Скилл автомонтажа для Claude Code: рилс из двух файлов и строки заметок
Скилл для Claude Code, который собирает рилс из двух файлов: видео с камеры и звука с петлички. Ты добавляешь строку заметок, а он сам сводит звук с картинкой, слышит каждое слово, оставляет последний дубль, вырезает паузы, сверяет названия и цифры из твоей речи, рисует кадры кодом на Python, ставит их ровно на нужное слово, раскладывает звуки из твоей папки и проверяет готовый файл, пока тот не пройдёт без пауз, застывших и пустых кадров. Внутри файл скилла целиком, установка, команда запуска, объяснение, как он режет, чек-лист приёмки и чинилка.
Скилл собран на открытых инструментах: FFmpeg, faster-whisper с разметкой времени каждого слова и Python с библиотекой Pillow. Шаблоны и сторонние монтажные движки ему не нужны. Работает в Claude Code на твоём компьютере: видео и звук остаются у тебя, в модель уходят только текст речи и команды. Для работы нужна подписка Claude Pro или выше.
Один раз проходишь установку из второго раздела и кладёшь скилл из третьего в папку навыков. Дальше на каждый ролик три действия: кладёшь два файла и заметку в папку, вставляешь команду запуска из пятого раздела, принимаешь результат по чек-листу из седьмого.
1. Что он делает и где его граница
Прежде чем ставить, пойми, какой ролик получится. Так ты сразу поймёшь, подходит ли он под твой формат.
Под что заточен
Разговорный ролик: ты говоришь в камеру, а поверх речи в нужные моменты встают схемы, цифры, списки и подписи. Это формат экспертного блога.
Что делает сам
Сводит звук с видео, чистит речь от пауз и неудачных дублей, ставит субтитры по словам, рисует графику, раскладывает звуки, склеивает и проверяет результат.
Что остаётся тебе
Записать себя, написать строку заметок, посмотреть готовый ролик и попросить правки номерами сцен. Кинематографичные переходы и сложные эффекты он не делает.
Скилл сверяет названия сервисов, имена и цифры из твоей речи поиском в интернете и приносит список расхождений. Решение, что исправлять, принимаешь ты. Он не переписывает твою речь и не вставляет цифры, которых ты не говорил.
2. Установка, двадцать минут один раз
Нужны четыре вещи: Claude Code, FFmpeg, Python 3.10 или новее и распознавание речи faster-whisper.
Проверка, что уже стоит
claude --version
ffmpeg -version
python3 --version
Claude Code ставится по инструкции на сайте Anthropic. FFmpeg на Windows ставится через winget, на Mac через Homebrew. Python бери с python.org, при установке на Windows отметь галочку Add to PATH.
Распознавание речи идёт на твоём компьютере. На обычном ноутбуке без видеокарты трёхминутная запись распознаётся за несколько минут, это нормально. Модель скачается сама при первом запуске, около полутора гигабайт.
3. Скилл целиком
Создай папку avtomontazh в папке навыков Claude Code и положи туда файл SKILL.md с текстом ниже. На Mac и Linux путь ~/.claude/skills/avtomontazh/SKILL.md, на Windows C:\Users\ИМЯ\.claude\skills\avtomontazh\SKILL.md.
Команда, которая создаст папку скилла (Mac и Linux)
mkdir -p ~/.claude/skills/avtomontazh
Файл SKILL.md
---
name: avtomontazh
description: Собирает вертикальный разговорный рилс из видео с камеры, звука с петлички и строки заметок. Вызывай, когда пользователь просит смонтировать ролик из папки с исходниками.
---
# Автомонтаж разговорного рилса
Входные файлы в текущей папке: видео с камеры (*.mp4 или *.mov), звук с петлички (*.wav, *.m4a или *.mp3), файл notes.txt с заметками. Если какого-то файла нет, спроси о нём и не начинай работу.
Рабочие файлы клади в папку work/, готовый ролик в out/reel.mp4. Все скрипты пиши сам на Python в папку work/ и запускай их. Шаблоны и сторонние монтажные движки не используй.
## Шаг 1. Сведение звука
1. Вытащи звук из видео камеры в work/cam.wav (моно, 16 кГц).
2. Найди сдвиг между work/cam.wav и звуком петлички взаимной корреляцией на numpy по первым 60 секундам. Если в начале записи есть хлопок, ищи сдвиг по нему.
3. Замени звук камеры звуком петлички с найденным сдвигом, сохрани work/synced.mp4. Выведи найденный сдвиг в миллисекундах.
## Шаг 2. Распознавание по словам
Распознай звук петлички через faster-whisper, модель medium, язык из notes.txt или русский, с параметром word_timestamps=True. Сохрани work/words.json: каждое слово с началом и концом в секундах.
## Шаг 3. Чистка речи
1. Найди дубли: если фраза или её начало повторяется, оставь ПОСЛЕДНЮЮ версию, предыдущие вырежи целиком.
2. Паузы между словами длиннее 0,35 секунды сократи до 0,15 секунды.
3. Слова-паразиты «э», «ээ», «м-м» вырежи. Смысловые слова не трогай никогда.
4. Сохрани план нарезки в work/cuts.json и склей work/clean.mp4 через FFmpeg. Каждый стык с короткой звуковой склейкой 20 мс, чтобы не было щелчков.
5. Перераспознай work/clean.mp4 тем же способом, получи новую разметку слов work/words_clean.json.
## Шаг 4. Проверка фактов
Выпиши из текста все названия сервисов, имена, цифры, даты и цены. Каждое проверь поиском. Составь work/facts.md: что сказано, что нашлось, источник. Ничего в речи не меняй. Если расхождение серьёзное, остановись и покажи пользователю список до рендера.
## Шаг 5. Раскадровка
Разбей речь на сцены по смыслу, по одной мысли на сцену. Для каждой сцены реши, что встаёт поверх видео: ничего, крупная цифра, список до трёх пунктов, схема из двух-трёх блоков со стрелками или подпись. Учитывай пожелания из notes.txt. Сохрани work/storyboard.md таблицей: номер сцены, время начала и конца, текст речи, что на экране, ключевое слово, на которое графика появляется.
## Шаг 6. Графика кодом
Нарисуй каждую графику через Pillow как PNG с прозрачным фоном 1080x1920. Правила: крупный жирный шрифт с кириллицей, не больше 7 слов на экране, всё внутри безопасной зоны (сверху 250 пикселей и снизу 420 пикселей свободны под интерфейс Instagram), один акцентный цвет из notes.txt или оранжевый #F0561D. Логотипы и чужие картинки не рисуй.
## Шаг 7. Попадание в слово
Каждая графика появляется в момент начала своего ключевого слова по work/words_clean.json, с появлением за 120 мс, и держится до конца мысли. Субтитры ставь по словам, группами по 2-4 слова, в нижней трети над безопасной зоной, текущее слово выделено акцентным цветом.
## Шаг 8. Звуки
Если в папке есть sfx/, поставь короткий звук на появление каждой графики и на смену сцены. Громкость звуков на 18 дБ ниже голоса. Если папки нет, пропусти шаг и скажи об этом в отчёте.
## Шаг 9. Сборка
Кадрируй видео в 1080x1920, 30 кадров в секунду, наложи графику, субтитры и звуки, выведи out/reel.mp4 в H.264, звук AAC 192 кбит/с, громкость приведи к -14 LUFS фильтром loudnorm.
## Шаг 10. Самопроверка
Прогони готовый файл через фильтры FFmpeg: silencedetect (порог -35 дБ, длительность 0,6 с), freezedetect (длительность 0,8 с), blackdetect (длительность 0,2 с). Найдена пауза, застывший или пустой кадр: найди причину в cuts.json или в графике, исправь и собери заново. Повторяй, пока все три проверки не пройдут чисто, но не больше пяти кругов.
## Отчёт
В конце выдай: длительность исходника и готового ролика, сколько дублей и пауз вырезано, список сцен с таймкодами, список фактов с пометкой проверено или расхождение, результат трёх проверок. Правки принимай номерами сцен и пересобирай только затронутые сцены.
4. Как записать исходники, чтобы он справился
Включи запись на камере и на петличке, потом хлопни в ладоши в кадре. По хлопку скилл сведёт звук с картинкой до кадра.
Снимай вертикально или горизонтально с запасом по краям: скилл кадрирует в 9:16 по центру.
Ошибся, начни фразу заново с начала предложения. Скилл оставит последнюю версию и вырежет предыдущие.
Не заботься о паузах между фразами. Они уйдут сами.
Положи в одну папку видео, звук с петлички и файл notes.txt. По желанию добавь папку sfx с короткими звуками: щелчок, свист, хлопок.
Пример notes.txt, одна-две строки
Ролик про три ошибки в шапке профиля. Акцентный цвет #F0561D, на цифрах крупные числа, в конце схема «шапка, ролик, директ».
5. Команда запуска
Открой терминал в папке с исходниками, запусти claude и вставь команду.
Запуск автомонтажа
Используй скилл avtomontazh. Исходники в этой папке. Сделай ролик по notes.txt. Перед рендером покажи мне раскадровку work/storyboard.md и список фактов work/facts.md и дождись моего «ок».
Правка после просмотра
Сцена 4: графика появляется на слово «шапка», а должна на слово «ошибка». Сцена 7: убери список, оставь одну цифру «3». Пересобери только эти сцены и снова прогони самопроверку.
Раскадровку проще поправить текстом, чем готовое видео. Одна минута на чтение storyboard.md экономит два круга рендера.
Чтобы ты понимал, что происходит внутри, и мог поправить, если он отрезал лишнее.
faster-whisper отдаёт каждое слово с временем начала и конца с точностью до сотых долей секунды. Скилл идёт по этому списку и видит, где между словами тишина и где фраза начинается второй раз. Паузу он укорачивает до 0,15 секунды, чтобы речь звучала плотно, но живо. Повтор находит по совпадению первых слов фразы и оставляет последнюю версию, потому что обычно она самая чистая.
Все решения записываются в work/cuts.json: что вырезано и почему. Если он отрезал нужное, скажи номер фразы или цитату, и он вернёт кусок.
Вернуть вырезанное
В cuts.json ты вырезал фразу «[ЦИТАТА]» как дубль. Верни её, а вырежи предыдущую версию. Пересобери clean.mp4 и продолжи с шага 5.
7. Чек-лист приёмки
Губы совпадают со звуком на первой и на последней фразе. Если к концу расходятся, проверь частоту кадров камеры и попроси пересвести звук.
Ни одно смысловое слово не вырезано. Прочитай work/cuts.json глазами.
Каждая графика появляется ровно на своём слове.
Текст на экране не заходит под кнопки Instagram справа и под подпись снизу.
Факты из work/facts.md проверены, расхождения ты принял или исправил.
Все три проверки из шага 10 чистые, это видно в отчёте.
8. Чинилка
ffmpeg не найден
FFmpeg поставлен, но терминал его не видит. Закрой и открой терминал заново, на Windows перезайди в систему.
Звук уехал от губ
Сдвиг найден неверно. Запиши хлопок в начале следующего дубля или скажи скиллу сдвиг вручную: «сдвинь звук на 120 мс раньше».
Кириллица квадратиками
У шрифта нет русских букв. Скажи скиллу путь к шрифту с кириллицей, например Inter или Montserrat, скачанному с Google Fonts.
Распознавание очень долгое
Попроси сменить модель faster-whisper на small. Точность чуть ниже, скорость выше в два-три раза.
Самопроверка ходит по кругу
После пяти кругов скилл остановится и покажет, что не проходит. Чаще всего это застывший кадр в исходнике: камера зависла на записи. Такой кусок проще перезаписать.
Я собрал систему, по которой обычный человек запускает блог с нуля и набирает аудиторию без съёмок, монтажа и команды. Внутри разбор, с которого стартовал сам.