Communitygithub.com

Legendas

Queime legendas animadas em um vídeo vertical em um dos 7 estilos: editorial-highlight, pop-sticker, paper-plane, smoke-exit, explosive-breakup, rolodex-flip, retro-typer. Pacote inicial gratuito por @cornpop.studio. Acione com /captions, "adicionar legendas", "legendar meu vídeo", "subtitles no meu reel", ou nomeando um dos 7 estilos.

O que é Legendas?

Esta skill transforma vídeos de pessoas falando em conteúdo com legendas animadas sincronizadas com a voz, suportando 7 estilos visuais distintos como pop-sticker e retro-typer. O processo extrai a fala usando Whisper (Python), permite editar o JSON de palavras gerado (corrigindo erros de reconhecimento, marcando palavras-chave e quebras de linha) e renderiza com Node.js + Chrome. Ideal para criadores de conteúdo, a skill funciona em Mac e Windows, exigindo ffmpeg, Node.js 18+, Python 3 e Chrome. O resultado é um vídeo MP4 com legendas sobrepostas, mantendo áudio e vídeo originais intactos.

Funciona com~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shubhamseth29/claude-skills/tree/HEAD/captions

Perguntar na sua IA favorita

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

Documentação

/captions: 7 estilos de legenda

Transforma um vídeo de alguém falando no mesmo vídeo com legendas animadas embutidas. As palavras são sincronizadas com a voz, uma palavra-chave por linha recebe a cor de destaque, e o vídeo e áudio originais permanecem intactos (as legendas são sobrepostas).

Os 7 estilos

Digite istoAparência
editorial-highlightSerifa de revista, palavra-chave em uma tira de papel vermelho escuro, número de página pequeno acima da linha
pop-stickerBlocos de cor com contornos pretos e sombras marcantes, adesivos aparecem ao redor, palavras-chave roxas com uma estrela
paper-planeUm avião de papel na cor de destaque voa e puxa a linha atrás dele
smoke-exitPalavras sans-serif encorpadas; quando a linha termina, ela se dissolve em fumaça, a palavra-chave fumega em sua própria cor
explosive-breakupMaiúsculas condensadas grandes; no final da linha, cada letra explode para fora, palavra-chave em faíscas
rolodex-flipA linha é construída palavra por palavra, cada nova palavra vira como um cartão de rolodex
retro-typerLetras de máquina de escrever digitadas no ritmo da voz, cursor piscando em bloco (opção: caixa difusa)

Se o usuário não informar um estilo, mostre esta tabela e pergunte qual ele deseja (sugira pop-sticker).

Configuração (apenas na primeira vez)

Execute dentro da pasta desta skill. Verifique primeiro, instale apenas o que estiver faltando:

  • ffmpeg e ffprobe (Mac: brew install ffmpeg, Windows: winget install ffmpeg)
  • Node.js 18+ e Google Chrome (ou Edge/Chromium). Depois npm install nesta pasta (é pequeno: usa o Chrome já instalado no computador).
  • Python 3. O script scripts/words.py cria seu próprio .venv aqui e instala o faster-whisper na primeira execução.

Passos

  1. Palavras. python3 scripts/words.py <video> escreve <video>.words.json: [{"w":"Olá","s":0.21,"e":0.48}, ...]. Pule se o usuário já tiver um (/captions words <video> = faça apenas este passo).
  2. Organize as palavras (edite o JSON, mantenha os tempos):
    • Corrija palavras reconhecidas errado, grafias de nomes e marcas. Pergunte ao usuário se não tiver certeza.
    • Marque uma palavra-chave por linha com "k": true: a palavra que carrega o ponto principal (um resultado, número, nome ou a palavra surpreendente). Nem toda linha precisa de uma.
    • Marque finais de linha com "br": true para que cada linha tenha de 2 a 4 palavras e menos de ~20 letras, quebrando onde o falante faz uma pausa natural. Depois que qualquer br existir, as linhas quebram apenas em br, pontuação e pausas longas.
    • Escreva símbolos como as pessoas os leem na tela: "barra" → "/", "por cento" → "%" quando fizer parte de um termo.
  3. Verifique quadros antes da renderização completa. node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8 (escolha momentos no meio das linhas). Olhe os PNGs: legendas legíveis, sem cobrir o rosto ou a interface do próprio aplicativo. Está muito alto ou baixo? Use --y (64 = padrão, número menor = mais alto). Muito grande? --size 0.85.
  4. Renderize. node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box] → <video>_<style>.mp4 ao lado do original. Cerca de 3 minutos para um reel de 60s.
  5. Informe ao usuário onde está o arquivo. Para uma prévia ao vivo de todos os 7 estilos no próprio vídeo dele, abra index.html no Chrome e carregue o vídeo e o arquivo de palavras.

Opções

BandeiraO que faz
--hl <#hex>Cor de destaque para palavras-chave. Predefinições: amarelo #ffd23f (padrão), coral #ff7a59, céu #7cc4ff, menta #9ff0b8
--y <0-100>Altura da legenda, % a partir do topo. 64 fica abaixo do queixo em uma cabeça falante
--size <n>Tamanho da legenda, 1 = normal
--boxApenas Retro Typer: caixa difusa suave atrás do texto
--out <arquivo>Caminho de saída
--still <s>Quadro de verificação naquele segundo em vez de renderização completa (repetível)

Notas

  • Gravações de iPhone em HDR podem parecer desbotadas após a renderização. Exporte como SDR primeiro, ou configure o iPhone em Ajustes > Câmera > Formatos > Mais Compatível.
  • As legendas sempre ficam sobre o vídeo. Este é o pacote inicial: estilos com palavras atrás do falante, vidro e parede de texto não estão incluídos.
  • As fontes são carregadas do Google Fonts, então a renderização precisa de conexão com a internet.

Habilidades Relacionadas