Communitygithub.com

Malik-rgb43/hebrew-captions-asr

히브리어 음성을 텍스트로 변환하고, 자체 하드웨어에 맞는 ASR 경로를 선택하여 단어 타임스탬프를 추출한 후, RTL 및 혼합 영어/숫자 라인을 지원하는 굽기 자막을 제작합니다. 자막 QA와 커버리지 명세서를 통해 완성도를 검증합니다.

hebrew-captions-asr란 무엇인가요?

이 스킬은 히브리어 음성을 텍스트로 변환(ASR)하고, 영상에 굽기(burned-in) 자막을 제작하는 전문 워크플로우입니다. 사용자의 하드웨어(CPU, AMD/Windows Vulkan, NVIDIA, Apple Silicon)를 자동으로 감지하여 최적의 로컬 ASR 경로(faster-whisper, whisper.cpp 등)를 선택하고, 단어 수준의 타임스탬프를 생성합니다. 생성된 자막은 RTL(오른쪽에서 왼쪽) 히브리어 텍스트와 영어/숫자가 혼합된 라인을 올바르게 처리하며, 입장 및 퇴장 애니메이션, 안전 영역, 글꼴 테스트 등 전문적인 자막 제작 기준을 충족합니다. 특히 철자 오류 제로를 목표로 하며, 사전 기반 교정과 여러 ASR 패스 비교를 통해 정확도를 높입니다. Claude Code, Cursor 등 AI 에이전트 환경에서 실행되며, 자체 스크립트(caption_lint.py, wer.py 등)를 통해 QA를 자동화합니다. 클라우드 ASR/TTS는 사전 승인 없이 호출할 수 없으며, 모든 측정값은 기계별로 다시 측정해야 합니다. 이 스킬은 자막 전용이며, 번역이나 비히브리어 ASR, 분석 보고서 생성에는 사용되지 않습니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Malik-rgb43/editing-workflow/tree/HEAD/.agents/skills/hebrew-captions-asr

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

hebrew-captions-asr은(는) 무엇을 하나요?

히브리어 전사 및 굽기 자막: 프로필별로 ASR 경로를 선택하고, 단어 타이밍을 얻고, 수동 교정을 수행하며, RTL 호환 자막 카드를 제작(입장 및 퇴장 애니메이션 포함)한 다음, caption_qa와 커버리지 명세서로 검증합니다.

다른 모든 규칙보다 우선하는 규칙

  1. language="he"를 강제합니다. HyperFrames 내장 transcribe는 기본값이 small.en(히브리어에 취약)이며, init이 자동으로 전사를 시도합니다: --skip-transcribe를 사용하고 로컬 ivrit-ai 경로를 사용하세요.
  2. 전체 전사본에 대해 LLM을 실행하지 마십시오. 특정 단어는 프로젝트별 철자 사전을 사용하여 수동으로 수정하고, 모호한 단어는 여러 패스에 걸쳐 다수결로 결정한 후 더 이상 변경하지 마십시오. 인도 기준: 철자 오류 제로(이름, 브랜드, 인용문); 히브리어 원어민이 승인하고, 모델 비평가는 후보만 지목합니다.
  3. 날짜가 명시된 견적과 승인 없이 클라우드 ASR/TTS를 호출하지 마십시오 (paid-generation-gate). 기본값은 로컬 및 무료입니다. "local = $0"에는 설정, 빌드 시간 및 교정 시간이 포함되지 않습니다.
  4. HyperFrames 루트에 dir="rtl"을 설정하지 마십시오. <html>에 lang="he"; direction: rtl은 텍스트 요소에만 적용합니다. 이는 엔진/버전별 해결 방법입니다(0.8.98 테스트에서 검은색 렌더링이 재현되지 않음, E12): 규칙을 유지하되 버전별로 재테스트하고, "루트 RTL은 유효하지 않은 HTML"이라고 가르치지 마십시오.
  5. 파일에서 글꼴을 로드합니다 (hf/fonts/ + @font-face); HyperFrames 브라우저는 설치된 글꼴을 이름으로 찾지 못하고 자동으로 대체합니다.
  6. 측정된 숫자는 특정 기계에 종속됩니다. 속도를 오디오-초/실제-초로 인용하고 타이머 범위 이름을 명시하며, 학생들에게 자체 하드웨어에서 다시 측정하도록 지시하십시오.
  7. 법규 vs 하우스 프리셋 (의사결정 기본값 Q5). 법규: 퇴장 애니메이션도 입장 애니메이션과 동일하게, 철자 오류 제로, 루트 RTL 금지, 안면 잠금 전 유사 문자 테스트, 재편집 후 역전사. 하우스 프리셋 v1 (재정의 가능): Rubik, 1-3 단어 카드, 하단 레일 y <= 1450, 아래 체류 시간.
  8. Whisper 도구는 비ASCII 파일 경로에서 작동하지 않습니다 (whisper-cli가 히브리어 경로에서 문제 발생): ASCII 임시 디렉토리를 사용하세요. 긴 ASR 실행은 무거운 작업과 마찬가지로 render_lock 아래에서 실행합니다.

입력 -> 출력

입력: 오디오 또는 비디오, DESIGN.md/브랜드 타입 키트, 자막이 편집을 따르는 경우 최종 컷. 출력(프로젝트 기준): data/words.json ([{"text","start","end"}] 초), transcript.srt, transcript.txt, data/captions.json (카드), 컴포지션 내 자막 컴포넌트, 커버리지 명세서를 포함한 _work/qa/captions_report.json.

프로필별 ASR 경로 (소유자 기계에서만 측정)

프로필경로증거 및 한계
모든 CPU (휴대용 기준)faster-whisper + ivrit turbo CT2, int8, 8 물리적 코어 스레드614.22초 오디오에 대해 731.4초 = 0.84 오디오-초/실제-초 (E08)
AMD/Windows + Vulkan 드라이버-DGGML_VULKAN=ON으로 빌드된 whisper.cpp + ivrit GGML 모델동일 오디오에 대해 105.6초 = 5.82 오디오-초/실제-초; 동일 빌드 CPU에서 1033.0초 (9.78배 느림); RX 7600S는 GGML_VK_DISABLE_COOPMAT=1 필요 (로컬 전용: 실행 충돌 시에만 설정, exit 127)
NVIDIAfaster-whisper CUDA 12 / cuDNN 9 또는 whisper.cpp CUDA측정되지 않음
Apple Siliconwhisper.cpp Metal측정되지 않음
말뭉치: 68개의 FLEURS he_il 클립, 614.22초의 낭독 음성, 한 번의 패스, 유휴 기계, 전체 래퍼 시간. 해당 말뭉치의 WER (NFC, 소문자, 구두점 -> 공백): whisper.cpp CPU 18.09%, Vulkan 18.26%, CT2 일반 17.74%, CT2 + VAD 19.38% (1161개 중 4-19개 단어 편집: 근접하지만 동일하지 않음). 실제 대화, 잡음이 많은 전화 오디오 및 수동 단어 경계 정확도는 측정되지 않았습니다. 전체 표, 빌드 레시피 및 한계: references/asr-routes.md; 날짜가 명시된 사실: references/volatile-facts.md.

절차

  1. 경로. 기계를 프로브(doctor)하고, 위 경로 중 하나를 선택한 다음 asr_route.json을 작성합니다 (모델 경로/리비전/해시, 장치, 정밀도, 스레드, 백엔드 로그 라인). 가중치는 고정되며, 절대 "최신"을 사용하지 않습니다.
  2. VAD 결정 (클립별 선택 사항, 의사결정 기본값 Q8). VAD 없이 Whisper는 3초의 디지털 무음 및 3초의 낮은 잡음(E02)에 대해 비어 있지 않은 히브리어 텍스트를 반환했습니다. E08에서 실행된 명시적 스팬 VAD는 일반 CT2보다 느리고 정확도가 낮았습니다 (225 대 206 단어 편집). 따라서: 이 오디오의 60초 샘플에서 A/B 테스트를 수행하고 WER이 더 낮은 쪽을 유지하며, 오디오에 긴 비음성 구간이 있을 때 항상 무음 제어를 실행합니다.
  3. 전사 단어 타임스탬프와 함께; 시간 영역 내의 모든 세그먼트를 소비합니다. words.json, .srt (--words-per-cue 3 단어 팝, 6 문장 모드), .txt를 저장합니다. 노래 또는 음악 배경 오디오: references/asr-routes.md의 신뢰도 필터를 사용하여 VAD 없이 "가사 패스"를 수행합니다.
  4. 교정 전체 텍스트: 이름, 브랜드, 숫자 (숫자 단어가 아닌 숫자), 철자 사전, 모호한 단어는 다수결로 결정합니다. 필러("אה/אממ"는 일반적으로 Whisper 출력에 없음: 유성 간극 찾기)를 표시하고 담화 단어를 자동으로 삭제하지 마십시오.
  5. 재편집 후 전체 조립된 VO에 대해 ASR을 수행하고 의도한 텍스트와 비교합니다 (join_diff); 분리된 조인 스니펫은 "깨끗하다"고 말하지만 전체 파일에서는 잔여물이 들립니다. TTS 출력도 동일한 방식으로 역전사합니다.
  6. 카드 제작 (references/caption-timing.md): 1-3 단어, 키워드 색상의 키워드, bidi 격리, 입장 + 퇴장, 2프레임 일찍 스왑, 음성보다 0.08-0.1초 먼저, 시작 시간을 0으로 클램프; references/hebrew-typography.md에 따라 글꼴 테스트; references/rtl-and-bidi.md에 따라 레이아웃 및 bidi.
  7. QA. captions.json에 대해 scripts/caption_lint.py, 렌더링에 대해 caption_qa --band <top>:1450, hf_preflight, 모든 키워드 프레임에서 스냅샷 (--describe false), frame_qa; 커버리지 명세서 작성 (예상 디코딩 프레임, 밴드, 가정된 FPS, 확인되지 않은 사항).

게이트

상태: pass | fail | blocked | n/a + 사유; 시간 초과, 빈 카드 목록 또는 누락된 파일은 blocked입니다.

게이트조건증거거짓일 경우담당자재확인 시점
G1 ASR 경로기능 프로브에서 경로 선택됨; 모델 + 가중치 고정; language=he 강제asr_route.json (경로, 리비전, 장치, 정밀도, 스레드, 타이머 범위)CPU CT2 int8로 폴백이 스킬새 기계, 드라이버, 모델
G2 VADVAD 켜기/끄기는 60초 실제 샘플의 A/B 테스트로 결정; 오디오에 긴 비음성 구간이 있을 때 무음 제어 실행두 WER 값 (scripts/wer.py) + 제어 출력 기록VAD가 더 나쁜 WER을 보이면 끄기; 환각이 나타나면 필터 추가이 스킬새 오디오 유형
G3 전사본모든 이름/브랜드/숫자 교정됨; 철자 사전 적용됨; 히브리어 원어민이 승인한 철자 오류 0개승인된 전사본 + 사전; 샘플에 대한 수정 텍스트 대비 wer.py단어 수동 수정; 전체 텍스트에 LLM 사용 금지이 스킬 + 사람텍스트 변경 시
G4 조립된 컷전체 조립된 VO의 ASR이 의도한 단어와 일치; 추가 토큰 없음; 각 문장의 처음/마지막 2단어 존재join_diff JSON조인 수정, 재편집, 재-ASRedit-talking-head G2모든 재편집
G5 RTL / bidi루트 dir=rtl 없음; lang="he"; 라틴 문자, 숫자, 통화, URL 격리됨; 방해 bidi 제어 없음; 최종 프레임 확인scripts/caption_lint.py bidi 블록 + hf_preflight + 확인된 프레임스팬 격리; 제어 제거이 스킬자막 텍스트 변경 시
G6 유사 문자 / 글꼴각 키워드가 최종 크기 및 360x640으로 렌더링됨; ו/ז, ד/ר, ה/ח가 다른 단어로 읽힐 수 없음; 글꼴이 파일에서 로드됨hf/QA.md의 샘플 기록 (글꼴 파일, 해시, 크기, 프레임) + 대체 없음을 보여주는 스냅샷해당 단어의 얼굴 변경 (Karantina "לבזבז"가 "לבובו"로 읽힘)이 스킬글꼴, 크기 또는 키워드 변경 시
G7 타이밍 + 애니메이션단어 >= 0.25초, 카드 >= 0.9초, 마지막 단어 >= 0.25초; 퇴장 애니메이션 존재; 스왑 겹침 1-2프레임; 음수 시작 없음caption_lint 보고서 + caption_qa + 프레임 확인재타이밍; 퇴장 애니메이션 추가이 스킬재편집 또는 재타이밍 시
G8 안전 영역 + 대비 + 커버리지자막 하단 y <= 1450 (하우스 프리셋); 브랜드 색상 키워드 >= 4.5:1 (스트립 기준); caption_qa가 자체 커버리지 명시caption_qa 보고서 (커버리지 명세서 + 대비 수치 포함)이동, 색상 변경 또는 배경 추가이 스킬레이아웃 변경 또는 새 비율 시

하우스 프리셋 v1 수치 (각각 재정의 가능; 출처는 참조 문서에 날짜와 함께 표시됨)

Rubik: Black (900) 키워드, Regular/600 작은 단어; 1080x1920에서 54-66px (E03 잠정 기본값; Alef 700 및 Noto Sans Hebrew 600이 동등하게 평가됨; Karantina는 단일 모델 정적 검토에서 4.2 대비 1.8점, 인간 패널 없음, 휴대폰 없음, 애니메이션 없음). 단어 팝 1-3 단어, 카드당 0.35-0.7초; 입장 애니메이션은 퇴장 애니메이션과 대칭 (blur-out-up, 약 4프레임, 10px 상승, 6px 흐림); A-roll에서 자막 레일 y 900-1240, 하단 <= 1450; 키 텍스트 y <= 1248. 9:16 플랫폼 표는 2026-09 날짜이며 법규로 검증되지 않았음: 휴대폰에서 오버레이 테스트를 실행하세요.

참조 (필요할 때 로드)

  • references/asr-routes.md - ASR 경로 선택/구축, WER 프로토콜, VAD, 가사 패스, 클라우드 옵션 (실행되지 않음).
  • references/hebrew-typography.md - 글꼴 선택, 유사 문자 테스트, E03 표, 라이센스.
  • references/rtl-and-bidi.md - 혼합 히브리어/영어/숫자 라인, HyperFrames 및 After Effects RTL 함정.
  • references/caption-timing.md - 모드, 정확한 타이밍 레시피, 안전 영역, 대비 스크립트.
  • references/volatile-facts.md - 속도, WER, 고정값, 라이센스, 안전 영역 수치를 인용하기 전에.
  • 스크립트: scripts/caption_lint.py (카드 타이밍/bidi/레일 린트), scripts/wer.py (선언된 정규화를 사용한 WER/CER); 둘 다 stdlib, --self-check; 스크립트 경로는 이 스킬의 폴더를 기준으로 합니다.
  • 저장소 수준의 날짜가 표시된 모듈 (다른 곳에서 소유): agent-content/references/asr-routes.md, agent-content/references/hebrew-rtl-captions.md, agent-content/references/platform-specs.md, agent-content/techniques/caption-collision.md; 날짜가 표시된 표나 상자 충돌 방법이 필요할 때 로드합니다.
  • 형제 스킬: edit-talking-head, render-qa-deliver, video-analysis (분석 보고서, 자막 아님).

증거 상태

ASR: 실험 E02/E08 (소유자 기계); 글꼴: E03; 타이밍 및 퇴장 규칙: 소유자 프로젝트에서 가져옴. 인간 타이밍 실제 값 없음, 클라우드 ASR 실행되지 않음, ONNX 변환에 대한 모델 라이센스 해결 없음. 명시됨; 결정론적 검사만 수행됨; 모델 평가 실행되지 않음 (Q4).

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

Malik-rgb43/editing-workflow

>- Script, edit or review a paid-social ad, sponsored post or brand promo for a business, product, app or store (Meta, Instagram, TikTok, 15-60 s): exact offer and CTA, ranked hooks, hook variants, end card, blocking compliance table, licence checks. Triggers: ad, promo, sponsored, campaign; מודעה, פרסומת, קמפיין, ממומן, פרומו, מבצע, הנחה, הוק. NOT for testimonials (edit-testimonial), organic expert reels (edit-talking-head), AI-only films (edit-ai-generated), ratio exports (multi-video-variants).

Malik-rgb43/editing-workflow

>- Design, build and review a motion-graphics piece in HyperFrames/GSAP: product or app launch, feature announcement, kinetic typography, logo reveal, UI explainer, animated screenshots. Triggers: מושן גרפיקס, אנימציה, השקה, טיפוגרפיה קינטית, לוגו אנימציה, "like a Higgsfield / Linear launch". Not for a speaker-to-camera reel (edit-talking-head), AI-generated shots (edit-ai-generated), caption-only work (hebrew-captions-asr) or ad compliance (edit-ad-promo).

Malik-rgb43/editing-workflow

>- Deliver one approved video as several outputs (other aspect ratios, hook variants, platform versions, no-music/no-captions versions) or run several videos in parallel, with one shared mix, strict naming and a manifest that blocks stale derivatives. Triggers: export as 9:16 and 1:1, hook variants, variants batch; גרסאות, וריאציות הוק, כמה סרטונים יחד, 9:16 ו-16:9. NOT for a single deliverable (render-qa-deliver) or designing the master (the type skill).

Malik-rgb43/editing-workflow

>- Turn a video the user sends or links (file, or YouTube/TikTok/Instagram URL) or a folder of clips into measurements (cuts, pacing, per-frame data), keyframe sheets, a Hebrew transcript and sound analysis (SFX, BPM, key, beats, song ID). Triggers: watch, analyse, break down, transcribe this video/reel/ad; תנתח, תעבור על, תמלל, מה קורה בסרטון, קאטים, BPM. NOT for cutting or rendering (type skills), applying a style (reference-style-transfer), or captions for a final render (hebrew-captions-asr).

Malik-rgb43/editing-workflow

Turn a new video idea, brief or list of specifics into a checkable Concept Ledger and ask questions until every parameter is precise, before any concept, prompt or build. Use at the start of any new video, with or without footage, or when the user pastes a concept with specifics. Hebrew - סרטון חדש, בריף, יש לי רעיון, קונספט, תכין לי סרטון, בוא נתחיל פרויקט. NOT for notes on an existing draft (revision-round), analysing a reference (video-analysis) or paid generation (paid-generation-gate).

관련 스킬