Communitygithub.com

jelukas/kaleidos

Kaleidos 的入口,通过对话从头编排一个新视频:检查环境、进行一轮简短提问(视频内容、素材、模板、风格、时长和格式)、编写 BRIEF.md 并路由到合适的流程(演讲者录制 → Remotion 演讲者编辑;ElevenLabs 语音旁白 → Remotion 旁白模式;生成式或宣传片 → HyperFrames),在 Lambda 之前提供静帧预览,在 AWS 之前确认成本,最后生成包含时间和成本的报告。

kaleidos 是什么?

Kaleidos 是一个 AI Agent 技能(入口技能),用于通过对话驱动的方式从头创建视频。其主要价值在于自动化视频创作的初始决策和编排流程:它会先检查环境(运行 `doctor.mjs` 验证依赖),然后通过单次多轮提问(3-4 个问题)收集视频类型(演讲者录制、AI 语音旁白或生成式/宣传片)、模板、风格、时长和格式等信息。基于这些信息,它生成一个 `BRIEF.md` 文件,并根据视频类型自动路由到相应的下游技能,如 `edicion-ponente`(Remotion 演讲者编辑)、`video-corto`(Remotion 旁白模式)或 `hyperframes`(生成式/宣传片)。该技能还包含关键检查点:在调用付费 API 之前模拟成本、在提交 AWS Lambda 之前渲染静帧供用户审核、在正式运行前显示预估的 AWS 成本和资源。最终,它会生成一个包含实际时间、成本和资源消耗的详细报告。支持的平台包括 Claude Code、Codex 等任何基于文件的 AI Agent,以及 Remotion 和 HyperFrames 等视频渲染引擎。

兼容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/jelukas/kaleidos/tree/HEAD/.claude/skills/montar-video

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

编排一个视频(入口)

来源:docs/MONTAR_VIDEO.md。 此技能是操作脚本;详细信息(推理表、完整命令、并行处理、常见问题)均在该文档中,按章节(§)引用。同时阅读仓库 CLAUDE.md 中的规则:它们优先于此文档。

步骤 0 · 启动(暂时不提问)

  1. 记录开始时间:date '+%Y-%m-%d %H:%M:%S'。保存它(将写入 BRIEF.md › 开始时间 和报告中)。
  2. 运行 node scripts/doctor.mjs(≈ 1 秒,只读)。读取「准备就绪」。如果当前流程出现 ✗,则应用它打印的解决方案(如果是本地且免费的)或在同一次采访回复中告知用户。
  3. 查看 ls brutos/ proyectos/。如果项目已存在,则继续(读取其 BRIEF.md 和 informe.md),而不是重新采访。如果 brutos/ 中的文件名包含人名,则在聊天中按时长和分辨率(ffprobe)描述,而不是按名称。

步骤 1 · 采访:一次 AskUserQuestion 调用(3–4 个问题)

之前,从用户的语句中推断所有可能的信息(§2)。不要问用户已经说过的内容:将该问题替换为储备列表中的下一个问题。每个问题:2–4 个选项,推荐的选项放在第一位,标签中带有「(推荐)」并在描述中说明原因。始终允许自由回答(「其他」)。每个问题的详细信息:§1。

#标题问题选项(根据上下文推荐)
1素材什么视频以及用什么素材?有演讲者的录制(brutos/ 中有原始素材)· AI 语音旁白(新闻、解说;无录制)· 生成式或宣传片(HyperFrames)
2模板使用什么模板?根据 1:clase-larga / corto-ilustrado · noticias-narracion / explainer-narracion · promo-hyperframes / HyperFrames 流程 — 以及 自由,无模板。如果 1 未确定:长章节 · 短视频 · 自由
3风格使用什么风格?目录中合适的 2 种风格,附带其参考路径(estilos/README.md)· 从网页或视频新建(estilos-video §5)。自由 → 其他
4格式时长和格式?16:9,模板时长(Remotion)· 9:16 · 16:9 和 9:16(在 video-corto 中推荐)。其他时长 → 其他

储备列表(按顺序):语言 · 语音(默认为 .env 中的,模型 eleven_v4)· 音乐和效果(风格自带的或使用 ElevenLabs 新建)· 字体(用户提供或官方查找)· 演讲者裁剪 · 受众和发布平台。按路径和模板推荐的风格,附带时长和真实示例:§1 和 §1.1。 仅当缺少必不可少的信息时才进行第二次提问:哪个原始素材(如果有多个)、主题、一个 URL。

其他 Agent(Codex…):在单条消息中包含相同内容,问题编号,选项用列表表示。

步骤 2 · Brief

根据回答,用一个段落总结已确认和已推断的信息(并说明来源),然后立即开始免费的部分。从 plantillas/<plantilla>/BRIEF.md 写入 BRIEF.md(§3):

  • Remotion:在 tools/kaleidos nuevo …(创建一个空文件)之后,用填充好的模板替换它。
  • HyperFrames:由流程在 npx hyperframes init 之后写入(init 在目录内有文件时会拒绝执行)。

步骤 3 · 路由(完整命令见 §4)

素材路由操作
有演讲者的录制§4.1遵循技能 edicion-ponente:tools/kaleidos nuevo <slug> --bruto brutos/<x> --estilo <e> --metodo <m> → 后台运行 tools/kaleidos preparar <slug> --paralelo → 读取完整转录 → guion.json(骨架在 plantillas/<plantilla>/)→ linea / media / capitulos
AI 语音旁白§4.2tools/kaleidos nuevo <slug> --narracion --estilo milikito --escenario → 复制 plantillas/<plantilla>/* → fuentes.md 中的官方字体 → locucion.json → 并行运行 images.mjs ‖ capture.mjs ‖ voz --simular 和 voz --max-caracteres N → transcribir → python3 plantillas/herramientas/cues.py <slug> → media → linea → media → capitulos
生成式或宣传片§4.3加载技能 /hyperframes(选择 video-corto、product-launch-video、general-video…),项目在 proyectos/<slug>/ 下,init 之后将风格作为 frame.md
新风格或变体§4.4技能 estilos-video(§5 新建,§6 变体),使用前确保 validar.mjs 通过

在旁白中使用 intro.previo 是,intro.hasta 否;章节标题标签的 3-4 秒内不添加事件;气泡位置为 x 0.2–0.25 和 y 0.16–0.17(§4.2,第 6 点)。

步骤 4 · 并行处理(§6)

同时启动不冲突的任务:voz ‖ images.mjs --concurrency 6 ‖ capture.mjs ‖ 调研和脚本编写;preparar --paralelo(GPU 裁剪时 CPU 进行姿态估计),一旦转录可用就开始编写脚本。不要在 16 GB 内存上同时运行:recortar + transcribir + pose,两个 GPU 步骤,两个 stills.mjs,也不要同时运行 el-audio.mjs 和 voz。长时间运行的后台进程需完整记录日志(不要对 ffmpeg 输出使用 grep)。Lambda 使用 --concurrencia max。

步骤 5 · 检查点(§5)

  1. 付费 API:voz --simular(字符数)和生成前的图片数量;仅当 brief 要求时使用 Apify,并带上 --dry-run 和 --budget。
  2. Lambda 之前总是渲染静帧:node motor/scripts/stills.mjs <slug> --at eventos → 打开静帧页(motor/out/stills/<名称>/hoja.jpg),实际查看并修正(先改脚本再改代码)。使用 estilos-video §7 检查风格一致性。HyperFrames:npx hyperframes check --snapshots。
  3. AWS:node motor/scripts/lambda.mjs <slug> --dry-run --concurrencia max → 显示资源(函数、站点、私有存储桶、上传内容)、函数数量、预估成本和耗时 → 等待明确确认。如果用户在此次请求中已明确要求 Lambda 渲染:显示信息后直接运行,无需等待。创建资源(存储桶、堆栈、IAM)始终需要另外的确认。如果 HyperFrames 未部署 Lambda → 提醒用户并提供本地渲染或部署选项。
  4. 输出:ffprobe + 帧计数,每分钟一帧的静帧页,以及 python3 plantillas/herramientas/normalizar_audio.py resultados/<slug>.mp4 --en-sitio(Lambda 输出约为 −13 LUFS)。
  5. 最终报告(proyectos/<slug>/informe.md + 聊天中的摘要):时长、结构、已验证内容(采样帧检查,非完整观看)、警告、不一致之处、总挂钟时间(开始 → MP4 验证完成,含 work/logs/tiempos.json 的细分)和成本(实际 Lambda 成本 + S3 + 数据传输;ElevenLabs 字符数来自 work/voz/manifest.json;图片;Apify)。不要虚构金额:如果不知道价格,给出消耗的数量。说明 AWS 上还保留了什么。

不可违反的规则(§8 和 §9)

  • 隐私:不要在回复、报告、图形或标签中包含任何客户个人数据;不要引用包含个人数据的转录片段;屏幕上出现的内容需模糊处理。使用通用标签。
  • .env:绝不显示值,也不将其放入 URL;doctor 仅提供变量名。
  • 内容:图形应总结语音内容;不虚构;时事仅引用官方来源,在 fuentes.md 中注明日期(如果网页下载返回 403,使用内置浏览器阅读);不一致之处写入报告;法律或医疗相关内容 → 需要专家验证。
  • brutos/ 和 ~/videos-opus 为只读。使用 Remotion 4.0.529 确切版本。字体仅限 OFL/Apache 许可。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

jelukas/kaleidos

>- Catálogo de guías de estilo de vídeo de kaleidos (estilos/): listar los estilos con sus referencias, aplicarlos a un proyecto del motor de Remotion o a un proyecto HyperFrames, recomendar 2–3 cuando no se indica ninguno, crear estilos nuevos (desde una web, una marca, un vídeo de referencia o una descripción), crear variantes y revisar la adherencia de un vídeo a su estilo antes de renderizar. Úsala cuando el usuario diga «con el estilo X», «en estilo curso-azul», «como el de Ensaya», «como el vídeo de la cabaña», «qué estilos hay», «enséñame los estilos», «qué estilo me recomiendas», «crea un estilo a partir de esta web», «saca el estilo de esta marca», «haz un estilo como este vídeo», «usa el estilo X pero con acento Y», «una variante de X más seria/más oscura/vertical», «revisa que el vídeo cumple el estilo», o cuando empiece un vídeo nuevo sin estilo decidido.

jelukas/kaleidos

>- Produce vídeos cortos, muy dinámicos y con cortes rápidos para YouTube, Shorts, TikTok o Reels, en formato vertical Y horizontal a la vez, con locución generada (ElevenLabs), música y efectos, B-roll de gpt-image-2, fotografía real vía Apify y montaje HTML+GSAP con HyperFrames. Úsala siempre que el usuario pida un vídeo, un explainer, un vídeo de una noticia, un short, un reel, un vídeo de TikTok o de YouTube, un vídeo con voz en off o locución, un vídeo animado con datos o cifras, o quiera convertir un texto, un guion o una noticia en vídeo — aunque no mencione HyperFrames, ElevenLabs ni ninguna herramienta concreta. Úsala también para retocar, alargar, reencuadrar o volver a renderizar un vídeo ya hecho con este flujo.

相关技能