Communitygithub.com

FilippTrigub/abra

Corta vídeos em segmentos, reorganiza-os e produz um vídeo de saída com uma taxa específica de cortes por segundo. Usa MoviePy para manipulação de vídeo. Prioriza a transcrição de áudio para cortes com timestamp e usa detecção adaptativa de cenas como fallback.

O que é abra?

Esta skill de agente, conhecida como "abra" (ou "snip" internamente), permite cortar vídeos em segmentos, reordená-los e exportá-los com uma taxa de quadros específica. É ideal para criar compilações de melhores momentos, reorganizar cenas ou alterar o ritmo de um vídeo. A skill oferece dois métodos principais de corte: o método prioritário usa transcrição de áudio para identificar segmentos de fala e realizar cortes naturais, enquanto o método fallback utiliza detecção adaptativa de cenas (com modos adaptive, content e threshold) para identificar transições visuais. Ela é executada via linha de comando usando Python com MoviePy e depende de um arquivo de configuração JSON. O suporte inclui processamento de vídeos em lote, preservação de áudio e tratamento robusto de erros, como fallback automático se a transcrição falhar. O agente segue um fluxo de trabalho estruturado: primeiro pergunta ao usuário sobre os segmentos e parâmetros, depois determina a estratégia de corte ideal (transcrição ou detecção de cenas), configura o arquivo config.json, executa o script e por fim relata os resultados.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

snip — Corte e Reorganização de Vídeos

Corta vídeos em segmentos, reordena-os e exporta com uma taxa de quadros especificada. Útil para criar compilações de melhores momentos, reorganizar cenas ou alterar o ritmo do vídeo.

O diretório da skill (onde este SKILL.md reside) é referido como $SKILL_DIR abaixo.


Quando Usar

Use esta skill quando o usuário quiser:

  • Cortar um vídeo em segmentos específicos
  • Reorganizar segmentos de vídeo em uma ordem diferente
  • Remover seções indesejadas de um vídeo
  • Alterar a taxa de quadros de saída (cortes por segundo)
  • Detectar automaticamente segmentos de fala para cortes naturais (prioritário)
  • Detectar automaticamente mudanças de cena como fallback

Configuração (apenas na primeira execução)

cd "$SKILL_DIR" && uv sync

Fluxo de Trabalho do Agente

1. Pergunte ao usuário

Antes de cortar o(s) vídeo(s), preciso saber:

📹 Vídeo(s) de origem
   Liste os arquivos de vídeo e suas localizações

✂️ Segmentos a cortar
   Para cada segmento, especifique:
   - source: nome do arquivo
   - start: tempo inicial em segundos (ex.: 0.0, 5.5)
   - end: tempo final em segundos (ex.: 2.0, 10.0)
   
   Exemplo de segmentos:
   [
     {"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}
   ]

🎬 FPS de saída (opcional)
   Padrão: 30 fps
   Opções comuns: 24, 30, 60

📁 Diretórios de entrada / saída (padrão: ./input e ./output)

Aguarde a resposta do usuário antes de prosseguir.

2. Determinar Estratégia de Corte

Ordem de Prioridade:

  1. Segmentos explícitos — Se o usuário fornecer horários de início/fim específicos, use-os
  2. Transcrição de áudio — Se transcription.enabled: true (padrão), procure ou gere transcrição e corte nos limites dos segmentos de fala
  3. Detecção adaptativa de cena — Fallback se a transcrição não estiver disponível ou falhar

Transcrição de Áudio (Método Principal)

A skill tentará primeiro usar transcrição de áudio para obter segmentos de fala com timestamp do vídeo. Isso produz cortes mais naturais alinhados com o conteúdo falado.

🤖 Modo de Transcrição de Áudio (PRIORITÁRIO)

O cortador irá:
1. Procurar por um JSON de transcrição existente em output_dir (ex.: video_transcription.json)
2. Se não encontrado, executar a transcrição de áudio automaticamente
3. Cortar o vídeo nos limites dos segmentos de fala

⚙️ Configuração:
   - transcription.enabled: true (padrão)
   - fallback_to_adaptive: true (padrão) — usar detecção de cena se a transcrição falhar
   - min_segment_duration: duração mínima por segmento (padrão: 1.0)
   - max_segment_duration: duração máxima por segmento (padrão: 30.0)

Exemplo de config:
{
  "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
  }
}

Detecção Adaptativa de Cena (Fallback)

Se a transcrição estiver desabilitada ou falhar, a skill recorre à detecção visual de cenas:

🎬 Detecção Adaptativa de Cena (FALLBACK)

Detecta automaticamente mudanças de cena no seu vídeo para criar cortes.
Isso evita conteúdo chato e repetitivo, cortando em transições naturais.

⚙️ Modo de detecção:
   - adaptive  — Melhor para iluminação variável/mudanças graduais [padrão]
   - content   — Melhor para cortes de cena rápidos e claros
   - threshold — Melhor para detecção de fade in/out

📏 Filtros de duração de cena:
   - min_scene_duration: duração mínima por cena (padrão: 1.0)
   - max_scene_duration: duração máxima por cena (padrão: 10.0)

🎛️ Avançado (opcional):
   - threshold: limite de diferença de pixel para modo content (padrão: 27.0)
   - adaptive_threshold: limite de proporção para modo adaptive (padrão: 3.0)
   - window_width: quadros para média (padrão: 2)
   - min_scene_len: quadros mínimos antes do corte (padrão: 15)
   - min_content_val: mudança mínima de conteúdo (padrão: 15.0)

Exemplo de config com fallback de detecção automática:
{
  "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. Editar config.json

Escreva ou atualize $SKILL_DIR/config.json com base nas escolhas do usuário.

4. Executar

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

5. Relatar Resultados

Informe ao usuário o caminho do arquivo de saída, duração e FPS. Mencione qual método foi usado (baseado em transcrição ou detecção de cena).


Referência de Configuração

ChaveValoresPadrãoDescrição
input_dircaminho./inputPasta contendo vídeos de entrada
output_dircaminho./outputPasta de destino
segmentsarray(obrigatório)Lista de definições de segmento
output_fpsinteiro30Taxa de quadros de saída

Definição de Segmento

ChaveTipoDescrição
sourcestringNome do arquivo em input_dir
startfloatTempo inicial em segundos
endfloatTempo final em segundos

Transcrição (Método Prioritário)

ChaveValoresPadrãoDescrição
enabledbooleantrueAtivar corte baseado em transcrição
fallback_to_adaptivebooleantrueUsar detecção de cena se a transcrição falhar
min_segment_durationfloat1.0Ignorar segmentos mais curtos que isso (segundos)
max_segment_durationfloat30.0Ignorar segmentos mais longos que isso (segundos)

Detecção Automática (Fallback)

ChaveValoresPadrãoDescrição
enabledbooleanfalseAtivar detecção automática de cena (apenas fallback)
modeadaptive, content, thresholdadaptiveAlgoritmo de detecção
min_scene_durationfloat1.0Ignorar cenas mais curtas que isso (segundos)
max_scene_durationfloat10.0Ignorar cenas mais longas que isso (segundos)
thresholdfloat27.0Limite de diferença de pixel para modo content/threshold
adaptive_thresholdfloat3.0Limite de proporção para modo adaptive
window_widthint2Quadros para média antes/depois
min_scene_lenint15Quadros mínimos antes de um corte
min_content_valfloat15.0Mudança mínima de conteúdo

Modos de Detecção (Fallback)

  • adaptive (padrão): Melhor para vídeos com iluminação variável ou transições graduais
  • content: Melhor para vídeos com cortes de cena nítidos e claros
  • threshold: Melhor para detectar transições de fade in/out

Invocações Comuns

# Configuração padrão (usa transcrição se disponível, fallback para adaptive)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json

# Forçar detecção adaptativa de cena (pular transcrição)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription

# Diretórios personalizados
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
  --input /caminho/para/videos --output /caminho/para/saida

Saída

Cada configuração produz um output.mp4 em output_dir contendo os segmentos concatenados. O áudio é preservado dos segmentos de vídeo originais.


Tratamento de Erros

  • Nenhum segmento definido → mensagem de erro, sai
  • Tempos de segmento inválidos → erro claro com formato esperado
  • Vídeo de origem não encontrado → erro com arquivo não encontrado
  • Falha na transcrição → fallback para adaptive se habilitado, senão erro
  • Erros em segmentos individuais → registrados; outros segmentos continuam

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.

Habilidades Relacionadas