Communitygithub.com

calypso-podcast-clips

Transforme gravações locais de podcast em clipes curtos revisáveis diretamente do terminal. Use para um passo a passo guiado, transcrição local com timestamps, contexto do episódio, arcos narrativos, seleção de candidatos, enquadramento do interlocutor ativo, diagramas explicativos em Excalidraw ou exportação de vídeo vertical no Calypso.

O que é calypso-podcast-clips?

Esta skill capacita agentes de IA (como Codex) a transformar gravações de podcast armazenadas localmente em clipes de vídeo curtos e revisáveis, prontos para redes sociais ou previews. Ela oferece um fluxo de trabalho completo e passo a passo: desde a localização e transcrição do áudio (usando Whisper local e Silero), passando pela construção do contexto do episódio (mapeando tópicos e falas com timestamps), até a proposta de arcos narrativos completos (com cortes, junções e duração estimada). O agente pode solicitar narrações gravadas pelo apresentador para correções ou transições, e preparar diagramas explicativos com Excalidraw para enquadrar junto ao orador em layouts verticais otimizados para celular. A skill enfatiza a verificação constante dos resultados (cortes, sincronia, enquadramento) e a tomada de decisões em conjunto com o usuário, pausando apenas as etapas que dependem de uma escolha, enquanto continua inspecionando a fonte de áudio.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ashwinrs/calypso/tree/HEAD/.agents/skills/calypso-podcast-clips

Perguntar na sua IA favorita

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

Documentação

Calypso podcast clips

Execute ./scripts/calypso.py a partir da raiz do repositório. Use o README para obter a sintaxe da CLI e exemplos em JSON. Preserve a fonte e mantenha os arquivos intermediários em work/.

Para uma execução guiada, forneça uma ação prática por vez e explique como verificar o resultado. Forneça comandos usando os caminhos reais do usuário quando ele quiser executar as etapas. Execute as etapas autorizadas da CLI quando ele pedir ao Codex para executá-las. Retome a partir do artefato verificado mais recente para aquela fonte.

Confirme as escolhas antes de implementar

Quando houver mais de uma abordagem viável para uma etapa, peça ao usuário para escolher antes de se comprometer com essa abordagem em um plano de edição, script, comando CLI ou exportação. Apresente as opções, recomende uma e explique a troca prática. O padrão recomendado é a primeira opção apresentada. Use as escolhas que o usuário já confirmou para o clipe e pause apenas o trabalho que depende de uma escolha em aberto. Continue inspecionando a fonte ou reunindo evidências enquanto espera. Se a fonte ou uma limitação da ferramenta deixar apenas um caminho viável, explique a restrição antes de prosseguir.

Aplique isso a métodos de transcrição e contexto, estrutura da história e cortes, áudio e transições, como as falas dos participantes são identificadas ou tratadas quando não estão claras, posicionamento e temporização de diagramas, e se deve reutilizar a CLI do Calypso ou escrever um script de edição personalizado. Verifique os pontos de corte e os limites de corte a partir da fonte. Pergunte sobre qualquer entrada ausente ou decisão não resolvida que exigiria uma suposição.

Encontre a gravação e transcreva

Use o caminho da fonte fornecido, ou peça por ele se a gravação não estiver clara. Explore os fluxos de áudio disponíveis e escolha a trilha de diálogo. Recomende o workflow local do Whisper large-v3-turbo e Silero no contexto inspirado em Yogurt quando os modelos estiverem disponíveis. O comando padrão transcribe funciona com um modelo Whisper configurado ou com --model models/ggml-base.bin quando esse arquivo existir. Reutilize uma transcrição verificada para a mesma fonte quando sua qualidade for suficiente. Confirme que o JSON contém diálogo utilizável e timestamps relativos à fonte.

Se o backend Metal do Whisper ou a inicialização do Chrome do Excalidraw falhar no sandbox do Codex, tente novamente com acesso apropriado ou forneça o comando para o terminal normal do usuário. Use um diretório de trabalho novo se a transcrição com falha já tiver criado um.

Construa o contexto do episódio

Use a passagem de anotações local no contexto inspirado em Yogurt. Mapeie o episódio inteiro antes de propor edições. Vincule tópicos e referências a linhas de transcrição com timestamps. Preserve o que foi proposto, contestado ou hipotético. Verifique as anotações em relação à transcrição e mantenha a atribuição do falante como incerta quando o áudio estiver misturado. Verifique linhas próximas e amostras de quadros onde o significado depende de algo na tela.

Proponha histórias completas

Comece com a mensagem que um espectador deve levar embora. Encontre o gancho ou a pergunta, o contexto mínimo para acompanhá-la, a explicação e a recompensa. Sinalize arcos promissores mesmo que se estendam por vários minutos ou que a resposta venha muito depois. Mantenha a ordem da fonte, a menos que o usuário solicite uma estrutura diferente e a edição resultante preserve o significado.

Para uma história em várias partes, salve um story-arcs.json separado com um ID estável, título, conclusão, intervalo completo da fonte, intervalos de manutenção ordenados e não sobrepostos, intervalos de corte com motivos, duração estimada editada e quaisquer junções que precisem de uma ponte visual curta. Use segundos relativos à fonte e registre IDs de linhas de transcrição para cada intervalo de manutenção. Corte repetições, tangentes e ar morto, mantendo ressalvas e configuração necessária. Compare as linhas em ambos os lados de cada junção proposta e marque junções pouco claras para uma prévia de áudio. Apresente o intervalo da fonte e a duração estimada editada para que o usuário possa julgar a diferença.

Inclua clipes contíguos mais curtos quando eles entregarem um ponto completo. Salve-os em clips.json e use list para apresentá-los. O comando render atual aceita um intervalo contínuo por ID. Use uma etapa de corte bruto separada para edições de várias partes selecionadas e pré-visualize as junções antes de tratar a edição como final. Peça os IDs dos clipes e quaisquer escolhas de layout ausentes. Renderize as seleções que o usuário aprovar.

Solicite narração gravada pelo apresentador

Use o diálogo original e as captações gravadas pelo apresentador para áudio falado. Mantenha vozes sintetizadas ou clonadas fora dos cortes brutos e exportações finais, a menos que o usuário mude explicitamente essa preferência.

Quando uma abertura, transição ou correção factual precisar de uma nova fala, dê ao apresentador o texto exato para cada captação, onde ela vai, uma duração estimada e um nome de arquivo ou rótulo de take distinto. Aceite gravações curtas separadas ou uma gravação com pausas claras entre os takes. Prepare a edição e os visuais enquanto o apresentador grava. Use cartões de texto silenciosos para qualquer prévia provisória que precise de captações faltantes.

Quando as gravações chegarem, corresponda cada take à sua deixa, remova o silêncio excessivo, nivele-o contra o diálogo do podcast e ajuste o tempo dos cartões para se adequar à entrega gravada. Verifique as junções e confirme que a exportação contém apenas o diálogo original e as captações gravadas pelo apresentador.

Prepare enquadramento e diagramas

Para um clipe vertical com um diagrama, recomende primeiro o layout aprovado: corte para o orador ativo, coloque esse corte na parte superior do quadro e reserve a parte inferior para um diagrama grande. Mostre o apresentador esquerdo enquanto ele fala e mude para o apresentador direito quando ele assumir a vez. Determine esquerda e direita a partir dos quadros e diálogos desta gravação. Ofereça diagrama abaixo ou acima do orador quando qualquer arranjo for viável e confirme o posicionamento. Pergunte o que deve preencher a área do diagrama quando o diagrama estiver fora da tela, se o clipe não usar um diagrama durante todo o tempo.

  • Orador acima do diagrama usa render --layout combined --framing <turns.json> --diagram <diagram.png> quando um único intervalo e um diagrama estático se encaixam. Verifique o texto no tamanho de um telefone.
  • Diagrama temporizado ou edição de várias partes pode usar um script de renderização dedicado se a CLI não puder expressar a temporização ou o layout aprovados. Mantenha o mesmo enquadramento de orador acima do diagrama quando aprovado. Registre o corte, layout e dicas de diagrama escolhidos no plano de edição. Converta os tempos de deixa relativos à fonte para a linha do tempo editada após considerar cortes e cartões.
  • Outros layouts usam speaker com --framing para um corte apenas do orador, original para um plano geral, ou diagram com --diagram para vídeo apenas com diagrama e áudio da fonte. Um plano geral acima de um diagrama está disponível através de combined sem --framing.

Para um plano fixo de dois, inspecione quadros em resolução total e enquadre cada assento de modo que o corte inclua o rosto e os ombros do apresentador. Construa turnos de fala do orador ordenados e não sobrepostos em segundos relativos à fonte a partir de um método aprovado, como revisão manual, trilhas de microfone isoladas ou pyannote.audio Community-1 local após a configuração do modelo. Confirme o assento para cada rótulo de orador. Pergunte como lidar com turnos incertos, sobreposição e interjeições breves quando essas escolhas importarem. Ofereça o plano geral para turnos incertos quando viável. Um detector de câmera em movimento como TalkNet requer integração separada e validação na filmagem.

Para explicações em várias etapas, derive nós e setas do trecho selecionado ou use a cena Excalidraw do usuário. Execute diagram para produzir um PNG e mantenha a cena editável. Pré-visualize a mudança de orador e a deixa do diagrama juntos no tamanho de um telefone.

Verifique as exportações

Execute ou forneça um comando render por ID e layout selecionados, com um caminho de saída distinto. Verifique a duração, dimensões, codecs e áudio da saída com ffprobe. Pré-visualize inícios, fins e transições de corte quanto à sincronia, palavras intactas e enquadramento legível. Relate os caminhos de saída e IDs candidatos. Em uma execução guiada, mostre como tentar novamente um clipe com limites ajustados ou um layout diferente se o usuário quiser alterações.

Habilidades Relacionadas