Youtube Clipper Ko

한국어 YouTube 영상을 바이럴 클립으로 자동 분할하는 스킬. Whisper로 음성 분석 → Claude로 바이럴 구간 선정 → ffmpeg으로 클립 추출. 무음/숨소리 구간 제거, 3색 한국어 자막(SUIT 폰트), 바이럴 점수 + 리즌 텍스트 포함. YouTube URL 또...

Security Scan

The skill does what its name says (clips Korean YouTube videos) but the package metadata and README claim 'local-only' while the runtime actually uploads audio/transcripts to external APIs (OpenAI Whisper and Anthropic), and the registry omits required API environment variables — an important inconsistency you should understand before installing.

Purpose & Capability

The name/description (YouTube → viral clips using Whisper + Claude + ffmpeg) match the included script: it downloads videos (yt-dlp), extracts audio, calls OpenAI Whisper for transcription, calls Anthropic for segment selection, and uses ffmpeg to produce clips. However the registry metadata lists no required environment variables even though the code expects OPENAI_API_KEY and an Anthropic API key — this metadata omission is an incoherence.

Instruction Scope

SKILL.md and README state '로컬 실행' / '영상 외부 서버에 올라가지 않음', but scripts/clip.py uploads audio to OpenAI's Whisper API and sends transcript/prompts to Anthropic — i.e., user audio and transcript are sent to external services. Instructions also rely on yt-dlp and ffmpeg via subprocess; they do not appear to exfiltrate data to unexpected endpoints beyond OpenAI and Anthropic, but the 'local-only' claim is misleading.

Install Mechanism

There is no binary download/install spec embedded in the package (instruction-only plus included Python script). Dependencies are standard (yt-dlp, ffmpeg, openai, anthropic) and the README/scripting suggest pip/brew/apt installs; nothing in the manifest points to arbitrary archive downloads or obscure URLs.

Credentials

The runtime requires API keys (OPENAI_API_KEY for Whisper and an Anthropic key) which are appropriate for the described external API usage, but the registry metadata incorrectly lists no required env vars and SKILL.md references other tooling keys (TOOLS.md/Gemini) in a confusing way. The omission of these credentials from metadata is a meaningful mismatch and could lead users to miss the fact that audio/transcripts will be uploaded to third parties.

Persistence & Privilege

The skill does not request always:true, does not modify other skills or system-wide configs, and only writes outputs into its own outputs/ directory. It uses subprocesses and writes files locally as expected for a media-processing tool.

Scan Findings in Context

[no_findings] expected: Pre-scan injection signals: none detected. Static scan absence is not proof of safety; the code's network calls (OpenAI/Anthropic) are expected for this purpose.

What to consider before installing

Before installing, be aware of these points: - Privacy/hosting: Despite README claims of 'local-only', the script uploads audio to OpenAI Whisper and sends transcripts/prompts to Anthropic for analysis. If you must keep audio/video entirely offline, do not use this skill as-is (consider replacing Whisper/Anthropic calls with a local ASR/LLM). - Credential visibility: The code requires OPENAI_API_KEY and an Anthropic API key (used at runtime). The registry metadata did not declare these env vars — verify and set keys only after you accept the external API usage. - Data sensitivity & copyright: Using yt-dlp downloads remote videos; uploading audio to external APIs may violate privacy or copyright expectations. Only process content you are allowed to upload to those services. - Confirm author/source: The README points to a GitHub repo and an author handle; if you care about provenance, inspect the repo and commits. Prefer installing from a known repository rather than an anonymous bundle. - Running safely: Run with the --dry option first to inspect transcripts and outputs. Consider running in an isolated environment (container, VM) and limit network egress if you want to inspect behavior before allowing API calls. Rotate keys after testing and scope them appropriately. - Ask for fixes: Request the publisher update the registry metadata to declare required env vars (OPENAI_API_KEY, ANTHROPIC_API_KEY) and correct the 'local-only' wording in README/SKILL.md so it accurately reflects external API usage. If you want a fully offline alternative, ask the author or maintainers whether the tool supports a local-only ASR (e.g., whisper.cpp) and local LLM processing, or consider forking the project and replacing network calls.

한국어 YouTube 영상 → 바이럴 숏폼 클립 자동 분할기.

개요

1. YouTube URL 또는 로컬 영상 파일 입력
2. yt-dlp로 영상 다운로드
3. Whisper API로 전체 자막 + word-level 타임스탬프 추출
4. Claude Haiku로 바이럴 구간 8~12개 선정 + 점수 + 한국어 리즌
5. ffmpeg으로 각 구간 9:16 클립 추출
6. 무음/숨소리 압축 (max_gap_sec=0.06)
7. 3색 한국어 자막 burn-in (SUIT ExtraBold)
8. 결과 폴더에 클립 + 메타데이터 JSON 저장

필수 도구 확인

에이전트는 작업 시작 전 반드시 환경을 확인해야 한다:

# yt-dlp
yt-dlp --version

# ffmpeg (libass 포함 여부 확인)
ffmpeg -filters 2>&1 | grep subtitles

# python 의존성
python3 -c "import openai, anthropic; print('OK')"

# SUIT 폰트
ls /usr/share/fonts/truetype/SUIT-ExtraBold.ttf 2>/dev/null || echo "MISSING"

없으면:

• yt-dlp: pip install yt-dlp
• ffmpeg: apt install ffmpeg 또는 brew install ffmpeg
• 의존성: pip install openai anthropic
• SUIT 폰트 없으면 NotoSansCJK-Bold.ttc fallback 자동 적용

사용법

에이전트는 사용자에게 다음을 물어야 한다:

1. YouTube URL 또는 로컬 영상 경로
2. 구간 설정 (선택, 기본: 전체)
3. 클립 길이 (선택: 1530초 / 3060초 / 6090초 / 90120초, 기본: 30~60초)
4. 자막 언어 (선택: 한국어 / 영어, 기본: 한국어)

받은 후 scripts/clip.py 실행:

python3 skills/youtube-clipper-ko/scripts/clip.py \
  --url "https://youtu.be/VIDEO_ID" \
  --clip-length 60 \
  --lang ko

또는 로컬 파일:

python3 skills/youtube-clipper-ko/scripts/clip.py \
  --file "/path/to/video.mp4" \
  --clip-length 60

출력 구조

outputs/YYYYMMDD_HHMMSS/
├── source.mp4           # 원본 (URL 입력 시 다운로드)
├── transcript.json      # Whisper 전체 자막 + 타임스탬프
├── viral_segments.json  # 바이럴 구간 분석 결과
├── clips/
│   ├── clip_01_[제목].mp4
│   ├── clip_02_[제목].mp4
│   └── ...
└── result.json          # 전체 메타데이터

viral_segments.json 구조

[
  {
    "rank": 1,
    "score": 87,
    "start": "03:14",
    "end": "04:02",
    "title": "월 200만원 자동화하는 방법",
    "reason": "구체적인 금액과 방법이 동시에 나옴. 첫 3초 안에 결론 제시.",
    "hook": "근데 진짜 이게 되거든요",
    "clip_file": "clips/clip_01_월200만원자동화.mp4"
  }
]

Clawitzer 연결

클립 추출 후 Clawitzer 파이프라인으로 넘기려면:

# 추출된 클립을 Clawitzer 소스로 사용
python3 projects/clawitzer/main.py \
  --video "skills/youtube-clipper-ko/outputs/TIMESTAMP/clips/clip_01.mp4" \
  --script-file "skills/youtube-clipper-ko/outputs/TIMESTAMP/clip_01_script.json"

단, Clawitzer의 TTS는 사용하지 않음 (원본 음성 유지). editor.py의 자막/편집 로직만 활용 가능.

API 키

• OpenAI Whisper: TOOLS.md의 Gemini 키 대신 OpenAI API 필요 (없으면 달비님께 요청)
• Anthropic Claude: 기존 설정 사용 (환경변수 ANTHROPIC_API_KEY)

바이럴 구간 선정 기준 (Claude 프롬프트 기반)

1. 감정 강도: 놀람, 공감, 궁금증, 웃음 유발 구간
2. 정보 밀도: 구체적 숫자/금액/방법이 나오는 구간
3. 완결성: 클립 단독으로 이해 가능한 구간
4. 훅 가능성: 첫 3초 안에 시청자를 잡을 수 있는 문장 포함 여부
5. 한국어 최적화: 한국 시청자 반응 패턴 반영

무음/숨소리 처리

Clawitzer editor.py 로직 차용:

• silenceremove 필터 (max_gap_sec=0.06)
• 완전 제거가 아닌 압축 (자연스러운 흐름 유지)
• 숨소리 구간: 50ms로 압축

자막 스타일 (Clawitzer 3색 룰)

• 기본: 흰색(#FFFFFF), 52px
• 빨강 앞뒤: 노란색(#FFFF00), 52px
• 강조 키워드: 빨강(#FF0000), 62px (연속 불가)
• 폰트: SUIT ExtraBold (없으면 NotoSansCJK fallback)
• 자간: -1 (좁힘)
• 위치: 화면 중앙 (an5, Y=900/1920)