Communitygithub.com

bg-szy/TOP-SKILLS

Processe arquivos de vídeo com extração de áudio, conversão de formato (mp4, webm) e transcrição Whisper. Use quando o usuário mencionar conversão de vídeo, extração de áudio, transcrição, mp4, webm, ffmpeg ou transcrição Whisper.

O que é TOP-SKILLS?

Esta skill fornece um conjunto de utilitários para processamento de vídeo, incluindo extração de áudio, conversão entre formatos (como MP4 e WebM) e transcrição de fala para texto usando FFmpeg e o modelo Whisper da OpenAI. Ela é útil para desenvolvedores e usuários de agentes de IA que precisam processar arquivos de vídeo diretamente no terminal, oferecendo uma interface CLI unificada e bem documentada através do script `scripts/video_processor.py`. A skill suporta os agentes Claude Code, Cursor e Codex, e opera usando `uv run` para executar o script, que gerencia automaticamente dependências Python (como `click` e `ffmpeg-python`) via PEP 723. O fluxo de trabalho inclui comandos para extrair áudio em formatos como WAV, MP3, AAC e FLAC; converter vídeos para MP4 ou WebM com opções de codec e predefinição; e transcrever áudio com diferentes modelos Whisper (tiny, base, small, medium, large), suporte a idiomas e formatos de saída (TXT, SRT, VTT, JSON). A skill também inclui tratamento de erros robusto, limpeza automática de arquivos temporários e dicas de desempenho, tornando-a ideal para tarefas como gerar legendas, criar vídeos otimizados para web ou transcrever entrevistas.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/bg-szy/TOP-SKILLS/tree/HEAD/skills/marketplace/video-processor

Perguntar na sua IA favorita

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

Documentação

Processador de Vídeo

Instruções

Esta skill fornece utilitários de processamento de vídeo, incluindo extração de áudio, conversão de formato e transcrição de áudio usando FFmpeg e o modelo Whisper da OpenAI.

Pré-requisitos

Ferramentas necessárias (devem estar instaladas no seu ambiente):

  • FFmpeg: Framework multimídia para processamento de vídeo/áudio

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Verificar instalação
    ffmpeg -version
    
  • OpenAI Whisper: Modelo de transcrição de fala para texto

    # Instalar via pip
    pip install -U openai-whisper
    
    # Verificar instalação
    whisper --help
    

Pacotes Python (incluídos no script via PEP 723):

  • click (framework CLI)
  • ffmpeg-python (wrapper Python para FFmpeg)

Fluxo de Trabalho

Use o script scripts/video_processor.py para todas as tarefas de processamento de vídeo. O script fornece uma CLI simples com os seguintes comandos:

1. Extrair Áudio do Vídeo

Extrair a faixa de áudio de um arquivo de vídeo:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Opções:

  • --format: Formato de áudio de saída (padrão: wav). Suporta: wav, mp3, aac, flac
  • A saída é adequada para transcrição ou uso de áudio independente

2. Converter Vídeo para MP4

Converter qualquer arquivo de vídeo para o formato MP4:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Opções:

  • --codec: Codec de vídeo (padrão: libx264). Opções comuns: libx264, libx265, h264
  • --preset: Predefinição de velocidade/qualidade de codificação (padrão: medium). Opções: ultrafast, fast, medium, slow, veryslow

3. Converter Vídeo para WebM

Converter qualquer arquivo de vídeo para o formato WebM (otimizado para web):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Opções:

  • --codec: Codec de vídeo (padrão: libvpx-vp9). Opções: libvpx, libvpx-vp9
  • WebM é otimizado para reprodução e streaming na web

4. Transcrever Áudio com Whisper

Transcrever arquivos de áudio ou vídeo para texto usando o modelo Whisper da OpenAI:

# Transcrever arquivo de vídeo (o áudio será extraído automaticamente)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Transcrever arquivo de áudio diretamente
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Opções:

  • --model: Tamanho do modelo Whisper (padrão: base). Opções:
    • tiny: Mais rápido, menor precisão (~1GB RAM)
    • base: Rápido, boa precisão (~1GB RAM) [PADRÃO]
    • small: Equilibrado (~2GB RAM)
    • medium: Alta precisão (~5GB RAM)
    • large: Melhor precisão, mais lento (~10GB RAM)
  • --language: Código do idioma (padrão: detecção automática). Exemplos: pt, en, es, fr, de, zh
  • --format: Formato de saída (padrão: txt). Opções: txt, srt, vtt, json

Fluxo de trabalho de transcrição:

  1. Se a entrada for vídeo, o FFmpeg extrai o áudio para um arquivo WAV temporário
  2. O Whisper processa o arquivo de áudio
  3. A transcrição é salva no formato solicitado
  4. Os arquivos temporários são limpos automaticamente

5. Exemplo de Fluxo de Trabalho Combinado

Processar um vídeo do início ao fim:

# 1. Extrair áudio para análise
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav

# 2. Transcrever para legendas SRT
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small

# 3. Converter para formato web
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm

Detalhes Técnicos Principais

Integração FFmpeg e Whisper:

  • O FFmpeg não transcreve áudio por si só - ele prepara o áudio para transcrição externa
  • O fluxo de trabalho é: Extrair áudio (FFmpeg) → Transcrever (Whisper) → Opcional: Reintegrar com o vídeo
  • O FFmpeg pode canalizar áudio diretamente para o Whisper para processamento em tempo real (caso de uso avançado)

Formato de Áudio para Transcrição:

  • O Whisper funciona melhor com formatos WAV ou MP3
  • Taxa de amostragem: 16kHz é o ideal (o script lida com a conversão automaticamente)
  • O script extrai o áudio com configurações ideais para o Whisper

Formatos de Saída:

  • txt: Transcrição em texto simples
  • srt: Formato de legenda SubRip (inclui timestamps)
  • vtt: Formato de legenda WebVTT (padrão web)
  • json: JSON detalhado com timestamps em nível de palavra

Tratamento de Erros

O script inclui tratamento de erros abrangente:

  • Valida se os arquivos de entrada existem
  • Verifica se FFmpeg e Whisper estão instalados
  • Fornece mensagens de erro claras para dependências ausentes
  • Lida com a limpeza de arquivos temporários em caso de erros

Dicas de Desempenho

  • Use modelos tiny ou base para rascunhos rápidos
  • Use small ou medium para transcrições de produção
  • Use large apenas quando a máxima precisão for necessária
  • Para vídeos longos, considere extrair o áudio primeiro e depois transcrever em segmentos
  • A conversão para WebM com VP9 leva mais tempo, mas produz arquivos menores

Exemplos

Exemplo 1: Conversão Rápida de Vídeo para MP4

Solicitação do usuário:

Tenho um arquivo AVI da minha câmera antiga. Você pode convertê-lo para MP4?

Você deve:

  1. Usar o comando to-mp4 com as configurações padrão:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4
    
  2. Confirmar que a conversão foi concluída com sucesso
  3. Informar o usuário sobre o local do arquivo de saída

Exemplo 2: Extrair Áudio e Transcrever

Solicitação do usuário:

Gravei um vídeo de aula e preciso de uma transcrição. Você pode extrair o áudio e transcrevê-lo?

Você deve:

  1. Primeiro extrair o áudio:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav
    
  2. Depois transcrever usando o modelo base (bom equilíbrio entre velocidade/precisão):
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base
    
  3. Compartilhar o arquivo transcript.txt com o usuário

Exemplo 3: Criar Vídeo Otimizado para Web com Legendas

Solicitação do usuário:

Preciso colocar este vídeo no meu site com legendas. Pode ajudar?

Você deve:

  1. Converter para WebM para otimização web:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm
    
  2. Gerar arquivo de legenda SRT:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small
    
  3. Informar ao usuário que agora ele tem:
    • presentation.webm (vídeo otimizado para web)
    • subtitles.srt (arquivo de legenda para incorporação)

Exemplo 4: Transcrição de Alta Qualidade com Especificação de Idioma

Solicitação do usuário:

Tenho um vídeo de entrevista em espanhol que precisa de uma transcrição precisa para publicação.

Você deve:

  1. Usar um modelo maior com idioma especificado para melhor precisão:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es
    
  2. Opcionalmente criar SRT para revisão:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es
    
  3. Revisar a transcrição com o usuário e fazer as correções necessárias

Exemplo 5: Processamento em Lote de Múltiplos Vídeos

Solicitação do usuário:

Tenha uma pasta de vídeos de treinamento que precisam ser convertidos para WebM e transcritos.

Você deve:

  1. Listar todos os arquivos de vídeo no diretório:
    ls training_videos/*.mp4
    
  2. Para cada arquivo de vídeo, executar a conversão e transcrição:
    # Para cada vídeo: video1.mp4, video2.mp4, etc.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm training_videos/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base
    
    # Repetir para cada arquivo
    
  3. Confirmar que todas as conversões e transcrições foram concluídas
  4. Fornecer um resumo dos arquivos de saída

Resumo

A skill video-processor fornece uma interface unificada para tarefas comuns de processamento de vídeo:

  • Extração de áudio: Extrair faixas de áudio em vários formatos
  • Conversão de formato: Converter para MP4 (universal) ou WebM (otimizado para web)
  • Transcrição: Conversão de fala para texto com múltiplos formatos de saída
  • Flexibilidade: Argumentos CLI para seleção de modelo, idioma e formatos de saída

Todas as operações são realizadas através de um único script bem documentado, com valores padrão sensatos e tratamento de erros abrangente.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

bg-szy/TOP-SKILLS

Brand-first landing page designer — runs a brand-identity interview (colors, typography, shape language), then generates and iterates on a polished landing page via Stitch with deployment-ready HTML. Use when the user asks to create, design, or build a landing page, homepage, or marketing page and has no established visual direction. Skip when they have a design mockup, need a dashboard or app UI, are working at component level, building a multi-page app, or restyling with known design tokens — use frontend-design instead.

bg-szy/TOP-SKILLS

Fill out Microsoft Azure Landing Zone (ALZ) Accelerator checklists by interviewing the user, mapping their Azure subscriptions, integrating IP addressing documentation, and applying Microsoft Cloud Adoption Framework best practices. Produces a completed Excel checklist (.xlsx) ready for ALZ deployment. Use this skill whenever the user mentions Azure Landing Zone, ALZ checklist, landing zone accelerator, platform landing zone configuration, ALZ bootstrap, hub-and-spoke setup, Azure network topology planning, or wants to fill out any ALZ-related checklist or configuration file. Also trigger when the user uploads an Excel file that contains tabs like "Accelerator - Bootstrap", "Accelerator - Bicep", or "Accelerator - Terraform".

bg-szy/TOP-SKILLS

Compose a premium, animated landing page section by section in Next.js + Tailwind + Motion (Framer Motion) — built on a real design system, with editorial copy and motion that feels human-crafted, not template-generated. Use when building or rebuilding a landing page, marketing site, or hero/feature/pricing/CTA sections that need to look production-ready and bespoke from day one.

bg-szy/TOP-SKILLS

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

bg-szy/TOP-SKILLS

Optimize landing pages for conversions, performance, and SEO. Use when improving landing pages, increasing conversions, or optimizing page performance.

bg-szy/TOP-SKILLS

Review investment portfolios for risk, diversification, fees. Asset allocation recommendations, tax-loss harvesting, rebalancing.

bg-szy/TOP-SKILLS

Beads Viewer - Graph-aware triage engine for Beads projects. Computes PageRank, betweenness, critical path, and cycles. Use --robot-* flags for AI agents.

bg-szy/TOP-SKILLS

CI red? Call us. Pipeline fire brigade deploys. Use when user mentions CI failures, build errors, test failures, or pipeline issues. Do NOT load for: local builds, standard implementation work, reviews, or setup.

bg-szy/TOP-SKILLS

CASS Memory System - procedural memory for AI coding agents. Three-layer cognitive architecture with confidence decay, anti-pattern learning, cross-agent knowledge transfer, trauma guard safety system. Bun/TypeScript CLI.

bg-szy/TOP-SKILLS

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

bg-szy/TOP-SKILLS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

bg-szy/TOP-SKILLS

Use when the user asks to "pre-launch check the landing page", "run a Quality-Score preflight", or "verify ad-to-page message match before launch"; produces an ad↔page continuity report — message-match gaps, above-the-fold check, page-speed read, form-friction count, mobile-render flags — as a pass/fix punch list. Not for redesigning or rewriting the page — use landing-optimizer; not for scoring the account or the RQS — use ad-account-auditor. 落地页体验预检/广告落地页一致性检查

bg-szy/TOP-SKILLS

Use when the user asks to "optimize our landing page for influencer traffic", "fix our promo-code landing page", or "improve conversion from a creator campaign"; produces a message-match audit, page-structure and social-proof recommendations, a promo-code/CTA conversion plan, and an A/B test roadmap. Not for measuring campaign results after launch — use performance-analyzer.

bg-szy/TOP-SKILLS

Audit a landing page, sales page or checkout page for conversion leaks and return a fix list ordered by expected revenue impact. Use when asked to review, critique or improve a landing page, sales page, opt-in page, product page or checkout flow, when conversion rate is low, when paid traffic is not converting, or when someone asks "why isn't this page converting" or wants a CRO / landing page review.

bg-szy/TOP-SKILLS

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

bg-szy/TOP-SKILLS

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

bg-szy/TOP-SKILLS

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

bg-szy/TOP-SKILLS

Account assets, equity and fund positions, P&L, cash flow records, account statements, margin ratios, buy-power estimates, order management, and DCA recurring investments via Longbridge (most require Trade permission). Frameworks: portfolio diagnosis, rebalancing, asset allocation, risk analysis (VaR/CVaR), performance attribution, and tax-loss harvesting. Triggers: "持仓", "账户", "盈亏", "资产", "对账单", "下单", "买入", "卖出", "撤单", "定投", "组合诊断", "再平衡", "资产配置", "风险分析", "绩效归因", "税损收割", "持倉", "賬戶", "盈虧", "對賬單", "下單", "買入", "賣出", "組合診斷", "再平衡", "稅損收割", "positions", "portfolio", "P&L", "order", "buy", "sell", "DCA", "statement", "risk analysis", "rebalancing", "tax harvesting", "我的风险", "持仓风险", "风险敞口", "資產", "資產配置", "風險分析", "績效歸因", "撤單

bg-szy/TOP-SKILLS

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

bg-szy/TOP-SKILLS

Using the Wonda CLI to generate images, videos, music, and audio from the terminal — plus LinkedIn, Reddit, and X/Twitter research and automation

Habilidades Relacionadas