PrunaAI/pruna-skills

Use quando alguém precisar de timestamps em nível de palavra a partir de áudio — alinhamento de letras, limites de corte seguros ou temporização de fonte para legendas antes da gravação em edição de vídeo.

O que é pruna-skills?

Esta skill fornece timestamps em nível de palavra para áudio, utilizando o modelo WhisperX otimizado para reconhecimento preciso de rap e canto, especialmente com suporte a alinhamento de saída. É ideal para workflows de edição de vídeo que exigem cortes de música ajustados, legendas sincronizadas com a música ou alinhamento de letras, e depende das skills auxiliares `generation-diversity` (para refinamento de prompts) e `pruna-api` (para chamadas HTTP seguras ao Replicate). A skill não deve ser usada para geração de músicas originais (use `music-2.5`), narração (use `gemini-3.1-flash-tts`) ou edição geral de vídeo (use `video-editing`). Durante a execução, o agente deve confirmar o token `REPLICATE_API_TOKEN`, solicitar os inputs obrigatórios (`audio_file`, `language`, `align_output: true`) e pode opcionalmente usar `initial_prompt` para melhorar o reconhecimento de letras iniciais e `diarization` para identificação de múltiplos falantes.

Funciona com✓Claude Code~Codex CLI~Cursor✓Gemini CLI

npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/whisperx

Documentação

Pré-requisitos

Instale e carregue estas skills antes de gerar (pule se já estiverem no contexto via @pruna):

Skill	Descrição	Instalar
`generation-diversity`	Use ao escrever qualquer prompt generativo — semente ritualística, estrutura explícita, eixos de cenário e portões de qualidade antes de chamadas pagas de API.	`npx skills add PrunaAI/pruna-skills@generation-diversity -y`
`pruna-api`	Use antes de qualquer chamada HTTP Pruna ou Replicate — credenciais, upload/poll/download, lotes paralelos e segurança do agente.	`npx skills add PrunaAI/pruna-skills@pruna-api -y`

Ou instale o pacote completo uma vez: npx skills add PrunaAI/pruna-skills@pruna -y

Siga as seções Antes de gerar / de criação de cada skill — não repita o conteúdo do guia aqui.

Hábito do agente

Na primeira resposta, nomeie `whisperx` entre crases, confirme REPLICATE_API_TOKEN (ou pare com links de cadastro do pruna-api), então peça os inputs necessários. Abra a recepção → tela de esclarecimento da generation-diversity antes do primeiro POST. Redirecione quando Quando NÃO usar for mais adequado.

Quando NÃO usar

Use uma skill diferente:

Skill	Descrição	Instalar
`music-2.5`	Use quando alguém quiser uma música AI original com vocais — letras cantadas, um prompt de estilo ou áudio fonte para um videoclipe.	`npx skills add PrunaAI/[email protected] -y`
`gemini-3.1-flash-tts`	Use quando alguém precisar de narração falada ou voiceover — faixas explicativas, falas de documentário ou voz para acompanhar vídeo gerado.	`npx skills add PrunaAI/[email protected] -y`
`video-editing`	Use ao montar ou polir clipes já renderizados com ffmpeg — concatenação, crossfades, legendas e subtítulos incorporados, sobreposições de texto/logo, controles deslizantes de antes/depois, trilhas de música de fundo, exportação para plataformas — ou ao compor um vídeo combinado HTML multicamadas com Hyperframes. Não para geração de vídeo AI, criação de prompts ou edições baseadas em modelo.	`npx skills add PrunaAI/pruna-skills@video-editing -y`

Ambiente

export REPLICATE_API_TOKEN=r8_...

HTTP / pipeline

Prefira os helpers do repositório (eles fazem upload de áudio local e escrevem JSON + SRT):

# Agente: siga a tabela de fases neste SKILL.md \
  --song output/my-mv/song.mp3 \
  --out output/my-mv/whisperx_transcript.json \
  --initial-prompt "Primeiras linhas da letra ajudam no reconhecimento"

# Agente: siga a tabela de fases neste SKILL.md \
  --cuts output/my-mv/cut_manifest.json \
  --transcript output/my-mv/whisperx_transcript.json \
  --song output/my-mv/song.mp3

Em um workflow de videoclipe, execute esta skill durante a fase de alinhamento — veja music-video.

Antes de gerar

Complete a ordem de leitura dos Pré-requisitos.
Confirme audio_file (URL HTTPS — helpers fazem upload de arquivos locais), language e align_output: true para alinhamento de corte em nível de palavra. Ao listar inputs, nomeie REPLICATE_API_TOKEN (Replicate — não PRUNA_API_KEY).
Notas do modelo: defina initial_prompt com as primeiras linhas da letra para melhor reconhecimento de rap/canto. diarization opcional para batalhas com múltiplas vozes.

Input obrigatório

audio_file (URL HTTPS)

Campos opcionais comuns

language — código ISO, ex.: en
align_output — true para timestamps em nível de palavra (necessário para alinhamento de corte)
initial_prompt — primeiras linhas da letra
diarization — rótulos de falante

Próximos passos típicos

Ações comuns após esta skill:

Skill	Descrição	Instalar
`music-video`	Use quando alguém quiser um videoclipe completo — música original ou vocais, clipes de performance, material de arquivo e edições sincronizadas com a letra.	`npx skills add PrunaAI/pruna-skills@music-video -y`
`music-2.5`	Use quando alguém quiser uma música AI original com vocais — letras cantadas, um prompt de estilo ou áudio fonte para um videoclipe.	`npx skills add PrunaAI/[email protected] -y`
`video-editing`	Use ao montar ou polir clipes já renderizados com ffmpeg — concatenação, crossfades, legendas e subtítulos incorporados, sobreposições de texto/logo, controles deslizantes de antes/depois, trilhas de música de fundo, exportação para plataformas — ou ao compor um vídeo combinado HTML multicamadas com Hyperframes. Não para geração de vídeo AI, criação de prompts ou edições baseadas em modelo.	`npx skills add PrunaAI/pruna-skills@video-editing -y`