Communitygithub.com

danielmiessler/Personal_AI_Infrastructure

Pipeline de edição de áudio e vídeo com IA: transcrição por Whisper → classificação de segmentos por Claude → execução ffmpeg com crossfades e preenchimento de tom ambiente → polimento opcional via Cleanvoice API. Diferencia pausas retóricas de acidentais e atenua respirações para 50% do volume.

O que é Personal_AI_Infrastructure?

O Personal_AI_Infrastructure é uma skill de agente de IA que implementa um pipeline completo de pós-produção de áudio e vídeo, automatizando o processo de corte de falhas de locução (preenchimentos, falsos inícios, gaguejos, pausas acidentais e marcadores de edição). A skill combina transcrição por Whisper (insanely-fast-whisper em hardware MPS) com classificação semântica de segmentos pelo Claude AI, que rotula cada palavra como KEEP (manter) ou um dos tipos de CUT (cortar). Em seguida, o ffmpeg executa os cortes com crossfades qsin de 40ms e preenche lacunas com tom ambiente, preservando pausas retóricas e atenuando respirações para 50% do volume. Também oferece integração opcional com a Cleanvoice API para polimento adicional de ruídos de boca e normalização de volume. Com suporte a modo de preview (--prev), permite visualizar cortes sem aplicar alterações permanentemente. A skill é ideal para criadores de conteúdo que buscam maximizar produtividade na edição de podcasts, palestras e vídeos de demonstração, sendo compatível com ambientes macOS (aproveitando aceleração MPS) e sistemas Unix-like com ffmpeg.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Packs/AudioEditor/src
Ver original→Navegar por todas as habilidades

Perguntar na sua IA favorita

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentação

O que Personal_AI_Infrastructure faz?

Pipeline de edição de áudio e vídeo com IA: transcrição palavra por palavra via Whisper (insanely-fast-whisper em MPS) → classificação de segmentos pelo Claude (KEEP / CUT_FILLER / CUT_FALSE_START / CUT_STUTTER / CUT_DEAD_AIR / CUT_EDIT_MARKER) → execução ffmpeg com crossfades qsin de 40ms e preenchimento com tom ambiente → polimento opcional via Cleanvoice API para ruídos de boca e normalização de loudness. Diferencia pausas retóricas de acidentais. Respirações atenuadas para 50% do volume (não removidas). Modo de visualização (--prev).

Habilidades Relacionadas

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community