Was macht evo-dubbing-mux-report?
Fügt normalisierte TTS-Audiosegmente mit präzisen Zeitversätzen mithilfe von FFmpeg in das Originalvideo ein und erstellt einen JSON-Bericht mit Zeitangaben, Drift- und Lautstärke-Metadaten.
Fügt normalisierte TTS-Audiosegmente mit präzisen Zeitversätzen mithilfe von FFmpeg in das Originalvideo ein und erstellt einen JSON-Bericht mit Zeitangaben, Drift- und Lautstärke-Metadaten.
Diese Kompetenz ist Teil der OpenLAIR Evo-Dubbing-Pipeline und ermöglicht das Zusammenführen (Muxing) von normalisierten Text-to-Speech (TTS)-Audiosegmenten mit dem Originalvideo. Sie nutzt FFmpeg, um die Audiospuren präzise an den vorgegebenen Zeitversätzen einzufügen, und erzeugt gleichzeitig einen detaillierten JSON-Bericht. Der Bericht enthält wichtige Metadaten wie Timing-Informationen, Drift-Werte (Abweichungen zwischen Soll- und Ist-Position) sowie Lautstärkepegel (Loudness). Dies ist besonders nützlich für Entwickler und Nutzer von KI-Agenten, die automatisierte Synchronisations- oder Vertonungs-Workflows betreiben, z. B. mit Claude Code, Cursor oder Codex. Die Kompetenz stellt sicher, dass die resultierenden Videodateien synchron sind und die Audioqualität den Anforderungen entspricht, während sie gleichzeitig eine transparente Überwachung und Analyse des Muxing-Prozesses ermöglicht.
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/multilingual-video-dubbing/environment/skills/evo-dubbing-mux-reportFügt normalisierte TTS-Audiosegmente mit präzisen Zeitversätzen mithilfe von FFmpeg in das Originalvideo ein und erstellt einen JSON-Bericht mit Zeitangaben, Drift- und Lautstärke-Metadaten.
This repo contains 3 individual skills — each has its own dedicated page.
Handles audio resampling, loudness normalization per ITU-R BS.1770-4, and LUFS measurement for TTS segments to ensure broadcast-quality output.
Synthesizes target-language speech from text using Kokoro TTS, with speed/duration control to fit precise time windows. Handles SRT parsing, text extraction, and produces WAV segments.
A comprehensive skill for extracting chapter indices from tutorial videos using FFmpeg audio extraction, OpenAI Whisper ASR transcription with word-level timestamps, and semantic chapter alignment via fuzzy string matching.
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.