Communitygithub.com

FilippTrigub/abra

동영상을 여러 세그먼트로 자르고, 재배열한 후 특정 프레임율로 출력합니다. MoviePy를 사용하며, 오디오 전사를 우선 처리하여 타임스탬프 기반으로 자르고, 실패 시 적응형 장면 감지로 대체합니다.

abra란 무엇인가요?

이 스킬은 동영상을 특정 세그먼트로 자르고, 순서를 재배열하며, 사용자 지정 프레임율(FPS)로 내보내는 기능을 제공합니다. 주로 하이라이트 영상 제작, 장면 재구성, 영상 속도 변경 등에 유용합니다. 내부적으로 MoviePy 라이브러리를 사용하며, 우선 순위에 따라 오디오 전사(transcription)를 통해 음성 구간의 시작과 끝을 감지하여 자연스러운 컷을 만듭니다. 만약 전사가 실패하거나 비활성화된 경우, 적응형 장면 감지(adaptive scene detection)로 대체하여 급격한 화면 변화나 페이드 전환을 기준으로 컷을 생성합니다. 사용자는 config.json 파일에서 세그먼트 목록, 출력 FPS, 입력/출력 디렉터리, 전사 설정, 장면 감지 모드 및 임계값 등을 상세히 구성할 수 있습니다. Agent는 먼저 사용자에게 필요한 정보(소스 비디오, 세그먼트, FPS 등)를 물어본 후, 제공된 설정 또는 자동 감지 방식을 선택하여 cutter.py 스크립트를 실행합니다. 출력은 하나의 mp4 파일로, 각 세그먼트의 오디오가 원본 그대로 보존됩니다. CLI 인자를 통해 전사 강제 비활성화나 사용자 지정 경로 전달도 가능합니다.

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

snip — 동영상 자르기 및 재배열

동영상을 여러 세그먼트로 자르고, 순서를 재배열한 후 지정된 프레임율로 내보냅니다. 하이라이트 영상 제작, 장면 재구성, 영상 속도 변경에 유용합니다.

이 스킬 디렉터리(SKILL.md가 있는 곳)를 아래에서는 $SKILL_DIR로 표시합니다.


사용 시기

다음과 같은 경우에 이 스킬을 사용하세요:

  • 동영상을 특정 세그먼트로 자르기
  • 동영상 세그먼트를 다른 순서로 재배열하기
  • 원하지 않는 구간 제거하기
  • 출력 프레임율(초당 컷 수) 변경하기
  • 음성 구간 자동 감지로 자연스러운 컷 생성 (우선)
  • 장면 전환 자동 감지로 대체 (폴백)

설정 (최초 1회)

cd "$SKILL_DIR" && uv sync

에이전트 워크플로우

1. 사용자에게 질문

동영상을 자르기 전에 다음 정보가 필요합니다:

📹 소스 동영상
   동영상 파일과 위치를 알려주세요

✂️ 자를 세그먼트
   각 세그먼트에 대해 다음을 지정하세요:
   - source: 파일명
   - start: 시작 시간(초) (예: 0.0, 5.5)
   - end: 종료 시간(초) (예: 2.0, 10.0)
   
   세그먼트 예시:
   [
     {"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}
   ]

🎬 출력 FPS (선택 사항)
   기본값: 30 fps
   일반적인 옵션: 24, 30, 60

📁 입력/출력 디렉터리 (기본값: ./input 및 ./output)

사용자 응답을 기다린 후 진행하세요.

2. 자르기 전략 결정

우선 순위:

  1. 명시적 세그먼트 — 사용자가 특정 시작/종료 시간을 제공하면 그대로 사용
  2. 오디오 전사 — transcription.enabled: true(기본값)인 경우, 전사 데이터를 찾거나 생성하여 음성 구간 경계에서 자름
  3. 적응형 장면 감지 — 전사가 불가능하거나 실패할 경우 대체

오디오 전사 (기본 방식)

이 스킬은 먼저 오디오 전사를 통해 동영상에서 타임스탬프가 포함된 음성 구간을 얻으려고 시도합니다. 이렇게 하면 음성 콘텐츠에 맞춰 더 자연스러운 컷이 생성됩니다.

🤖 오디오 전사 모드 (우선)

커터는 다음을 수행합니다:
1. output_dir에 기존 전사 JSON(예: video_transcription.json)이 있는지 확인
2. 없으면 자동으로 오디오 전사 실행
3. 음성 구간 경계에서 동영상 자름

⚙️ 설정:
   - transcription.enabled: true (기본값)
   - fallback_to_adaptive: true (기본값) — 전사 실패 시 장면 감지 사용
   - min_segment_duration: 세그먼트 최소 시간(초) (기본값: 1.0)
   - max_segment_duration: 세그먼트 최대 시간(초) (기본값: 30.0)

설정 예시:
{
  "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
  }
}

적응형 장면 감지 (대체)

전사가 비활성화되거나 실패하면, 시각적 장면 감지로 대체됩니다:

🎬 적응형 장면 감지 (대체)

동영상에서 장면 전환을 자동으로 감지하여 컷을 만듭니다.
자연스러운 전환 지점에서 잘라 지루하거나 반복적인 콘텐츠를 피합니다.

⚙️ 감지 모드:
   - adaptive  — 조명 변화/점진적 변화에 적합 [기본값]
   - content   — 빠르고 명확한 장면 컷에 적합
   - threshold — 페이드 인/아웃 감지에 적합

📏 장면 길이 필터:
   - min_scene_duration: 장면 최소 시간(초) (기본값: 1.0)
   - max_scene_duration: 장면 최대 시간(초) (기본값: 10.0)

🎛️ 고급 설정 (선택 사항):
   - threshold: content 모드의 픽셀 차이 임계값 (기본값: 27.0)
   - adaptive_threshold: adaptive 모드의 비율 임계값 (기본값: 3.0)
   - window_width: 평균 낼 프레임 수 (기본값: 2)
   - min_scene_len: 컷 전 최소 프레임 수 (기본값: 15)
   - min_content_val: 최소 콘텐츠 변화량 (기본값: 15.0)

자동 감지 대체 설정 예시:
{
  "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 편집

사용자의 선택에 따라 $SKILL_DIR/config.json을 작성하거나 업데이트합니다.

4. 실행

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

5. 결과 보고

사용자에게 출력 파일 경로, 길이 및 FPS를 알려줍니다. 사용된 방식(전사 기반 또는 장면 감지)을 함께 언급합니다.


설정 참고

키값기본값설명
input_dir경로./input입력 동영상이 있는 폴더
output_dir경로./output출력 대상 폴더
segments배열(필수)세그먼트 정의 목록
output_fps정수30출력 프레임율

세그먼트 정의

키타입설명
source문자열input_dir 내 파일명
start실수시작 시간(초)
end실수종료 시간(초)

전사 (우선 방식)

키값기본값설명
enabled불리언true전사 기반 자르기 활성화
fallback_to_adaptive불리언true전사 실패 시 장면 감지 사용
min_segment_duration실수1.0이 값보다 짧은 세그먼트 건너뜀 (초)
max_segment_duration실수30.0이 값보다 긴 세그먼트 건너뜀 (초)

자동 감지 (대체)

키값기본값설명
enabled불리언false자동 장면 감지 활성화 (대체 전용)
modeadaptive, content, thresholdadaptive감지 알고리즘
min_scene_duration실수1.0이 값보다 짧은 장면 건너뜀 (초)
max_scene_duration실수10.0이 값보다 긴 장면 건너뜀 (초)
threshold실수27.0content/threshold 모드의 픽셀 차이 임계값
adaptive_threshold실수3.0adaptive 모드의 비율 임계값
window_width정수2전후 평균 프레임 수
min_scene_len정수15컷 전 최소 프레임 수
min_content_val실수15.0최소 콘텐츠 변화량

감지 모드 (대체)

  • adaptive (기본값): 조명 변화나 점진적 전환이 있는 동영상에 적합
  • content: 날카롭고 명확한 장면 컷에 적합
  • threshold: 페이드 인/아웃 전환 감지에 적합

일반적인 실행법

# 기본 설정 (전사 사용 가능 시 사용, 실패 시 adaptive로 대체)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json

# 적응형 장면 감지 강제 사용 (전사 건너뜀)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription

# 사용자 지정 디렉터리
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
  --input /path/to/videos --output /path/to/output

출력

각 설정은 output_dir에 output.mp4 파일 하나를 생성하며, 연결된 세그먼트로 구성됩니다. 오디오는 원본 동영상 세그먼트에서 그대로 보존됩니다.


오류 처리

  • 세그먼트가 정의되지 않은 경우 → 오류 메시지 출력 후 종료
  • 잘못된 세그먼트 시간 → 예상 형식과 함께 명확한 오류 출력
  • 소스 동영상을 찾을 수 없는 경우 → 파일을 찾을 수 없다는 오류 출력
  • 전사 실패 → 활성화된 경우 adaptive로 대체, 그렇지 않으면 오류 출력
  • 개별 세그먼트 오류 → 로그로 기록; 나머지 세그먼트는 계속 처리

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.

관련 스킬