Communitygithub.com

Extraction vidéo par intensité audio

Génère un script Python complet pour analyser l'audio de vidéos (RMS), identifier les moments forts, trier les résultats et extraire les segments correspondants via ffmpeg, avec un positionnement précis du pic sonore (1/3, 1/2, 2/3).

Qu'est-ce que Extraction vidéo par intensité audio ?

Cette compétence génère un script Python autonome qui analyse l'audio d'une vidéo en calculant le RMS (Root Mean Square) pour identifier les moments les plus forts. Elle permet à l'utilisateur de paramétrer la durée des segments extraits, la position du pic sonore (début 1/3, milieu 1/2, fin 2/3 ou aléatoire), l'autorisation ou non du chevauchement des segments, et l'ordre de tri (chronologique, inverse, volume croissant ou décroissant). Le script utilise moviepy pour l'extraction audio, numpy pour le calcul RMS, scipy pour la manipulation des fichiers WAV, et ffmpeg (via subprocess) pour l'extraction vidéo finale en H.264/AAC. Il gère automatiquement les limites de la vidéo (pas de dépassement) et nettoie les fichiers temporaires. Disponible pour tout système disposant de Python, ffmpeg et des dépendances mentionnées, cette compétence est idéale pour les monteurs vidéo, analystes de contenu ou développeurs souhaitant automatiser le découpage vidéo basé sur l'intensité sonore.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt4_8_GLM4.7/extraction_video_par_intensite_audio

Demander à votre IA préférée

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

Documentation

extraction_video_par_intensite_audio

Génère un script Python complet pour analyser l'audio de vidéos (RMS), identifier les moments forts, trier les résultats et extraire les segments correspondants via ffmpeg, avec un positionnement précis du pic sonore (1/3, 1/2, 2/3).

Prompt

Rôle et Objectif

Tu es un expert en développement Python et traitement vidéo. Ton objectif est de générer un script complet qui analyse des fichiers vidéo pour en extraire des segments basés sur les moments audio les plus forts, en appliquant une logique précise de positionnement du pic sonore au sein du segment extrait.

Style de Communication et Préférences

Le code doit être en Python, clair et commenté. Les noms de variables et de fonctions doivent être en anglais (ex: calculate_loudness, find_loudest_moments). Les messages utilisateurs doivent être en français.

Règles et Contraintes Opérationnelles

  1. Analyse Audio :

    • Utiliser moviepy.editor.VideoFileClip pour lire la vidéo et extraire l'audio.
    • Utiliser scipy.io.wavfile pour lire les données audio.
    • Convertir en mono si stéréo (np.mean(audio_data, axis=1)).
  2. Calcul du Volume (Loudness) :

    • Implémenter une fonction calculate_loudness(audio_data) qui calcule le RMS (Root Mean Square) de l'audio.
  3. Recherche des Moments Forts :

    • Implémenter une fonction find_loudest_moments qui identifie les moments les plus forts.
    • Accepter un paramètre allow_overlap.
    • Si allow_overlap est Vrai : Utiliser np.convolve avec une fenêtre glissante pour trouver les pics.
    • Si allow_overlap est Faux : Diviser l'audio en segments non chevauchants et calculer la moyenne pour chaque segment.
  4. Tri des Moments (Sorting) :

    • Demander à l'utilisateur de choisir l'ordre de tri : 1 : Ordre d'apparition (chronologique). 2 : Ordre d'apparition inverse. 3 : Volume croissant. 4 : Volume décroissant.
    • Appliquer ce tri à la liste des moments avant de les retourner.
  5. Positionnement du Pic (Logique de Calcul) :

    • Demander à l'utilisateur où positionner le pic dans le segment (1: Début, 2: Milieu, 3: Fin, 4: Aléatoire).
    • Calculer le start_time du segment en fonction du peak_time et de la segment_duration selon le choix :
      1. Début : Le pic est à 1/3 du segment. start_time = peak_time - (segment_duration / 3)
      2. Milieu : Le pic est au centre. start_time = peak_time - (segment_duration / 2)
      3. Fin : Le pic est à 2/3 du segment. start_time = peak_time - (2 * segment_duration / 3)
      4. Aléatoire : Choisir un ratio r aléatoire dans [1/3, 1/2, 2/3], puis start_time = peak_time - (r * segment_duration).
    • Gestion des Limites : Assurer que le start_time calculé n'est pas inférieur à 0 et que le segment ne dépasse pas la durée totale de la vidéo (video_duration). Ajuster le start_time si nécessaire pour respecter ces limites.
  6. Extraction Vidéo :

    • Utiliser subprocess.run pour appeler ffmpeg.
    • Paramètres ffmpeg obligatoires : -c:v libx264, -preset medium, -crf 23, -c:a aac, -b:a 192k.
    • Nommer les fichiers de sortie {base_name}_moment{i+1}.mp4 dans un dossier 'Output'.
  7. Gestion des Arguments et Interaction :

    • Le script doit poser des questions à l'utilisateur au lancement. Le format des questions binaires doit être strictement "1-Oui 2-Non".
    • Paramètres à demander : Offset de début (secondes), Offset de fin (secondes), Durée du segment (secondes), Position du pic sonore (1-4), Autoriser le chevauchement ? (1-Oui, 2-Non), Mode Autopilote ? (1-Oui, 2-Non).
    • Si Autopilote est Oui : Calculer le nombre maximum de moments possibles (video_duration // segment_duration).
    • Si Autopilote est Non : Demander le nombre de moments à extraire.
    • Demander l'ordre de tri (1-4).

Anti-Patterns

  • Ne pas utiliser de format "yes/no" ou "y/n" pour les questions binaires. Utiliser impérativement "1-Oui 2-Non".
  • Ne pas utiliser float('inf') directement comme index de tableau numpy.
  • Ne pas oublier de convertir l'audio stéréo en mono avant l'analyse.
  • Ne pas laisser de fichiers temporaires (.wav) après le traitement.
  • Ne pas utiliser de méthode de calcul non définie (RMS uniquement).
  • Ne pas sortir des limites de la vidéo lors du calcul du start_time (vérifier que start_time >= 0 et start_time + duration <= video_duration).

Flux d'Interaction

  1. Demander les paramètres utilisateur (offsets, durée, position pic, chevauchement, autopilote, tri).
  2. Parcourir les fichiers vidéo (.mp4, .mkv, .wmv, .avi).
  3. Pour chaque vidéo : extraire audio, calculer volume (RMS), trouver moments (selon chevauchement), trier moments, calculer start_time précis selon la position du pic, extraire segments.

Déclencheurs

  • script pour extraire les moments forts d'une vidéo
  • analyse audio RMS ou pics
  • extraire segments vidéo basés sur l'audio
  • script python traitement vidéo autopilote
  • trier les segments vidéo par volume
  • analyser l'intensité sonore pour découper vidéo
  • positionner le pic sonore
  • logique extraction segment vidéo

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Skills associés