agentleFS
PeterTakahashiPeterTakahashi/claude-code-clip-video/.claude/skills/youtube-clipper/SKILL.md

youtube-clipper

Skill1 starsChanged 5 months agoMITView on GitHub

Turn a target YouTube channel's long-form videos into 40–60s vertical Shorts, upload them, analyze performance, and iterate. Use when the user wants to make YouTube切り抜き/ショート from a channel, points at a video URL or channel, or asks to "make more clips / analyze which clips worked / run the next batch". Claude (you) reads the transcript and PICKS the clips — there is no in-process LLM.

  • Reads credentials

10 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use youtube-broll-maker, youtube-popup-graphic and 10 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • RoxenRobloxSkill

    youtube-broll-maker

    Generate 10-second B-roll footage of yourself doing an action using the Higgsfield MCP (Seedance 2.0). Upload one photo of yourself, describe the action ("typing on laptop", "walking at night"), pick from 5 cinematography style presets, get an MP4. Use when the user wants B-roll, cutaway footage, "me doing X" video, YouTube B-roll, or any image-to-video of themselves performing an action.

    Also in 3 projects that use this

  • RoxenRobloxSkill

    youtube-popup-graphic

    Generate stunning Adobe-Premiere-Pro-style UI popup motion graphics for YouTube videos using the Higgsfield MCP. The user uploads a style reference image (any UI mockup, dashboard, glass card, design they love), names one skill/feature/item, and the skill produces an MP4 of a single card popping in styled to match the reference. Use when the user wants a "popup graphic", "popup animation", "card popup", "skill popup", "AE/Premiere-style animation", "stunning UI animation for YouTube", or says "make me a popup for <skill/feature/item> styled like <reference>".

    Also in 3 projects that use this

  • yawningwhaleAISkill

    albert-dm

    Reply to DMs and messages the way Albert would. Use when the user asks "how would Albert reply to this", pastes a conversation and wants an Albert-style response, or asks you to draft/write a DM in Albert's voice. Albert sells AI voice agents / automations to local service businesses (Go High Level, lead follow-up, bookings).

    Also in 3 projects that use this

  • yawningwhaleAISkill

    new-client-system

    Scaffold a new client's full stack — Next.js 16 frontend dashboard + Trigger.dev backend worker — from the Shiney automations template. Use when the user says "new client", "onboard a client", "scaffold a client system", "set up <client-name>", or wants to start a fresh frontend+backend project styled and structured like the Shiney automations dashboard. Produces structure only; no automations are scaffolded — those are added later.

    Also in 3 projects that use this

  • kronus-techSkill

    upwork-proposal

    Generate a tailored Upwork cover letter from a job posting. Invoke with the job posting text or URL. Auto-invoked when user says "cover letter", "upwork proposal", "apply to this job".

    Also in 3 projects that use this

  • huyvpSkill

    cost-reducer

    Reduce cloud, infrastructure, and operational costs while maintaining performance. Use when writing database queries, configuring cloud resources, optimizing bundles, setting up caching, choosing between services, sizing instances, configuring CDN, managing storage, or reviewing code for cost inefficiencies. Covers AWS/GCP/Vercel pricing, database optimization, serverless tuning, image pipelines, observability costs, and FinOps practices.

    Also in 3 projects that use this

  • +1 more from RoxenRoblox
  • +4 more from yawningwhaleAI

The file

Files
SKILL.md

youtube-clipper — 切り抜きショートの共通ベーススキル

このリポジトリ(claude-code-clip-video)を clone し、対象YouTubeチャンネルを指定するだけで、 ショート動画を「作る → 分析する → また作る」を繰り返す。これは全パターン共通のベース。

重要な役割分担: 切り抜き箇所の選定・タイトル・フック・説明文は あなた(Claude Code) が transcript.json を読んで判断します。スクリプト内でLLMは呼びません。機械的な処理 (取得・文字起こし・縦型化・アップロード・統計)はすべて src.* のCLIが担います。

このプロジェクトの差別化: 固定機能のクラウドclipper(OpusClip等)と違い、コーディングAI エージェント(Claude Code)がコード自体を書き換え・スキルを追加して、どんな切り抜きパターンにも 汎用対応できること。チャンネルや動画の型ごとに「選定の型」を別スキルに切り出して増やす。

パターン別スキル(genre) — 素材に合わせて使い分ける

  • clipper-explainer — 解説/一人語り系(岡田斗司夫、講義、論評)。結論ファーストで主張を切り出す。
  • clipper-qa — Q&A/質問回答系(ひろゆき等)。視聴者の質問を上部に出し、回答を切り出す。
  • 各ジャンルスキルはこの base を読んだ上で、ジャンル固有の選定ルールだけを足す。

新しい切り抜きパターンを足す方法(拡張)

新しい型のチャンネル(対談、ニュース解説、ゲーム実況…)が来たら:

  1. .claude/skills/clipper-<genre>/SKILL.md を新規作成 — 「使う場面」+「選定の型」+clips JSON例。base参照。
  2. 既存フィールド(teaser/keywords/question/segments/jetcut/filler/facetrack/bgm/images)で 表現できればコード変更不要。
  3. 新しい見せ方が要るなら、clips JSON にフィールドを足す→src/add_clips.pyでmetadataに保存→ src/render.pyで描画、の3点を実装(例: question上部字幕は metadata.question→render の hook枠で実装した)。 字幕の見た目は src/render.py、字幕分割は src/subtitle_split.py、音声は bgm.py 等。

0. まず守ること

  • アップロードは人の確認 → 承認後。 既定 private で作り、data/clips/<id>/short.mp4 を見せてからアップ。勝手に public にしない。
  • 許諾。 切り抜き元の許可がある場合のみ処理。channels/*.yaml/source_channels.permission_note を確認。新ソースは許可未確認ならユーザーに確認。
  • 事実性。 タイトル・フック・字幕は発言を歪めない。煽りすぎ・誤解誘導はしない。
  • 秘密情報をコミットしない。 .env / .youtube_token*.json / client_secret_*.json / data/ は .gitignore 済み。

1. 一度だけのセットアップ

uv sync
docker compose up -d postgres                 # PostgreSQL (port 5434)
cp .env.example .env                          # OPENAI_API_KEY と YOUTUBE_API_KEY を記入
  • OPENAI_API_KEY … 文字起こし(OpenAIクラウド Whisper, whisper-1)に使用。
  • YOUTUBE_API_KEY … 人気動画一覧・統計取得(read-only)。URL直接取り込みだけなら不要。
  • アップロードする場合: client_secret_*.json(OAuthデスクトップ)をリポジトリ直下へ。
  • アップロードチャンネルの認証(初回1回・ブラウザ): uv run python -m src.auth <upload_channel>。 ブラウザでそのクリップチャンネルを所有するアカウント/チャンネルを選ぶ→.youtube_token.<ch>.jsonに保存。 以降は非対話で自動アップロード可。認証したチャンネルがDBの想定と一致するか自動検証する。 (GCPのOAuth同意画面が「テスト」中なら、使うGoogleアカウントをテストユーザーに追加しておく。)

対象チャンネルを登録(どちらか):

# A) yaml で登録(複数アップ先も定義できる)
uv run python -m src.init_channels channels/okada_toshio.yaml
# B) 動画URLを渡して自動登録+取り込み
uv run python -m src.ingest "https://www.youtube.com/watch?v=VIDEOID" --transcribe

2. 反復ループ(これがスキルの本体)

Step 1 — 長尺を選ぶ / 取り込む

uv run python -m src.discover <source_channel> --top 20 --min-duration 120   # 人気動画を発見
# または個別URL:
uv run python -m src.ingest "<url>" --source-channel <source_channel>

Step 2 — 取得 + 文字起こし(機械処理)

uv run python -m src.pipeline prep <video_id>      # download + transcribe(OpenAI whisper)
# まとめて: uv run python -m src.pipeline run <source_channel> --videos 5

→ data/sources/<video_id>/transcript.json(segments[].{start,end,text})。

Step 3 — ★あなたが切り抜き箇所を選ぶ★

transcript.json を Read し、ショートに向く 40〜60秒を複数選ぶ。選定基準:

  • 冒頭2秒で引き込むフック(断言・逆張り・意外な主張・問い・あるある)
  • その区間だけで完結(オチ・結論・気づきがある)。話題が一貫。前提説明なしで分かる。
  • 強い意見 / 逆張り / 実用的学び / 笑い のどれか。引用したくなるか。
  • 避ける: 前置き・言い淀み・宣伝・間延び。
  • 区間は segments の境界に合わせ、合計 40〜60秒。

選んだら clips JSON を書く(data/clips_<video_id>.json など):

[
  {
    "id": "VIDEOID_c01",
    "channel": "okada_clips_main",
    "hook": "画面で内容が分かる要約。**ここ**で黄色強調",
    "title": "全角30字以内(末尾の #shorts は upload 時に自動付与)",
    "description": "2-3行 + 関連ハッシュタグ",
    "tags": ["...", "..."],
    "reason": "なぜバズると判断したか",
    "score": 88,
    "segments": [
      {"source_video_id": "VIDEOID", "start": 600.0, "end": 611.3},
      {"source_video_id": "VIDEOID", "start": 618.9, "end": 651.2}
    ],

    "teaser":   {"start": 608.1, "end": 611.3, "label": "結論"},  // 任意: 結論ファースト
    "keywords": ["正義", "残酷"],                                  // 任意: その行でズーム
    "jetcut":   true,                                             // 任意: 無音除去
    "filler":   true,                                             // 任意: えーと/あの 等を除去
    "facetrack": true,                                            // 任意: 顔追従クロップ
    "bgm":      "落ち着いた知的なトーク",                          // 任意: BGM(mood, 同moodは再利用)
    "images":   [{"start": 612, "end": 618, "prompt": "説明画像の指示"}]  // 任意: nanobanana B-roll
  }
]
  • segments(必須) — 1..n本。複数にすると順に結合。意味が変わらなければ、説明・例示の 冗長スパンは別segmentに分けて飛ばす(=短縮)。これは標準でやってよい。
  • teaser(任意) — 結論/衝撃の一言の窓(3〜5秒)。冒頭に流して「結論」バッジ表示→本編。 transcript.json の words(単語タイムスタンプ)があるので短い窓も正確に取れる。
  • keywords(任意) — その語が出る字幕を黄色強調+その行で話者ズーム。hookの**強調**語も自動対象。
  • jetcut(任意) — 無音/言い淀みを自動除去(間延び素材だけ。毎回は不要)。
  • 冒頭の接続詞は自動削除される(下記§2.6)。選定時も「つまり/なので」で始まる窓は避ける。

Step 4 — 作成 + 縦型レンダリング

uv run python -m src.add_clips data/clips_<video_id>.json --channel <upload_channel> --render

→ clips + clip_segments に登録 → data/clips/<id>/short.mp4(9:16・ぼかし背景+中央配置・字幕焼き込み)。

  • 1区間アドホック: src.compose <clip_id> --segment VID:start:end --hook ... --title ... --render

Step 5 — 確認 → アップロード(承認後)

事前に1回だけ各チャンネルを認証: uv run python -m src.auth <upload_channel>(ブラウザ)。 short.mp4 をユーザーに見せ、OKをもらってから:

uv run python -m src.upload --channel <upload_channel> --status rendered --privacy public
# 単体: uv run python -m src.upload --clip <clip_id> --privacy public

アップロード後、自動でコメントを投稿する(youtube.force-sslスコープ必要)。本文は clips JSON の "comment" で指定、未指定なら hook/質問+元動画リンク+「コメントで教えて👇」の既定文を生成。--no-commentで無効。

Step 6 — 分析 → 次のバッチへ(iterate)

uv run python -m src.stats_sync          # 統計スナップショット(cronで定期化推奨)
docker compose up -d && uv run python scripts/setup_redash.py   # Redashダッシュボード

何が伸びたかを確認して次の選定に反映:

# 上位クリップ
docker exec clipgen_postgres psql -U clipgen -d clipgen -c \
  "SELECT title, view_count, like_count FROM v_clips_latest WHERE uploaded_video_id IS NOT NULL ORDER BY view_count DESC NULLS LAST LIMIT 20;"

→ 伸びたクリップのテーマ・尺・フックの型を踏まえ、Step 3 で次の切り抜きを選ぶ。これを繰り返す。


2.5 面白さを詰める編集テクニック(あなたが選定時に使う)

機械でできるもの = フラグ/JSONで指定。判断が要るもの = あなたが選定で作り込む。

実装済み(指定するだけ):

  • 結論ファースト(cold open) — teaser に「衝撃的な一言/結論」の窓(3〜5秒)を指定すると、 冒頭にそれを流し「結論」バッジを出してから、本編(どういう流れでそう言ったか)を見せる。 最初の2秒で「続きを見たい」を作る最重要テク。
  • ジェットカット — "jetcut": true で無音を自動除去しテンポUP。毎回は不要、間延び素材だけ。閾値は JETCUT_NOISE_DB/JETCUT_MIN_SILENCE。
  • フィラー除去 — "filler": true で「えーと/あの/まあ/なんか…」を単語タイムスタンプから検出して除去。FILLER_WORDS で語句調整。
  • B-roll画像(nanobanana) — "images": [{"start":秒,"end":秒,"prompt":"説明画像の指示"}](SOURCE時間)。説明部分に正方形画像を生成して話者の上に重ねる(話者は一瞬隠れる)。デフォルトは入れない。要望時のみ数枚。要 GEMINI_API_KEY。複数画像はBatch APIでまとめて生成(安い)、失敗時はsleep付き逐次にフォールバック。
  • 顔トラッキング — "facetrack": true(固定: 顔中心の正方形クロップ)/ "track": true(スムーズ追従: デッドゾーン+スロー追従、最も映る人物にロックオン)。"crop_zoom": 2.0 で寄り=下部の横長テロップ等を除外(§2.6)。
  • BGM(ElevenLabs) — "bgm": "落ち着いた知的なトーク"(mood文字列) or {"mood":..,"prompt":..}。1本につき1曲、声の下に控えめにミックス。同じmoodの既存BGMがあれば再利用(節約)。要 ELEVEN_LABS_API_KEY。CLIP_BGM_VOLUME(既定0.14)。
  • サムネ+フックA/B — uv run python -m src.thumbnail <clip_id> --hook "案A" --hook "案B" で縦型カバー画像を複数生成(動画の再レンダリング不要)。
  • 複数長尺の結合 — segments を複数に。バラバラの名場面を1本にまとめる/冗長部を飛ばす。
  • 強調(黄色) — hook や字幕で **ここ** と囲うと黄色。
  • キーワード黄色強調+話者ズーム — "keywords": ["...","..."] を指定すると、その語が出る字幕で 自動的に黄色強調され、さらにその行で**話者にパンチイン(ズーム)**が入る(重要発言を強調)。 hook の **強調** 語も自動でキーワード対象。ズーム倍率は CLIP_ZOOM_FACTOR(既定1.18)。
  • 要約テロップ(上) — hook は「画面を見ただけで内容が分かる」要約に。大きく常時表示。

実装済み(自動で効く):

  • 冒頭の接続詞トリム — 各クリップの先頭セグメントは、つまり/なので/ですから/それに対して/どういうことかというと 等の接続詞・前置きを単語タイムスタンプで自動削除し、いきなり結論から始まる(src/leadins.py、TRIM_OPENING_MAX_SECONDS既定3.5s)。最初の3秒が命。無効化は metadata no_trim_open / TRIM_OPENING=0。

あなたの判断で作り込む(選定・原稿):

  • 意味を変えない範囲で説明を省略 — 結論の説明・例示・冗長部は、意味が変わらなければ segments を分割して飛ばす(例: 例示列挙をカットして結論に直結)。テンポと尺が締まる。
  • フックの強さ — 冒頭は断言・逆張り・問い・あるある。前置きは全部削る(自動トリムに加え、選定時も接続詞で始まる窓を避ける)。
  • オチで終える — 区間の最後は結論/気づき/笑いで締める。尻切れ厳禁。
  • 1本=1メッセージ — 話題を1つに絞る。脱線は別クリップに。
  • テロップで誤読を防ぐ — 聞き取りにくい固有名詞は字幕で補強(transcriptの誤変換は直す)。
  • 数字・固有名詞を冒頭に — 「5段階で4.1」等の具体は早めに出すと引きが強い。
  • シリーズ化 — 伸びたテーマ/型(尺・フック)を stats_sync で確認し、横展開する(§Step6)。
  • (将来・未実装) — BGM/効果音、滑らかな(アニメ)ズーム、キーワード全自動抽出、顔検出追従、A/Bフック生成。必要なら相談。

2.6 縦型レイアウト & 字幕仕様(現在の標準・src/render.py)

  • 9:16 (1080×1920)。背景=前景の顔正方形を拡大してぼかし全画面。元動画をそのまま ぼかすのではなくクロップ済みの顔正方形から背景を作るので、素材下部の横長テロップ(質問バー等)が ぼかし背景にも映り込まない(以前は素材下部の質問がボケて表示され不自然だった→解消)。
  • 前景=元の16:9を「顔中心の正方形」にクロップ(1080×1080)して上下中央に配置。"facetrack":trueで顔追従、"crop_zoom":2.0等で寄り(ドアップ)。 crop_zoom>1のときクロップはフレーム下部を含まないようY位置をクランプ(CONTENT_BOTTOM_FRAC=0.66)し、 顔検出も下部35%を無視(FACETRACK_IGNORE_BOTTOM=0.35)するので、下部の横長テロップ(ひろゆきの質問バー等)を 確実に除外できる(中途半端な写り込み&字幕の重複を防ぐ)。
  • 上テロップ(要約/hook・質問) — 黒box・白文字・大きめ・常時表示・**…**で黄色。位置は高め (HOOK_TOP_Y=185)。hookは font 78。question(Q&A系)は font 64・最大3行で「Q.」付き。
  • 下字幕(発話) — 黒box・白文字(font 60)・最大2行・アクティブワード字幕(カラオケ式): ブロックは固定で発話中の語が黄色に光って移動。単語は whisper の単語タイムスタンプを 漢字/カタカナ/ひらがなで文節風にまとめて区切る(単語の途中で切れない)。位置は高め(下端≈280px)。
  • 左右パディング — 字幕は左右に1文字分ほどの内側パディング(box内、pad_x≈font×0.5)を持ち、 さらにフレーム端からCAPTION_SIDE_MARGIN=80pxを確保して折り返す。YouTube Shortsは再生時に 動画をわずかに拡大表示するため、これが無いと端の文字が切れ気味になる(対策済み)。
  • 重要発言 — keywords該当行で黄色+話者パンチインズーム(CLIP_ZOOM_FACTOR)。
  • スムーズ顔追従 — "track":trueでデッドゾーン+スロー追従(一定範囲を越えたらゆっくり顔を追う)。 最も映っている人物にロックオン(ゲストが映ってもジャンプしない)。crop_zoomと併用推奨(FACETRACK_*で調整)。
  • 結論ファースト — teaserで結論/答えを頭出し(右上バッジは廃止、teaser自体は使う)。

3. データモデル(n:n)

source_channels → source_videos(長尺) ⇄ clip_segments(順序付き) ⇄ clips(ショート) ⇄ upload_channels、 統計は clip_stats。1本のショートが複数の長尺から区間を結合できる。ビュー v_clips_latest。 スキーマ: db/init/001_schema.sql(既存DB移行は 002_segments.sql)。

4. 複数チャンネル運用

source_channels=対象、upload_channels=アップ先。別ソースは channels/<name>.yaml+init_channels (または ingest で自動登録)。同ソースを別アップ先にも → upload_channels を増やし --channel で割当。 統計は全チャンネル横断で clip_stats に溜まり Redash で比較。

5. ハマりどころ

  • 文字起こしは OpenAIクラウド(whisper-1)。音声は10分チャンクに分割して25MB制限を回避。OPENAI_API_KEY 必須。
  • 字幕が豆腐/出ない → CLIP_FONT_FILE を日本語TTF/TTCに(既定で ヒラギノ角ゴシック W6.ttc 自動検出)。字幕は Pillow→PNG→ffmpeg overlay 合成(このマシンの ffmpeg は libass/drawtext 非対応)。
  • 40-60秒に収まらない → segments の start/end を調整。add_clips は尺を強制しない。
  • YouTube quota → アップロード ≈ 1本1600quota / 既定1日10000。分散か翌日(reset 17:00 JST頃)。
  • 再生成 → 各CLI --force、add_clips --render は常に再レンダリング。

6. 調整用の環境変数(.env)

変数既定用途
OPENAI_API_KEY—文字起こし(必須)
OPENAI_TRANSCRIBE_MODELwhisper-1文字起こしモデル(単語タイムスタンプ対応)
TRANSCRIBE_LANGUAGE / TRANSCRIBE_CHUNK_SECONDSja / 600言語 / 分割秒(25MB回避)
YOUTUBE_API_KEY—discover / stats_sync(read-only)
CLIP_FONT_FILE自動検出字幕フォント(日本語TTF/TTC)
CLIP_FACE_X_OFFSET0正方形クロップの水平中心(px, +で右)
CLIP_ZOOM_FACTOR1.18重要発言の話者ズーム倍率
JETCUT_NOISE_DB / JETCUT_MIN_SILENCE-30 / 0.35ジェットカットの無音判定
FILLER_WORDSえーと,あの,まあ…フィラー除去の対象語
GEMINI_API_KEY / GEMINI_IMAGE_MODEL— / gemini-2.5-flash-imageB-roll画像生成(nanobanana)
ELEVEN_LABS_API_KEY / CLIP_BGM_VOLUME— / 0.14BGM生成(ElevenLabs Music) / 音量
FACETRACK_SAMPLES5顔検出のサンプリング枚数
TRIM_OPENING / TRIM_OPENING_MAX_SECONDS1 / 3.5冒頭接続詞トリムの有効/最大削り秒
POSTGRES_* (5434) / REDASH_URL (5003)—DB / Redash

字幕位置・フォントサイズなどコード定数は src/render.py 冒頭(CAPTION_BOTTOM_MARGIN=280, HOOK_TOP_Y=185, HOOK_FONT=78, CAPTION_FONT=60, CAPTION_SIDE_MARGIN=80=左右の安全余白)、 顔クロップは CONTENT_BOTTOM_FRAC/FACETRACK_IGNORE_BOTTOM(下部除外)、分割文字数は src/subtitle_split.py(DEFAULT_MAX_CHARS=28)。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.