# 🛠️ Kapitel 13 – Clipper (Tutorial)

---

## Einleitung  
Clips sind der beste Weg, lange Streams in kurze, teilbare Highlights zu verwandeln.  
Das Ziel dieses Kapitels: Wir bauen ein System, das neue Videos automatisch erkennt, sinnvolle Stellen analysiert, passende Highlights schneidet und die Ergebnisse in Nextcloud ablegt – komplett mit Titeln und Hashtags für jede Plattform.  
Der Clipper selbst übernimmt dabei nur die technische Verarbeitung. Alles rund um Steuerung, Analyse und Benachrichtigungen läuft über **n8n** – so bleibt das System flexibel, ressourcenschonend und jederzeit erweiterbar.

---

## Voraussetzungen  
- **Proxmox LXC** mit Debian 12 (Bookworm)  
- **Nextcloud** (Pflicht, Zielort für Clips & Metadaten)  
- **n8n-Instanz** (Automatisierung, Steuerung Clipper, Analyse, Metadaten-Erzeugung)  
- **Twitch-Entwickler-Account** inkl. API-Key (für VOD- und Clip-Zugriff)  
- **Optional**: RTMP-Server, falls VODs lokal aufgezeichnet werden  
- **Ressourcen für den LXC**: 1 vCPU, 512 MB RAM, 10 GB Speicher reichen aus  
- **Grundwissen**: SSH-Verbindung, Nano-Editor, Basiskenntnisse in n8n

---

## Vorbereitung  
Bevor wir Clipper installieren, richten wir den Container sauber ein:

1. **LXC erstellen**  
   - Debian 12, Name `clipper`  
   - Ressourcen wie oben (1 vCPU, 512 MB RAM, 10 GB Speicher)  

2. **System aktualisieren und Basis-Tools installieren**  
   ```bash
   apt update && apt upgrade -y
   apt install -y curl nano unzip ffmpeg inotify-tools
   ```

3. **Zeitsynchronisation prüfen**  
   ```bash
   timedatectl status
   ```
   Eine saubere Zeitbasis ist entscheidend, da Clips später anhand exakter Sekundenmarken geschnitten werden.

4. **Ordnerstruktur vorbereiten**  
   ```bash
   mkdir -p /srv/clipper/{watch,out,temp,logs}
   ```
   - `watch` → Eingangsordner für neue Videos (über Nextcloud oder Twitch-Import)  
   - `out` → fertige Clips + Metadaten  
   - `temp` → Zwischenablagen für Analyse  
   - `logs` → Protokolle aller Abläufe

Damit ist das Fundament gelegt: Der LXC ist vorbereitet, das System auf Stand, und die Ordnerstruktur für Clipper ist vorhanden.

---

## Hinweis zu späteren Schritten (Analyse & Schneiden)  
Im weiteren Verlauf des Tutorials berücksichtigen wir:  
- **Facecam-Erkennung**: Falls eine Facecam im Stream vorhanden ist, wird sie automatisch erkannt und als Overlay (z. B. Kreis, Rechteck oder wechselnde Form) in den Clip eingeblendet.  
- **Format-Anpassung**: Clips können zusätzlich ins **Hochformat (9:16)** umgewandelt werden, damit sie ohne Nachbearbeitung für TikTok, Instagram Reels oder YouTube Shorts nutzbar sind.  
- **Varianten**: Optional werden sowohl Querformat (16:9) als auch Hochformat exportiert, um alle Plattformen optimal zu bedienen.

### Untertitel-Steuerung (per n8n-Option)
In n8n fügen wir ein **Auswahlfeld** „Untertitel“ hinzu (z. B. im Start-Form/Set-Node oder als Workflow-Variable), mit drei Modi:
1. **Aus** – es werden keine Untertitel erzeugt.
2. **SRT** – es wird automatisch eine `.srt` per STT (z. B. Whisper) erzeugt und neben dem Clip abgelegt.
3. **Generiert nach Preset** – STT erzeugt Text + Timing, n8n wendet ein **Style-Preset** an und rendert die Untertitel ins Video ("burned-in").

**Preset-Verwaltung:** Die Style-Presets (Schriftgröße, Outline, Hintergrund, Position, ggf. ASS/Drawtext-Parameter) liegen zentral, z. B. in Nextcloud unter `/presets/subtitles.json` oder als n8n Static Data. So können später weitere Presets ergänzt werden, ohne den Workflow umzubauen.

**Pipeline-Auswirkung:**
- Modus **SRT** → `.srt` speichern, Clip bleibt „clean“.
- Modus **Preset** → `.srt` generieren **und** per ffmpeg (drawtext/subtitles) ins Video rendern; zusätzlich optional `.srt` beilegen.