🏷️ Whisper

从 0 搭建口播视频 Skill（1）

文章介绍了如何从零搭建口播视频的自动化流水线，拆解了HTML画面、TTS人声、Whisper字幕、Playwright录制和ffmpeg合成的技术原理，强调了手搓流程对理解本质的重要性，并提供了可复用的Skill结构。

我用Codex+Skill自动生成数字人口播动画视频的工作流

本文详细拆解了一套利用Codex和Skill将公众号文章自动转化为“数字人口播+动画”视频的可复现工作流。涵盖了从文章改写、数字人生成、语音转录、动画卡自动生成到最终质检封装的全过程，旨在解决内容创作者重复出镜和机械包装的痛点。

Claude Code 开源神器：用场景检测实现完整视频精准分析

文章介绍了一个名为 claude-video 的开源插件，利用 FFmpeg 场景检测和 Whisper 转录，解决了 Claude Code 无法精准看视频的痛点。该工具摒弃了随机抽帧，仅在画面变化时截帧，能准确理解图表、PPT 和 UI 变化。文中详细介绍了插件在 Claude Code、Cursor 等平台的安装方法、参数配置及会议纪要、Bug 复盘等七大实战场景。

一句话翻译视频：把用了半年的视频翻译工具开源了

作者开源了其使用半年的视频翻译工具，支持通过自然语言指令一键完成视频的下载、转写、翻译、润色及烧字幕工作。该工具基于本地 Whisper 模型实现免费离线转写，复用用户已有的 AI 接口进行翻译，并针对字幕时间轴准确性和断句润色进行了深度优化。

1 个 Skill 自动添加字幕，ByeBye 剪映会员

文章介绍了一种利用 Claude/Codex Skill 技术结合 Whisper 和 ffmpeg 实现本地化视频自动加字幕的方法。该方法通过将听写、校对翻译和烧录三个步骤拆分，利用 LLM 的纠错能力解决了传统软件（如剪映）识别不准和需手动修改的痛点，实现了免费、高准确率和全自动化的字幕制作流程。

隆重推出 Violin：一款开源视频翻译技能

作者推出了名为 Violin 的开源视频翻译技能。该工具结合了语音识别（ASR）、LLM 翻译和语音合成（TTS）技术，旨在打破高质量视频内容的语言壁垒。Violin 支持个性化翻译、多语言处理及与视频互动，提供 Web、CLI 和代理技能等多种使用方式，并已在 MIT 协议下完全开源。

开源 AI 营销兵器库：6 个新技能与 32K 行生产级代码

作者分享了其开源的 AI 营销技能库，新增了 6 个实战技能（长视频切片、短视频生成、站点克隆、内容评估、线索档案、字幕生成）。这些工具均为经过真实商业环境验证的生产级代码，旨在通过开源建立信任和商业漏斗，而非提供简单的 Demo。

利用 Claude Skills 打造自适应视频剪辑 Agent 的实践

作者利用 Claude Code 的 Skills 功能开发了一个会学习的视频剪辑 Agent，旨在解决剪映无法理解语义和字幕质量差的问题。该 Agent 将剪辑任务拆分为 5 个独立技能，具备自动转录、识别口误与语气词、生成字幕及自定义词典纠错等功能。最关键的是其“自更新机制”，能根据用户反馈不断优化，使用次数越多越符合个人习惯，实现了从“固定工具”到“自适应系统”的转变，大幅提升了口播视频剪辑效率。