Przejdź do treści
Biblioteka skilli
Marketing i treści · Analiza

video-understand

/video-understand

Przygotowuje metadane mediów, transkrypcję na poziomie słów, obiektywną analizę mowy i semantyczne zrozumienie wideo popartą dowodami, zanim ruszą opcjonalne skille montażowe.

Repozytorium
cut-as-code ↗
Licencja
MIT
Ostatnia zmiana repozytorium
07.10.2026

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
17
Skrypty
12
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 07.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

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

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

Skrypty: scripts/analyze.py, scripts/build_render_plan.py, scripts/build_timeline.py, scripts/check_protocol_extensions.py, scripts/init_project.py, scripts/probe.py, scripts/projectlib.py, scripts/render_project.py

Co robi i kiedy

Przygotowuje metadane mediów, transkrypcję na poziomie słów, obiektywną analizę mowy i semantyczne zrozumienie wideo popartą dowodami, zanim ruszą opcjonalne skille montażowe.

Oryginalny opis (EN)

Use when a video project needs reusable media metadata, word-level transcription, objective speech analysis, or evidence-backed semantic understanding before optional editing skills run.

Jak działa

  1. Dependencies
  2. Workflow
  3. Contracts
Sekcje z nagłówków SKILL.md, w oryginale · 78 linii, 386 słów
Podgląd SKILL.md
---
name: video-understand
description: Use when a video project needs reusable media metadata, word-level transcription, objective speech analysis, or evidence-backed semantic understanding before optional editing skills run.
---

# Video Understand

Build the shared evidence layer once. Keep observations in source time and leave editorial decisions to downstream skills.

This skill is a prerequisite for `/video-cut`, `/video-to-shorts`,
`/video-add-captions`, `/video-add-content-cards`, and `/video-add-motion-graphics`.
Run it first so those skills consume the same validated evidence and timeline.

## Dependencies

Require `ffmpeg`/`ffprobe`, Python, and `faster-whisper` for transcription. Check them before processing media.

## Workflow

1. Initialize a project from the original source:

   ```powershell
   python scripts/init_project.py path/to/source.mp4 path/to/my-video-project
   ```

   This creates `input/`, `review/00-video-understanding/`, `final/`, the minimal
   machine-facing `work/` tree, an identity timeline, `project.json`, media facts, and
   `START-HERE.md`. It does not create folders for unselected edit operations.

2. Probe again only when the source needs an explicit metadata refresh:

   ```powershell
   python scripts/probe.py input/original-video.mp4 work/understand/media.json
   ```

3. Extract 16 kHz mono audio and transcribe it:

   ```powershell
   ffmpeg -y -i input/original-video.mp4 -ac 1 -ar 16000 work/cache/audio16k.wav
   python scripts/transcribe.py work/cache/audio16k.wav work/understand/transcript medium `
     --lang auto --cache-dir work/cache/faster-whisper
   ```

   Use `--lang auto` for unknown or mixed-language speech. Never infer the spoken language
   from the language of the user's prompt. Pass a fixed language such as `--lang zh` only
   when the audio itself or explicit user metadata establishes it. Keep model downloads in
   the project-local `work/cache/faster-whisper/` cache. Faster-whisper may emit an
   occasional point-timed word with equal start/end values; the shared timeline mapper
   preserves it as a 1 ms interval so captions and derivatives do not silently lose text.

4. Generate objective metrics and semantic candidates:

   ```powershell
   python scripts/analyze.py work/understand/transcript.json work/understand/analysis.json
   ```

5. Read the source, transcript, and analysis. Author `work/understand/understanding.json` with factual summaries, source-time ranges, confidence, and transcript evidence. Do not prescribe cuts, cards, or looks.

6. Validate before downstream use:

   ```powershell
   python scripts/validate.py understanding work/understand/understanding.json work/understand/transcript.json
   ```

7. Create only these useful review artifacts under `review/00-video-understanding/`:
   `video-summary.md`, `transcript.srt`, and `contact-sheet.jpg`. Verify metadata,
   timestamps, evidence references, and visible frames. Do not substitute PNG or ad hoc
   filenames for the protocol names.

8. Mark the understanding operation `check.status` as `pass` only after the review artifacts
   and semantic evidence validate. Operation lifecycle `status` and check result are separate;
   never write `verified` into `check.status`.

## Contracts

- Read [project-schema.md](reference/project-schema.md) when creating or validating `project.json`.
- Read [timeline-schema.md](reference/timeline-schema.md) when mapping source and program time.
- Read [understanding-schema.md](reference/understanding-schema.md) before authoring semantic understanding.
- Use [understanding.example.json](examples/understanding.example.json) as a compact example.

All durable machine files live in `work/understand/`. Treat `work/cache/` as disposable.
Pliki w paczce (17)
  • SKILL.md 4 KB
  • examples/understanding.example.json 1 KB
  • reference/project-schema.md 1 KB
  • reference/timeline-schema.md 2 KB
  • reference/understanding-schema.md 1 KB
  • scripts/analyze.py 5 KB
  • scripts/build_render_plan.py 1 KB
  • scripts/build_timeline.py 1 KB
  • scripts/check_protocol_extensions.py 50 KB
  • scripts/init_project.py 4 KB
  • scripts/probe.py 2 KB
  • scripts/projectlib.py 99 KB
  • scripts/render_project.py 29 KB
  • scripts/transcribe.py 3 KB
  • scripts/validate.py 1 KB
  • tests/test_editor_protocol.py 17 KB
  • tests/test_render_project.py 15 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · WhiteTowerAI/cut-as-code100MIT
calesthio/OpenMontage100AGPL-3.0

Migawka bazy z 28.10.2026 · wersja paczki de8d3b43ab24 (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

  • 100video-production
    Wspiera profesjonalną produkcję wideo od planowania do dostawy: treści wideo, workflow montażowe, motion graphics i optymalizacja pod platformy.
  • 100filler-word-processing
    Przetwarza adnotacje słów wypełniaczy na listy montażowe wideo, usuwając z nagrań zająknięcia i wtrącenia typu um, uh i you know według znaczników czasu.
  • 100hyperframes-media
    Przygotowuje zasoby dla kompozycji HyperFrames: narrację TTS (Kokoro), transkrypcję mowy do napisów (Whisper) i usuwanie tła z wideo lub obrazu (u2net).
  • 87editor
    Analizuje, generuje i edytuje materiały w Diffusion Studio: analiza wideo, audio i obrazów, generowanie ich z AI oraz montaż kompozycji wideo.
  • 100video-understanding
    Analizuje wideo do ustrukturyzowanego indeksu: sceny, transkrypcję, opis wizualny każdej sceny i brief do narracji.
  • 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.

Uwagi i zgłoszenia

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