Communitygithub.com

Galina-neiro/video-ru

ロシア語の動画を解析、文字起こし、ダウンロードするほか、字幕やグラフィック、短いアニメーションをHyperFramesを使って作成します。動画・音声に関するあらゆるタスクで最初に使用します。

video-ru とは?

このスキルは、ロシア語の動画コンテンツを処理するための総合的なツールセットです。ffmpeg、Whisper、yt-dlp などのプログラムと、HeyGen の HyperFrames スキル群を連携させ、動画の分析、文字起こし(特にロシア語に最適化)、字幕・インフォグラフィックの追加、短いアニメーションの作成などを自動化します。主に Claude Code 環境で動作し、YouTube、VK、Rutube、Instagram のリンクから動画をダウンロードしたり、ローカルファイルを処理したりできます。GPU を利用することで文字起こし処理を大幅に高速化できます。このスキルはルーターとして機能し、タスクに応じて適切な HyperFrames スキル(埋め込みキャプション、トーキングヘッドのリカット、モーション・グラフィックスなど)を選択し、正確なタイムスタンプ付きのロシア語文字起こしを提供します。そのため、ロシア語の動画制作において最初に使用すべきスキルです。

対応✓Claude Code✓Codex CLI~Cursor
npx skills add Galina-neiro/video-ru

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

ビデオのロシア語版

このスキルは簡易的なアドオンです。重い処理はプログラム(ffmpeg、Whisper)と HeyGen の公式 HyperFrames スキルが行います。ここでは、ロシア語の動画のためのルーティングとルールのみを提供します。HyperFrames スキルについては、タスクに必要なものだけを読み、すべてを読まないでください。

初回起動:このコンピュータに合わせて設定

Claude Code(アプリケーション、VS Code、またはターミナル)でのみ動作します。コンピュータにプログラムが必要です。

最初に、このファイルと同じ場所にある 設定.md を読んでください。 そこにコンピュータの情報がすでに記録されている場合は、何もチェックせずに、そこからコマンドを取得してください(自分の Python、ffmpeg のパス、モデル、--cpu の有無など)。ファイルが空の場合、または記録された内容の一部が機能しなくなった場合は、以下の設定を実行し、結果をそこに書き込んでください。

設定は一度だけ行います:

項目確認方法目的
ffmpeg / ffprobeffmpeg -version動画からの音声とフレームの取得
Python 3.10+ (faster-whisper と yt-dlp)python -c "import faster_whisper, yt_dlp" (Mac の場合は python3)文字起こし、リンクからのダウンロード
Node.jsnode -vHyperFrames
HyperFrames スキルスキルリストに hyperframes スキルがあるかどうか編集、プレート、アニメーション
NVIDIA ビデオカード(必須ではない)nvidia-smi(名前とメモリ)文字起こしの数十倍の高速化
既存の Whisperpip list (faster-whisper, openai-whisper, whisperx)、モデルフォルダ、ユーザーに確認重複インストールを避ける

独自の Whisper。 ユーザーがすでに faster-whisper とダウンロード済みのモデルを持っている場合は、2 つ目をインストールしないでください。スクリプトに --model <パス> でモデルフォルダへのパスを渡すか、HF_HOME をそのキャッシュに設定してください。別の Whisper(openai-whisper、whisper.cpp、whisperx)がインストールされている場合は、そのまま使用するかどうかをユーザーに確認してください。そのまま使用する場合は、それで文字起こしを行い、結果をスクリプトの形式(words: {"words":[{"text","start","end","type":"word"}]}, flat: ラッパーなしの同じ単語リスト)に変換してください。HyperFrames スキルはこの形式を期待します。

ビデオカード用のモデル(faster-whisper):

コンピュータ選択するモデル
NVIDIA 6GB 以上large-v3-turbo(デフォルト)をビデオカードで使用(最高のロシア語認識)
NVIDIA 4GB--compute int8_float16 を付けた large-v3-turbo、または --model medium
NVIDIA なし(Mac、AMD、内蔵グラフィックスのノートPCを含む)--cpu、モデル small(高速)または large-v3-turbo(より正確だが非常に遅い)

自分の動画の短い部分(ffmpeg -t 10)でテストしてください。ビデオカードで CUDA エラーまたはメモリエラーが発生する場合は、以下のライブラリをインストールするか、より小さいモデルを選択してください。速度と品質をユーザーに示し、ユーザーと一緒に選択してください。

不足しているものがある場合は、ユーザーにその内容とサイズを一覧表示し、ユーザーの同意がある場合のみインストールしてください。 Windows で C ドライブの空き容量が少ない場合は、どのドライブにインストールするかをユーザーに確認してください。

  • ffmpeg、Node、Python:Windows の場合 winget install Gyan.FFmpeg、winget install OpenJS.NodeJS.LTS、winget install Python.Python.3.12;Mac の場合 brew install ffmpeg node python。
  • ライブラリ:python -m pip install faster-whisper yt-dlp。NVIDIA ビデオカード搭載の Windows の場合は、さらに python -m pip install nvidia-cublas-cu12 "nvidia-cudnn-cu12==9.*"。
  • HyperFrames スキル:npx skills add heygen-com/hyperframes --all(github.com/heygen-com/hyperframes、Apache 2.0)。
  • Whisper モデル(約 1.6 GB)は、最初の文字起こし時に自動的に HuggingFace のキャッシュにダウンロードされます。別の場所を指定する場合は、環境変数 HF_HOME を使用します。
  • ユーザーの希望により、環境変数 HYPERFRAMES_NO_TELEMETRY=1 と DO_NOT_TRACK=1 で HyperFrames のテレメトリーを無効にします。

設定の最後に、すべてを 設定.md に書き込みます(ファイル内のテンプレートに従って):使用する python と ffmpeg、ビデオカード、選択したモデルとフラグ、モデルキャッシュの場所、テストでの速度。以降、セクション A と B のコマンドはこれらのフラグを付けて実行します。

文字起こしスクリプトは、このファイルと同じ場所にある scripts/transcribe.py です。ビデオカードは自動的に使用され、カードがない場合は CPU で処理されます。フラグ:--model(モデル名または独自モデルへのパス)、--compute、--cpu。

レンダリング後の HyperFrames の「feedback」レポートは、許可なく送信しないでください。npx hyperframes skills update は、ユーザーの同意がある場合のみ実行してください。組み込みの Kokoro 音声はロシア語を話せません。ナレーションボイスは、ユーザー自身の録音または外部の音声合成サービスを使用してください。

A. 動画を視聴して分析する

  1. ファイルを取得する。 ファイルパスはそのまま使用し、元のファイルは変更しないでください。リンクは一時フォルダにダウンロードします: python -m yt_dlp --no-playlist -o "<フォルダ>/video.%(ext)s" --print-to-file "%(uploader)s | %(duration)s 秒 | %(like_count)s いいね | %(comment_count)s コメント | %(description)s" "<フォルダ>/info.txt" <リンク> YouTube でテキストのみが必要な場合は、最初に字幕を試してください:--write-auto-subs --sub-langs ru --skip-download。Instagram やプライベート Telegram チャンネルはログインが必要な場合があるため、その場合はユーザーに自分でファイルをダウンロードするよう依頼してください。
  2. ファイルの種類を確認する: ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <動画>。
  3. 文字起こし: python scripts/transcribe.py <動画> --out <フォルダ>/transcript.txt(タイムコード付きテキスト)。
  4. フレームシートの作成(1 枚の画像に 12 フレームでトークンを節約): 縦長:ffmpeg -v error -y -i <動画> -vf "fps=1/2,scale=216:-2,tile=6x2:padding=4:color=white" <フォルダ>/sheet_%02d.jpg 横長:同様に scale=320:-2,tile=4x3 を使用。2 分以上の動画の場合は fps=1/5 または 1/10 を使用。シートを画像として読み取ります。
  5. 回答: 作成者と数字(存在する場合)、動画の形式、文字起こし(長い場合は要約)、フレームに表示されている内容、そして特にユーザーにとって有用な情報。動画に誇張がある場合は、正直に伝えてください。

B. HyperFrames で動画を作成する

使用するスキル:

タスクスキル
あらゆる動画、ここから作業を開始。何を使用すればよいか不明hyperframes(メインエントリポイント、自動的に指示)
カメラに向かって話す人の動画に字幕を追加(1~3語、キーワードに色付け、カラオケ)embedded-captions
トーキングヘッド動画にグラフィックを追加:プレート、アイコン、「スマートフォン内」の挿入、分割、円形talking-head-recut
音声なしの短いアニメーション(最大約30秒):イントロ、数字、ロゴ、インターフェースモックアップ、「Before → After」motion-graphics
動画の構造:レイヤー、プレートの表示タイミング、ビデオの挿入hyperframes-core
プレートのスライドイン、ステッカー、単語の全画面表示、キネティックテキストhyperframes-animation
カメラのズームイン・アウト、スムーズな拡大hyperframes-keyframes
音楽、効果音、アイコン、挿入の処理media-use
チェック、MP4 への書き出し、背景の削除(「肩越し」の挿入)hyperframes-cli
既製のエフェクト(グリッチ、紙吹雪、グラフ)、音声に対する音楽の音量、色とフォントhyperframes-registry、hyperframes-audio、hyperframes-creative

HyperFrames のルールに従い、hyperframes スキルが最初に読み取られます。単純なタスクの場合は、リファレンスなしでその SKILL.md で十分です。

文字起こしは当スクリプトで準備します(ロシア語をより正確に理解し、単語の正確な時間を提供します)。組み込みの hyperframes transcribe は使用しません:

  • embedded-captions の場合:python scripts/transcribe.py <動画> --out <ワークスペースフォルダ>/transcript.json --format words — スキルは準備された transcript.json を自動的に使用します。
  • talking-head-recut の場合:同様に --format flat(フラットな単語配列)を使用し、スキルの文字起こしステップをスキップします。 使用前に文字起こしを読み、認識エラー(名前、ブランド、用語)を修正してください。修正リストは 1 行でユーザーに示します。

プロジェクト: ファイルを保存するフォルダをユーザーに確認します。内部構造:元ファイル/(元のファイルのコピー — 元ファイルは変更または削除しない)、HyperFrames の作業ファイル、最終的な MP4 用の 完了/。

フォーマット: Reels/Shorts/Stories — 1080×1920、9:16、30 fps;YouTube — 1920×1080;フィード投稿 — 1080×1350。

ロシア語の字幕とプレート

  • フォントはキリル文字に対応していること。多くの「おしゃれな」フォント(Google Fonts の Bebas Neue や Anton、Bebas にはキリル文字版が別途存在)にはキリル文字が含まれていません。レンダリング前に確認してください。信頼できるフォント:Oswald、Golos Text、Manrope、Montserrat、Unbounded、Inter、Rubik、Onest。Google Fonts からのネットワーク読み込みよりも、プロジェクトフォルダ内のローカル .woff2 ファイルが推奨されます。
  • 1 行あたり 2~4 語。前置詞や接続詞(в、на、с、к、у、о、и、а、но、не)は行末に残さず、次の単語に移動してください。
  • 引用符は「カギ括弧」、ダッシュはロシア語の規則に従い、数字は数字で表記します。
  • 大文字は短い強調(1~3語)にのみ使用し、フレーズ全体には使用しないでください。
  • 字幕は顔や Reels インターフェースの下部ゾーン(ボタン、キャプション)を隠してはいけません。安全ゾーン内に収めてください。フック(冒頭の興味を引く部分)は、フレームの中央かやや下に配置し、上端には配置しないでください。
  • スキルフォルダ内に ブランド.md(フォント、色、強調方法)が記入されている場合は、それを使用してください。空の場合は、一度ユーザーにスタイルを尋ね、回答をそこに保存することを提案してください。

「完了」と言う前に

長時間のレンダリングの前に、計画(何を、どこに、どのスタイルで)を示してください。レンダリング後、結果からフレームシート(セクション A4)を生成し、自分で確認します:テキストが読めるか、枠からはみ出ていないか、キリル文字が正しいか、音声と同期しているか。その後でのみ、完了/ 内のファイルパスを提供してください。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

関連スキル