Communitygithub.com

FilippTrigub/abra

AIを使用して動画のすべてのフレームから背景を除去します(BiRefNet-general via rembg)。透明な背景の動画を出力するか、単色または画像に合成します。CUDA GPU(3 GB以上の空きVRAM)が必要です。

abra とは?

このスキルは、動画の各フレームから背景を除去するためのAI搭載ツールです。高品質なマット処理モデルBiRefNet-general(rembg経由)を使用し、透明なアルファチャンネルを持つ動画(PNGフレーム)を出力するか、単色や背景画像に被写体を合成します。オーディオはそのまま保持されます。CUDA GPU(最低3 GBの空きVRAM)が必要で、LLMのコンテキストがVRAMを占有している場合は一時停止する必要があります。セットアップは`uv sync`で完了し、モデル重みは初回実行時に自動ダウンロードされます(約500 MB)。ユーザーは背景の種類(透明、16進カラー、画像パス)、モデル(birefnet-general、birefnet-portrait、isnet-general-use、u2net_human_seg)、入出力ディレクトリを選択できます。処理は`config.json`を編集して`matte.py`スクリプトを実行するだけのシンプルなワークフローです。エラー処理も充実しており、VRAM不足やCUDA非対応環境では明確なエラーメッセージを表示します。

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

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

keyer — AI動画背景除去

動画の全フレームから背景を除去します。BiRefNet-general(rembg経由の高品質マッティングモデル)を使用。任意で単色または背景画像に合成できます。音声は保持されます。

このSKILL.mdが存在するスキルディレクトリを、以下$SKILL_DIRと表記します。

GPU必須。 CUDA GPUで3 GB以上の空きVRAMが必要です。 LLMコンテキストがVRAMを占有している場合は、実行前に一時停止してください。


使用すべき場面

以下の場合にこのスキルを使用します。

  • 動画(トーキングヘッド、製品デモなど)から背景を除去したい
  • 被写体を単色またはブランド背景に配置したい
  • 透明な背景を持つ動画(アルファチャンネルPNGフレーム)をエクスポートしたい

セットアップ(初回のみ)

cd "$SKILL_DIR" && uv sync

BiRefNetモデルの重みは初回実行時に自動ダウンロードされます(約500 MB)。


エージェントワークフロー

1. ユーザーに質問する

背景を除去する前に、以下の情報を教えてください。

🎭 背景の置き換え
  - null          — 透明アルファチャンネルを維持(PNGフレーム; mp4アルファは非対応)
  - #hex色        — 例 "#1a1a2e"(ダークネイビー)
  - /path/to/bg   — 画像ファイルに合成

🧠 モデル
  - birefnet-general   — 最高の汎用品質  [デフォルト]
  - birefnet-portrait  — 人物に最適化
  - isnet-general-use  — より高速な代替
  - u2net_human_seg    — 高速、人物専用

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

ユーザーの応答を待ってから続行します。

2. config.jsonを編集する

ユーザーの選択に基づいて、$SKILL_DIR/config.jsonを書き込むか更新します。

3. 実行する

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

4. 結果を報告する

ユーザーに出力ファイルパスと使用した背景モードを伝えます。


設定リファレンス

キー値デフォルト説明
input_dirパス./input入力動画を含むフォルダ
output_dirパス./output出力先フォルダ
model上記参照birefnet-generalマッティングモデル
bgnull / hex / パスnull背景の置き換え

よく使う呼び出し方

# デフォルト: 背景除去、透明出力
cd "$SKILL_DIR" && uv run python scripts/matte.py

# 暗い背景に合成
cd "$SKILL_DIR" && uv run python scripts/matte.py --bg "#0d0d0d"

# 画像に合成
cd "$SKILL_DIR" && uv run python scripts/matte.py --bg /path/to/studio_bg.jpg

# ポートレート最適化モデル
cd "$SKILL_DIR" && uv run python scripts/matte.py --model birefnet-portrait

# ヌル背景(CLI経由で文字列 "null" として渡す)
cd "$SKILL_DIR" && uv run python scripts/matte.py --bg null

出力

各入力動画から、output_dirに同じファイル名で1つの.mp4ファイルが出力されます。bg=nullの場合、出力はyuv420pでエンコードされます(mp4では本当の透明度は利用不可)。実際の透明フレームが必要な場合は、clawimigを実行するか、PNGシーケンスとしてエクスポートしてください。


エラー処理

  • VRAM不足 → 必要・利用可能なGB数とVRAM解放のヒントを表示して終了
  • CUDA GPUなし / ONNX CUDAExecutionProviderなし → 明確なエラーを表示して終了
  • input_dirに動画がない → クリーンなメッセージを表示して終了
  • 個別の動画エラー → ログに記録。他の動画は処理を続行

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

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

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.

関連スキル