Communitygithub.com

rsk-explainer-studio

最終オーディオからfaster-whisperを使用して単語レベルのタイムド字幕を生成し、動画に焼き付けます。最終カットのレンダリング後に使用します。

rsk-explainer-studio とは?

このスキルは、動画編集の最終工程で、完成したオーディオトラックから高精度な単語レベルの字幕を自動生成し、動画に直接焼き付けるためのものです。faster-whisperというASR(自動音声認識)モデルを活用し、タイムスタンプ付きの文字起こしを行います。生成された字幕は、各行42文字以内にグループ化され、話されている単語がハイライトされる高度な.ass形式の字幕ファイルと、標準的な.srt形式のサイドカーファイルの両方を作成します。さらに、制作段階で使用したスクリプト(script.md)をASRの初期プロンプトとして渡すことで、固有名詞や専門用語の認識精度を高め、手動での修正作業を最小限に抑えます。最終的に、字幕を焼き付けた動画ファイル(_captioned.mp4)を出力します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/amtamaddon/rsk-explainer-studio/tree/HEAD/.claude/skills/captions

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

キャプション

python scripts/captions.py out/<スラッグ>_final.mp4 --script work/<スラッグ>/script.md
  • タイムスタンプ付きで文字起こしを行い、単語を最大42文字の行にグループ化し、各単語が読み上げられるたびにハイライトされる.assファイルと、プレーンな.srtサイドカーファイルを生成します。
  • スクリプトをASRの初期プロンプトとして渡すことで、固有名詞や専門用語が正しく認識されるようにします。script.mdと照らし合わせて残っているスペルミスは手動で修正します。
  • out/<スラッグ>_captioned.mp4に焼き付けます。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

関連スキル