Eine umfassende Fähigkeit zur Extraktion von Kapitelindizes aus Tutorial-Videos mittels FFmpeg-Audioextraktion, OpenAI Whisper ASR-Transkription mit Wort-für-Wort-Zeitstempeln und semantischer Kapitelausrichtung durch unscharfen Zeichenfolgenabgleich.
Diese Fähigkeit ermöglicht es AI-Agenten, strukturierte Kapitelindizes aus Tutorial-Videos zu extrahieren, indem sie Audiospuren mit FFmpeg extrahieren, diese mit OpenAI Whisper ASR transkribieren (wortgenaue Zeitstempel inklusive) und die Transkripte dann semantisch mit vorgegebenen Kapiteltiteln abgleichen. Dadurch können Benutzer Videos nichtlinear nach Themen durchsuchen oder springen. Die Fähigkeit unterstützt gängige Videoformate und arbeitet auf Agentenplattformen, die Shell-Kommandos und OpenAI-API-Zugriff bereitstellen. Der Prozess beginnt mit der Audioextraktion, gefolgt von der Transkription und schließlich der unscharfen Zuordnung von Kapitelnamen zu Transkriptabschnitten, was eine robuste Indexierung auch bei variierenden Kapitelnamen ermöglicht.
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/video-tutorial-indexer/environment/skills/evo-video-tutorial-indexerEine umfassende Fähigkeit zur Extraktion von Kapitelindizes aus Tutorial-Videos mittels FFmpeg-Audioextraktion, OpenAI Whisper ASR-Transkription mit Wort-für-Wort-Zeitstempeln und semantischer Kapitelausrichtung durch unscharfen Zeichenfolgenabgleich.
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.
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.
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.