Communitygithub.com

UgurKeskekci/claude-video-kit

Transforma gravações de pessoa falando (câmera + áudio, horizontal 4K ou vertical) em vídeos verticais para Instagram Reels / YouTube Shorts / TikTok (1080x1920, 30 fps) no formato "cartão": cartões de interface minimalistas aparecendo na palavra falada, com rosto em cantos arredondados, legendas palavra por palavra, transições suaves, som de teclado e pergunta final.

O que é claude-video-kit?

Este skill do Claude Kit transforma uma gravação de pessoa falando (câmera + áudio) em um vídeo vertical profissional para Instagram Reels, YouTube Shorts ou TikTok. Ele gera vídeos no formato "cartão", onde na parte superior aparecem cartões de interface minimalistas (como balão de chat, lista, terminal digitando letra por letra, árvore de arquivos, número grande, captura de tela real) sincronizados com a palavra exata dita, enquanto na parte inferior um rosto em cantos arredondados é exibido. Entre os cartões, legendas palavra por palavra, transições suaves (whoosh) e som de teclado durante digitação completam a experiência. O skill é ideal para criar "reels de dicas", "vídeos informativos com cartões" ou "vídeos com rosto + cartão". Ele funciona em qualquer plataforma que suporte skills Claude (terminal, Cursor, Codex, etc.), utilizando ferramentas internas para transcrição (Whisper), corte de áudio/vídeo, renderização de cartões e verificação de qualidade (áudio -14 LUFS, área segura para Instagram, etc.). O trabalho é dividido entre as ferramentas (que medem, cortam e renderizam) e o usuário/Claude (que analisa a transcrição, seleciona cortes, define os cartões e revisa as imagens de controle).

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/UgurKeskekci/claude-video-kit/tree/HEAD/.claude/skills/reels

Perguntar na sua IA favorita

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

Documentação

Reels (formato cartão)

Transforma uma gravação de fala em um vídeo vertical onde cada ideia dita aparece como um cartão na parte superior. A divisão de trabalho é:

  • Ferramentas: medem e cortam o áudio (ferramentas de transcrição/corte da skill yatay-kurgu), desenham os cartões e legendas, equalizam o áudio, e MEDEM o resultado.
  • Você (Claude): lê a transcrição, escolhe o que descartar, define em qual PALAVRA cada cartão deve aparecer no senaryo.json, e VERIFICA as imagens de controle.

Você não escreve em segundos: o cartão é vinculado à palavra falada; mesmo que o corte mude, ele permanece no lugar.

Preparação

  • ffmpeg no PATH, dependências Python instaladas com kur.sh na raiz do repositório. Use .venv/bin/python para comandos Python (Windows: .venv\Scripts\python). ffmpeg com libass NÃO é necessário: as legendas são desenhadas com Pillow.
  • Utiliza as ferramentas de duas skills do mesmo repositório, sem modificá-las: yatay-kurgu (transcrição + corte de áudio) e x-animacao (síntese de whoosh e som de teclado).
  • O modelo Whisher é baixado na primeira execução (large-v3 ≈ 3 GB); avise o usuário antes de baixar.
  • Fontes apenas em fontes/ na raiz (OFL): Inter, Newsreader, IBM Plex Mono.
  • Cada trabalho em sua própria pasta: trabalho/reels/<nome>/. A gravação original é somente leitura.

Abaixo, R = .venv/bin/python .claude/skills/reels/ferramentas/reels.py, P = trabalho/reels/<nome>.

Ciclo

1. Transcrição.

R transcricao P --video gravacao.mp4 [--inicio 56 --duracao 42] [--termos "nomes específicos do vídeo"]

Se a gravação for longa e o Reels for apenas uma parte, use --inicio/--duracao para definir a janela (o trecho é extraído como P/fonte.mov, o arquivo original não é alterado). Objetivo: saída de 35-45 segundos.

2. Leia a transcrição, corte. Leia P/transcricao.md do início ao fim (valem as regras da SKILL.md do yatay-kurgu). Pausas e repetições consecutivas já foram removidas; você escreve em P/descarte.json o que descartar, com justificativa por linha:

  • reinícios (a última tentativa permanece), anotação de edição ("vou cortar aqui"), número dito errado e corrigido;
  • palavra incompreensível: parte que permanece ambígua após ambas as soluções não é forçada na legenda, é cortada (use .venv/bin/python .claude/skills/yatay-kurgu/ferramentas/edicao.py janela P <seg> para resolver novamente);
  • assunto paralelo que não cabe no Reels: decisão de conteúdo, pergunte ao usuário.

O ponto de corte é dado pelo ÁUDIO: escreva o intervalo dentro dos limites de linha da transcricao.md, a ferramenta o coloca no quadro mais silencioso dentro de ±0,2 seg. Depois:

R edicao P        # reconstrói o plano
R palavras P      # palavras restantes no corte, com tempo de saída (escolha as âncoras daqui)

3. Roteiro: P/roteiro.json. Exemplo: exemplos/reels/roteiro.exemplo.json. Lista de campos e tipos de cartão: referencias/cartoes.md.

{"destaque": ["esforco"], "fila": 2.0, "batidas": [
  {"layout": "rosto"},
  {"palavra": "Primeiro", "cartao": {"tipo": "lista", "titulo": "Ordem", "marcador": "numero",
     "itens": [{"texto": "Escolha o modelo", "palavra": "modelo"}, {"texto": "Escolha o esforço", "palavra": "esforco"}]}},
  {"palavra": "rodei", "offset": 0.5, "layout": "grafico", "cartao": {"tipo": "pergunta", "pergunta": "Qual você usa?"}}
]}
  • Batida = um estado da tela. A âncora palavra é o INÍCIO da palavra ("esforco" encontra "esforço"), procurada APÓS a batida anterior; pode haver múltiplas palavras ("modo plano"), qual para a n-ésima ocorrência, offset para deslocar em segundos. A primeira batida começa em 0. Cada item/linha/mensagem do cartão também entra com sua própria palavra.
  • Layout: div (cartão em cima, rosto embaixo; padrão para batida com cartão), rosto (rosto em tela cheia; padrão para batida sem cartão), grafico (cartão em tela cheia, sem rosto).
  • Ritmo: 1,5-4 seg por batida; em Reels de 40 seg, 10-15 batidas. O gancho (primeiros 1-2 seg) abre com rosto.
  • Rosto apenas onde se olha para a câmera. Se a pessoa fala olhando para a tela/texto, aquela batida é grafico.
  • Sem invenção: o cartão mostra apenas o que foi realmente dito ou o que realmente aconteceu. Número não medido, comando inexistente, texto de tela inventado. Captura de tela é um arquivo real do usuário (imagem).
  • Encerramento: a última batida é um cartão pergunta (pergunta que leva a comentar); após a fala, o fila (segundos) permanece na tela, por isso escolha o layout grafico (a imagem congela na fila).
  • Palavra mal ouvida na legenda: "correcao_legenda": {"pesquise": "pesquisei"}. Palavras na lista destaque aparecem em itálico + cor de destaque na legenda (a raiz basta: "esforco").

Veja os tempos resolvidos: R batidas P (início/fim de cada batida, tempos dos itens; AVISO se um item mudar de cartão sem ser visto).

4. Enquadramento.

R rosto P          # estimativa da caixa do rosto -> P/enquadramento.json + P/controle/enquadramento.jpg

ABRA controle/enquadramento.jpg com Leitura: a caixa verde deve envolver o rosto (da testa ao queixo); a azul é o corte div, a laranja é o corte rosto. A estimativa é sem modelo (cor de pele + prioridade central); superfície com tom de pele no fundo, duas pessoas ou luz colorida podem enganá-la. Se estiver errada, corrija MANUALMENTE o caixa em enquadramento.json com base nos pixels de origem na régua e atualize a imagem com R rosto P (não sobrescreve enquadramento.json existente). Se a pessoa se move, escreva chaves (caixas com tempo).

5. Pré-visualização, depois renderização.

R quadro P                    # um quadro de cada batida -> P/controle/quadros.jpg (VEJA)
R quadro P 2.3,31.4           # momentos específicos (animação de entrada, terminal digitado)
R render P                    # -> P/saida/<nome>.mp4, ao final a medição é executada automaticamente

6. Meça (você não pode assistir, veja medindo). R medicao P (já executa ao final do render) -> P/controle/medicao.md + P/controle/contato.jpg:

  • Duração: imagem e áudio com o mesmo comprimento, número de quadros igual ao esperado.
  • Área segura: a cada 5 quadros, mede a caixa PIXEL da legenda, do cartão e do rosto. A interface do Instagram cobre y<220 em cima, 20% em baixo (y>1536) e a coluna de likes/comentários à direita (x>940, y 1000-1536); legenda e cartão não entram lá, o rosto fica acima dos 20% inferiores. Se houver linha de VIOLAÇÃO, corrija o roteiro (conteúdo do cartão, layout) ou o enquadramento.json.
  • Áudio: arquivo final a -14 LUFS, pico real <= -1 dBTP; trilha de efeitos ~15 dB abaixo da fala; picos de whoosh alinhados com os cortes.
  • Página de contato: o estado PREENCHIDO do cartão de cada batida (imediatamente antes da mudança). ABRA e veja: texto transbordando, elemento sobreposto, cabeça cortada, cartão vazio.
  • Verificações (opcional): .venv/bin/python .claude/skills/yatay-kurgu/ferramentas/edicao.py validar P resolve som cortado novamente, relata palavra quebrada/vazada (P/validar.md).

Após a correção, apenas R render P (áudio e imagem do zero, em M1 Pro um vídeo de 40 seg leva ~35 seg).

7. Entrega. Para o usuário, breve e com números: caminho da saída, duração (original -> cortada), número de batidas/cartões, o que foi descartado e justificativas, resultado da área segura, LUFS/pico, caminho da página de contato. O que você não pode medir (agradabilidade do áudio, clareza do cartão) deixe claramente para o usuário.

Limitações conhecidas

  • A caixa do rosto é estimada sem modelo; é obrigatório verificar enquadramento.jpg em cada gravação. Não há rastreamento quadro a quadro: caixa fixa ou transição linear entre quadros-chave.
  • O rosto em tela cheia (rosto) a partir de uma gravação horizontal é limitado pela altura da fonte: em 4K o rosto fica grande, a legenda desce automaticamente para abaixo do queixo. No layout div, a altura do cartão de rosto é reduzida conforme a imagem restante abaixo do rosto na fonte (para que o queixo não entre nos 20% inferiores).
  • Sem música; efeitos são sintetizados (whoosh, teclado, pop, arranhão).
  • Tipos de cartão fixos (referencias/cartoes.md). Novo tipo: adicione função de desenho + som em ferramentas/cartoes.py, registre nos dicionários DESENHO e EVENTO.
  • As zonas da interface (superior 220, inferior 20%, coluna direita x>940) são aproximadas e cautelosas para Instagram Reels (no início de ferramentas/desenho.py); no Shorts/TikTok são semelhantes, mas não idênticas.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

UgurKeskekci/claude-video-kit

Kodla (görsel üretim modeli OLMADAN) hikâye anlatan kısa mürekkep çizgi animasyonu üretir — X/Twitter gönderisi, Reels/Shorts, YouTube video arası ya da soğuk açılış. Görüntü PIL mürekkep motoruyla, müzik ve efektler numpy sentezi ile aynı zaman programından üretilir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "animasyon yap", "çizgi animasyon", "halimi anlat", "durumumu göster", "twitter için animasyon", "reels animasyonu", "araya animasyon", "çöp adam animasyonu", "kodla video", "one-shot animasyon".

UgurKeskekci/claude-video-kit

Sayı ve yazıyla hikâye anlatan editoryal hareketli grafik videosu üretir (Remotion) — X/Twitter gönderisi, Reels/Shorts, YouTube video arası. Hikâye JSON sahne listesi olarak yazılır (başlık, yazılan istem, sayaç, ölçer, sütunlar, karşılaştırma, liste, soru), 16:9 ve 9:16 render edilir, yumuşak whoosh + klavye + sakin müzik yatağı numpy ile sentezlenip eklenir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "X için animasyon/video", "hareketli grafik", "motion graphics", "sayılarla anlat", "sonuçları grafikle göster", "karşılaştırma videosu", "test sonucunu animasyonla anlat", "reels grafiği", "araya grafik", "Remotion".

UgurKeskekci/claude-video-kit

Yatay YouTube konuşma videosunu (kamera kaydı, isteğe bağlı ayrı ekran kaydı) kaba kurgular. Harfiyen döküm çıkarır, duraklamaları ve art arda tekrarları sesten keser; Claude dökümü okuyup gerekçeli bir atma listesi yazar, mp4 üretilir, kesilmiş ses yeniden çözülüp her birleşim denetlenir. Şu durumlarda kullan - "videoyu kurgula", "kaba kurgu", "ham kaydı kes", "beklemeleri/duraklamaları kes", "tekrarları at", "takılmaları temizle", "jump cut", "keseceğim dediğim yerleri at", "kamera ile ekran kaydını senkronla", "ekran kaydının köşesine kamera koy", "sessiz yerleri hızlandır".

Habilidades Relacionadas