Communitygithub.com

benchflow-ai/skillsbench

Kombiniere visuelle Merkmale (Gesichtserkennung, Lippenbewegungsanalyse) mit Audio-Merkmalen, um die Genauigkeit der Sprecherdiarisierung in Videodateien zu verbessern. Verwende OpenCV zur Gesichtserkennung und Verfolgung von Lippenbewegungen, um visuelle Hinweise mit audio-basierten Sprecher-Embeddings zu fusionieren. Unverzichtbar bei der Verarbeitung von Videodateien mit mehreren sichtbaren Sprechern oder wenn eine rein audio-basierte Diarisierung einer visuellen Validierung bedarf.

Was ist skillsbench?

Dieses Skill, benchflow-ai/skillsbench, verbessert die Sprecherdiarisierung in Videodateien, indem es visuelle Merkmale wie Gesichtserkennung und Lippenbewegungsanalyse mit traditionellen Audio-Merkmalen kombiniert. Es nutzt OpenCV für die Gesichtserkennung und das Verfolgen von Lippenbewegungen, um visuelle Hinweise zu extrahieren, und fusioniert diese dann mit audio-basierten Sprecher-Embeddings. Dies ist besonders nützlich, wenn Videodateien mit mehreren sichtbaren Sprechern verarbeitet werden oder wenn eine rein audio-basierte Diarisierung eine visuelle Validierung benötigt, um Ungenauigkeiten zu reduzieren. Das Skill unterstützt typische AI-Agent-Plattformen wie Claude Code, Cursor und Codex und fungiert als ein Werkzeug für Entwickler und Forscher, die mit multimodaler Sprecherdiarisierung arbeiten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add benchflow-ai/skillsbench
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht skillsbench?

Kombiniere visuelle Merkmale (Gesichtserkennung, Lippenbewegungsanalyse) mit Audio-Merkmalen, um die Genauigkeit der Sprecherdiarisierung in Videodateien zu verbessern. Verwende OpenCV zur Gesichtserkennung und Verfolgung von Lippenbewegungen, um visuelle Hinweise mit audio-basierten Sprecher-Embeddings zu fusionieren. Unverzichtbar bei der Verarbeitung von Videodateien mit mehreren sichtbaren Sprechern oder wenn eine rein audio-basierte Diarisierung einer visuellen Validierung bedarf.

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

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.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

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...

community

affaan-m/everything-claude-code

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.

community