Communitygithub.com

ビデオアナライザー

FFmpegとAIビジョンを使用して、デザインシステムの生成、シーン境界の検出、アニメーションタイミングの分析、カラーパレットの抽出、および音声-映像の同期を理解するために、既存のビデオファイルを分析するスキルです。

ビデオアナライザー とは?

このスキルは、ビデオ分析のための完全なワークフローを提供し、FFmpegをフレーム抽出、シーン検出、信号処理に活用し、AIビジョンモデルを意味論的なコンテンツ理解に使用します。主な機能には、ffprobeを使用したメタデータ検査(解像度、コーデック、フレームレート)、FFmpegのフィルターグラフを使用したシーン変更境界でのフレーム抽出、色の抽出やUIコンポーネントの識別のためのAIビジョン分析などがあります。このスキルは、シーン検出よりも固定間隔抽出を優先し、すべての機械可読出力にJSON形式を使用し、初期のffprobeプロービングによる検証を強調することで、リソースを節約します。主なユースケースには、製品デモのデザインシステムの抽出、動画コンテンツのアクセシビリティ監査、UIウォークスルーの分析などがあります。プラットフォームのニュートラルを維持しながら、ffprobeのJSON出力、FFmpegのフィルターグラフ、`-vsync vfr`や適切なシーン検出しきい値などのベストプラクティスを活用します。

対応✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/absolutelyskilled/absolutelyskilled/video-analyzer

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

このスキルがアクティブになったら、常に最初の応答を :mag: 絵文字で始めてください。

ビデオアナライザー は何をしますか?

ビデオ分析とは、ビデオファイルから構造化情報(メタデータ、キーフレーム、シーン境界、カラーパレット、モーションデータ、音声特性)を抽出する実践です。適切に構築されたビデオ分析パイプラインは、フレーム抽出と信号処理のためのFFmpegと、視覚コンテンツの意味論的理解のためのAIビジョンモデルを組み合わせます。このスキルは、生のビデオファイルから実用的なデータへの完全なワークフローをカバーします:メタデータ検査のためのffprobe、フレーム抽出とシーン検出のためのFFmpegフィルターグラフ、無音と音量検出のための音声分析、およびデザインシステム抽出とコンテンツ理解のためのAIビジョン。

ビデオ分析の二本柱は、FFmpeg(メディア処理のスイスアーミーナイフ)とAIビジョンモデル(各フレームの内容を理解するため)です。FFmpegは機械的な作業(ビデオをフレームに分割、ピクセル差しきい値を介したシーン変化の検出、オーディオ波形の抽出)を処理します。AIビジョンは意味論的な作業(UIコンポーネントの識別、テキストの読み取り、色の値の抽出、レイアウトパターンの理解)を処理します。


このスキルを使用するタイミング

以下の場合にこのスキルを起動します:

  • ユーザーがビデオから定期的またはシーン境界でフレームを抽出したい場合
  • ビデオメタデータ(解像度、長さ、コーデック、ビットレート)を分析する必要がある場合
  • シーン検出またはシーン変更タイムスタンプについて尋ねる場合
  • ビデオコンテンツからカラーパレットまたはデザインシステムを抽出したい場合
  • オーディオトラック(無音検出、音量レベル、波形)を分析する必要がある場合
  • ビデオからのモーション分析またはアニメーションタイミングについて尋ねる場合
  • AIビジョンを使用してビデオコンテンツをフレームごとに理解したい場合
  • ビデオファイルからサムネイルまたはプレビューストリップを生成する必要がある場合

以下の場合はこのスキルを起動しないでください:

  • ゼロからのビデオ作成または編集(remotion-videoまたはvideo-creatorを使用)
  • ビデオスクリプトまたはストーリーボードの作成(video-scriptwritingを使用)
  • ライブビデオストリーミングまたはリアルタイムビデオ処理
  • 配布のためのビデオエンコード/トランスコード(これはレンダリングタスクであり、分析ではありません)

主要な原則

  1. まず抽出し、次に分析する - 常にフレーム抽出(FFmpeg)と意味論的分析(AIビジョン)を分離します。両方を一度に行おうとすると、脆弱なパイプラインになります。まずフレームをディスクに抽出し、次にそれらを分析します。

  2. ffmpegの前にffprobeを使用する - ビデオを処理する前に、ffprobeでビデオを検査してそのプロパティを理解します。未知のフォーマットに対してFFmpegコマンドを盲目的に実行すると、サイレント障害と破損した出力が発生します。

  3. 固定間隔よりもシーン検出 - ビデオコンテンツを分析する場合、固定時間間隔ではなくシーン境界でフレームを抽出します。シーン変更フレームは、1秒あたり1フレームの抽出よりもはるかに少ないフレームでビデオの視覚的多様性を捉えます。

  4. どこでもJSON出力 - ffprobeのJSON出力形式を使用し、分析結果をJSONとして構造化します。これにより、パイプラインが構成可能になり、結果が機械可読になります。

  5. ディスク容量の認識 - ビデオフレーム抽出により、数千の大きな画像ファイルが生成される可能性があります。抽出前に常に出力サイズを見積もり、適切な画像形式(分析にはJPEG、ピクセル完璧な作業にはPNG)を使用し、分析後は一時フレームをクリーンアップします。


中核概念

FFmpegパイプラインアーキテクチャ

FFmpegは、デマルチプレクシング、デコード、フィルタリング、エンコード、マルチプレクシングのパイプラインを通じてビデオを処理します。分析には、主にデコードとフィルターステージを使用します:

入力ファイル -> デマルチプレクサ -> デコーダ -> フィルターグラフ -> 出力(フレーム/データ)

分析のための主要なフィルター概念:

  • selectフィルター:式に基づいて出力するフレームを選択
  • showinfoフィルター:フレームメタデータ(タイムスタンプ、ピクチャタイプなど)を出力
  • scene検出:連続するフレーム間のピクセルレベル差スコア
  • fpsフィルター:フレームレートを減らして定期的に抽出

シーン検出

シーン検出は、ピクセル差を使用して連続するフレームを比較することで機能します。FFmpegのsceneフィルターは、0.0(同一)から1.0(完全に異なる)のスコアを生成します。0.3〜0.4のしきい値は、カメラの動きや照明の変化を無視しながら、主要なシーン変更を捉えます。

しきい値動作
0.1〜0.2非常に敏感 - パン、ズーム、照明変化を捉える
0.3〜0.4バランスが良い - カット、トランジション、主要な変更を捉える
0.5〜0.7保守的 - ハードカットと劇的なシーン変更のみ
0.8〜1.0攻撃的すぎる - ほとんどのシーン変更を見逃す

AIビジョン分析ワークフロー

AIビジョンを使用してビデオから構造化データを抽出するワークフロー:

  1. プローブ - ffprobeでビデオメタデータを取得(長さ、解像度、fps)
  2. 抽出 - FFmpegを使用してシーン境界でキーフレームを取得
  3. 読み取り - Readツールを使用して各フレーム画像を読み込む(画像をサポート)
  4. 分析 - 各フレームについて、色、タイポグラフィ、レイアウト、コンポーネントを識別
  5. 集約 - フレーム間で一貫したパターンを見つける
  6. 出力 - 構造化されたデザインシステムまたはコンテンツ分析を生成

一般的なタスク

1. FFmpegのインストールと確認

FFmpegが利用可能かどうかを確認し、そのバージョンと機能を検査します。

# FFmpegインストールの確認
ffmpeg -version

# ffprobeインストールの確認
ffprobe -version

# macOSにインストール
brew install ffmpeg

# Ubuntu/Debianにインストール
sudo apt-get update && sudo apt-get install -y ffmpeg

# サポートされているフォーマットの確認
ffmpeg -formats 2>/dev/null | head -20

# サポートされているコーデックの確認
ffmpeg -codecs 2>/dev/null | grep -i h264

2. シーン境界でのキーフレーム抽出

重要な視覚的変化が発生するフレームのみを抽出します。これはビデオコンテンツをサンプリングする最も効率的な方法です。

# シーン変更でのフレーム抽出(しきい値0.3)
mkdir -p scenes
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -vsync vfr \
  scenes/scene_%04d.png \
  2>&1 | grep showinfo

# タイムスタンプをファイルに記録して抽出
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -vsync vfr \
  scenes/scene_%04d.png \
  2>&1 | grep "pts_time" > scenes/timestamps.txt

# シーンフレームをJPEGとして抽出(より小さいファイル、分析に適しています)
mkdir -p scenes
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)'" \
  -vsync vfr \
  -q:v 2 \
  scenes/scene_%04d.jpg

3. 定期的な間隔でのフレーム抽出

コンテンツの変更に関係なく、均等にサンプリングが必要な場合。

# 1秒あたり1フレームを抽出
mkdir -p frames
ffmpeg -i input.mp4 -vf "fps=1" frames/frame_%04d.png

# 5秒ごとに1フレームを抽出
mkdir -p frames
ffmpeg -i input.mp4 -vf "fps=1/5" frames/frame_%04d.png

# Iフレームのみを抽出(コーデックからのキーフレーム)
mkdir -p keyframes
ffmpeg -i input.mp4 \
  -vf "select='eq(pict_type,I)'" \
  -vsync vfr \
  keyframes/kf_%04d.png

# 特定のタイムスタンプで単一フレームを抽出
ffmpeg -i input.mp4 -ss 00:01:30 -frames:v 1 thumbnail.png

# 最初のフレームのみを抽出
ffmpeg -i input.mp4 -frames:v 1 first_frame.png

4. ffprobeを使用したビデオメタデータの分析

処理前にビデオプロパティを検査します。機械可読な結果には常にJSON出力を使用します。

# 完全なメタデータをJSONとして(ストリームとフォーマット)
ffprobe -v quiet \
  -print_format json \
  -show_format \
  -show_streams \
  input.mp4

# 長さのみを取得
ffprobe -v error \
  -show_entries format=duration \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

# 解像度を取得
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=width,height \
  -of csv=s=x:p=0 \
  input.mp4

# フレームレートを取得
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=r_frame_rate \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

# コーデック情報を取得
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=codec_name,codec_long_name,profile \
  -of json \
  input.mp4

# 総フレーム数をカウント
ffprobe -v error \
  -count_frames \
  -select_streams v:0 \
  -show_entries stream=nb_read_frames \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

5. シーンの検出とタイムスタンプの一覧表示

フレームを抽出せずにシーン変更タイムスタンプのリストを取得します。

# シーン変更タイムスタンプの一覧
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -f null - \
  2>&1 | grep pts_time

# すべてのフレームのシーンスコアを抽出(分析用)
ffmpeg -i input.mp4 \
  -vf "select='gte(scene,0)',metadata=print" \
  -f null - \
  2>&1 | grep "lavfi.scene_score"

# シーン変更の数をカウント
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -f null - \
  2>&1 | grep -c "pts_time"

6. オーディオ波形の抽出と無音の検出

オーディオトラックを分析して、無音ギャップ、音量レベル、視覚的な波形を確認します。

# 無音期間の検出(チャプター区切りを見つけるのに便利)
ffmpeg -i input.mp4 \
  -af silencedetect=noise=-30dB:d=0.5 \
  -f null - \
  2>&1 | grep silence

# オーディオ波形を画像として生成
ffmpeg -i input.mp4 \
  -filter_complex "showwavespic=s=1920x200:colors=blue" \
  -frames:v 1 \
  waveform.png

# 音量レベルの分析
ffmpeg -i input.mp4 \
  -af volumedetect \
  -f null - \
  2>&1 | grep volume

# オーディオスペクトル可視化の抽出
ffmpeg -i input.mp4 \
  -filter_complex "showspectrumpic=s=1920x512:color=intensity" \
  -frames:v 1 \
  spectrum.png

7. AIビジョン分析ワークフロー

フレームを抽出し、Claudeのビジョン機能で分析して、ビデオコンテンツから構造化情報を抽出します。

# ステップ1:ビデオをプローブ
ffprobe -v quiet -print_format json -show_format -show_streams input.mp4

# ステップ2:シーンフレームを抽出
mkdir -p analysis_frames
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)'" \
  -vsync vfr \
  -q:v 2 \
  analysis_frames/frame_%04d.jpg

フレームを抽出した後、Readツールを使用して各画像を読み込みます。Readツールは画像ファイル(PNG、JPGなど)をサポートし、視覚的に提示します。各フレームについて、以下を分析します:

  • 色:主要な16進数カラー値、背景色、アクセントカラーを抽出
  • タイポグラフィ:フォントサイズ、ウェイト、行間、見出し階層を識別
  • レイアウト:グリッドパターン、フレックスレイアウト、スペーシングのリズム、マージンを検出
  • コンポーネント:ボタン、カード、ヘッダー、ナビゲーション、フォームを識別
  • アニメーション状態:トランジション、ホバー状態、ローディングインジケーターを記録

すべてのフレームにわたる発見を集約して、一貫性のあるデザインシステムを構築します。

8. ビデオからのデザインシステム抽出

製品デモやUIウォークスルービデオからデザインシステムを抽出するための完全なワークフロー。

# ステップ1:ビデオ情報を取得
ffprobe -v quiet -print_format json -show_format input.mp4

# ステップ2:シーンフレームを抽出(各ユニークな画面をキャプチャ)
mkdir -p design_frames
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.4)'" \
  -vsync vfr \
  -q:v 1 \
  design_frames/screen_%04d.png

# ステップ3:カバレッジのために定期的な間隔でも抽出
ffmpeg -i input.mp4 \
  -vf "fps=1/3" \
  -q:v 1 \
  design_frames/interval_%04d.png

フレーム抽出後、各フレームをAIビジョンで分析して、以下をコンパイルします:

{
  "colors": {
    "primary": "#2563EB",
    "secondary": "#7C3AED",
    "background": "#FFFFFF",
    "surface": "#F3F4F6",
    "text": "#111827",
    "textSecondary": "#6B7280"
  },
  "typography": {
    "headingFont": "Inter",
    "bodyFont": "Inter",
    "scale": ["12px", "14px", "16px", "20px", "24px", "32px", "48px"]
  },
  "spacing": {
    "unit": "8px",
    "scale": ["4px", "8px", "12px", "16px", "24px", "32px", "48px", "64px"]
  },
  "components": ["button", "card", "navbar", "sidebar", "input", "modal"]
}

アンチパターン / よくある間違い

間違いなぜ間違っているのか代わりにすべきこと
ビデオからすべてのフレームを抽出数千のファイルを生成し、ディスクと分析時間を浪費するシーン検出または固定間隔(1 fps以下)を使用する
処理前にffprobeをスキップ未知のコーデックや破損ファイルがサイレントFFmpeg障害を引き起こす常に最初にプローブしてフォーマットとプロパティを検証する
バルクフレーム抽出にPNGを使用PNGファイルはJPEGより5〜10倍大きく、分析品質の向上は最小限分析にはJPEG(-q:v 2)を使用。ピクセル正確な作業にのみPNGを使用
シーンしきい値を低く設定しすぎる(0.1)カメラの動き、照明の変化を捉え、フレームが多くなりすぎる0.3〜0.4から始め、結果に基づいて調整する
selectフィルターで-vsync vfrを無視タイムラインのギャップを埋めるために重複フレームを生成selectフィルターを使用するときは常に-vsync vfrを使用する
タイムスタンプなしでフレームを分析分析結果をビデオのタイムラインに関連付けることができないshowinfoフィルターを使用して各フレームでpts_timeをキャプチャする
数百のフレームに対してAIビジョンを実行コンテキスト制限を超え、トークンを浪費する分析パスごとに10〜20の代表的なフレームに制限する
ffmpegパスをハードコーディングOSとインストール方法によって動作が異なるffmpegとffprobeを直接、PATHに依存して使用する

落とし穴

  1. -vsync vfr は select フィルターで必須 - -vsync vfr がないと、FFmpegは選択されたフレーム間の「欠落」フレームを重複で埋めて、一定のフレームレートを維持します。つまり、5つのシーン変更フレームを抽出しても、500の出力ファイルが生成される可能性があり、そのほとんどが重複です。selectフィルターは常に-vsync vfrと組み合わせて使用します。

  2. シーン検出しきい値はコンテンツによって異なる - しきい値0.3はナラティブビデオのカットには適していますが、アニメーションコンテンツやスクリーンレコーディングでは、段階的なトランジションが低いシーンスコアを生成するため、0.4〜0.5が必要になる場合があります。抽出後のフレーム数を常に確認し、しきい値を調整します。

  3. ffprobeのフレームカウントは遅い - -count_framesをffprobeで使用すると、フレームを正確にカウントするためにビデオ全体をデコードします。長いビデオでは、これに数分かかる場合があります。代わりにストリームメタデータのnb_framesを使用するか(精度は劣るが即座)、長さとフレームレートから推定します。

  4. オーディオ無音検出パラメータは調整が必要 - デフォルトの-30dBノイズしきい値は、ほとんどのコンテンツで機能しますが、静かなパッセージ(ポッドキャストなど)では-40dBに調整する必要があり、アクション映画では-25dBに調整する必要があります。常にdパラメータを使用して最小無音時間を設定します(例:d=0.5は500ms)。

  5. showinfoは唯一起こる - FFmpegがストリームの終わりに達すると、「フレーム数」の要約行を出力します。これはshowinfoの行やpts_timeの発生ではありません。grep pts_timeは、シーン変更がない場合、正しい空の結果を生成します。ただし、grepに-cを使う場合、カウントにその要約行を含めないように注意してください。

  6. 画像読み込みにはディスク上のファイルが必要 - Claudeはstdinからの画像パイプをサポートしていません。AIビジョン分析の前に、まずFFmpegを使用してフレームをディスクに書き込む必要があります。-f image2pipeでパイプしようとすると、Claudeが画像を読み込めないため機能しません。


環境変数

変数説明デフォルト値
SCENE_THRESHOLD分析のデフォルトのシーン検出しきい値0.3
FRAME_QUALITY抽出されたフレームのJPEG品質(1〜31、低いほど良い)2
MAX_ANALYSIS_FRAMESAIビジョン分析に送信する最大フレーム数20
ANALYSIS_WORKING_DIR抽出されたフレームのための一時ディレクトリ./analysis_frames
FFMPEG_VERBOSE詳細なFFmpeg出力を有効にする(デバッグ用)false

Individual skills in this repo

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

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

関連スキル