Communitygithub.com

FilippTrigub/abra

Pipeline de aprimoramento de vídeo. Use essa skill quando o usuário quiser nitidez, graduação de cores, aquecimento ou normalização de áudio de vídeos — incluindo predefinições para looks natural, cinematográfico ou vívido.

O que é abra?

Esta skill implementa um pipeline de aprimoramento de vídeo que aplica nitidez, graduação de cores (color grading) e normalização de áudio a um lote de vídeos. Ela utiliza o FFmpeg para processar e oferece três predefinições visuais: natural (sutil), cinematográfico (forte, com tons quentes) e vívido (máxima intensidade de cor). O áudio é normalizado para -14 LUFS, garantindo volume consistente. A skill é compatível com qualquer sistema que tenha Python, FFmpeg e a ferramenta 'uv' instalados, e é executada via linha de comando com scripts Python. É útil para criadores de conteúdo, editores e desenvolvedores que desejam automatizar o pós-processamento de vídeos sem depender de interfaces gráficas.

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

Perguntar na sua IA favorita

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

Documentação

video-enhancer — Pipeline de Aprimoramento de Vídeo

Nitidez, graduação de cores e normalização de áudio para um lote de vídeos. Sem legendas — para legendas, use a skill video-captioner.

Pipeline

vídeo de entrada → unsharp + eq + balanceamento de cores (ffmpeg) → normalização de áudio -14 LUFS → saída

Predefinições

PredefiniçãoNitidezSaturaçãoAquecimento
naturalsutil+10%nenhum
cinematográficoforte+35%quente (aumento no vermelho, redução no azul)
vívidoforte+40%nenhum

Se o usuário não especificou uma predefinição, pergunte a ele qual look deseja antes de executar. Descreva as opções brevemente: natural para um resultado limpo e discreto; cinematográfico para uma graduação quente e marcante pronta para Instagram; vívido para máxima intensidade de cor.

Como executar

Instale as dependências (apenas na primeira execução):

cd "$SKILL_DIR" && uv sync

Em seguida, processe os vídeos:

cd "$SKILL_DIR" && uv run python scripts/enhance.py \
  --input <caminho/para/entrada> \
  --output <caminho/para/saída> \
  --preset natural|cinematográfico|vívido

Invocações comuns

# Graduação cinematográfica
uv run python scripts/enhance.py --input ./input --output ./output --preset cinematográfico

# Graduação natural
uv run python scripts/enhance.py --input ./input --output ./output --preset natural

# Graduação vívida
uv run python scripts/enhance.py --input ./input --output ./output --preset vívido

Após a execução

Relate ao usuário:

  • Quantos vídeos foram processados com sucesso e quantos falharam.
  • O caminho completo para o diretório de saída.
  • Se algum vídeo falhou, nomeie-os explicitamente.

Casos extremos

  • Se ffmpeg não estiver instalado: informe ao usuário para instalá-lo (sudo pacman -S ffmpeg no Arch/CachyOS, brew install ffmpeg no macOS, sudo apt install ffmpeg no Ubuntu)
  • Se uv não estiver instalado: direcione para https://docs.astral.sh/uv/getting-started/installation/
  • Se o diretório de entrada estiver vazio: relate claramente em vez de sair silenciosamente
  • Se uma predefinição desconhecida for fornecida: liste as opções válidas (natural, cinematográfico, vívido)
  • A normalização de áudio pode exibir um aviso sobre modo dinâmico para clipes curtos — isso é esperado e não é um erro

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

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

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

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