Przejdź do treści
Biblioteka skilli
Marketing i treści · Konwersja i formaty

captions

/captions

Transkrybuje mowę lokalnie z czasami słów przez faster-whisper i wypala podświetlane napisy w wideo lub zapisuje plik SRT.

Licencja
MIT
Ostatnia zmiana repozytorium
27.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
6
Skrypty
5
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 27.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co sprawdzić przed instalacją
  • 5 skryptów w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/_lib.mjs, scripts/burn.mjs, scripts/make-captions.mjs, scripts/snap-to-words.mjs, scripts/transcribe.py

Co robi i kiedy

Transkrybuje mowę lokalnie z czasami słów przez faster-whisper i wypala podświetlane napisy w wideo lub zapisuje plik SRT.

Oryginalny opis (EN)

Transcribe speech locally with word-level timestamps (faster-whisper, no API key) and burn styled, word-highlighted captions into a video, or export SRT. Use when the user wants subtitles or captions on a video, a transcript with word timings, or cut points that never land inside a word.

Jak działa

  1. Workflow
  2. Rules
  3. Without ffmpeg libass
Sekcje z nagłówków SKILL.md, w oryginale · 55 linii, 370 słów
Podgląd SKILL.md
---
name: captions
description: Transcribe speech locally with word-level timestamps (faster-whisper, no API key) and burn styled, word-highlighted captions into a video, or export SRT. Use when the user wants subtitles or captions on a video, a transcript with word timings, or cut points that never land inside a word.
---

# captions

Local word-level transcription, short-form caption styling and burn-in.

Scripts are in `scripts/`:

| Script | Does |
|---|---|
| `transcribe.py` | faster-whisper with `word_timestamps=True` to `words.json` (cached) |
| `make-captions.mjs` | `words.json` to ASS (styled, active-word highlight) and SRT |
| `burn.mjs` | burns ASS/SRT with libass (`ass` / `subtitles` filter) |
| `snap-to-words.mjs` | moves cut points to the nearest gap between words |

## Workflow

1. **Transcribe** (once per source; the result is cached):
   ```bash
   pip install faster-whisper            # once
   python3 scripts/transcribe.py --input clip.mp4 --out edit/clip.words.json --model small --language en
   ```
   The first run downloads the model from Hugging Face. If that is blocked the
   script exits with code 4 and a JSON `fix` message instead of a traceback; it
   never writes a fake transcript. Point `--model` at a local CTranslate2 model
   folder to work offline.
2. **Build captions**:
   ```bash
   node scripts/make-captions.mjs --words edit/clip.words.json --out-ass edit/clip.ass --out-srt edit/clip.srt
   ```
   Style comes from the brand pack (`captions` block: size, margin, outline,
   highlight; `colors.accent` is the active-word color).
3. **Burn** as the very last visual step:
   ```bash
   node scripts/burn.mjs --input edit/clip-hook.mp4 --subs edit/clip.ass --out edit/clip-captioned.mp4
   ```
   Use `--fonts-dir` when the caption font is a file rather than an installed font.
4. **Verify** with a `render-qc` proof sheet: readable, inside the safe area, not over the hook plate.

## Rules

- Never cut inside a word. Before splitting speech, snap cuts to word gaps:
  `node scripts/snap-to-words.mjs --words edit/clip.words.json --markers edit/cuts.json --out edit/cuts.json`
- Captions go on last: after cuts, overlays and color. If you trim the clip after
  transcribing, pass `--offset -<seconds trimmed>` to `make-captions.mjs`.
- 1 to 3 words per chunk for shorts (`maxWords`, `maxChars`). Chunks break on punctuation and on pauses.
- Keep captions out of the bottom ~15% (platform UI) and away from the hook plate: tune `captions.marginV`.
- Transcripts are cached: re-run with `--force` only when the audio changed.
- Spot-check words against the audio; whisper can mishear names and jargon. Fix `words.json` by hand if needed.

## Without ffmpeg libass

If `burn.mjs` reports no `ass` filter, the ffmpeg build lacks libass. Install a
full build (most package managers ship one), or upload the SRT as a separate
caption track instead of burning it in.
Pliki w paczce (6)
  • SKILL.md 3 KB
  • scripts/_lib.mjs 10 KB
  • scripts/burn.mjs 3 KB
  • scripts/make-captions.mjs 7 KB
  • scripts/snap-to-words.mjs 3 KB
  • scripts/transcribe.py 6 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · zaddy99999/video-editing-skills100MIT
jameslashmar/chroma-ae-mcp100AGPL-3.0
alfaris/full-production-studio100MIT
evanbaker315/attentionos100MIT
zuckenbert/video-from-code100MIT
ZeroPointRepo/youtube-skills100MIT
ZeroPointRepo/youtube-skills100MIT
Rudywizz/rudywizz-motion96MIT
Liamrjohnston/ai-video-editor-v286MIT

Migawka bazy z 13.11.2026 · wersja paczki 82253ed9d6b0 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100captions-subtitles
    Tworzy, edytuje i tłumaczy napisy, transkrybuje mowę przez Whisper i wypala podświetlane napisy do Shorts i Reels.
  • 82transcribe
    Transkrybuje nagrania audio i wideo lokalnie za pomocą Whispera, tworząc tekst, napisy SRT i VTT oraz znaczniki czasu słów.
  • 100burn-subtitles
    Generuje napisy do wideo (whisper.cpp lub faster-whisper) i zapisuje plik SRT obok filmu albo wypala napisy w obrazie, z możliwością użycia gotowego SRT i wybranym backendem whisper.
  • 100word-captions
    Dodaje do filmów Remotion napisy z czasem na każde słowo w stylu TikTok, od transkrypcji mowy po plik SRT.
  • 100media-whisper
    Transkrybuje mowę i generuje napisy przez whisper.cpp i faster-whisper: tekst z audio i wideo, napisy SRT i VTT, tłumaczenie na angielski, znaczniki czasu na poziomie słów i opcjonalna diaryzacja mówców.
  • 100caption-animation
    Dodaje animowane napisy do wideo: czasowanie słów z Whisper, efekt pop dla każdego słowa, podświetlenie aktywnego słowa, bezpieczny obszar 9:16 i wypalanie napisów, także z SRT lub transkryptu.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.