GuruDevvv/my-claude-skills / mine/reels-console
reels-console
VerifiedEdit a vertical reel (Reels, Shorts, TikTok) out of one static take — entirely in the console, no CapCut. Cuts pauses by speech, slices a single fixed shot into different crop levels anchored to the face, adds push-ins and a motion-blurred punch zoom, drops in B-roll, burns three-level captions from speech recognition, ducks music under the voice, masters loudness to -14 LUFS, embeds a cover frame, and checks its own cuts and captions before delivery. Use when asked to «смонтируй ролик», «собери рилс», «сделай видео динамичным», «нарежь дубль», «поставь субтитры на видео», «убери паузы из видео», edit my talking head video, make this reel dynamic, cut the silences.
| File | Kind | Size |
|---|---|---|
| README.md | markdown | 3.7 KB |
| SKILL.md | skill md | 14.9 KB |
| references/recipes.md | markdown | 24.9 KB |
| scripts/reel.py | script | 51.9 KB |
references/recipes.md
View on GitHub# Рецепты: приёмы монтажа по отдельности
Все команды прогнаны на ffmpeg 8.0.1 (Windows, gyan build) в сентябре 2026.
Ниже — то же самое, что делает `scripts/reel.py`, но по одному приёму за раз:
удобно вставлять в свой конвейер или проверять руками.
Обозначения: `0.51` и `0.25` в примерах — доли кадра, где находятся глаза
(см. рецепт 6). Исходник — вертикальный 4K, 2160×3840.
---
## 1. Смена крупности резким кропом
Кроп берётся от исходника, потом кадр приводится к 1080×1920. Множитель — крупность:
1,0 общий, 1,35 средний, 1,85 крупный.
```bash
ffmpeg -y -i tight.mp4 -vf "crop=trunc(iw/1.85/2)*2:trunc(ih/1.85/2)*2:\
max(0\,min(iw-trunc(iw/1.85/2)*2\,0.51*iw-trunc(iw/1.85/2)*2/2)):\
max(0\,min(ih-trunc(ih/1.85/2)*2\,0.25*ih-trunc(ih/1.85/2)*2/3)),\
scale=1080:1920,setsar=1,format=yuv420p" -c:v libx264 -crf 16 -an shot.mp4
```
Деление на 3 в `y` ставит глаза на верхнюю треть кадра. `trunc(…/2)*2` обязателен:
нечётный размер ломает `yuv420p`.
## 2. Медленный наезд и отъезд
**`crop` для этого не годится.** Его `w` и `h` вычисляются один раз при настройке
фильтра: выражение с `t` внутри них падает с `Error when evaluating the expression`.
Размер во времени меняет только `zoompan`.
```bash
# наезд 100% -> 110% за 3 с (90 кадров)
ffmpeg -y -ss 0 -t 3 -i tight.mp4 -vf \
"zoompan=z='1+0.10*on/89':d=1:x='0.51*iw-(iw/zoom/2)':y='0.25*ih-(ih/zoom/3)':\
s=1080x1920:fps=30,setsar=1,format=yuv420p" -c:v libx264 -crf 16 -an zoom.mp4
```
Отъезд — то же с убывающим `z`. `zoompan` двигает окно целыми пикселями и на мелком
исходнике заметно дрожит; на 2160 точках в ширину при выводе в 1080 шаг гасится вдвое
и дрожания не видно. Ещё один довод снимать в 4K.
## 3. Ударный наезд со смазом движения
Обычное размытие смаз движения не воспроизводит. Настоящий получается так: считаем
движение на 180 кадрах в секунду и усредняем каждые 6 кадров в один.
```bash
ffmpeg -y -ss 6.4 -t 0.2 -i tight.mp4 -vf \
"fps=180,zoompan=z='1.03+(1.5-1.03)*on/35':d=1:x='0.51*iw-(iw/zoom/2)':\
y='0.25*ih-(ih/zoom/3)':s=1080x1920:fps=180,tmix=frames=6,fps=30,\
setsar=1,format=yuv420p" -c:v libx264 -crf 16 -an punch.mp4
```
Ставить 1–2 раза на ролик, на главную мысль.
## 4. Перебивка поверх речи
Перебивка кладётся на готовую видеодорожку, звук остаётся от основного плана.
```bash
ffmpeg -y -i base.mp4 -i broll.mp4 -filter_complex \
"[1:v]scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920,\
trim=0:1.8,setpts=PTS-STARTPTS+7.2/TB[b];\
[0:v][b]overlay=enable='between(t,7.2,9.0)'[v]" \
-map "[v]" -map 0:a? -c:v libx264 -crf 16 -c:a copy out.mp4
```
`setpts=…+7.2/TB` сдвигает перебивку на нужную секунду, `enable` открывает её ровно
на её длину.
## 5. Титры: слова с таймкодами и три уровня
Слова с началом и концом даёт whisper:
```bash
ffmpeg -y -i дубль.mp4 -vn -ac 1 -ar 16000 speech.wav
```
```python
import whisper
r = whisper.load_model("small").transcribe("speech.wav", language="ru", word_timestamps=True)
words = [w for seg in r["segments"] for w in seg["words"]] # у каждого start/end
```
Дальше собирается `.ass` — он умеет то, чего не умеет `drawtext`: стили, поля,
обводку, анимацию появления.
```
Style: Base,Arial,58,&H00FFFFFF,…,2,90,90,300,204
Style: Accent,Arial Black,118,&H00FFFFFF,…,2,60,60,540,204
Style: Cta,Arial Black,132,&H0033E5C6,…,2,60,60,540,204
```
- Цвет в `.ass` пишется задом наперёд: `&H00BBGGRR`. Лаймовый `#C6E533` = `&H0033E5C6`.
- Поп-анимация слова: `{\fscx55\fscy55\t(0,130,\fscx100\fscy100)}` перед текстом.
- `MarginV` 300 у базовых и 540 у акцентных: базовые ниже, акцентные на груди,
лицо не закрыто и под интерфейс соцсети ничего не уезжает.
- Акцентное слово нужно убрать из базовой строки, иначе покажется дважды.
Прожиг: `-vf "subtitles=subs.ass"`. **Путь только относительный**, а лучше перейти
в папку с файлом: двоеточие диска (`C:\…`) фильтр читает как свой разделитель
параметров и падает.
**Таймкоды живут до первой склейки.** Если паузы вырезаются, времена слов надо
пересчитать по карте «старое время → новое», иначе титры разъезжаются с речью
тем сильнее, чем дальше от начала.
## 6. Привязка кропа к лицу и запас кадра
```python
from insightface.app import FaceAnalysis
app = FaceAnalysis(name="buffalo_l", providers=["CPUExecutionProvider"])
app.prepare(ctx_id=-1, det_size=(640, 640))
f = max(app.get(cv2.resize(img, (w//3, h//3))), key=lambda x: x.bbox[2]-x.bbox[0])
ax, ay = eyes_x / w, eyes_y / h # доли кадра
```
Искать на уменьшенной втрое картинке: на полном 4K заметно дольше, результат тот же.
Резерв — каскад Хаара из OpenCV, дальше — центр кадра.
Зная рамку лица, можно посчитать **предельную крупность**: ту, после которой кроп
срезает макушку. Если она около 1,0 — дубль снят слишком близко, и смены крупности
в ролике не будет. Это стоит сказать человеку до монтажа, а не после.
## 7. Звук: музыка под голосом, приглушение, эффекты
```bash
ffmpeg -y -i video.mp4 -i music.wav -i voice.mp4 -i whoosh.wav -filter_complex \
"[2:a]aformat=fltp:44100:stereo,asplit=2[sc][voice];\
[1:a]aformat=fltp:44100:stereo,volume=0.25[m];\
[m][sc]sidechaincompress=threshold=0.02:ratio=10:attack=15:release=350[mduck];\
[3:a]aformat=fltp:44100:stereo,adelay=4900|4900,volume=0.45[s];\
[voice][mduck][s]amix=inputs=3:duration=first:normalize=0,alimiter=limit=0.95[a]" \
-map 0:v -map "[a]" -c:v copy -c:a aac -b:a 192k out.mp4
```
Замер на этой цепочке: музыка под речью −47 дБ, в паузах −33 дБ. То есть она сама
проваливается на 14 дБ и сама возвращается.
- `normalize=0` у `amix` обязателен: иначе он делит громкость на число входов,
и чем больше звуков в ролике, тем тише голос.
- `asplit` нужен только чтобы отдать голос в боковую цепь компрессора. Если музыки
нет, второй выход останется висеть и ffmpeg откажется собирать граф.
- `alimiter` в конце ловит перегруз на стыках.
## 8. Вырезание пауз
```bash
ffmpeg -v info -i speech.wav -af "silencedetect=noise=-32dB:d=0.45" -f null -
```
Из лога берутся пары `silence_start` / `silence_end`. От каждой паузы стоит оставить
0,15–0,2 секунды, иначе речь звучит рублено. Остальное вырезается через
`trim` + `atrim` + `concat`. На живом дубле: 52,7 с → 40,0 с, 21 пауза.
### 10. Ролик в рамке
Окно 1030×1288 (4:5) по центру холста 1080×1920, скругление 50 px, фон чёрный.
Маска делается один раз одной картинкой: чёрное всё, кроме скруглённого окна.
```bash
ffmpeg -f lavfi -i color=c=black:s=1080x1920:d=1 -vf "format=rgba,geq=r=0:g=0:b=0:\
a='255*(1-between(X,25,1054)*between(Y,316,1603)*lte(pow(max(0,max(75-X,X-1004)),2)\
+pow(max(0,max(366-Y,Y-1553)),2),2500))'" -frames:v 1 mask.png
# ролик: scale=1030:1288,pad=1080:1920:25:316:black, потом overlay маски
```
Дубль заранее режется под пропорции окна (глаза на 35% высоты), и планы рендерятся
сразу в 1030×1288 — иначе кроп 9:16 пришлось бы ещё раз резать, и лицо уехало бы
на каждой смене крупности. Титры в рамке поднимаются: `MarginV` 400 и 620 вместо 300 и 540.
### 11. LUT с силой смешивания
```bash
-filter_complex "[0:v]split[a][b];[b]lut3d=file=look.cube[l];[a][l]blend=all_expr='A+(B-A)*0.5'"
```
`lut3d` сам силы не имеет — смешивается с исходником через `blend`. Путь к `.cube` с
двоеточием диска фильтр ломает так же, как `subtitles`: файл копируется в рабочую папку.
### 12. Засвет на склейке
Тёплое пятно из угла, прозрачное к краям, — одна картинка через `geq`, дальше
показывается на 0,33 с: 0,1 с нарастает, 0,21 с гаснет.
```bash
geq=r=255:g=205:b=150:a='255*pow(max(0,1-hypot(X-W*0.85,Y-H*0.2)/(W*1.3)),1.6)'
# [flash]fade=in:st=0:d=0.1:alpha=1,fade=out:st=0.12:d=0.21:alpha=1,setpts=PTS-STARTPTS+T/TB
# [v][flash]overlay=enable='between(t,T,T+0.33)':eof_action=pass
```
Проверено 2026-09-23 на живом дубле: рамка, LUT, два засвета и перебивка с замедлением 0,85
собираются одним проходом, 40 секунд ролика — около двух минут на ноутбуке.
### 13. Громкость к стандарту соцсетей
Без этого шага ролики выходили около −27 LUFS, вдвое тише соседних в ленте.
Цель −14 LUFS, пик не выше −1 дБ. Один проход `loudnorm` промахивается мимо цели,
поэтому два: первый меряет, второй ставит по замеру.
```bash
ffmpeg -i mixed.mp4 -af "highpass=f=80,loudnorm=I=-14:TP=-1.5:LRA=11:print_format=json" -f null -
# из JSON берутся input_i, input_tp, input_lra, input_thresh, target_offset
ffmpeg -i mixed.mp4 -af "highpass=f=80,loudnorm=I=-14:TP=-1.5:LRA=11:measured_I=…:measured_TP=…:\
measured_LRA=…:measured_thresh=…:offset=…:linear=true,aresample=48000" -c:v copy -c:a aac -b:a 256k out.mp4
ffmpeg -nostats -i out.mp4 -af ebur128=peak=true -f null - # приёмка: I и Peak из Summary
```
Потолок пика в фильтре −1,5, а не −1: кодек AAC добавляет около 0,5 дБ сверху.
Проверено на живом дубле: −27,1 → −14,7 LUFS, пик −1,3.
### 14. Переслушать подозрительные места расшифровки
Слово длиннее секунды (норма 0,2–0,7 с) значит, что распознавание склеило или потеряло
кусок. Такой кусок до 5 с вырезается от паузы до паузы и расшифровывается отдельно,
без контекста всего ролика (`condition_on_previous_text=False`). Замена принимается,
если слов стало больше или самое длинное слово стало короче.
Три вещи, без которых переслушивание портит текст, а не чинит:
- резать кусок только по паузе. На обрыве посреди слова whisper дописывает выдумку («что тебе по…»);
- написание и знаки брать из полной расшифровки, а не из обрывка: на обрывке окончания
хуже («насыщенной продуктивной» вместо «насыщенный, продуктивный»);
- слово, которое раньше стояло не на своём месте, после переслушивания появляется заново,
а старая копия остаётся в 3 секундах рядом. Её надо убрать, иначе в титрах слово дважды.
### 15. Слово в вырезанной паузе
Whisper ставит короткое слово («я», «и», «мне») на 0,2–0,6 с раньше, чем оно звучит,
то есть в паузу перед ним. После вырезания паузы начало и конец слова схлопываются в одну
точку, и слово молча пропадает из титров. Лечится сдвигом: слово, чья середина попала
в вырезанный кусок, переносится в ближайший оставленный (`snap_words`).
### 16. Проверка склеек по звуку
Огибающая громкости окнами по 10 мс, порог речи = min(−30 дБ, уровень речи p95 − 20 дБ).
- В 0,3 с за краем склейки 15 и больше громких окон, и ближайшее не дальше 80 мс:
край попал внутрь слова.
- В вырезанной паузе звук чуть ниже порога дольше 80 мс: возможно тихий слог или вздох.
- Кусок, где звук есть, а слов в расшифровке нет: вздох, оговорка или потерянная фраза.
На живом дубле так нашёлся вздох «а-а…» на 38-й секунде; убирается `--drop 37.8-39.0`.
На каждой склейке звук затухает и нарастает за 15 мс (`afade`), иначе стык щёлкает.
### 17. Титры плашкой
Стиль `.ass` с `BorderStyle=3`: вместо обводки текст получает сплошную подложку,
её цвет берётся из `OutlineColour`, а `Outline` становится полем вокруг текста.
```
Style: Plate,Arial,60,&H00141010,&H0033E5C6,&H0033E5C6,-1,0,0,0,100,100,0,0,3,14,0,7,70,60,1440,204
```
Фраза до 26 знаков; на каждое слово своё событие с текстом «все слова до этого включительно»,
от начала слова до начала следующего. Выравнивание 7 (левый верх): плашка растёт вправо
и не дёргается. Высота считается от замера лица: 95-й процентиль низа лица по ролику + 44 px,
но не выше 1250 и не ниже 1440.
### 18. Обложка нулевым кадром и миниатюрой
Мессенджеры показывают нулевой кадр, проводник показывает вшитую миниатюру.
Кадр заменяется, а не добавляется: длина и синхрон звука остаются прежними.
```bash
# замена кадра 0 в том же проходе, где прожигаются титры
-filter_complex "[0:v]subtitles=subs.ass[s];[1:v]scale=1080:1920[c];[s][c]overlay=enable='eq(n,0)'"
# миниатюра файла, без перекодирования видео
ffmpeg -i reel.mp4 -i cover.jpg -map 0:v:0 -map 0:a:0 -map 1:v:0 -disposition:v:1 attached_pic -c:v copy …
```
После этого в файле два видеопотока. Всё, что читает ролик дальше (раскадровка, замеры),
должно брать `-map 0:v:0`, иначе ffmpeg может выбрать обложку.
Кандидаты на обложку берутся на стыках вырезанных пауз: там человек молчит. Глаза и рот
скрипт не видит, поэтому лист кандидатов `cover-sheet.png` надо смотреть глазами.
---
## Грабли
- **Поворот у видео с телефона.** `ffprobe` показывает размер как он лежит в файле,
а декодер отдаёт уже повёрнутый кадр: запись 3840×2160 с меткой поворота приходит
как 2160×3840. Размеры в фильтрах писать выражениями `iw`/`ih`, а не числами,
и проверять `stream_side_data=rotation`.
- **`crop` не умеет менять размер во времени** (рецепт 2). Только `zoompan`.
- **`subtitles=` и путь с двоеточием** (рецепт 5).
- **Планы, отрендеренные с `-an`, теряют звук.** После `concat` дорожки нет вообще,
звук подмешивается в самом конце из файла до нарезки.
- **`amix` без `normalize=0`** тихо съедает громкость голоса.
- **Запас на приближение считается от вертикали.** Вертикальный 4K — приближение
до 2,0×. Горизонтальный 4K, из которого вырезали вертикаль, — уже 1,12×.
### Грабли из чужого опыта
Взято из списка граблей плагина `it-reelsmaker` (github.com/itpartypattaya/reels-montage, MIT),
который собран на реальных роликах. Здесь то, чего у нас ещё не было; своими руками проверено
только помеченное «наше».
Резка и речь:
- **«Видео прыгает назад».** Это пропущенный повторный дубль: whisper склеил повтор фразы
в одно растянутое слово. Искать не сбой рендера, а слово длиннее секунды в ±2 с от этого места.
Расшифровка готового ролика целиком повторов не видит в принципе.
- **Слово слышно дважды после склейки, а по тексту всё чисто.** Край попал в провал 30–60 мс
внутри слова, whisper отдал хвост слова следующему. Ловится только проверкой по звуку (рецепт 16).
- **Край склейки ставить в самую длинную тишину между словами**, а не в первый провал,
и не двигать его под таймкоды whisper: они гуляют на 0,2–0,6 с. (наше: видели сдвиг до 1 с)
- **Пауза короче 150 мс не режется.** Безударный слог такой длины от паузы не отличить:
«пока вы спите» превращается в «ка вы спите».
- **Шум фона −38 дБ и громче** (улица, кондиционер) детектор принимает за речь.
Сверять с расшифровкой: где «речь» есть, а слов нет.
- **Исходник уже ускорен автором в телефоне.** Темп выше примерно 9 слогов в секунду
значит, что своё ускорение ставить нельзя: речь станет суетливой. Слоги считаются
как гласные в расшифровке, делённые на время речи без пауз.
- **Какой дубль брать:** по умолчанию последний; если человек вслух одобрил себя
(«вот так хорошо»), то предыдущий; целая фраза лучше оборванной, даже точнее сформулированной.
Цвет и звук:
- **После LUT картинка жёлтая.** LUT сам сдвигает баланс. Правка баланса ставится до LUT,
а меряется по результату после него, на серых и белых предметах, не на коже.
- **Кадр с цветным светом** (небо в окне, неон, оранжевая стена) автоматический баланс
ломает. Брать пипеткой известный белый предмет: футболку, стену, лист. (наше: на оранжевой
стене и жёлтой футболке замер честно отказался)
- **Шумоподавление только если шум громче −50 дБ.** На чистой записи оно даёт артефакты.
- **Ролик без голоса выходит короче плана**, если картинку и звук склеивали с `-shortest`,
а звуковая дорожка кончилась раньше. Звук дотягивать тишиной до конца.
Титры и кадр:
- **Титры нечитаемы на белой рубашке или стене.** Затемнения 15–25% мало, нужно 42–60%
или подложка. Обводка и свечение выглядят устаревшими.
- **Ложные «лица»** детектор находит на коленях, сложенных руках и складках одежды,
чаще всего как раз в зоне титров. Отсеивать по уверенности и форме.
- **Мастер собрался из старого рендера.** Рендер шёл через `| tail` в одной цепочке
с мастерингом, `tail` спрятал падение. Рендер запускать отдельной командой и смотреть
код выхода и время файла.
Если ролик рендерится через Remotion:
- **«No frame found at position N».** Первая причина: видео в файле начинается не с нуля,
потому что куски с AAC-звуком склеивали одним `concat`. Клеить видео и звук раздельно,
проверять `start_time` = 0 у обоих. Вторая причина, если N каждый раз разный: Remotion
считает кэш видео от свободной памяти на старте. Лечится
`Config.setOffthreadVideoCacheSizeInBytes(384 * 1024 * 1024)` в `remotion.config.ts`.
- **Горизонтальное видео сжалось в узкую полосу.** Tailwind ставит `video { max-width: 100% }`.
На видео нужен `maxWidth: "none"`.
- **Строки вылезают за кадр, хотя ширину мерили.** Текст измерили до загрузки шрифта,
по ширинам запасного. Мерить только после загрузки.
- **На обложке текст из шаблона, а не из ролика.** `--props` накладываются поверх
`defaultProps`, непустое значение по умолчанию побеждает. Держать там `null`.
- **Элемент, привязанный к слову, появился раньше слова.** Код нашёл более раннее
вхождение того же слова. Искать слово только в окне самого элемента.
- **Поздняя точечная правка** (слово в титре, позиция плашки) не требует полного рендера:
перерисовать кусок между соседними ключевыми кадрами и вклеить. Минута ролика: 8–10 мин
полностью против 40–50 с куском.
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |