Transkribiere Audio in zeitgestempelte Liedtexte mit OpenAI Whisper oder der ElevenLabs Scribe API. Ausgabe als LRC, SRT oder JSON mit Wort-Zeitstempeln. Verwende dies, wenn Benutzer Songs transkribieren, LRC-Dateien erstellen oder Liedtexte mit Zeitstempeln aus Audio extrahieren möchten.
Diese Fähigkeit wandelt Audiodateien in präzise, zeitgestempelte Liedtexte um, indem sie entweder das OpenAI Whisper-Modell oder die ElevenLabs Scribe API nutzt. Sie ist besonders nützlich für Entwickler und KI-Agenten, die Liedtexte aus Musik-, Sprach- oder anderen Audioinhalten extrahieren müssen und dabei eine genaue zeitliche Zuordnung jedes Wortes wünschen. Die Ausgabe kann in den Formaten LRC (wird häufig von Musikplayern verwendet), SRT (ein Standard-Untertitelformat) oder JSON (für die weitere programmatische Verarbeitung) erfolgen. Plattformübergreifend einsetzbar, da sie auf den Cloud-APIs von OpenAI und ElevenLabs basiert, die von den meisten Entwicklungsumgebungen und KI-Agenten-Frameworks (einschließlich Claude Code, Cursor und Codex) aus zugänglich sind. Der Workflow ist einfach: Der Benutzer gibt den Pfad zur Audiodatei an, wählt das gewünschte Ausgabeformat und optional die Zielsprache aus. Das Skill ruft dann die entsprechende API auf, verarbeitet die Transkription und gibt die Ergebnisse strukturiert zurück.
npx skills add ace-step/ACE-Step-1.5Transkribiere Audio in zeitgestempelte Liedtexte mit OpenAI Whisper oder der ElevenLabs Scribe API. Ausgabe als LRC, SRT oder JSON mit Wort-Zeitstempeln. Verwende dies, wenn Benutzer Songs transkribieren, LRC-Dateien erstellen oder Liedtexte mit Zeitstempeln aus Audio extrahieren möchten.
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.