Was macht openai-whisper?
Lokale Spracherkennung mit dem Whisper CLI (ohne API-Schlüssel).
Lokale Spracherkennung mit dem Whisper CLI (ohne API-Schlüssel).
Dieses Skill ermöglicht die lokale Spracherkennung durch die Nutzung des Whisper CLI von OpenAI, ohne dass ein API-Schlüssel erforderlich ist. Es ist ideal für Entwickler und Agenten, die Audioaufnahmen in Text umwandeln müssen – sei es für Transkriptionen, Sprachbefehle oder Barrierefreiheitslösungen – und dabei vollständige Privatsphäre und Offline-Nutzung wahren möchten. Das Skill basiert auf Open-Source-Spracherkennungsmodellen und unterstützt verschiedene Audioformate, Mehrsprachigkeit sowie unterschiedliche Modellgrößen für optimale Geschwindigkeit oder Genauigkeit. Es funktioniert mit Agenten wie Claude Code, Cursor und Codex und lässt sich über die Kommandozeile einfach in bestehende Workflows integrieren.
npx skills add https://github.com/openclaw/openclaw/tree/main/skills/openai-whisperLokale Spracherkennung mit dem Whisper CLI (ohne API-Schlüssel).
This repo contains 5 individual skills — each has its own dedicated page.
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.
OpenAI Audio Transcriptions API via curl; gpt-4o-transcribe, mini, diarize, or whisper-1.
Run or recover OpenClaw macOS release signing, notarization, appcast, and asset promotion.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Extract frames or short clips from videos using ffmpeg.
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.