Was macht Audio-Transkriptions-Skill?
Codex-Skill für Audio-/Video-Transkription mit MLX Whisper, Bilibili-Fallback, Übersetzung, Diarisierung und Verpackung
Codex-Skill für Audio-/Video-Transkription mit MLX Whisper, Bilibili-Fallback, Übersetzung, Diarisierung und Verpackung
Dieser Skill für Codex (und kompatible KI-Agenten) ermöglicht die Transkription von Audio- und Videodateien mit verschiedenen Engines, hauptsächlich MLX Whisper. Er bietet eine Reihe erweiterter Funktionen, darunter automatische Sprachübersetzung, Sprecherdiarisierung (Unterscheidung verschiedener Sprecher) sowie die Verpackung der Ergebnisse in verschiedene Formate (z. B. SRT, VTT, TXT). Ein besonderes Merkmal ist der Bilibili-Fallback, der bei fehlgeschlagener Transkription auf eine alternative Quelle zurückgreift. Der Skill ist nützlich für Entwickler, die hochwertige Transkriptions-Workflows in ihre Codex-Umgebung integrieren möchten, und nutzt lokale MLX-Modelle für Effizienz und Geschwindigkeit. Die Konfiguration erfolgt über Umgebungsvariablen und eine SKILL.md-Dokumentation.
npx skills add ambition0802/audio-transcription-skillCodex-Skill für Audio-/Video-Transkription mit MLX Whisper, Bilibili-Fallback, Übersetzung, Diarisierung und Verpackung
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.