Was macht evo-dubbing-tts-synthesis?
Synthetisiert zielsprachliche Sprache aus Text mithilfe von Kokoro TTS, mit Geschwindigkeits-/Dauersteuerung zur Anpassung an präzise Zeitfenster. Verarbeitet SRT-Parsing, Textextraktion und erzeugt WAV-Segmente.
Synthetisiert zielsprachliche Sprache aus Text mithilfe von Kokoro TTS, mit Geschwindigkeits-/Dauersteuerung zur Anpassung an präzise Zeitfenster. Verarbeitet SRT-Parsing, Textextraktion und erzeugt WAV-Segmente.
Dieses Skill für KI-Agenten wie Claude Code oder Cursor führt eine Text-to-Speech-Synthese (TTS) für Lokalisierungs- und Dubbing-Workflows durch. Es nutzt Kokoro TTS, um aus übersetztem Text natürlich klingende Sprache zu erzeugen, und bietet eine präzise Steuerung von Geschwindigkeit und Dauer, damit die synthetisierte Sprache in genaue Zeitfenster passt – entscheidend für Lippensynchronisation in Medien. Zudem kann das Skill SRT-Untertiteldateien parsen, Textsegmente extrahieren und die resultierenden Sprachdateien als WAV-Segmente ausgeben. Es ist ideal für Entwickler, die automatisierte Dubbing-Pipelines, mehrsprachige Videoproduktion oder barrierefreie Medieninhalte erstellen, und kompatibel mit Agentenplattformen, die die Ausführung benutzerdefinierter Skills unterstützen.
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/multilingual-video-dubbing/environment/skills/evo-dubbing-tts-synthesisSynthetisiert zielsprachliche Sprache aus Text mithilfe von Kokoro TTS, mit Geschwindigkeits-/Dauersteuerung zur Anpassung an präzise Zeitfenster. Verarbeitet SRT-Parsing, Textextraktion und erzeugt WAV-Segmente.
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.
Muxes normalized TTS audio segments into the original video at precise time offsets using FFmpeg, and generates the JSON report with timing, drift, and loudness metadata.
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.