video-processing

guia-matthieu

Mis à jour 2 days ago

6 vues

111

Métaaiautomation

À propos

Cette compétence automatise les tâches de traitement vidéo en utilisant FFmpeg, permettant aux développeurs de compresser, redimensionner, découper et fusionner des vidéos ou d'en extraire l'audio via Claude. Elle est idéale pour préparer du contenu pour les réseaux sociaux, optimiser les téléchargements et traiter des lots de fichiers. L'outil gère les opérations FFmpeg tandis que vous spécifiez les paramètres et les cas d'utilisation.

Installation rapide

Claude Code

Recommandé

Principal

npx skills add guia-matthieu/clawfu-skills -a claude-code

Commande PluginAlternatif

/plugin add https://github.com/guia-matthieu/clawfu-skills

Git CloneAlternatif

git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/video-processing

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Video Processing

Automate repetitive video editing tasks using FFmpeg - the industry-standard tool powering YouTube, Netflix, and most video platforms.

When to Use This Skill

Social media optimization - Resize videos for Instagram (9:16), TikTok, LinkedIn
Upload preparation - Compress large videos to meet platform limits
Audio extraction - Pull audio from webinars, interviews for podcasts
Content clipping - Extract highlights, quotes, or segments
Batch processing - Apply same operations to multiple videos

What Claude Does vs What You Decide

Claude Does	You Decide
Structures production workflow	Final creative direction
Suggests technical approaches	Equipment and tool choices
Creates templates and checklists	Quality standards
Identifies best practices	Brand/voice decisions
Generates script outlines	Final script approval

Dependencies

pip install ffmpeg-python moviepy click
# Also requires ffmpeg installed on system
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg

Commands

Compress Video

python scripts/main.py compress video.mp4 --target-mb 10
python scripts/main.py compress video.mp4 --crf 28 --output compressed.mp4

Extract Audio

python scripts/main.py extract-audio video.mp4 --format mp3
python scripts/main.py extract-audio video.mp4 --format wav --output audio.wav

Resize for Social

python scripts/main.py resize video.mp4 --format instagram  # 1080x1920 (9:16)
python scripts/main.py resize video.mp4 --format youtube    # 1920x1080 (16:9)
python scripts/main.py resize video.mp4 --format square     # 1080x1080 (1:1)
python scripts/main.py resize video.mp4 --width 1280 --height 720

Clip Segment

python scripts/main.py clip video.mp4 --start 00:30 --end 01:45
python scripts/main.py clip video.mp4 --start 00:30 --duration 60

Merge Videos

python scripts/main.py concat video1.mp4 video2.mp4 --output merged.mp4
python scripts/main.py concat ./clips/ --output compilation.mp4

Generate Thumbnail

python scripts/main.py thumbnail video.mp4 --time 00:30
python scripts/main.py thumbnail video.mp4 --best  # Auto-select best frame

Examples

Example 1: Prepare Video for Instagram Reels

# Original: 4K horizontal video, 500MB
python scripts/main.py resize long-video.mp4 --format instagram
python scripts/main.py compress long-video_instagram.mp4 --target-mb 50

# Output: long-video_instagram_compressed.mp4 (1080x1920, <50MB)

Example 2: Extract Podcast from Webinar

# Extract audio track
python scripts/main.py extract-audio webinar-recording.mp4 --format mp3 --bitrate 192k

# Output: webinar-recording.mp3 (ready for podcast hosting)

Example 3: Create Highlight Reel

# Extract multiple clips
python scripts/main.py clip interview.mp4 --start 05:30 --end 06:15 --output clip1.mp4
python scripts/main.py clip interview.mp4 --start 12:00 --end 12:45 --output clip2.mp4
python scripts/main.py clip interview.mp4 --start 28:30 --end 29:00 --output clip3.mp4

# Merge into highlight reel
python scripts/main.py concat clip1.mp4 clip2.mp4 clip3.mp4 --output highlights.mp4

Social Media Format Reference

Platform	Format	Resolution	Max Size	Max Duration
Instagram Reels	9:16	1080x1920	4GB	90s
Instagram Feed	1:1	1080x1080	4GB	60s
TikTok	9:16	1080x1920	287MB	10min
YouTube Shorts	9:16	1080x1920	-	60s
YouTube	16:9	1920x1080	256GB	12h
LinkedIn	1:1/16:9	1920x1080	5GB	10min
Twitter/X	16:9	1920x1080	512MB	2:20

Performance Tips

GPU acceleration - FFmpeg uses hardware encoding when available (NVENC, VideoToolbox)
CRF values - Lower = better quality, larger file. 18-28 typical range
Preset selection - ultrafast for drafts, slow for final exports
Two-pass encoding - Better quality for target bitrate

Skill Boundaries

What This Skill Does Well

Structuring audio production workflows
Providing technical guidance
Creating quality checklists
Suggesting creative approaches

What This Skill Cannot Do

Replace audio engineering expertise
Make subjective creative decisions
Access or edit audio files directly
Guarantee commercial success

Related Skills

whisper-transcription - Transcribe video audio
youtube-downloader - Download videos to process
image-batch - Process video thumbnails

Skill Metadata

Mode: cyborg

category: automation
subcategory: video-processing
dependencies: [ffmpeg-python, moviepy]
difficulty: beginner
time_saved: 5+ hours/week

Dépôt GitHub

guia-matthieu/clawfu-skills

Chemin: skills/automation/video-processing

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence