Open Vision Agents von Stream. Erstelle schnell Sprach- und Bildagenten mit jedem Modell oder Videoanbieter. Nutzt das Edge-Netzwerk von Stream für extrem niedrige Latenz.
Dieses Skill von Stream ermöglicht es Entwicklern, Sprach- und Bildagenten (Voice & Vision Agents) schnell und flexibel zu erstellen, unterstützt von einer Vielzahl an Modellen und Videoanbietern. Es basiert auf dem Edge-Netzwerk von Stream, das für ultra-niedrige Latenz sorgt, was besonders wichtig für Echtzeit-Interaktionen ist. Das Skill ist sowohl für einfache Prototypen als auch für komplexe Agentenarchitekturen geeignet und lässt sich mit beliebigen Modellanbietern (z. B. OpenAI, Anthropic) und Videoplattformen kombinieren. Es ist als Open-Source-Projekt auf GitHub verfügbar und richtet sich an Entwickler, die KI-gestützte, multimodale Anwendungen mit Echtzeit-Video- und Sprachfähigkeiten bauen möchten.
npx skills add GetStream/Vision-AgentsOpen Vision Agents von Stream. Erstelle schnell Sprach- und Bildagenten mit jedem Modell oder Videoanbieter. Nutzt das Edge-Netzwerk von Stream für extrem niedrige Latenz.
Quelle: https://github.com/GetStream/Vision-Agents
Entdeckt während der täglichen awesomeskills.dev Agent-Skill-Suche.
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.