Монтажный стол в терминале: как Claude Code научили резать видео и верстать моушн

Терминальная строка вместо таймлайна Premiere Pro — зрелище непривычное, но именно туда сейчас перебирается черновая видеорутина. Пока индустрия спорит о генерации целых миров по текстовому запросу, независимые разработчики собрали приземлённые рабочие конвейеры. Они превратили консольного агента Claude Code и ассистента Codex в ассистентов монтажёра, способных локально вычистить запинки спикера, раскидать графику по сетке музыкального трека или отделить ведущего от фона без возни с масками.

Первый заметный релиз выкатил разработчик Barty-Bart. Его репозиторий под свободной лицензией MIT добавляет в арсенал Claude Code два практичных навыка: motion-broll для автоматической сборки графических перебивок и object-separation для сегментации объектов. Установка предельно лаконична: команда npx skills add Barty-Bart/motion-graphics позволяет выбрать один или оба инструмента, после чего агент начинает оперировать локальными утилитами на компьютере.

Инструмент motion-broll берёт на себя утомительную задачу: придумывать и анимировать плашки под слова диктора. Агент считывает исходное видео, определяет его геометрию, частоту кадров и композицию, а затем сверяется с таймингами слов из субтитров формата SRT, YouTube или экспорта из Descript. Сформировав план перебивок и получив одобрение пользователя, система генерирует графику. Если плашка занимает весь кадр, на выходе получается MP4. Если графика парит в свободном углу кадра рядом со спикером, инструмент рендерит прозрачный слой в кодеке ProRes 4444 .mov.

Инженерная часть motion-broll устроена любопытно: каждый кадр собирается из веб-разметки на движке skills/motion-broll/engine/motion.js. Браузер Chromium в фоновом режиме делает по четыре субкадра на один итоговый кадр с углом затвора 180 градусов, а ffmpeg склеивает их, рассчитывая реалистичное размытие в движении (motion blur). Вместе с готовыми футажами агент выгружает файл compare.html для интерактивной проверки монтажа бок о бок, стеком или шторкой, плеер viewer.html для покадрового разбора и документ TIMING.md со сводкой всех фраз и таймкодов. Для запуска требуются Node.js версии 18 или выше, Python 3 и сборка ffmpeg с поддержкой ProRes, а Playwright и Chromium скрипт загрузит сам.

Второй компонент от Barty-Bart — object-separation — переносит в консоль ротоскопинг. За покадровое вырезание людей, предметов или рук отвечает открытая нейросеть Meta SAM 2.1. Алгоритм оценивает доступное железо, подбирает нужный вес весов, просит расставить контрольные точки кликами на стартовом кадре, прогоняет тестовый отрезок и затем изолирует объект по всей длине ролика. Результат отдаётся в виде видео с зелёной заливкой и набора покадровых масок.

Выбор модели SAM 2.1 под оборудование

На чистом процессоре изоляция кадра занимает около 5 секунд, тогда как видеокарты и процессоры Apple Silicon справляются с задачей кратно быстрее. Из требований к окружению — 64-битная система (Windows, macOS или Linux), 8 ГБ оперативной памяти, Python 3.10+ и ffmpeg.

Параллельно свой взгляд на терминальный постпродакшен представил разработчик Нейт Херк (Nate Herk), объединивший наработки в репозиторий HyperFrames Student Kit. Проект дружит и с Claude Code, и с GitHub Codex, предлагая библиотеку из 15 навыков для автоматизации сборки видео и моушн-дизайна. Комплект ориентирован на тех, кто устал вручную склеивать говорящие головы: система берёт на себя транскрипцию аудио, вырезание неловких пауз, фильтрацию оговорок, правку таймингов, валидацию списков монтажных решений (EDL) и выравнивание склеек точно по долям музыкального трека.

Визуальное ядро HyperFrames опирается на связку одноимённой библиотеки и GSAP. Внутри зашито 406 черновиков моушн-карточек в двух стилистических направлениях с CSS-токенами, манифестами и редактируемыми слотами, куда агент сам подставляет текст и графику. Для фона заготовлены два шаблона сцен: тёмная миллиметровая бумага (dark graph paper) и стеклянный попаут у левого края кадра (left glass popout). Начать знакомство можно вообще без видеоматериала: в набор вшиты синтетический сетап, монтажный фикстур и 12 тренировочных проектов.

Управление строится вокруг понятных команд в терминале. Вызов /edit-video (или $edit-video в Codex) запускает черновую чистку речи от мусора и пауз. Команда /short-form-edit перекраивает горизонтальный материал в вертикаль 9:16 для Reels и YouTube Shorts, расставляя акценты, хуки, финальные точки вознаграждения внимания и субтитры. А директива /motion-showreel собирает пятнадцатисекундный динамичный шоурил строго по тактовой сетке саундтрека. Быстрый тест окружения выполняет команда npm run demo: она генерирует восьмисекундную сцену в локальной среде Studio и рендерит финальный MP4.

Локальный базовый набор HyperFrames бесплатен и не требует внешних подписок. Ему нужны Node.js версии 22 или новее, Git, FFmpeg со встроенным модулем ffprobe и установленный браузер Chrome либо Chromium. Если захочется подключить облачную инфраструктуру, скрипты поддерживают транскрипцию через ElevenLabs Scribe (наряду с локальным или облачным OpenAI Whisper), а генерацию фонов и картинок можно делегировать сервису Kie.ai через собственные API-ключи.

Нас подкупило, что оба проекта не пытаются казаться абстрактной кнопкой «сделать шедевр». Это утилитарные инструменты, которые выбивают из рабочего графика самую скучную механическую работу вроде отслушивания дублей и нарезки пауз. Освободив вечер от рутинной зачистки таймлайна, креатор наконец сможет потратить его на режиссуру и художественные решения.