clip-anything

O que clip-anything faz?

Propósito

Transforma uma gravação longa (um arquivo, vários arquivos ou uma pasta que representa uma sessão) nos N melhores clipes verticais de destaque usando a CLI gratuita e local clip-anything. A skill controla a ferramenta, mostra o que será cortado antes de cortar e lê o relatório para que o usuário saiba por que cada momento foi selecionado. Ela nunca faz upload, publica ou envia imagens para lugar nenhum; a própria CLI não faz chamadas de rede, exceto por um download opcional e único do modelo Whisper, que pede permissão antes.

Pré-requisitos

• uvx (do uv) ou pipx no PATH. A CLI é um pacote Python; uvx clip-anything a executa sem instalação.
• ffmpeg e ffprobe no PATH. A CLI sai com código 3 e uma linha de instalação quando estão ausentes.
• Uma gravação que o usuário possa indicar: .mp4 .mkv .mov .m4v .ts .m2ts .mts .webm .avi .flv, ou uma pasta com esses arquivos.

Instruções

Trabalhe a partir do diretório atual do usuário. Use os caminhos exatos fornecidos pelo usuário; coloque-os entre aspas. Não mova, renomeie ou exclua as gravações. Não instale nada além do que as etapas abaixo imprimirem como sugestão para o usuário executar.

Fluxo de Trabalho

(Use as etapas em ordem; uma etapa que não puder ser concluída é informada, não pulada.)

1. Verifique as ferramentas. Execute command -v uvx || command -v pipx e command -v ffmpeg && command -v ffprobe. Se uvx e pipx estiverem ambos ausentes, imprima e pare: curl -LsSf https://astral.sh/uv/install.sh | sh (macOS/Linux) ou winget install astral-sh.uv (Windows). Se o ffmpeg estiver ausente, imprima e pare: brew install ffmpeg / sudo apt install ffmpeg / winget install Gyan.FFmpeg. Use pipx run clip-anything onde este arquivo disser uvx clip-anything se apenas o pipx existir.
2. Resolva a entrada. Se o usuário nomeou um arquivo ou pasta, use-o. Se ele disse "minha gravação" sem caminho, procure por arquivos de vídeo no diretório atual (pesquise pelas extensões acima, do mais recente para o mais antigo). Pergunte apenas quando houver várias entradas plausíveis ou nenhuma; caso contrário, prossiga e diga qual caminho foi usado. Uma pasta é passada como está: a CLI a trata como uma sessão.
3. Simulação primeiro, sempre. Execute uvx clip-anything "<entrada>" --dry-run --json 2>/dev/null (adicione --count N se o usuário nomeou um número). Analise o JSON da saída padrão. Mostre uma tabela curta: rank, start até end em mm:ss, duration_s, score, title se presente, e o componente principal de components. Se clips estiver vazio, diga isso claramente e leia warnings (um aviso below_floor significa que nada passou da barra de ação) antes de sugerir --min-score 0 ou um valor mais baixo.
4. Renderize. A menos que o usuário tenha pedido apenas uma prévia, execute uvx clip-anything "<entrada>" com as mesmas opções, sem --dry-run e --json, para que a interface de progresso apareça. Adicione --yes apenas se o usuário disse que legendas são desejadas e concordou com o download único do modelo; caso contrário, deixe a CLI perguntar. Informe a pasta de saída (./clips por padrão, ou --out).
5. Explique as seleções. Leia clips/report.json (leia o arquivo, ou use python3 -I -c sobre ele). Para cada clipe ok, dê uma linha: o intervalo de tempo, a pontuação e quais sinais o carregaram (components: loudness acima da linha de base, onsets de áudio, movimento, concordância áudio/movimento, penalidade de tela estática, bônus de fala quando presente). Mencione layout quando for facecam e captions quando verdadeiro. Liste cada entrada em warnings em termos simples; a ferramenta se degrada claramente e o usuário deve ouvir isso.
6. Ofereça os ajustes, uma linha cada, apenas aqueles que se encaixam no que o usuário viu:
   • --count N mais ou menos clipes (é um máximo; sessões silenciosas retornam menos)
   • --min-score 0.3 abaixar a barra de ação; --min-score 0 classificar o arquivo contra si mesmo
   • --min 20 --max 60 limites de duração do clipe em segundos
   • --crop center corte central estático em vez de seguir a ação
   • --no-captions nunca queimar legendas; --facecam off sem pilha de webcam
   • --vision re-ranking local com Ollama e títulos (experimental; só se comunica com 127.0.0.1:11434)
   • --force sobrescrever clipes da última execução; --no-cache ignorar análise em cache Uma nova execução com ajustes diferentes leva segundos porque a análise fica em cache ao lado do vídeo.
7. Divulgação. Quando legendas ou títulos estiverem presentes, diga uma vez: as legendas são transcrição automática (faster-whisper, local) e os títulos vêm de um modelo de visão local; ambos podem estar errados e devem ser verificados antes de publicar.

Exemplos

• "Crie 5 curtos da stream de ontem à noite, está em ~/Videos/obs/" → etapa 1, passe a pasta, --count 5 simulação, mostre a tabela, renderize, explique.
• "Por que ele selecionou uma tela de carregamento?" → abra report.json, mostre os components daquele clipe (um valor alto de card significa que a penalidade de tela estática foi acionada, mas onsets altos ainda venceram), sugira --min-score 0.6 ou um w_card mais alto em um TOML --config.
• "Só me mostre o que cortaria, não renderize" → etapas 1 a 3 apenas.

Limitações

• Momentos baseados em transcrição (uma piada sem ação) pontuam baixo por design; a ferramenta classifica ação, fala é um bônus.
• A barra de ação foi calibrada em dois jogos; um jogo não visto pode retornar menos clipes do que o solicitado. Diga isso em vez de forçar clipes com --min-score 0 sem ser solicitado.
• Fontes 1080p60 analisam aproximadamente 100 s por hora; um arquivo de várias horas é uma espera, não uma trava.
• A skill não edita clipes, escolhe miniaturas ou publica em lugar nenhum. Publicar é etapa do usuário.

Solução de Problemas

• Código de saída 2: entrada ruim (caminho ausente, arquivo não suportado, pasta sem vídeos). Mostre a mensagem da CLI.
• Código de saída 3: ffmpeg ou ffprobe ausente. Imprima a linha de instalação para o sistema operacional do usuário da etapa 1.
• Código de saída 1: nada renderizado. Leia warnings no JSON da simulação; geralmente below_floor.
• Legendas escritas como arquivo .ass lateral em vez de queimadas: a construção do ffmpeg não tem libass (fórmula padrão do Homebrew). Uma construção ffmpeg-full no PATH resolve; todo o resto continua funcionando.
• --vision não teve efeito: Ollama não está rodando ou não tem modelo de visão; a execução continua apenas com ação e deixa um aviso.