Communitygithub.com

FilippTrigub/abra

動画を指定したセグメントにカットし、並べ替え、指定したフレームレートで出力します。音声文字起こしを優先し、シーン検出をフォールバックとして使用します。

abra とは?

このスキル(「snip」)は、動画を特定のセグメントにカットし、順序を並べ替え、指定したフレームレート(cuts per second)で出力するためのツールです。ハイライトリールの作成、シーンの再構成、ビデオのペーシング変更に役立ちます。主に MoviePy を使用して動画操作を行います。 最も優先されるのは、ユーザーが明示的に指定した開始・終了時間のセグメントです。ユーザーが指定しない場合、スキルは自動的に**音声文字起こし**を試み、発話の境界で自然なカットを行います(デフォルトで有効)。文字起こしが利用できない場合や失敗した場合には、**アダプティブシーン検出**(シーンの変化を自動検出)をフォールバックとして使用します。 このスキルは、Claude Code、Cursor、Codex などの AI エージェントが、ユーザーの指示に基づいて動画編集を自動化するために設計されています。エージェントはまずユーザーにソース動画とセグメント情報を尋ね、その後 config.json を生成し、`cutter.py` スクリプトを実行して結果を報告します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FilippTrigub/abra/tree/HEAD/skills/video-cutter

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

snip — 動画カット&並べ替え

動画をセグメントにカットし、順序を並べ替え、指定したフレームレートでエクスポートします。ハイライトリールの作成、シーンの再構成、またはビデオのペーシング変更に便利です。

スキルディレクトリ(この SKILL.md があるディレクトリ)を以下 $SKILL_DIR と表記します。


使用するタイミング

以下のような場合にこのスキルを使用してください:

  • 動画を特定のセグメントにカットする
  • 動画セグメントを異なる順序で並べ替える
  • 動画から不要な部分を削除する
  • 出力フレームレート(1秒あたりのカット数)を変更する
  • 発話セグメントを自動検出して自然なカットを行う(優先)
  • シーン変化を自動検出してフォールバックする

セットアップ(初回のみ)

cd "$SKILL_DIR" && uv sync

エージェントのワークフロー

1. ユーザーに質問する

動画をカットする前に、以下の情報が必要です:

📹 ソース動画
   動画ファイルとその場所をリストアップしてください

✂️ カットするセグメント
   各セグメントについて以下を指定:
   - source: ファイル名
   - start: 開始時間(秒)(例:0.0, 5.5)
   - end: 終了時間(秒)(例:2.0, 10.0)
   
   セグメントの例:
   [
     {"source": "video.mp4", "start": 0.0, "end": 1.0},
     {"source": "video.mp4", "start": 3.0, "end": 4.5},
     {"source": "video.mp4", "start": 1.5, "end": 2.5}
   ]

🎬 出力FPS(オプション)
   デフォルト:30 fps
   一般的なオプション:24, 30, 60

📁 入力/出力ディレクトリ(デフォルト:./input および ./output)

ユーザーの応答を待ってから続行します。

2. カット戦略を決定する

優先順位:

  1. 明示的なセグメント — ユーザーが開始/終了時間を指定した場合は、それを使用
  2. 音声文字起こし — transcription.enabled: true(デフォルト)の場合、文字起こしを探すか生成し、発話セグメントの境界でカット
  3. アダプティブシーン検出 — 文字起こしが利用できないか失敗した場合のフォールバック

音声文字起こし(優先方式)

このスキルはまず、動画からタイムスタンプ付きの発話セグメントを取得するために、音声文字起こしを使用しようとします。これにより、話し言葉の内容に沿った、より自然なカットが生成されます。

🤖 音声文字起こしモード(優先)

カッターは以下の処理を行います:
1. 出力ディレクトリに既存の文字起こし JSON(例:video_transcription.json)があるか確認
2. 見つからない場合、自動的に音声文字起こしを実行
3. 発話セグメントの境界で動画をカット

⚙️ 設定:
   - transcription.enabled: true(デフォルト)
   - fallback_to_adaptive: true(デフォルト)— 文字起こしが失敗した場合にシーン検出を使用
   - min_segment_duration: セグメントの最小秒数(デフォルト:1.0)
   - max_segment_duration: セグメントの最大秒数(デフォルト:30.0)

設定例:
{
  "segments": [{"source": "video.mp4", "start": 0, "end": 60}],
  "transcription": {
    "enabled": true,
    "fallback_to_adaptive": true,
    "min_segment_duration": 1.0,
    "max_segment_duration": 30.0
  }
}

アダプティブシーン検出(フォールバック)

文字起こしが無効か失敗した場合、スキルは視覚的なシーン検出にフォールバックします:

🎬 アダプティブシーン検出(フォールバック)

動画内のシーン変化を自動検出してカットを作成します。
これにより、自然なトランジションでカットすることで、退屈で反復的なコンテンツを避けられます。

⚙️ 検出モード:
   - adaptive  — 照明の変化や緩やかな変化に最適 [デフォルト]
   - content   — 高速で明確なシーンカットに最適
   - threshold — フェードイン/アウト検出に最適

📏 シーン時間フィルター:
   - min_scene_duration: シーンの最小秒数(デフォルト:1.0)
   - max_scene_duration: シーンの最大秒数(デフォルト:10.0)

🎛️ 詳細設定(オプション):
   - threshold: contentモードのピクセル差分の閾値(デフォルト:27.0)
   - adaptive_threshold: adaptiveモードの比率の閾値(デフォルト:3.0)
   - window_width: 平均化するフレーム数(デフォルト:2)
   - min_scene_len: カット前の最小フレーム数(デフォルト:15)
   - min_content_val: 最小コンテンツ変化(デフォルト:15.0)

自動検出フォールバックを使用した設定例:
{
  "segments": [{"source": "video.mp4", "start": 0, "end": 60}],
  "transcription": {
    "enabled": false
  },
  "auto_detect": {
    "enabled": true,
    "mode": "adaptive",
    "min_scene_duration": 1.0,
    "max_scene_duration": 10.0
  }
}

3. config.json を編集する

ユーザーの選択に基づいて $SKILL_DIR/config.json を作成または更新します。

4. 実行

cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json

5. 結果を報告する

出力ファイルのパス、長さ、FPS をユーザーに伝えます。使用された方式(文字起こしベースかシーン検出か)も記載します。


設定リファレンス

キー値デフォルト説明
input_dirパス./input入力動画が格納されているフォルダ
output_dirパス./output出力先フォルダ
segments配列(必須)セグメント定義のリスト
output_fps整数30出力フレームレート

セグメント定義

キー型説明
source文字列input_dir 内のファイル名
start浮動小数点数開始時間(秒)
end浮動小数点数終了時間(秒)

文字起こし(優先方式)

キー値デフォルト説明
enabledブール値true文字起こしベースのカットを有効にする
fallback_to_adaptiveブール値true文字起こしが失敗した場合にシーン検出を使用する
min_segment_duration浮動小数点数1.0これより短いセグメントをスキップ(秒)
max_segment_duration浮動小数点数30.0これより長いセグメントをスキップ(秒)

自動検出(フォールバック)

キー値デフォルト説明
enabledブール値false自動シーン検出を有効にする(フォールバックのみ)
modeadaptive, content, thresholdadaptive検出アルゴリズム
min_scene_duration浮動小数点数1.0これより短いシーンをスキップ(秒)
max_scene_duration浮動小数点数10.0これより長いシーンをスキップ(秒)
threshold浮動小数点数27.0content/threshold モードのピクセル差分の閾値
adaptive_threshold浮動小数点数3.0adaptive モードの比率の閾値
window_width整数2前後のフレームを平均化する数
min_scene_len整数15カット前の最小フレーム数
min_content_val浮動小数点数15.0最小コンテンツ変化

検出モード(フォールバック)

  • adaptive(デフォルト):照明の変化や緩やかなトランジションがある動画に最適
  • content:シャープで明確なシーンカットがある動画に最適
  • threshold:フェードイン/アウトのトランジション検出に最適

一般的な呼び出し方

# デフォルト設定(可能な場合は文字起こしを使用し、フォールバックでアダプティブを使用)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json

# アダプティブシーン検出を強制(文字起こしをスキップ)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription

# カスタムディレクトリ
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
  --input /path/to/videos --output /path/to/output

出力

各設定により、output_dir 内に連結されたセグメントを含む1つの output.mp4 が生成されます。 音声は元の動画セグメントから保持されます。


エラーハンドリング

  • セグメントが定義されていない → エラーメッセージを表示して終了
  • セグメント時間が無効 → 期待される形式を明示したエラー
  • ソース動画が見つからない → ファイルが見つからないというエラー
  • 文字起こしが失敗 → 有効な場合はアダプティブにフォールバック、そうでなければエラー
  • 個別のセグメントエラー → ログに記録され、他のセグメントは続行

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

FilippTrigub/abra

>- Animate a still image into a short video clip using fal.ai's LTX-2.3 Fast image-to-video model in the cloud. No GPU required - runs entirely on fal.ai serverless infrastructure.

FilippTrigub/abra

>- Auto-describe and caption images using a local vision-language model. Writes a JSON sidecar per image containing a one-sentence description, a suggested Instagram caption with hashtags, and detected content tags.

FilippTrigub/abra

>- Animated caption pipeline. Use this skill when the user wants to burn word-by-word animated captions into videos — using Whisper for transcription and pycaps for rendering. Supports default minimalist style or a futuristic CSS theme with alternating gold/magenta glowing words.

FilippTrigub/abra

>- Edit a region of a video using a text prompt via Wan2.1-VACE inpainting. Supports two modes: background (auto-segment via rembg) or region (rectangle defined by fractions). Requires a CUDA GPU with at least 8 GB free VRAM.

FilippTrigub/abra

>- Video enhancement pipeline. Use this skill when the user wants to sharpen, colour grade, warm, or normalise the audio of videos — including presets for natural, cinematic, or vivid looks.

FilippTrigub/abra

Generate videos from text or images using Higgsfield's multi-model cloud platform. Supports kling, seedance, dop, and dop-preview models. Uses a small preset layer for common creative styles. Auto-detects text-to-video or image-to-video based on input. No GPU required.

FilippTrigub/abra

>- Remove the background from every frame of a video using AI (BiRefNet-general via rembg). Outputs transparent-background video or composites onto a solid colour or image. Requires a CUDA GPU with at least 3 GB free VRAM.

関連スキル