Lecture Recording Captions by bam-bam-2 — AI Skill for Any LLM

Overview

Publisher	bam-bam-2
Repository	`solo-skills`
Skill name	`lecture-recording-captions`
Stars	366
Forks	87
Bundled files	15
License	MIT
Links	Skill source Repository Homepage

Markdown instructions

A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

Works with any LLM

AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

15 bundled files

Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

Open source

Published by bam-bam-2 on GitHub. Read the source before you install it.

Installation

Install the Lecture Recording Captions AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

Open the app and go to Plugins → Skills.
Choose "Install from GitHub".
Paste the skill folder URL below and confirm.
https://github.com/bam-bam-2/solo-skills/tree/main/skills/lecture-recording-captions
Enable the skill in any chat where you want it available.

Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills

git clone --depth 1 https://github.com/bam-bam-2/solo-skills.git /tmp/solo-skills
mkdir -p .claude/skills
cp -r /tmp/solo-skills/skills/lecture-recording-captions .claude/skills/lecture-recording-captions

Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Lecture Recording Captions in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Lecture Recording Captions on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Lecture Recording Captions is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

Loaded only when it is needed

The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

Switch models mid-chat

Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

이 스킬이 시스템에 하는 일 (설치 전 확인)

로컬에서 ffmpeg과 음성 인식 모델을 돌립니다. CPU·디스크를 많이 씁니다.

녹화 파일을 읽고 자막·영상 파일을 새로 만듭니다. 원본은 수정하지 않습니다.

유튜브 업로드 단계는 별도 인증이 필요하고, 기본값은 업로드하지 않는 것입니다.

강의 녹화본 자막판

결과물: 1920x1080 30fps mp4 하나. 1부(슬라이드 발표) + 2부(질의응답 웹캠) + 엔드카드. 겟백 팔레트(#0d0d0d / 라임 #D4F000 / 퍼플 #7B2FFF), 자막 나눔고딕 ExtraBold, 타이틀·일러스트 배달의민족 주아체(assets/fonts/BMJUA_ttf.ttf, 상업 사용 가능, 엔드카드에 출처 표기).

무거운 단계(전사·교정·렌더)는 전부 맥미니에서 돌린다(macmini-offload 스킬). 맥북에서는 크롭·축소 전처리만 videotoolbox로 한다.

먼저 정할 것 — 판매용인가 기수 공유용인가

두 경로가 갈린다. 소스 화면이 슬라이드로 고정되어 있는지 먼저 본다(0단계 콘택트시트).

	판매용 풀 파이프라인	기수 공유용 경량
소스 조건	발표 내내 슬라이드 고정	화면이 슬라이드·브라우저·웹캠으로 계속 바뀜
포함	자막 + 타이틀카드 + 확대 + 일러스트 + PIP	자막 + 엔드카드만
걸리는 시간	반나절 이상	2~3시간

기수 세션 녹화본은 보통 줌 창 전체를 녹화해서 맥 메뉴바·독·디스코드 사이드바가 다 찍힌다. 이런 소스에 슬라이드 구간표를 만들면 타이틀카드가 엉뚱한 화면에 뜨고 확대가 엉뚱한 데를 잡는다. runs를 통짜 하나([[0, 끝, 1]])로 두고 titles·zoom·illustrations를 빈 객체로 두면 자막과 엔드카드만 적용된다. 이 조합은 2026-09-07 7기 OT에서 실측됐다.

손실 없이 빠지는 것과 아닌 것을 구분한다. 자막은 복습 가치가 크므로 반드시 넣고, 타이틀카드·확대는 화면이 고정된 소스에서만 값을 한다.

절차

0. 소스 파악과 싱크

영상 소스와 음성 소스를 분리해 적는다. 맥 화면기록은 오디오가 없다.
두 파일을 10분 간격으로 샘플링해 콘택트시트로 본다. 슬라이드가 언제 끝나는지, 화면공유가 언제 꺼지는지, 웹캠 타일이 어디 있는지, 참가자 이름·채팅이 어디 찍히는지 표시한다.
오프셋은 "슬라이드 제목을 읽는 발화"와 그 슬라이드의 등장 시각으로 두 군데 이상 맞춰 확정한다. 이후 모든 시각은 음성(전사) 타임라인으로 통일한다.
실제 발화 끝은 볼륨 측정으로 확인한다. 전사가 "하하하"만 찍혀도 말이 이어지고 있을 수 있다.

1. 전처리 (맥북, videotoolbox)

필요 구간만 잘라 뽑는다. 원본은 보내지 않는다.

base.mp4 슬라이드 크롭 → 1920x1080 30fps, -c:v h264_videotoolbox -b:v 3500k
face1.mp4 발표 중 얼굴 타일 크롭(원본 해상도 유지)
bam2.mp4 질의응답 웹캠 타일 크롭 → 1440x810
audio.m4a 음성 -vn -c:a copy
마지막 슬라이드 PNG를 1920x1080으로 s18.png처럼 준비(공유 해제 구간 덮기용) ssh localhost로 nohup 실행하고, 중단할 땐 pkill -f '[p]rep.sh' 형식으로.

2. 전사 (맥미니)

줌 클라우드 녹화본이면 전사·교정 단계를 통째로 건너뛸 수 있다. 줌이 audio_transcript.transcript(WEBVTT)를 같이 주고, 한국어 품질이 whisper 못지않다(2026-09-07 실측: 830큐, 밤밤 발화 정확). 절차는 references/zoom-cloud-source.md 참고.

scripts/vtt_to_segs.py <transcript> segs_final.json — WEBVTT → 세그먼트(긴 발화는 문장 단위로 분할)
고유명사 교정 — 줌 전사도 브랜드명은 틀린다("갯배/겟배" → "겟백", "칠 기" → "7기"). 정규식 치환으로 한 번에 고친다.
scripts/add_words.py segs_final.json — 필수. make_video.py는 어절 하이라이트를 위해 s['words']를 요구하는데 줌 전사는 문장 단위라 없다. 글자 수 비례로 어절 시간을 배분한다. 이걸 건너뛰면 KeyError: 'words'로 죽는다.

줌 녹화본이 없거나 품질이 나쁘면 기존 경로로 간다 — scripts/transcribe_chunks.sh <audio> <outdir> "<고유명사 목록>" → 10분 청크, 단어 타임스탬프. 그다음 scripts/collect_tr.py <outdir>/tr <work> → segs_new.json + 교정용 chunks2/. 10분당 글자 수가 고르지 않으면 환각이니 그 청크만 다시 돌린다.

3. 교정 (맥미니)

assets/fix_prompt.txt를 작업 폴더에 복사하고 고유명사 사전을 이번 강연에 맞게 고친 뒤 scripts/fix_run.sh <work>. 끝나면 scripts/apply_fix.py <work> → segs_final.json.

4. 슬라이드 구간표

scripts/slide_runs.py base.mp4 <slides_dir> runs.json으로 초안을 만들고, 반드시 프레임을 뽑아 눈으로 대조해 손으로 고친다. 어두운 슬라이드끼리, 스크롤 중인 프레임은 자주 틀린다. 슬라이드를 앞뒤로 넘긴 구간은 정착한 시각을 시작으로 잡는다.

5. 일러스트

개념 5~6개만. scripts/illust_card.py --out 두갈래.png --title "..." --line "1. ..." --line "2. ..." --warn "..." --note "...". 만든 뒤 콘택트시트로 글리프 누락(①·→)과 금지 표현을 확인한다.

6. 설정과 조립

references/example-config.json을 복사해 채운다. 핵심 필드:

phase1.runs [[시작,끝,슬라이드번호]], titles {번호: [키커, 제목]}, zoom {번호: [지연, 길이, 배율, fx, fy]} (fx·fy는 팬 범위 내 비율, 0=왼쪽·위 끝), illustrations {번호: [지연, 길이, 파일]}, face.valid_from, freeze.from
phase2.cam_until(웹캠 소스가 끝나는 시각), tail(그 뒤를 잇는 다른 소스), cover.until(공유 해제 중 참가자 정보가 찍히는 구간을 마지막 슬라이드로 덮음), card_at, tag
ffmpeg는 맥미니에서 /opt/homebrew/opt/ffmpeg-full/bin/ffmpeg python3 scripts/make_video.py config.json → sub1/2/3.ass, render.sh. 먼저 render.sh의 1부 명령을 -t 60으로 줄여 시험 렌더하고 프레임을 본 뒤 전체를 run.sh start로 돌린다. 1부와 2부는 별도 명령이라 문제 있는 쪽만 다시 뽑으면 된다.

7. 검수 (건너뛰지 말 것)

최종본에서 다음 시각의 프레임을 뽑아 콘택트시트로 본다: 각 슬라이드 타이틀 카드 직후, 각 확대 구간 중간, 각 일러스트 표시 중, 1부→2부 경계 ±3초, 웹캠 등장 시점, 마지막 페이드, 엔드카드. 확인 항목:

참가자 이름·아바타·채팅이 한 프레임도 없는가
확대가 콘텐츠를 자르지 않는가
자막이 슬라이드 하단 글과 겹쳐도 읽히는가(반투명 띠)
얼굴 PIP가 검은 화면이 아닌가(valid_from 이전 구간)
총 길이가 의도한 값인가(-loop 입력 때문에 무한 렌더가 된 적 있음)

8. 전달

scp로 artifacts에 가져오고(1.5GB ≈ 5분), 콘택트시트 한 장과 함께 구성·길이·바꾼 점을 보고한다. 자동 전사라 오타가 남을 수 있음을 밝히고, 시각을 알려주면 그 줄만 고쳐 다시 뽑을 수 있다고 말한다. config와 segs_final.json은 프로젝트 폴더에 보관한다.

9. 배포 — 유튜브 + 디스코드 (기수 세션일 때)

기수 녹화본은 디스코드에 파일을 올리지 않는다(8MB 제한). 유튜브 unlisted로 올리고 링크만 건다.

유튜브 업로드 — 맥미니 ~/Projects/getback/pipeline/youtube_uploader.py의 upload_video(path, title, desc, tags). 기본값이 unlisted다. 인증은 통합 토큰 ~/.config/get100/google_token.json(scripts/google_auth.py). 718MB ≈ 1분.
디스코드 공지 — 포럼 #겟백-세션-녹화본(id <DISCORD_ID>)에 밤냥이 봇 명의로 POST /channels/{forum}/threads. 양식과 기준은 references/discord-recording-post.md.
7일 만료는 자동 — 봇의 recording_expiry.py가 1시간마다 포럼을 훑어 본문에 🗓 시청 기한: ~MM/DD를 붙이고, 기한이 지나면 유튜브 링크를 지운다. 봇이 쓴 글에만 적용된다 — 밤밤 계정으로 올리면 안 붙는다. 기한은 EXPIRY_DAYS 상수(2026-09-08부터 7일). 나중에 다시 열려면 본문에 링크를 다시 넣으면 된다.

판단 기준

말투·톤 지시는 memory/USER.md의 밤밤 금지 표현을 일러스트 문구에도 그대로 적용한다("이 아니라", "자리" 등).
확대는 슬라이드당 한 번, 8~20초 뒤 시작, 12초 유지. 일러스트는 확대와 시간이 겹치지 않게.
2부에서 상대(호스트)가 말할 때도 밤밤 웹캠을 유지한다. 화자 분리는 하지 않는다.

references/pitfalls.md에 실측에서 걸린 함정을 정리해 두었다. 막히면 먼저 그 파일을 본다.

Frequently asked questions

What does the Lecture Recording Captions AI skill do?

밤밤의 강연·라이브·기수 세션 녹화본(줌 클라우드·디스코드·맥 화면기록)을 자막판 영상으로 만들고 배포할 때 읽을 것. 어절 하이라이트 자막, 슬라이드별 타이틀 카드, 핵심 영역 확대, 주아체 일러스트, 얼굴 PIP, 질의응답 웹캠 레이아웃, 엔드카드에서 유튜브 업로드·디스코드 공지·7일 만료까지 한 파이프라인. "녹화본 자막 달아줘", "강의 영상 편집해서 올려줘", "녹화본 디스코드에 업데이트해줘", "라이브 자막판 파이프라인" 요청을 처리한다.

Why use Lecture Recording Captions on TypingMind?

Because you install it once and use it with any model. Lecture Recording Captions is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Lecture Recording Captions in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/bam-bam-2/solo-skills/tree/main/skills/lecture-recording-captions. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Lecture Recording Captions?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Lecture Recording Captions?

As many as you like. As long as a model supports skills, you can use Lecture Recording Captions with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Lecture Recording Captions AI skill free?

Yes. It is published on GitHub by bam-bam-2 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

Overview

Installation

Install in TypingMind

Install in another agent

Use it in TypingMind

Works with any AI model

Skill instructions

강의 녹화본 자막판

먼저 정할 것 — 판매용인가 기수 공유용인가

절차

0. 소스 파악과 싱크

1. 전처리 (맥북, videotoolbox)

2. 전사 (맥미니)

3. 교정 (맥미니)

4. 슬라이드 구간표

5. 일러스트

6. 설정과 조립

7. 검수 (건너뛰지 말 것)

8. 전달

9. 배포 — 유튜브 + 디스코드 (기수 세션일 때)

판단 기준

Bundled files

Frequently asked questions

Related AI Skills

Set up your own AI workspace now