Communitygithub.com

video-para-shorts

Transforma vídeos longos em Shorts verticais, encontrando as melhores frases, cortando apenas em sentenças completas, adicionando legendas e verificando o resultado, usando ferramentas gratuitas.

O que é video-para-shorts?

Esta skill para agentes de IA (como Claude Code, Cursor ou Codex) capacita o agente a transformar vídeos longos de pessoas falando (entrevistas, talks, webinars) em clipes verticais no formato Shorts (YouTube, Reels ou TikTok). O agente transcreve o vídeo com o faster-whisper, identifica a frase de impacto ideal para abrir o clipe, extrai trechos (20–60 segundos) cortando apenas em sentenças completas, remonta as partes, corta para 1080×1920 e insere legendas no centro inferior usando ffmpeg. Todo o processo é baseado em ferramentas gratuitas e de linha de comando, garantindo que o conteúdo original do falante não seja distorcido. O agente também verifica a qualidade final: primeiro segundo com fala, sem cortes na fala, legendas sincronizadas, nenhum elemento importante cortado e duração correta. A skill é ideal para usuários que pedem "crie Shorts", "corte em clipes" ou "transforme meu vídeo em Shorts".

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/coding-island-js/keepaisharp-skills/tree/main/skills/video-to-shorts

Perguntar na sua IA favorita

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

Documentação

Transforme meu vídeo longo em Shorts

Você tem um vídeo longo de alguém falando. Esta skill corta o vídeo em clipes verticais de 20 a 60 segundos que começam na melhor frase, nunca param no meio de uma sentença e têm legendas. Ela usa duas ferramentas gratuitas: faster-whisper (converte fala em texto com tempo para cada palavra) e ffmpeg (corta, ajusta e adiciona legendas). Todos os comandos abaixo são exemplos. Altere os nomes de arquivos, tempos e tamanhos para se adequar ao vídeo.

Passo 1. Obter uma transcrição com tempo para cada palavra

Instale uma vez: pip install faster-whisper e instale o ffmpeg em ffmpeg.org.

Exemplo (Python):

from faster_whisper import WhisperModel
model = WhisperModel("large-v3", device="auto")   # use "small" em laptop sem GPU
segments, _ = model.transcribe("talk.mp4", word_timestamps=True, condition_on_previous_text=False,
                              initial_prompt="Hello. Welcome, everyone.")
with open("words.txt", "w", encoding="utf-8") as f:
    for seg in segments:
        f.write(f"[{seg.start:.2f}-{seg.end:.2f}] {seg.text.strip()}\n")
        f.write("    " + " ".join(f"{w.word.strip()}@{w.start:.2f}" for w in seg.words) + "\n")

Cada linha de words.txt é um trecho de fala com seu tempo de início e fim. Abaixo dela está cada palavra com o segundo em que começa ([email protected]). Corte com base nos tempos das palavras: um trecho frequentemente termina no meio de uma sentença.

condition_on_previous_text=False impede que o modelo repita a mesma linha várias vezes em arquivos longos. Em alguns arquivos, isso também faz com que o large-v3 perca toda pontuação e maiúsculas. O breve initial_prompt, escrito com pontuação normal, traz esses elementos de volta, e você precisa dos pontos finais para ver onde as sentenças terminam.

Passo 2. Escolher o clipe, gancho primeiro

Leia a transcrição. Encontre um trecho que tenha um argumento, um exemplo e uma conclusão. Então:

  1. O gancho. A frase ou duas mais fortes, aquelas que fazem sentido sem contexto ("A maioria das pessoas precifica seu trabalho por hora, e é por isso que elas continuam pobres."). O Short começa nessas palavras, mesmo que elas apareçam tarde no trecho. O primeiro segundo do Short é fala, não silêncio ou logotipo.
  2. O meio. O exemplo ou história que apoia o gancho.
  3. O fim. A conclusão ou a dica. Se o clipe não tiver uma, pegue a frase de resposta de outra parte do mesmo vídeo.

Anote o clipe como uma lista de tempos de início e fim. Cada parte começa na primeira palavra de uma sentença e termina após a última palavra de uma sentença. Mover sentenças inteiras é aceitável. Nunca junte metade de uma sentença a outra para fazer o falante dizer algo que não disse. Duração total: 20 a 60 segundos.

Passo 3. Cortar as partes e juntá-las

Deixe cerca de 0,1 segundo antes da primeira palavra e 0,2 segundo depois da última, para que nenhuma palavra seja cortada.

Exemplo (um comando por parte; -t é a duração em segundos):

ffmpeg -ss 312.30 -i talk.mp4 -t 7.40 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece1.mp4
ffmpeg -ss 95.10 -i talk.mp4 -t 21.60 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece2.mp4
printf "file 'piece1.mp4'\nfile 'piece2.mp4'\n" > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy joined.mp4

Passo 4. Torná-lo vertical, 1080x1920

Para um vídeo 1920x1080, corte uma janela de 608x1080 ao redor do falante e aumente a escala. O último número em crop é a distância da borda esquerda onde a janela começa. Encontre a posição do falante em um quadro parado e defina-a de modo que o rosto fique no centro.

Exemplo (janela centralizada):

ffmpeg -i joined.mp4 -vf "crop=608:1080:656:0,scale=1080:1920" -c:v libx264 -crf 18 -c:a copy vertical.mp4

Passo 5. Adicionar legendas

Transcreva o clipe unido novamente (Passo 1, em vertical.mp4) para que os tempos das legendas correspondam ao novo clipe. Escreva legendas curtas, de três a cinco palavras cada, em um arquivo .srt:

segments, _ = model.transcribe("vertical.mp4", word_timestamps=True, condition_on_previous_text=False,
                              initial_prompt="Hello. Welcome, everyone.")
words = [w for s in segments for w in s.words]
t = lambda x: f"{int(x//3600):02}:{int(x%3600//60):02}:{int(x%60):02},{int(x*1000%1000):03}"
chunks, chunk = [], []
for w in words:                      # até 4 palavras, e uma nova legenda após cada ponto final
    chunk.append(w)
    if len(chunk) == 4 or w.word.strip().endswith((".", "?", "!")):
        chunks.append(chunk)
        chunk = []
if chunk:
    chunks.append(chunk)
with open("captions.srt", "w", encoding="utf-8") as f:
    for n, c in enumerate(chunks, 1):
        text = "".join(w.word for w in c).strip()
        f.write(f"{n}\n{t(c[0].start)} --> {t(c[-1].end)}\n{text}\n\n")

Corrija manualmente nomes ou palavras mal interpretadas em captions.srt. Em seguida, queime as legendas e ajuste o volume para o nível que os aplicativos esperam (cerca de -14 LUFS):

ffmpeg -i vertical.mp4 -vf "subtitles=captions.srt:force_style='FontSize=16,Bold=1,Outline=2,Alignment=2,MarginV=70'" -af "loudnorm=I=-14:TP=-1.5" -c:v libx264 -crf 18 -c:a aac short.mp4

Execute este comando a partir da pasta que contém captions.srt e use o nome de arquivo simples. No Windows, um caminho completo como C:\clips\captions.srt quebra o filtro subtitles, porque o ffmpeg interpreta os dois pontos como o início de uma opção.

Mantenha as legendas no centro inferior, longe do rosto e dos botões do aplicativo na borda direita.

Passo 6. Verificar do início ao fim

Assista ao Short inteiro uma vez, com som, como um espectador faria. Em seguida, verifique cada item:

  • O primeiro segundo é fala. Exemplo: ffmpeg -i short.mp4 -t 2 -af silencedetect=noise=-35dB:d=0.3 -f null - deve reportar nenhum silêncio começando em 0.
  • Nenhuma palavra é cortada no início ou no final de qualquer parte.
  • As legendas coincidem com o áudio, palavra por palavra, e nenhuma legenda fica sobre o rosto.
  • Nada importante é cortado: o rosto, uma mão apontando para algo, texto em um slide.
  • A duração é de 20 a 60 segundos. Exemplo: ffprobe -v error -show_entries format=duration -of csv=p=0 short.mp4
  • Uma grade de contato para ver o enquadramento de relance. Exemplo: ffmpeg -i short.mp4 -vf "fps=1/5,scale=270:-1,tile=4x2" -frames:v 1 sheet.png

Se algo falhar, corrija essa etapa e refaça.

Passo 7. Escolher o título e a capa antes de publicar

  • Título: o gancho em poucas palavras, da forma como um espectador pesquisaria. Menos de 60 caracteres.
  • Capa: um quadro onde o rosto do falante está claro e a boca está fechada, mais o gancho em texto grande. Verifique também como fica cortado em quadrado e 3:4, já que alguns aplicativos mostram assim na grade de perfil.
  • Mostre ao usuário o Short, o título e a capa. Nunca publique nada sem a aprovação do usuário.

Regras

  • Nunca faça o falante dizer algo que não disse. Reordene apenas sentenças completas.
  • Se o falante disser algo errado, mantenha como foi dito e avise o usuário. Não corrija silenciosamente nas legendas.
  • Se o falante chamar um exemplo de inventado, o Short mantém isso ou adiciona "Exemplo inventado" na tela.

Exemplo

O usuário compartilha webinar.mp4, uma palestra de 50 minutos de uma contadora chamada Jo Park. (Jo e as linhas abaixo são fictícios.)

Aos 18:42 Jo diz: "A maioria das pequenas empresas descobre que está sem dinheiro pelo banco, não pelos livros." Esse é o gancho. Aos 17:55 a 18:20 ela conta uma história sobre uma padaria que perdeu a folha de pagamento. Aos 19:05 ela dá a solução: "Verifique um número toda segunda-feira: dinheiro no banco menos contas a pagar nos próximos 30 dias."

O agente corta três partes nesta ordem: 18:42 gancho (6 s), 17:55 história (25 s), 19:05 solução (9 s). Isso totaliza 40 segundos. Ele centraliza Jo no quadro 1080x1920, adiciona legendas e verifica cada item no Passo 6. Título: "Seu banco sabe que você está quebrado antes de você." Capa: Jo olhando para a câmera, com as palavras "Verifique isso toda segunda-feira".

Habilidades Relacionadas