Communitygithub.com

ZhanlinCui/AutoCliper.AI

Transforme qualquer vídeo longo do YouTube (entrevista, palestra, podcast) em clipes curtos chineses de alta retenção para Shorts/Reels/Douyin/TikTok.

O que é AutoCliper.AI?

AutoCliper.AI é uma habilidade de agente especializada em converter vídeos longos do YouTube (entrevistas, palestras, podcasts) em clipes curtos e atraentes de 5 a 15 segundos, com legendas chinesas embutidas (hard-burned). O processo começa baixando o vídeo e as legendas do YouTube, depois analisa o conteúdo para identificar os melhores momentos para clipes. O usuário revisa e seleciona os clipes propostos, e o agente corta os segmentos, traduz as legendas para o chinês simplificado (se necessário), queima os subtítulos no vídeo e gera metadados (título e descrição) otimizados para plataformas como Douyin e TikTok. A habilidade é ideal para criadores de conteúdo que desejam extrair rapidamente destaques de vídeos em inglês ou outras línguas para o público chinês, minimizando o trabalho manual e garantindo clipes de alta qualidade.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add ZhanlinCui/AutoCliper.AI

Perguntar na sua IA favorita

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

Documentação

AutoCliper.AI — Habilidade do Agente

Converta um vídeo longo do YouTube em 5 a 15 clipes curtos com embalagem chinesa e legendas embutidas (hard-burned).

Este documento é a fonte única da verdade para qualquer agente de IA executando o pipeline AutoCliper. Siga cada etapa numerada em ordem. Não pule etapas. Não adivinhe nomes de arquivos — inspecione o sistema de arquivos após cada operação de escrita.


0. Verificações Pré-voo

Antes de fazer qualquer outra coisa, verifique o ambiente. Reporte o bloqueador exato e pare se alguma verificação falhar.

VerificaçãoComandoCondição de Sucesso
yt-dlp instaladowhich yt-dlpretorna um caminho
ffmpeg instaladowhich ffmpegretorna um caminho; se faltar, tente python3 -c "import imageio_ffmpeg; print(imageio_ffmpeg.get_ffmpeg_exe())"
Python 3.9+python3 --version>= 3.9
Repositório da skill disponívelverifique se o diretório corekit/ existe relativo à raiz da skillcorekit/__init__.py está presente

Configure o ambiente para todos os comandos subsequentes:

export PYTHONPATH="<caminho-para-o-repositório-AutoCliper.AI>"

Todos os comandos python3 -m corekit.* abaixo assumem que este PYTHONPATH está definido.


1. Criar Espaço de Trabalho

Crie a estrutura de diretórios de saída para este vídeo. Derive <slug> do título ou ID do vídeo — minúsculas, hífens, sem espaços, sem caracteres especiais.

mkdir -p "studio/<slug>/intake"
mkdir -p "studio/<slug>/intel"
mkdir -p "studio/<slug>/exports"

Resultado esperado:

studio/<slug>/
├── intake/       ← vídeo bruto + legendas ficam aqui
├── intel/        ← artefatos de análise ficam aqui
└── exports/      ← pastas por clipe ficam aqui

2. Buscar Ativos da Fonte

Baixe o vídeo e as legendas do YouTube:

python3 -m corekit.fetch_source "<URL_do_YouTube>" "studio/<slug>/intake"

O que acontece internamente: o downloader tenta primeiro legendas em inglês (en, en-US, en-orig), e depois cai para chinês (zh-Hans, zh-CN, zh). Ele usa --cookies-from-browser chrome para acesso autenticado.

Após o comando terminar, liste a pasta de intake e identifique:

  1. O arquivo de vídeo .mp4 (pode conter o título e ID do vídeo no nome do arquivo)
  2. O arquivo de legenda .srt (pode ter uma tag de idioma como .en.srt ou .zh-Hans.srt)
  3. Quaisquer arquivos auxiliares (.ytdl, .jpg, etc.) — anote-os, mas não são necessários

Se o download falhar:

  • Erro de cookie → peça ao usuário para atualizar o login do YouTube no Chrome, depois tente novamente
  • Nenhuma legenda encontrada → reporte "nenhuma legenda disponível para este vídeo" e pare
  • Erro de download de vídeo → tente novamente uma vez com um formato diferente; se ainda falhar, reporte o erro

Registre os nomes exatos dos arquivos para as próximas etapas. Não adivinhe nem codifique nomes.


3. Analisar Legendas em JSON

Converta o arquivo de legenda SRT em JSON estruturado para facilitar a análise:

python3 -m corekit.subtitle_to_json \
  "studio/<slug>/intake/<nome-exato-do-arquivo-srt>" \
  "studio/<slug>/intel/transcript.json"

Verifique se o arquivo de saída existe e contém um array de objetos de cue. Cada cue tem:

{
  "index": 1,
  "start": "00:00:01,234",
  "end": "00:00:03,456",
  "start_seconds": 1.234,
  "end_seconds": 3.456,
  "text": "the spoken content"
}

Se a transcrição estiver vazia ou tiver menos de 10 cues, reporte "transcrição muito curta ou corrompida" e pare.


4. Analisar Transcrição e Propor Candidatos

Esta é a etapa intelectual mais importante. Leia os seguintes arquivos antes de iniciar a análise:

  1. playbooks/clip-contract.md — define o esquema JSON exato para selected_clips.json
  2. playbooks/content-analysis-playbook.md — define o método de análise em múltiplas passadas, a rubrica de pontuação e a formatação de revisão

4a. Análise em Múltiplas Passadas

NÃO tente escolher clipes em uma única passada. Siga esta sequência:

Passada 1 — Folhear e sinalizar: Leia o transcript.json procurando por trechos que contenham conteúdo memorável, denso em informação, opinativo, contraintuitivo ou emocionalmente marcante. Sinalize generosamente — é melhor sinalizar muitos do que poucos.

Passada 2 — Refinamento de limites: Para cada trecho sinalizado, releia as cues ao redor (5–10 cues antes e depois). Escolha um início e fim limpos:

  • O início deve cair em uma linha que prenda o espectador nos primeiros 3 segundos do clipe
  • O fim deve cair depois que o orador completou o pensamento — nunca no meio de uma frase
  • Se um momento promissor precisar de alguns segundos de contexto, estenda o início para antes
  • Se um pensamento se perder, estenda o fim até que se resolva

Passada 3 — Verificação de completude: Para cada candidato, verifique:

  • Tem 20–180 segundos de duração (pode esticar para 3 min se o retorno justificar)
  • Contém exatamente uma ideia clara
  • A linha de abertura é um gancho, não um preenchimento
  • A linha de fechamento resolve o pensamento
  • É compreensível sem assistir ao resto do vídeo
  • NÃO é uma saudação, leitura de patrocinador, preâmbulo de Q&A ou longa digressão

Passada 4 — Pontuar e classificar: Pontue cada candidato em quatro dimensões (1–5):

  • hook — quão convincente é a abertura nos primeiros 3 segundos?
  • clarity — é uma ideia limpa com baixa ambiguidade?
  • standalone — pode ser compreendido sozinho sem contexto anterior?
  • payoff — o final é útil, memorável ou digno de compartilhamento?

Classifique pelo total ponderado: hook × 0.35 + clarity × 0.25 + standalone × 0.2 + payoff × 0.2

4b. Orientação sobre Número de Candidatos

Duração da FonteCandidatos Alvo
< 20 min5 – 8
20 – 60 min8 – 12
> 60 min10 – 15

O modo de falha padrão deve ser "poucos candidatos demais", não "muitos demais". Quando em dúvida, inclua mais. O usuário fará a poda.

4c. Lidando com Legendas Geradas Automaticamente (Ruidosas)

As legendas automáticas do YouTube geralmente contêm:

  • Fragmentos repetidos (a mesma frase aparecendo em cues consecutivas)
  • Pontuação e capitalização ausentes
  • Palavras ouvidas incorretamente (especialmente nomes, termos técnicos)

Quando as legendas de origem forem geradas automaticamente:

  • Infira o significado pretendido de forma conservadora — não invente afirmações
  • Ignore fragmentos duplicados ao julgar limites de clipe
  • Use o contexto circundante para determinar onde as sentenças realmente terminam
  • Anote no resumo do candidato se a qualidade da fonte é baixa

4d. Escrever Saídas

Escreva dois arquivos:

  1. studio/<slug>/intel/selected_clips.json — as decisões de clipe legíveis por máquina. Deve seguir exatamente o esquema em playbooks/clip-contract.md.

  2. studio/<slug>/intel/candidate-board.md — a tabela de revisão legível por humanos.


5. Apresentar Candidatos para Revisão do Usuário

Mostre a lista de candidatos em um formato amigável para revisão. Para cada candidato, exiba:

CampoFormatoExemplo
IDclip-XXclip-01
Intervalo de tempoHH:MM:SS → HH:MM:SS00:12:03 → 00:13:22
Duraçãolegível para humanos1m 19s
Títuloum título chinês provocativo, ≤12 caracteresAI终将取代一切?
Resumoexatamente duas frases em chinês句1: 在讲什么。句2: 为什么值得看。

Apresente como uma tabela numerada para que o usuário possa responder com IDs.

Se o usuário disser "prosseguir" ou "escolha automática": selecione você mesmo os candidatos mais bem classificados. Para um vídeo de 1 hora, exporte pelo menos 8.

Se o usuário escolher IDs específicos: exporte apenas aqueles.


6. Exportar Cada Clipe Escolhido

Para cada clipe que o usuário escolheu (ou você selecionou automaticamente), execute as etapas 6a a 6f em ordem. Complete todas as subetapas para um clipe antes de passar para o próximo.

6a. Cortar o Segmento do Vídeo

python3 -m corekit.cut_video \
  "studio/<slug>/intake/<nome-exato-do-arquivo-mp4>" \
  <segundo_inicio> <segundo_fim> \
  "studio/<slug>/exports/<pasta-do-clipe>/clip.mp4"

A convenção de nomenclatura <pasta-do-clipe> é XX-<slug-do-titulo>, por exemplo, 01-ai-will-replace.

Verifique se o arquivo de saída existe e tem tamanho diferente de zero.

6b. Janelar a Legenda de Origem

python3 -m corekit.window_subtitles \
  "studio/<slug>/intake/<nome-exato-do-arquivo-srt>" \
  <segundo_inicio> <segundo_fim> \
  "studio/<slug>/exports/<pasta-do-clipe>/clip.src.srt"

Isso extrai apenas as cues que se sobrepõem à janela do clipe e desloca todos os timestamps para que o clipe comece em 00:00:00,000.

Verifique se o SRT de saída tem pelo menos uma cue.

6c. Traduzir para Legenda em Chinês

Leia clip.src.srt e traduza-o para chinês simplificado. Escreva o resultado em clip.zh.srt na mesma pasta.

Regras de tradução (siga estritamente):

  1. Chinês falado natural — não chinês escrito/formal. O espectador está assistindo a um vídeo curto, não lendo um documento.
  2. Preserve os timestamps exatamente — a menos que você precise mesclar duas cues para legibilidade. Nunca altere o timing arbitrariamente.
  3. Mantenha entidades nomeadas precisas — nomes de pessoas, empresas, produtos, números e frases entre aspas devem ser fielmente retidos.
  4. Linhas concisas — prefira frases curtas em chinês que se encaixem no ritmo de vídeos curtos. Legendas longas e rolantes matam a retenção.
  5. Reequilibre entre cues quando necessário — se uma frase em inglês estiver dividida em 3 cues, você pode redistribuir o texto chinês nessas mesmas 3 cues. Preserve a ordem das cues.
  6. NÃO colapse cues — um SRT em inglês com muitas cues (40) deve produzir aproximadamente 35–45 cues em chinês, não 10. O modo de falha padrão é ligeiramente muitas cues, não poucas demais.
  7. Remova apenas duplicatas verdadeiras — legendas automáticas geralmente repetem o mesmo fragmento em cues consecutivas. Você pode remover a duplicata, mas mantenha a primeira ocorrência.
  8. Se a fonte já for em chinês — não traduza. Apenas limpe ruídos óbvios de legendas automáticas (fragmentos repetidos, caracteres quebrados).

6d. Gerar Título e Descrição

Para cada clipe, crie:

Título (para a sobreposição do primeiro segundo):

  • Afiado, clicável, opinativo
  • Alvo ≤ 12 caracteres chineses para caber bem na tela no tamanho de fonte 48
  • Pode ser provocativo ou contrário, mas deve ser fiel ao significado do orador
  • Deve criar curiosidade, tensão ou urgência para continuar assistindo

Descrição (para distribuição na plataforma):

  • ≤ 140 caracteres chineses
  • Deve mencionar: quem está falando, de que programa/entrevista é, sobre o que é o tópico, qual é a principal afirmação ou conclusão

Escreva ambos em studio/<slug>/exports/<pasta-do-clipe>/metadata.txt:

标题:AI终将取代一切?
描述:Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表——他认为大多数人严重低估了 AI 的发展速度,未来三年将改变一切。

6e. Queimar Legendas em Chinês + Título no Vídeo

python3 -m corekit.render_hardsubs \
  "studio/<slug>/exports/<pasta-do-clipe>/clip.mp4" \
  "studio/<slug>/exports/<pasta-do-clipe>/clip.zh.srt" \
  "studio/<slug>/exports/<pasta-do-clipe>/clip.hardsub.mp4" \
  --title "<o-título-da-etapa-6d>"

CRÍTICO: Passe o arquivo chinês clip.zh.srt, NÃO clip.src.srt. Este é o erro mais comum do agente — passar a legenda no idioma de origem em vez da tradução.

A etapa de queima irá:

  • Detectar automaticamente libass; se indisponível, recorrer à renderização drawtext (nenhuma ação necessária de sua parte)
  • Selecionar automaticamente o melhor codificador H.264 para a máquina atual
  • Renderizar o título centralizado no tamanho de fonte 48 com contorno preto de 3px durante o primeiro segundo
  • Renderizar as cues de legenda na parte inferior do quadro pelo resto do clipe

Verifique se o arquivo de saída clip.hardsub.mp4 existe e tem um tamanho de arquivo maior que clip.mp4 (a cadeia de filtros adiciona dados visuais).

6f. Anexar à Cópia de Empacotamento

Após cada clipe ser exportado, anexe seu título e descrição ao arquivo de empacotamento combinado:

studio/<slug>/intel/packaging-copy.md

Formato:

## clip-01: AI终将取代一切?

**标题**: AI终将取代一切?
**描述**: Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表...
**文件**: studio/<slug>/exports/01-ai-will-replace/clip.hardsub.mp4
**时长**: 1m 19s

---

7. Saída Final

Após todos os clipes serem exportados, retorne ao usuário:

  1. Pasta de ativos de origem: studio/<slug>/intake/
  2. Lista de candidatos: a tabela completa da etapa 5 (timestamps, duração, título, resumo)
  3. Arquivo de empacotamento: studio/<slug>/intel/packaging-copy.md
  4. Clipes exportados: liste cada caminho de clip.hardsub.mp4

Referência da Estrutura do Espaço de Trabalho

studio/<slug-do-video>/
├── intake/                              # ativos brutos do YouTube
│   ├── <título> [<id>].mp4              # vídeo de origem (nome do arquivo do yt-dlp)
│   └── <título> [<id>].<idioma>.srt     # legenda de origem
├── intel/                               # artefatos de análise
│   ├── transcript.json                  # cues de legenda estruturadas (da etapa 3)
│   ├── selected_clips.json              # decisões de clipe (da etapa 4)
│   ├── candidate-board.md               # tabela de revisão (da etapa 4)
│   └── packaging-copy.md                # todos os títulos + descrições (da etapa 6f)
└── exports/                             # uma pasta por clipe exportado
    └── 01-<slug>/
        ├── clip.mp4                     # corte bruto (sem legendas)
        ├── clip.src.srt                 # legenda no idioma de origem (janelada)
        ├── clip.zh.srt                  # legenda traduzida para chinês
        ├── clip.hardsub.mp4             # entrega final (legendas queimadas + título)
        └── metadata.txt                 # título + descrição para este clipe

Referência dos Módulos

MóduloInvocaçãoArgumentos
corekit.fetch_sourcepython3 -m corekit.fetch_source <url> <dir_saida>URL do YouTube, diretório de saída
corekit.subtitle_to_jsonpython3 -m corekit.subtitle_to_json <entrada.srt> <saida.json>caminho do arquivo SRT, caminho de saída JSON
corekit.cut_videopython3 -m corekit.cut_video <entrada.mp4> <seg_inicio> <seg_fim> <saida.mp4>vídeo de origem, segundo de início (float), segundo de fim (float), caminho de saída
corekit.window_subtitlespython3 -m corekit.window_subtitles <entrada.srt> <seg_inicio> <seg_fim> <saida.srt>SRT de origem, segundo de início (float), segundo de fim (float), caminho de saída
corekit.render_hardsubspython3 -m corekit.render_hardsubs <entrada.mp4> <entrada.srt> <saida.mp4> --title "..."vídeo do clipe, SRT em chinês, caminho de saída, texto do título opcional

Habilidades Relacionadas