threads de cœurs physiques731,4 s pour 614,22 s d'audio = 0,84 audio-s par murale-s (E08)
AMD/Windows avec pilote Vulkanwhisper.cpp compilé avec -DGGML_VULKAN=ON + le modèle ivrit GGML105,6 s pour le même audio = 5,82 audio-s par murale-s ; la même construction sur CPU 1 033,0 s (9,78x plus lent) ; RX 7600S a nécessité GGML_VK_DISABLE_COOPMAT=1 (local uniquement : ne le définissez que si l'exécution plante, exit 127)
NVIDIAfaster-whisper CUDA 12 / cuDNN 9 ou whisper.cpp CUDAnon mesuré
Apple Siliconwhisper.cpp Metalnon mesuré
Corpus : 68 clips FLEURS he_il, 614,22 s de parole lue, un passage, machine inactive, secondes entières du wrapper. WER sur ce corpus (NFC, minuscules, ponctuation -> espace) : whisper.cpp CPU 18,09 %, Vulkan 18,26 %, CT2 simple 17,74 %, CT2 + VAD 19,38 % (4 à 19 corrections de mots sur 1 161 : proches, pas équivalence). Dialogue réel, audio téléphonique bruyant et précision manuelle des limites de mots ne sont pas mesurés. Tableaux complets, recette de construction et limites : references/asr-routes.md ; faits datés : references/volatile-facts.md.

Procédure

  1. Route. Sondez la machine (doctor), choisissez la route ci-dessus, écrivez asr_route.json (chemin/révision/empreinte du modèle, périphérique, précision, threads, ligne de log du backend). Les poids sont épinglés, jamais "dernier".
  2. Décision VAD (optionnelle par clip, décision par défaut Q8). Sans VAD, Whisper a renvoyé un texte hébreu non vide pour 3 s de silence numérique et pour 3 s de faible bruit (E02) ; l'exécution VAD par plages explicites dans E08 a été plus lente et moins précise que le CT2 simple (225 vs 206 corrections de mots). Donc : A/B sur un échantillon de 60 s de CET audio, conservez le WER le plus bas, et exécutez toujours le contrôle de silence lorsque l'audio comporte de longues périodes sans parole.
  3. Transcrivez avec les horodatages des mots ; consommez chaque segment à l'intérieur de la région chronométrée. Sauvegardez words.json, .srt (éclatement de mots --words-per-cue 3, mode phrase 6), .txt. Audio chanté ou fond musical : un "passage paroles" sans VAD avec les filtres de confiance dans references/asr-routes.md.
  4. Relisez l'intégralité du texte : noms, marques, chiffres (chiffres, pas de nombres en lettres), le dictionnaire d'orthographe, mots ambigus par majorité. Signalez les remplisseurs ("אה/אממ" sont généralement absents de la sortie Whisper : trouvez les trous vocaux) et ne supprimez jamais automatiquement les mots de discours.
  5. Après tout nouveau montage, exécutez l'ASR sur la VO complète assemblée et comparez avec le texte prévu (join_diff) ; des snippets de jonction isolés disaient "propre" tandis que le fichier complet entendait des résidus. Rétro-transcrivez la sortie TTS de la même manière.
  6. Construisez les cartes (references/caption-timing.md) : 1 à 3 mots, mots-clés dans la couleur des mots-clés, isolats bidi, entrée + sortie, échanges 2 images en avance, avance sur la voix de 0,08 à 0,1 s, bloquez les débuts à 0 ; test de police selon references/hebrew-typography.md ; mise en page et bidi selon references/rtl-and-bidi.md.
  7. QA. scripts/caption_lint.py sur captions.json, caption_qa --band <haut>:1450 sur le rendu, hf_preflight, captures d'écran à chaque image de mot-clé (--describe false), frame_qa ; écrivez la déclaration de couverture (images décodées sur attendues, bande, fps supposé, ce qui N'a PAS été vérifié).

Portes

États : pass | fail | blocked | n/a avec une raison ; un délai dépassé, une liste de cartes vide ou un fichier manquant est blocked.

PortePrédicatPreuveSi fauxPropriétaireRe-vérifier lorsque
G1 Route ASRroute choisie suite à un sondage des capacités ; modèle + poids épinglés ; language=he forcéasr_route.json (chemin, révision, périphérique, précision, threads, portée du minuteur)revenir au CT2 int8 sur CPUcette compétencenouvelle machine, pilote, modèle
G2 VADVAD activé/désactivé décidé par un A/B sur un échantillon réel de 60 s ; le contrôle de silence exécuté lorsque l'audio comporte de longues périodes sans paroleles deux WER (scripts/wer.py) + sortie du contrôle enregistréedésactiver VAD si le WER est pire ; ajouter des filtres si des hallucinations apparaissentcette compétencenouveau type d'audio
G3 Transcriptchaque nom/marque/chiffre relu ; dictionnaire d'orthographe appliqué ; 0 fautes d'orthographe approuvées par un lecteur d'hébreutranscript + dictionnaire approuvés ; wer.py par rapport au texte corrigé sur un échantilloncorriger les mots à la main ; jamais un LLM sur tout le textecette compétence + humaintout changement de texte
G4 Montage assembléASR de la VO complète assemblée correspond aux mots prévus ; aucun jeton supplémentaire ; les 2 premiers/derniers mots de chaque phrase présentsJSON join_diffcorriger la jonction, remonter, ré-ASRedit-talking-head G2chaque nouveau montage
G5 RTL / bidipas de dir=rtl racine ; lang="he" ; latin, chiffres, devises, URL isolés ; aucun contrôle bidi errant ; l'image finale visualiséescripts/caption_lint.py bloc bidi + hf_preflight + image visualiséeisoler la portée ; supprimer les contrôlescette compétencetout changement de texte de sous-titre
G6 Similitudes / policechaque mot-clé rendu à la taille finale et à 360x640 ; ו/ז, ד/ר, ה/ח ne peut pas être lu comme un autre mot ; police chargée depuis un fichierenregistrement de spécimen dans hf/QA.md (fichier police, empreinte, taille, image) + capture montrant aucune police de secourséchanger le visage pour ce mot (Karantina "לבזבז" lu comme "לבובו")cette compétencetout changement de police, taille ou mot-clé
G7 Synchronisation + animationmot >= 0,25 s, carte >= 0,9 s, dernier mot >= 0,25 s ; animation de sortie présente ; chevauchement d'échange de 1 à 2 images ; pas de début négatifrapport caption_lint + caption_qa + vérification d'imagere-synchroniser ; ajouter la sortiecette compétencetout nouveau montage ou re-synchronisation
G8 Zone de sécurité + contraste + couverturebas de la carte <= y 1450 (préréglage maison) ; mot-clé de couleur de marque >= 4,5:1 sur la bande ; caption_qa indique sa couverturerapport caption_qa avec déclaration de couverture + chiffres de contrastedéplacer, changer de couleur, ou ajouter un fondcette compétencetout changement de mise en page ; nouveau rapport

Préréglage maison v1 nombres (chacun remplaçable ; sources datées dans les références)

Rubik : mots-clés Noir (900), mots petits Regular/600 ; 54-66 px à 1080x1920 (par défaut provisoire E03 ; Alef 700 et Noto Sans Hebrew 600 notent également ; Karantina a noté 1,8 contre 4,2 dans une revue statique à modèle unique, sans panel humain, sans téléphone, sans animation). Éclatement de mots 1 à 3 mots, 0,35-0,7 s par carte ; entrée en miroir avec sortie (flou vers le haut, environ 4 images, montée 10 px, flou 6 px) ; rail de sous-titres y 900-1240 sur A-roll, bas <= 1450 ; texte clé y <= 1248. Le tableau des plateformes 9:16 est daté du 2026-09 et non vérifié comme loi : exécutez le test de superposition sur un téléphone.

Références (charger lorsque)

  • references/asr-routes.md - choisir/construire une route ASR, protocole WER, VAD, passage paroles, options cloud (aucune exécutée).
  • references/hebrew-typography.md - choisir une police, le test des similitudes, tableau E03, licences.
  • references/rtl-and-bidi.md - lignes mixtes hébreu/anglais/chiffres, pièges RTL dans HyperFrames et After Effects.
  • references/caption-timing.md - modes, recette de synchronisation exacte, zones de sécurité, script de contraste.
  • references/volatile-facts.md - avant de citer les vitesses, WER, épingles, licences, nombres de zone de sécurité.
  • Scripts : scripts/caption_lint.py (lint synchronisation/bidi/rail des cartes), scripts/wer.py (WER/CER avec normalisation déclarée) ; tous deux stdlib, --self-check ; les chemins de scripts sont relatifs au dossier de cette compétence.
  • Modules datés au niveau du dépôt (possédés ailleurs) : agent-content/references/asr-routes.md, agent-content/references/hebrew-rtl-captions.md, agent-content/references/platform-specs.md, agent-content/techniques/caption-collision.md ; chargez lorsque vous avez besoin des tableaux datés ou de la méthode de collision de boîtes.
  • Frères : edit-talking-head, render-qa-deliver, video-analysis (rapports d'analyse, pas sous-titres).

Statut des preuves

ASR à partir des expériences E02/E08 (machine du propriétaire) ; polices à partir de E03 ; règles de synchronisation et de sortie à partir des projets du propriétaire. Pas de vérité terrain humaine de synchronisation, pas d'ASR cloud exécuté, pas de résolution de licence de modèle pour les conversions ONNX. Spécifié ; vérifications déterministes uniquement ; évaluation de modèle non exécutée (Q4).

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

Malik-rgb43/editing-workflow

>- Script, edit or review a paid-social ad, sponsored post or brand promo for a business, product, app or store (Meta, Instagram, TikTok, 15-60 s): exact offer and CTA, ranked hooks, hook variants, end card, blocking compliance table, licence checks. Triggers: ad, promo, sponsored, campaign; מודעה, פרסומת, קמפיין, ממומן, פרומו, מבצע, הנחה, הוק. NOT for testimonials (edit-testimonial), organic expert reels (edit-talking-head), AI-only films (edit-ai-generated), ratio exports (multi-video-variants).

Malik-rgb43/editing-workflow

>- Design, build and review a motion-graphics piece in HyperFrames/GSAP: product or app launch, feature announcement, kinetic typography, logo reveal, UI explainer, animated screenshots. Triggers: מושן גרפיקס, אנימציה, השקה, טיפוגרפיה קינטית, לוגו אנימציה, "like a Higgsfield / Linear launch". Not for a speaker-to-camera reel (edit-talking-head), AI-generated shots (edit-ai-generated), caption-only work (hebrew-captions-asr) or ad compliance (edit-ad-promo).

Malik-rgb43/editing-workflow

>- Deliver one approved video as several outputs (other aspect ratios, hook variants, platform versions, no-music/no-captions versions) or run several videos in parallel, with one shared mix, strict naming and a manifest that blocks stale derivatives. Triggers: export as 9:16 and 1:1, hook variants, variants batch; גרסאות, וריאציות הוק, כמה סרטונים יחד, 9:16 ו-16:9. NOT for a single deliverable (render-qa-deliver) or designing the master (the type skill).

Malik-rgb43/editing-workflow

>- Turn a video the user sends or links (file, or YouTube/TikTok/Instagram URL) or a folder of clips into measurements (cuts, pacing, per-frame data), keyframe sheets, a Hebrew transcript and sound analysis (SFX, BPM, key, beats, song ID). Triggers: watch, analyse, break down, transcribe this video/reel/ad; תנתח, תעבור על, תמלל, מה קורה בסרטון, קאטים, BPM. NOT for cutting or rendering (type skills), applying a style (reference-style-transfer), or captions for a final render (hebrew-captions-asr).

Malik-rgb43/editing-workflow

Turn a new video idea, brief or list of specifics into a checkable Concept Ledger and ask questions until every parameter is precise, before any concept, prompt or build. Use at the start of any new video, with or without footage, or when the user pastes a concept with specifics. Hebrew - סרטון חדש, בריף, יש לי רעיון, קונספט, תכין לי סרטון, בוא נתחיל פרויקט. NOT for notes on an existing draft (revision-round), analysing a reference (video-analysis) or paid generation (paid-generation-gate).

Skills associés