Nutze dieses Skill beim Erstellen von Echtzeit-, bidirektionalen Streaming-Anwendungen mit der Gemini Live API. Es deckt WebSocket-basiertes Audio/Video/Text-Streaming, Sprachaktivitätserkennung (VAD), native Audiofunktionen, Funktionsaufrufe, Sitzungsverwaltung, flüchtige Token für die clientseitige Authentifizierung, Live-Übersetzung und alle Konfigurationsoptionen der Live API ab. Abgedeckte SDKs: google-genai (Python), @google/genai (JavaScript/TypeScript).
Dieser Skill ist speziell für Entwickler konzipiert, die Echtzeit-, bidirektionale Streaming-Anwendungen mit der Gemini Live API erstellen. Er bietet umfassende Unterstützung für WebSocket-basiertes Audio-, Video- und Text-Streaming. Dies umfasst fortschrittliche Funktionen wie Sprachaktivitätserkennung (VAD), native Audioverarbeitung und nahtlose Integration von Funktionsaufrufen. Zudem werden wichtige Aspekte der Sitzungsverwaltung und die Verwendung von flüchtigen Tokens für die sichere clientseitige Authentifizierung abgedeckt, sowie Live-Übersetzungsfunktionen. Der Skill ist besonders nützlich für die Entwicklung interaktiver KI-Assistenten, Sprachschnittstellen und kollaborativer Tools in Echtzeit. Er ist plattformunabhängig und deckt die offiziellen SDKs für Python (google-genai) und JavaScript/TypeScript (@google/genai) ab, sodass Entwickler in ihrer bevorzugten Sprache arbeiten können. Die Dokumentation beschreibt detailliert, wie Konfigurationsoptionen der Live API genutzt werden, um stabile und reaktionsschnelle Streaming-Anwendungen zu realisieren.
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-live-api-devNutze dieses Skill beim Erstellen von Echtzeit-, bidirektionalen Streaming-Anwendungen mit der Gemini Live API. Es deckt WebSocket-basiertes Audio/Video/Text-Streaming, Sprachaktivitätserkennung (VAD), native Audiofunktionen, Funktionsaufrufe, Sitzungsverwaltung, flüchtige Token für die clientseitige Authentifizierung, Live-Übersetzung und alle Konfigurationsoptionen der Live API ab. Abgedeckte SDKs: google-genai (Python), @google/genai (JavaScript/TypeScript).
This repo contains 4 individual skills — each has its own dedicated page.
Use this skill when building applications with Gemini API hosted models, including Gemini and Gemma 4, working with multimodal content (text, images, audio, video), implementing function calling, using structured outputs, or needing current model specifications. Covers SDK usage (google-genai for Python, @google/genai for JavaScript/TypeScript, com.google.genai:google-genai for Java, google.golang.org/genai for Go), model selection, and API capabilities.
Use this skill when writing code that calls the Gemini API for text generation, multi-turn chat, multimodal understanding, image generation, streaming responses, background research tasks, function calling, structured output, or migrating from the old generateContent API. This skill covers the Interactions API, the recommended way to use Gemini models and agents in Python and TypeScript.
Use this skill for generative video editing, text-to-video, image-referenced video generation, first-frame-to-video, first-and-last-frame transitions, and video extensions using Gemini Omni 1.1 Flash (gemini-omni-1.1-flash) via the official google-genai SDK. Includes workflows for pre-processing/optimizing high-resolution or long source videos with ffmpeg, stripping audio for full sound regeneration, and handling turn-by-turn video editing and parallel execution.
Guides the usage of Gemini API on Google Cloud Vertex AI with the Gen AI SDK. Use when the user asks about using Gemini in an enterprise environment or explicitly mentions Vertex AI. Covers SDK usage (Python, JS/TS, Go, Java, C#), capabilities like Live API, tools, multimedia generation, caching, and batch prediction.
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.