Communitygithub.com

delorenj/skills

비디오/오디오를 컬러 ASCII MP4/GIF로 변환하는 ASCII 비디오 제작 파이프라인입니다.

skills란 무엇인가요?

이 스킬은 비디오, 오디오, 이미지 또는 생성적 입력을 컬러 ASCII 문자 기반 비디오(MP4, GIF, 이미지 시퀀스)로 변환하는 완전한 파이프라인을 제공합니다. 사용자가 'ASCII 비디오', '텍스트 아트 비디오', '터미널 스타일 비디오', '오디오 비주얼라이저' 등을 요청할 때 사용됩니다. 단일 Python 스크립트로 구현되며 GPU가 필요 없고, NumPy, SciPy, Pillow, ffmpeg 등으로 구성된 스택을 사용합니다. 6단계 파이프라인(INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADE → ENCODE)을 따르며, 비디오-ASCII 변환, 오디오 반응형 뮤직 비주얼라이저, 생성적 ASCII 애니메이션, 하이브리드 모드, 가사/텍스트 오버레이, TTS 내레이션 등 6가지 모드를 지원합니다. 창의적인 방향 설정, 품질 검증, 성능 최적화에 중점을 두며, 20개 이상의 참조 파일(아키텍처, 효과, 셰이더, 장면, 입력 처리, 최적화, 문제 해결 등)을 제공하여 전문가 수준의 결과물을 보장합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/delorenj/skills/tree/HEAD/ascii-video

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

ASCII 비디오 제작 파이프라인

사용 시기

사용자가 다음을 요청할 때 사용합니다: ASCII 비디오, 텍스트 아트 비디오, 터미널 스타일 비디오, 캐릭터 아트 애니메이션, 레트로 텍스트 시각화, ASCII 오디오 비주얼라이저, 비디오를 ASCII 아트로 변환, 매트릭스 스타일 효과, 또는 애니메이션 ASCII 출력.

구성 내용

ASCII 아트 비디오 제작 파이프라인 — 모든 형식 지원. 비디오/오디오/이미지/생성적 입력을 컬러 ASCII 문자 비디오 출력(MP4, GIF, 이미지 시퀀스)으로 변환합니다. 포함: 비디오-ASCII 변환, 오디오 반응형 뮤직 비주얼라이저, 생성적 ASCII 아트 애니메이션, 하이브리드 비디오+오디오 반응형, 텍스트/가사 오버레이, 실시간 터미널 렌더링.

창의적 기준

이것은 시각 예술입니다. ASCII 문자는 매체이고, 영화는 기준입니다.

코드를 한 줄 작성하기 전에 창의적인 개념을 명확히 하세요. 분위기는 무엇인가요? 어떤 시각적 이야기를 전달하나요? 이 프로젝트를 다른 모든 ASCII 비디오와 차별화하는 것은 무엇인가요? 사용자의 프롬프트는 시작점입니다 — 문자 그대로 옮기는 것이 아니라 창의적인 야망으로 해석하세요.

첫 번째 렌더링의 우수성은 타협할 수 없습니다. 출력물은 수정 없이도 시각적으로 인상적이어야 합니다. 무언가 평범해 보이거나, 밋밋하거나, 'AI가 생성한 ASCII 아트'처럼 보이면 잘못된 것입니다 — 배송 전에 창의적인 개념을 다시 생각하세요.

참조 어휘를 넘어서세요. 참조의 효과 카탈로그, 셰이더 프리셋, 팔레트 라이브러리는 시작 어휘입니다. 모든 프로젝트에 대해 새로운 패턴을 결합, 수정, 발명하세요. 카탈로그는 물감 팔레트입니다 — 당신이 그림을 그리는 것입니다.

적극적으로 창의적이 되세요. 프로젝트가 요구할 때 스킬의 어휘를 확장하세요. 참조에 비전에 필요한 것이 없다면 직접 구축하세요. 사용자가 요청하지는 않았지만 감사할 시각적 순간을 적어도 하나 포함하세요 — 전체 작품을 한 단계 끌어올리는 전환, 효과, 색상 선택.

기술적 정확성보다 응집력 있는 미학. 비디오의 모든 장면은 통일된 시각적 언어 — 공유된 색온도, 관련된 문자 팔레트, 일관된 움직임 어휘 — 로 연결되어야 합니다. 모든 장면이 무작위로 다른 효과를 사용하는 기술적으로 정확한 비디오는 미학적 실패입니다.

밀도 높고, 겹겹이 쌓이며, 고려된. 모든 프레임은 볼 가치가 있어야 합니다. 절대 평평한 검은색 배경을 사용하지 마세요. 항상 다중 그리드 구성을 사용하세요. 항상 장면별 변형을 적용하세요. 항상 의도적인 색상을 사용하세요.

모드

모드입력출력참조
비디오-ASCII비디오 파일원본 영상의 ASCII 재현references/inputs.md § 비디오 샘플링
오디오 반응형오디오 파일오디오 특징에 의해 구동되는 생성적 시각 자료references/inputs.md § 오디오 분석
생성적없음 (또는 시드 매개변수)절차적 ASCII 애니메이션references/effects.md
하이브리드비디오 + 오디오오디오 반응형 오버레이가 있는 ASCII 비디오두 입력 참조 모두
가사/텍스트오디오 + 텍스트/SRT시각 효과가 있는 시간 제어 텍스트references/inputs.md § 텍스트/가사
TTS 내레이션텍스트 인용문 + TTS API입력된 텍스트가 있는 내레이션 증언/인용문 비디오references/inputs.md § TTS 통합

스택

프로젝트당 단일 자체 포함 Python 스크립트. GPU 불필요.

계층도구목적
핵심Python 3.10+, NumPy수학, 배열 연산, 벡터화된 효과
신호SciPyFFT, 피크 감지 (오디오 모드)
이미징Pillow (PIL)글꼴 래스터화, 프레임 디코딩, 이미지 I/O
비디오 I/Offmpeg (CLI)입력 디코딩, 출력 인코딩, 오디오 먹싱
병렬concurrent.futures배치/클립 렌더링을 위한 N 워커
TTSElevenLabs API (선택 사항)내레이션 클립 생성
선택 사항OpenCV비디오 프레임 샘플링, 에지 감지

파이프라인 아키텍처

모든 모드는 동일한 6단계 파이프라인을 따릅니다:

입력 → 분석 → 장면_함수 → 톤매핑 → 셰이딩 → 인코딩
  1. 입력 — 원본 자료 로드/디코딩 (비디오 프레임, 오디오 샘플, 이미지, 또는 없음)
  2. 분석 — 프레임별 특징 추출 (오디오 대역, 비디오 휘도/에지, 모션 벡터)
  3. 장면_함수 — 장면 함수가 uint8 H,W,3 픽셀 캔버스로 렌더링. _render_vf() + 픽셀 블렌드 모드를 통해 여러 문자 그리드 구성. references/composition.md 참조
  4. 톤매핑 — 백분위수 기반 적응형 밝기 정규화. references/composition.md § 적응형 톤매핑 참조
  5. 셰이딩 — ShaderChain + FeedbackBuffer를 통한 후처리. references/shaders.md 참조
  6. 인코딩 — 원시 RGB 프레임을 ffmpeg로 파이프하여 H.264/GIF 인코딩

창의적 방향

미학적 차원

차원옵션참조
문자 팔레트밀도 램프, 블록 요소, 기호, 문자 (가타카나, 그리스어, 룬, 점자), 프로젝트별architecture.md § 팔레트
색상 전략HSV, OKLAB/OKLCH, 개별 RGB 팔레트, 자동 생성 하모니, 단색, 온도architecture.md § 색상 시스템
배경 텍스처사인 필드, fBM 노이즈, 도메인 왜곡, 보로노이, 반응-확산, 셀룰러 오토마타, 비디오effects.md
주 효과링, 나선, 터널, 소용돌이, 파동, 간섭, 오로라, 불, SDF, 기묘한 끌개effects.md
입자불꽃, 눈, 비, 거품, 룬, 궤도, 무리 짓는 보이드, 흐름장 추종자, 흔적effects.md § 입자
셰이더 분위기레트로 CRT, 깔끔한 모던, 글리치 아트, 시네마틱, 몽환적, 산업적, 사이키델릭shaders.md
그리드 밀도xs(8px) ~ xxl(40px), 레이어별 혼합architecture.md § 그리드 시스템
좌표 공간데카르트, 극좌표, 타일, 회전, 어안, 뫼비우스, 도메인 왜곡effects.md § 변환
피드백줌 터널, 무지개 흔적, 유령 같은 에코, 회전하는 만다라, 색상 진화composition.md § 피드백
마스킹원, 링, 그라데이션, 텍스트 스텐실, 애니메이션 아이리스/와이프/디졸브composition.md § 마스킹
전환크로스페이드, 와이프, 디졸브, 글리치 컷, 아이리스, 마스크 기반 드러내기shaders.md § 전환

구간별 변형

비디오 전체에 동일한 구성을 절대 사용하지 마세요. 각 섹션/장면에 대해:

  • 다른 배경 효과 (또는 2-3개 구성)
  • 다른 문자 팔레트 (분위기에 맞춤)
  • 다른 색상 전략 (또는 최소한 다른 색조)
  • 셰이더 강도 변경 (피크 동안 더 많은 블룸, 조용한 동안 더 많은 그레인)
  • 입자가 활성화된 경우 다른 입자 유형

프로젝트별 발명

모든 프로젝트에 대해 다음 중 적어도 하나를 발명하세요:

  • 주제에 맞는 사용자 정의 문자 팔레트
  • 사용자 정의 배경 효과 (기존 빌딩 블록 결합/수정)
  • 사용자 정의 색상 팔레트 (브랜드/분위기에 맞는 개별 RGB 세트)
  • 사용자 정의 입자 문자 세트
  • 새로운 장면 전환 또는 시각적 순간

카탈로그에서 그냥 고르지 마세요. 카탈로그는 어휘입니다 — 당신이 시를 씁니다.

워크플로우

1단계: 창의적 비전

코드를 작성하기 전에 창의적인 개념을 명확히 하세요:

  • 분위기/무드: 시청자는 무엇을 느껴야 합니까? 활기찬, 명상적인, 혼란스러운, 우아한, 불길한?
  • 시각적 이야기: 시간이 지남에 따라 무엇이 발생합니까? 긴장을 쌓습니까? 변형? 용해?
  • 색상 세계: 따뜻함/차가움? 단색? 네온? 흙빛? 지배적인 색조는 무엇입니까?
  • 문자 질감: 밀집된 데이터? 드문드문한 별? 유기적인 점? 기하학적 블록?
  • 이 프로젝트를 차별화하는 것: 이 프로젝트를 독특하게 만드는 한 가지는 무엇입니까?
  • 감정적 아크: 장면은 어떻게 진행됩니까? 에너지로 시작, 절정으로 치닫고, 해소?

사용자의 프롬프트를 미학적 선택에 매핑하세요. '차분한 로파이 비주얼라이저'는 '글리치 사이버펑크 데이터 스트림'과 완전히 다른 모든 것을 요구합니다.

2단계: 기술 설계

  • 모드 — 위 6가지 모드 중 하나
  • 해상도 — 가로 1920x1080 (기본값), 세로 1080x1920, 정사각형 1080x1080 @ 24fps
  • 하드웨어 감지 — 코어/RAM 자동 감지, 품질 프로필 설정. references/optimization.md 참조
  • 섹션 — 타임스탬프를 각각 고유한 효과/팔레트/색상/셰이더 구성을 가진 장면 함수에 매핑
  • 출력 형식 — MP4 (기본값), GIF (640x360 @ 15fps), PNG 시퀀스

3단계: 스크립트 구축

단일 Python 파일. 구성 요소 (참조 포함):

  1. 하드웨어 감지 + 품질 프로필 — references/optimization.md
  2. 입력 로더 — 모드 종속; references/inputs.md
  3. 특징 분석기 — 오디오 FFT, 비디오 휘도 또는 합성
  4. 그리드 + 렌더러 — 비트맵 캐시가 있는 다중 밀도 그리드; references/architecture.md
  5. 문자 팔레트 — 프로젝트당 여러 개; references/architecture.md § 팔레트
  6. 색상 시스템 — HSV + 개별 RGB + 하모니 생성; references/architecture.md § 색상
  7. 장면 함수 — 각각 canvas (uint8 H,W,3) 반환; references/scenes.md
  8. 톤매핑 — 적응형 밝기 정규화; references/composition.md
  9. 셰이더 파이프라인 — ShaderChain + FeedbackBuffer; references/shaders.md
  10. 장면 테이블 + 디스패처 — 시간 → 장면 함수 + 구성; references/scenes.md
  11. 병렬 인코더 — ffmpeg 파이프를 사용한 N-워커 클립 렌더링
  12. 메인 — 전체 파이프라인 조정

4단계: 품질 검증

  • 먼저 테스트 프레임: 전체 렌더링 전에 주요 타임스탬프에서 단일 프레임 렌더링
  • 밝기 확인: 모든 ASCII 콘텐츠에 대해 canvas.mean() > 8. 어두우면 감마 낮춤
  • 시각적 일관성: 모든 장면이 같은 비디오에 속하는 것처럼 느껴집니까?
  • 창의적 비전 확인: 출력이 1단계의 개념과 일치합니까? 평범해 보이면 돌아가기

중요한 구현 참고 사항

밝기 — 선형 승수 대신 tonemap() 사용

이것은 #1 시각적 문제입니다. 검은색 위의 ASCII는 본질적으로 어둡습니다. canvas * N 승수를 절대 사용하지 마세요 — 하이라이트를 클리핑합니다. 적응형 톤맵을 사용하세요:

def tonemap(canvas, gamma=0.75):
    f = canvas.astype(np.float32)
    lo, hi = np.percentile(f[::4, ::4], [1, 99.5])
    if hi - lo < 10: hi = lo + 10
    f = np.clip((f - lo) / (hi - lo), 0, 1) ** gamma
    return (f * 255).astype(np.uint8)

파이프라인: scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg

장면별 감마: 기본값 0.75, 솔라라이즈 0.55, 포스터라이즈 0.50, 밝은 장면 0.85. 어두운 레이어에는 screen 블렌드(overlay 아님)를 사용하세요.

글꼴 셀 높이

macOS Pillow: textbbox()가 잘못된 높이를 반환합니다. font.getmetrics()를 사용하세요: cell_height = ascent + descent. references/troubleshooting.md 참조.

ffmpeg 파이프 교착 상태

장시간 실행되는 ffmpeg에서 stderr=subprocess.PIPE를 절대 사용하지 마세요 — 버퍼가 64KB에서 채워져 교착 상태가 발생합니다. 파일로 리디렉션하세요. references/troubleshooting.md 참조.

글꼴 호환성

모든 유니코드 문자가 모든 글꼴에서 렌더링되는 것은 아닙니다. 초기화 시 팔레트 검증 — 각 문자를 렌더링하고 빈 출력이 있는지 확인하세요. references/troubleshooting.md 참조.

클립별 아키텍처

분할 비디오(인용문, 장면, 챕터)의 경우 각각을 별도의 클립 파일로 렌더링하여 병렬 렌더링 및 선택적 재렌더링을 가능하게 합니다. references/scenes.md 참조.

성능 목표

구성 요소예산
특징 추출1-5ms
효과 함수2-15ms
문자 렌더링80-150ms (병목)
셰이더 파이프라인5-25ms
총계~100-200ms/프레임

참조

파일내용
references/architecture.md그리드 시스템, 해상도 프리셋, 글꼴 선택, 문자 팔레트 (20개 이상), 색상 시스템 (HSV + OKLAB + 개별 RGB + 하모니 생성), _render_vf() 헬퍼, GridLayer 클래스
references/composition.md픽셀 블렌드 모드 (20개 모드), blend_canvas(), 다중 그리드 구성, 적응형 tonemap(), FeedbackBuffer, PixelBlendStack, 마스킹/스텐실 시스템
references/effects.md효과 빌딩 블록: 값 필드 생성기, 색조 필드, 노이즈/fBM/도메인 왜곡, 보로노이, 반응-확산, 셀룰러 오토마타, SDF, 기묘한 끌개, 입자 시스템, 좌표 변환, 시간적 일관성
references/shaders.mdShaderChain, _apply_shader_step() 디스패치, 38개 셰이더 카탈로그, 오디오 반응형 스케일링, 전환, 틴트 프리셋, 출력 형식 인코딩, 터미널 렌더링
references/scenes.md장면 프로토콜, Renderer 클래스, SCENES 테이블, render_clip(), 비트 동기화 절단, 병렬 렌더링, 디자인 패턴 (레이어 계층, 방향성 아크, 시각적 은유, 구성 기술), 모든 복잡성 수준의 완전한 장면 예제, 장면 설계 체크리스트
references/inputs.md오디오 분석 (FFT, 대역, 비트), 비디오 샘플링, 이미지 변환, 텍스트/가사, TTS 통합 (ElevenLabs, 음성 할당, 오디오 믹싱)
references/optimization.md하드웨어 감지, 품질 프로필, 벡터화된 패턴, 병렬 렌더링, 메모리 관리, 성능 예산
references/troubleshooting.mdNumPy 브로드캐스팅 함정, 블렌드 모드 함정, 멀티프로세싱/피클링, 밝기 진단, ffmpeg 문제, 글꼴 문제, 일반적인 실수

창의적 분기 (사용자가 실험적/창의적/독특한 출력을 요청할 때만 사용)

사용자가 창의적이고, 실험적이며, 놀랍거나, 틀에 박히지 않은 출력을 요청하면, 가장 적합한 전략을 선택하고 코드를 생성하기 전에 그 단계를 추론하세요.

  • 강제 연결 — 사용자가 교차 도메인 영감을 원할 때 ('유기적으로 보이게 해줘', '산업 미학')
  • 개념적 혼합 — 사용자가 결합할 두 가지를 언급할 때 ('바다가 음악을 만나다', '우주 + 서예')
  • 에두른 전략 — 사용자가 최대한 개방적일 때 ('놀라게 해줘', '내가 본 적 없는 것')

강제 연결

  1. 시각적 목표와 관련 없는 도메인 선택 (날씨 시스템, 미생물학, 건축, 유체 역학, 직물 직조)
  2. 핵심 시각적/구조적 요소 나열 (침식 → 점진적 드러내기; 유사분열 → 분할 복제; 직조 → 맞물리는 패턴)
  3. 해당 요소를 ASCII 문자 및 애니메이션 패턴에 매핑
  4. 종합 — '침식' 또는 '결정화'가 문자 그리드에서 어떻게 보일까?

개념적 혼합

  1. 두 가지 다른 시각적 영역의 이름 지정 (예: '바이오러네센스'와 '레트로 픽셀 게임')
  2. 각 영역의 핵심 본질/규칙 식별
  3. 규칙 충돌 지점 찾기 (예: 생물 발광은 확산, 픽셀 게임은 이산적)
  4. 충돌을 새로운 시각적 언어로 해결

에두른 전략

  1. 몇 가지 무작위 '에두른 전략' 카드 생성 (예: '가장 명백한 요소 제거', '컬러 팔레트를 소리로 생각', '50년 후의 이 작품을 상상')
  2. 각 전략이 현재 컨셉에 적용될 때 제안하는 것이 무엇인지 고려
  3. 가장 흥미로운 방향을 선택하고 추구

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

delorenj/skills

Plan and generate terminal ASCII animations/screensaver-style output (FPS, refresh rules, loop policy, low-flicker guidance), with a static poster frame and an optional local demo script.

delorenj/skills

Plan, build and quality-check a premium short commercial for a real business (roofing, property, ecommerce, B2B software) using AI-generated footage, code-built motion (HTML/GSAP), selective Three.js and an independent-critic "Gauntlet" loop. Use when asked to make a launch-style / SaaS-style video, business ad, explainer, sample reel or pitch video, or to review and improve one. Encodes motion principles distilled from 28 professional launch films, a quality bar, audio rules and a business-offer playbook.

delorenj/skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

delorenj/skills

Generate professional voiceovers using ElevenLabs AI. Use when the user needs to create voiceovers for videos, audio narration, or text-to-speech content. Supports multiple voices with character presets (narrator, salesperson, expert) for natural delivery. Includes single scene regeneration for fine-tuning.

delorenj/skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

delorenj/skills

Asset preprocessing for HyperFrames compositions — text-to-speech narration (Kokoro), audio/video transcription (Whisper), and background removal for transparent overlays (u2net). Use when generating voiceover from text, transcribing speech for captions, removing the background from a video or image to use as a transparent overlay, choosing a TTS voice or whisper model, or chaining these (TTS → transcribe → captions). Each command downloads its own model on first run.

delorenj/skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

delorenj/skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

delorenj/skills

Manim CE animations: 3Blue1Brown math/algo videos.

delorenj/skills

Join a Google Meet or Zoom call as a video meeting agent via PikaStreaming. Trigger: user drops a Google Meet or Zoom link, or asks to join a meeting.

delorenj/skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

delorenj/skills

Generate speech using the self-hosted voxxy (vox) TTS service at https://vox.delo.sh. Use when the user asks to speak, say, narrate, synthesize speech, clone a voice, create a voice, add or register a voice, pipe TTS, or control voice qualities by description (e.g. "a young woman with a cheerful voice"). Handles HTTP API usage, voice profile management, description-based voice design, cloning, MCP registration, and integration patterns for new platforms.

delorenj/skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

delorenj/skills

YouTube transcripts to summaries, threads, blogs.

관련 스킬