Communitygithub.com

UgurKeskekci/claude-video-kit

將橫向4K或直向的說話頭部錄影(含攝影機、聲音)轉換為直向 Instagram Reels / YouTube Shorts / TikTok 影片(1080x1920,30 fps),採用「卡片」格式——上方以簡潔介面卡片(對話泡泡、清單、逐字輸入的終端機、檔案樹、大數字、真實螢幕截圖)呈現正在說的詞語,下方為圓角臉部卡片,中間為逐字字幕,卡片切換時有流暢的 whoosh 音效,輸入時有鍵盤聲,結尾出現「留言寫下」的問題。適用場景:「做 Reels」、「從這個做 Reels」、「做 Shorts」、「直向影片」、「附卡片的 Reels」、「資訊型 Reels」、「提示影片」、「上方卡片下方臉部」、「結尾說留言寫下」、「Tips Reels」。

claude-video-kit 是什麼?

這個 skill 會將一段談話錄音轉換成垂直影片(Reels / Shorts / TikTok),採用「卡片在上、臉部在下」的格式。它透過一套工具鏈自動處理:音訊切割與轉寫、時間對齊、卡片與字幕繪製、音量平衡,最後輸出結果並進行品質檢測。使用者(Claude)則負責閱讀轉寫稿、選擇要刪除的部分、在 `senaryo.json` 中指定每張卡片在**哪個單字**出現,並檢查控制影像。關鍵設計是全部以單字為錨點,不寫秒數;卡片在剪輯變動後仍會自動對齊。支援的卡片類型包括清單、對話泡泡、終端機、數字、螢幕截圖等。最後會自動執行安全區域、音量的檢測,並產出接觸點影像供 Claude 與使用者確認。這個 skill 在 Claude Code、Cursor、Codex 等支援自訂工具的 IDE 或終端機助手平台上皆可使用。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/UgurKeskekci/claude-video-kit/tree/HEAD/.claude/skills/reels

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Reels(卡片格式)

將一段談話錄音轉換成垂直影片,每個想法在上方以一張卡片呈現。 分工如下:

  • 工具 負責測量與剪輯音訊(yatay-kurgu skill 的轉寫/剪輯工具)、繪製卡片與字幕、平衡音訊、並檢測結果。
  • 你(Claude) 閱讀轉寫稿,選擇要刪除的部分,將每張卡片要在哪個單字出現寫入 senaryo.json,並檢查控制影像。

你不會寫秒數:卡片會綁定在說的單字上;即使剪輯變動,卡片位置也不會跑掉。

準備工作

  • ffmpeg 需在 PATH 中。Python 相依套件透過 repo 根目錄的 kur.sh 安裝。指令中使用 .venv/bin/python 作為 Python(Windows 使用 .venv\Scripts\python)。不需要具備 libass 的 ffmpeg:字幕使用 Pillow 繪製。
  • 會使用同一個 repo 中兩個其他 skill 的工具,不會修改它們:yatay-kurgu(轉寫 + 音訊剪輯)和 x-animasyon(合成 whoosh 和鍵盤音效)。
  • Whisper 模型會在首次執行時下載(large-v3 約 3 GB);下載前請告知使用者。
  • 字型只來自 repo 根目錄的 fontlar/(OFL):Inter、Newsreader、IBM Plex Mono。
  • 每個任務有自己的資料夾:calisma/reels/<ad>/。原始錄影僅供讀取。

以下 R = .venv/bin/python .claude/skills/reels/araclar/reels.py,P = calisma/reels/<ad>。

循環

1. 轉寫。

R dokum P --video kayit.mp4 [--bas 56 --sure 42] [--terimler "videoya özel adlar"]

如果錄影很長且 Reels 只取其中一段,使用 --bas/--sure 指定範圍(剪輯片段會輸出到 P/kaynak.mov,原始檔案不變)。目標:35-45 秒的輸出。

2. 閱讀轉寫稿,決定剪輯。 從頭到尾閱讀 P/dokum.md(適用 yatay-kurgu SKILL.md 中的規則)。停頓和連續重複已經自動刪除;你只需要將下列內容寫入 P/atilacak.json,每行附上理由:

  • 重新開始的內容(保留最後一次嘗試)、剪輯筆記(「這裡我打算剪掉」)、說錯後修正的數字;
  • 聽不清楚的話語:在兩種解決方案中都模糊不清的部分,不要硬塞進字幕,直接剪掉(使用 .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py pencere P <sn> 重新解讀);
  • 與 Reels 主題偏離的次要話題:內容決策問題,請詢問使用者。

剪輯點以音訊為依據:範圍從 dokum.md 的行界線寫出,工具會自動將其對齊到 ±0.2 秒內最安靜的畫格。接著:

R kurgu P        # 重建剪輯計畫
R kelimeler P    # 剪輯後剩下的單字及其輸出秒數(從這裡選擇錨點)

3. 腳本:P/senaryo.json。 範例:ornekler/reels/senaryo.ornek.json。欄位清單與卡片類型請參閱:references/kartlar.md。

{"vurgu": ["effort"], "kuyruk": 2.0, "vuruslar": [
  {"duzen": "yuz"},
  {"kelime": "Önce", "kart": {"tur": "liste", "baslik": "Sıra", "isaret": "sayi",
     "maddeler": [{"yazi": "Modeli seç", "kelime": "modeli"}, {"yazi": "Effort'u seç", "kelime": "effort"}]}},
  {"kelime": "oynattım", "ofs": 0.5, "duzen": "grafik", "kart": {"tur": "soru", "soru": "Sen hangisini kullanıyorsun?"}}
]}
  • 打點 = 畫面的一種狀態。kelime 錨點是該單字的開頭(例如 "effort" -> "effort'unu" 中的 "effort"),並在上一個打點之後搜尋;可以有多個單字(例如 "plan modu"),kac 指定第幾次出現,ofs 是秒數偏移。第一個打點從 0 開始。卡片內的項目/行/訊息也可以有自己的 kelime 來控制出現時機。
  • 佈局: bol(卡片在上,臉部在下;這是含有卡片的打點的預設佈局)、yuz(全螢幕臉部;無卡片的打點的預設佈局)、grafik(全螢幕卡片,沒有臉部)。
  • 節奏: 每個打點 1.5-4 秒;40 秒的 Reels 約 10-15 個打點。開頭鉤子(前 1-2 秒)以臉部開始。
  • 臉部只在看向鏡頭的時候使用。 如果講者看向螢幕/文字說話,那個打點就用 grafik。
  • 不要虛構: 卡片只顯示真實說出的內容或真實發生的情況。不要編寫未經測量的數字、不存在的指令、或虛構的螢幕文字。若要顯示螢幕截圖,使用使用者的真實檔案(gorsel)。
  • 結尾: 最後一個打點是 soru 卡片(一個引導留言的問題);談話結束後會停留在螢幕上 kuyruk 秒,因此選擇 grafik 佈局(在停留期間畫面會凍結)。
  • 字幕中聽錯的單字:使用 "altyazi_duzelt": {"aranaya": "arenaya"}。vurgu 列表中的單字在字幕中以斜體 + 強調顏色顯示(只需提供詞根即可,例如 "effort")。

檢查解析出來的時間:R vuruslar P(每個打點的開始/結束時間、元素時間;如果某個元素在看不到的地方切換卡片,會發出警告)。

4. 畫框。

R yuz P          # 預測臉部框線 -> P/kadraj.json + P/kontrol/kadraj.jpg

用 Read 打開 kontrol/kadraj.jpg:綠色框線應該包住臉部(從額頭到下巴);藍色是 bol 的裁切,橘色是 yuz 的裁切。預測是無模型的(膚色 + 中心優先);背景中接近膚色的面積、兩個人或彩色燈光可能會誤導它。如果錯了,根據尺規上的來源像素手動修正 kadraj.json 中的 kutu,然後用 R yuz P 重新產生圖片(不會覆蓋既有的 kadraj.json)。如果人物在移動,寫入 anahtarlar(含時間的框線)。

5. 預覽,然後渲染。

R kare P                    # 每個打點取一畫格 -> P/kontrol/kareler.jpg(檢查)
R kare P 2.3,31.4           # 特定時間點(入場動畫、正在輸入的終端機)
R render P                  # -> P/cikti/<ad>.mp4,最後會自動執行檢測

6. 檢測(你不能觀看,所以用檢測的方式檢查)。 R olc P(渲染結束時會自動執行)-> P/kontrol/olcum.md + P/kontrol/temas.jpg:

  • 長度: 影像/聲音長度相同,畫格數與預期相同。
  • 安全區域: 每 5 個畫格測量字幕、卡片和臉部的像素框。Instagram 介面會遮蔽上方 y<220 的區域、下方 20%(y>1536)以及右側的按讚/留言欄(x>940,y 1000-1536);字幕和卡片不應進入這些區域,臉部保持在下方 20% 以上。如果有違規行,修正腳本(卡片內容、佈局)或 kadraj.json。
  • 音訊: 最終檔案 -14 LUFS,真實峰值 <= -1 dBTP;效果音軌低於講話音量約 15 dB;whoosh 峰值是否對齊剪輯點。
  • 接觸頁面: 每個打點中卡片的填滿狀態(在切換之前)。打開並檢查:文字溢出、元素重疊、頭部被切到、卡片留空。
  • 銜接(可選): .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py dogrula P 重新解析剪輯處的音訊,報告斷裂或洩漏的單字(P/dogrula.md)。

修正後只需執行 R render P(從頭開始音訊和影像,在 M1 Pro 上 40 秒影片約需 35 秒)。

7. 交付。 簡短地以數字告知使用者:輸出路徑、長度(原始 -> 剪輯)、打點/卡片數量、刪除的內容及其理由、安全區域結果、LUFS/峰值、接觸頁面的路徑。你無法檢測的部分(例如聲音好不好聽、卡片是否易懂),清楚留給使用者判斷。

已知限制

  • 臉部框線是無模型預測;每個錄影都必須檢查 kadraj.jpg。沒有逐畫格臉部追蹤:僅支援固定框線或關鍵畫格之間的線性過渡。
  • 從橫向錄影產生的全螢幕臉部(yuz)受限於來源的高度:在 4K 中臉部會顯得較大,字幕會自動移到下巴下方。在 bol 佈局中,臉部卡片的高度會根據臉部下方剩餘的來源影像縮短(以避免下巴落入下方 20%)。
  • 沒有音樂;效果是合成的(whoosh、鍵盤、pop、刮擦聲)。
  • 卡片類型是固定的(references/kartlar.md)。若要新增類型:在 araclar/kartlar.py 中加入繪圖 + 音效函式,並註冊到 CIZ 和 OLAY 字典中。
  • 介面區域(上方 220 像素、下方 20%、右側欄 x>940)是針對 Instagram Reels 的近似值,採用保守的數值(定義在 araclar/cizim.py 開頭);Shorts/TikTok 類似但不完全相同。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

UgurKeskekci/claude-video-kit

Kodla (görsel üretim modeli OLMADAN) hikâye anlatan kısa mürekkep çizgi animasyonu üretir — X/Twitter gönderisi, Reels/Shorts, YouTube video arası ya da soğuk açılış. Görüntü PIL mürekkep motoruyla, müzik ve efektler numpy sentezi ile aynı zaman programından üretilir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "animasyon yap", "çizgi animasyon", "halimi anlat", "durumumu göster", "twitter için animasyon", "reels animasyonu", "araya animasyon", "çöp adam animasyonu", "kodla video", "one-shot animasyon".

UgurKeskekci/claude-video-kit

Sayı ve yazıyla hikâye anlatan editoryal hareketli grafik videosu üretir (Remotion) — X/Twitter gönderisi, Reels/Shorts, YouTube video arası. Hikâye JSON sahne listesi olarak yazılır (başlık, yazılan istem, sayaç, ölçer, sütunlar, karşılaştırma, liste, soru), 16:9 ve 9:16 render edilir, yumuşak whoosh + klavye + sakin müzik yatağı numpy ile sentezlenip eklenir, sonuç ölçülerek denetlenir. Şu durumlarda kullan: "X için animasyon/video", "hareketli grafik", "motion graphics", "sayılarla anlat", "sonuçları grafikle göster", "karşılaştırma videosu", "test sonucunu animasyonla anlat", "reels grafiği", "araya grafik", "Remotion".

UgurKeskekci/claude-video-kit

Yatay YouTube konuşma videosunu (kamera kaydı, isteğe bağlı ayrı ekran kaydı) kaba kurgular. Harfiyen döküm çıkarır, duraklamaları ve art arda tekrarları sesten keser; Claude dökümü okuyup gerekçeli bir atma listesi yazar, mp4 üretilir, kesilmiş ses yeniden çözülüp her birleşim denetlenir. Şu durumlarda kullan - "videoyu kurgula", "kaba kurgu", "ham kaydı kes", "beklemeleri/duraklamaları kes", "tekrarları at", "takılmaları temizle", "jump cut", "keseceğim dediğim yerleri at", "kamera ile ekran kaydını senkronla", "ekran kaydının köşesine kamera koy", "sessiz yerleri hızlandır".

相關技能