Communitygithub.com

PikaStream Video Meeting

Nimm an einem Google Meet- oder Zoom-Anruf als Video-Meeting-Agent über PikaStreaming teil.

Was ist PikaStream Video Meeting?

Diese Fähigkeit ermöglicht es einem KI-Agenten (z. B. Claude, Cursor, Codex), automatisch an Video-Meetings (Google Meet oder Zoom) teilzunehmen, sobald ein Link bereitgestellt oder die Aufforderung „Nimm am Meeting teil“ gegeben wird. Der Agent nutzt PikaStreaming, um als Avatar mit einer klonbaren Stimme zu erscheinen. Vor dem Beitritt überprüft das Skript, ob ein Avatar-Bild und eine Sprachkonfiguration vorhanden sind, und führt bei Bedarf eine einmalige Einrichtung durch: Der Benutzer kann ein Bild hochladen oder vom Agenten generieren lassen sowie eine Sprachaufnahme senden oder eine Standardstimme wählen. Nach erfolgreicher Einrichtung erstellt der Agent dynamisch einen system prompt basierend auf dem aktuellen Kontext (Workspace-Dateien, Benutzereingaben) und tritt dem Meeting bei. Er kann das Meeting auch auf Befehl wieder verlassen. Die Fähigkeit eignet sich besonders für Entwickler, die einen KI-Assistenten in Live-Meetings integrieren möchten – z. B. zur Protokollierung, Zusammenfassung oder als interaktiven Teilnehmer.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/delorenj/skills/tree/HEAD/pikastream-video-meeting

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht PikaStream Video Meeting?

Skript: SKILL_DIR=skills/pikastream-video-meeting

Ersteinrichtung

Einmal ausführen, wenn die Fähigkeit zum ersten Mal geladen wird:

pip install -r $SKILL_DIR/requirements.txt

1. Avatar

Prüfe, ob identity/videomeeting-avatar.png existiert und größer als 1 KB ist. Wenn es NICHT existiert (oder zu klein ist):

  1. Frage den Benutzer: Ich brauche ein Avatar-Bild für das Video-Meeting (ein Porträt oder Kopfschuss). Sende mir ein Bild oder sage „generieren“ und ich erstelle eines für dich.
  2. Warte auf die Antwort des Benutzers. Nicht automatisch generieren.
  3. Benutzer sendet ein Bild: speichere es als identity/videomeeting-avatar.png.
  4. Benutzer sagt „generieren“: führe aus:
    python $SKILL_DIR/scripts/pikastreaming_videomeeting.py generate-avatar \
      --output identity/videomeeting-avatar.png
    
    Falls der Benutzer eine Beschreibung wünscht (z. B. „eine Cartoon-Katze“), übergib --prompt "<Beschreibung>, portrait headshot suitable for video calls". Zeige das generierte Bild. Frage: Möchtest du diesen Avatar behalten oder neu generieren? Warte auf Antwort.
  5. Sonstiges: wiederhole die Frage von Schritt 1.

Der Bot muss einen Avatar haben, bevor er einem Meeting beitritt.

2. Stimme

Prüfe, ob life/voice_id.txt existiert und nicht leer ist.

Wenn es existiert: lies life/voice_config.json. Wenn lesbar, überprüfe cloned_at – falls 6 oder mehr Tage vergangen sind, warne den Benutzer: Dein Sprachklon wurde am {Datum} erstellt und ist möglicherweise abgelaufen (geklonte Stimmen werden nach 7 Tagen Nichtnutzung gelöscht). Möchtest du mit einer neuen Aufnahme neu klonen oder die vorhandene Stimme versuchen?

  • Neu klonen: gehe zu „Wenn es nicht existiert“ unten.
  • Behalten: verwende die vorhandene Sprach-ID.

Wenn life/voice_config.json fehlt oder nicht lesbar ist, verwende die Sprach-ID aus life/voice_id.txt wie sie ist.

Wenn es nicht existiert (oder der Benutzer sich für Neu klonen entschieden hat):

  1. Frage den Benutzer: Ich habe noch keinen Sprachklon. Du kannst: (a) mir eine Sprachaufnahme senden (10s-5min, klare Sprache) und ich klone sie, oder (b) „überspringen“ sagen, um eine Standardstimme zu verwenden.
  2. Warte auf die Antwort des Benutzers.
  3. Benutzer sagt „überspringen“: verwende English_radiant_girl.
  4. Benutzer sendet eine Audiodatei: führe aus:
    python $SKILL_DIR/scripts/pikastreaming_videomeeting.py clone-voice \
      --audio <datei> --name <bot-name> --noise-reduction
    
    • Exit 0: lies life/voice_id.txt. Teile dem Benutzer mit: Stimme geklont. Verwende {voice_id} für dieses Meeting.
    • Exit ungleich 0: teile dem Benutzer mit, dass das Klonen fehlgeschlagen ist (schließe stderr ein). Frage: Erneut mit einer anderen Datei versuchen oder überspringen und die Standardstimme verwenden?
  5. Ungültige Datei (kein Audio): antworte Das sieht nicht wie eine unterstützte Audiodatei aus. Sende eine mp3-, m4a-, wav-, ogg-, flac- oder aac-Datei (10s-5min klare Sprache). Warte auf erneuten Versuch oder „überspringen“.

Beitrittsablauf

Schritt 1 – Validieren & Kontext sammeln

Avatar: prüfe, ob identity/videomeeting-avatar.png existiert und > 1 KB ist. Wenn nicht, führe die Ersteinrichtung oben durch.

Stimme: prüfe, ob life/voice_id.txt existiert. Wenn nicht, führe den Abschnitt „Stimme“ der Ersteinrichtung oben durch.

Kontext: sammle immer aktuellen Kontext – verwende keine veraltete Datei aus einer vorherigen Sitzung.

  1. Lies deine Arbeitsbereichsdateien (MEMORY.md, tägliche Logs, Identitätsdateien usw.).
  2. Wenn keine Arbeitsbereichsdaten verfügbar sind, frage den Benutzer: Welchen Namen soll der Bot in diesem Meeting verwenden? Verwende seine Antwort für das Feld Name:. Fülle alle anderen Abschnitte, die du aus dem Gespräch kennst.
  3. Synthetisiere eine prägnante Referenzkarte nach /tmp/meeting_system_prompt.txt. Verwende {name} als Anzeigenamen des Bots (auch als --bot-name verwendet). Wenn die Daten dünn sind (z. B. nur ein Name), halte es kurz – fülle nicht mit Füllmaterial.
Synthetisiere die untenstehenden Rohdaten in eine prägnante Referenzkarte für {name} zur Verwendung während eines Sprach-/Videoanrufs. Verwende die dritte Person („{name}“). Priorisiere KONKRETE DETAILS.

PRIORITÄTSREIHENFOLGE:
1. SPEZIFISCHE FAKTEN: Namen, Orte, Daten, Zahlen, Ereignisse
2. AKTUELLE AKTIVITÄT: was heute/diese Woche passiert ist – Aktionen, nicht Stimmungen
3. BEZIEHUNGEN: wer wichtig ist, spezifische Interaktionen
4. PERSÖNLICHKEIT: maximal 1-2 Sätze

KURATIERUNGSREGELN:
- BEHALTEN: alles mit einem Eigennamen, einer Zahl, einem Datum oder einer konkreten Handlung
- WEGFALLEN: vage Beschreibungen, routinemäßige Statusaktualisierungen, leere Einträge
- ZUSAMMENFÜHREN: wenn mehrere Einträge ähnliches aussagen, wähle den lebendigsten

AUSGABEFORMAT:

**{name}**: [1 Satz – Ton/Vibe]

**Bekannte Fakten** (nur konkret, max. 10):
- [spezifischer Fakt mit Namen/Daten/Zahlen]

**Aktuelle Aktivität**:
- [X gebaut, Y repariert, zu Z gegangen]

**Gerade jetzt**: [1 Zeile – aktuelle Aktivität]

**Personen**:
- [Name – 1 spezifisches Detail pro Person]

REGELN:
- Konkret > abstrakt
- Aktionen > Beschreibungen
- Keine Fakten erfinden
- Wenn Daten dünn sind, kurz halten

Schritt 2 – Beitreten

python $SKILL_DIR/scripts/pikastreaming_videomeeting.py join \
  --meet-url <url> --bot-name <name> \
  --image identity/videomeeting-avatar.png \
  --system-prompt-file /tmp/meeting_system_prompt.txt \
  --voice-id <id> [--meeting-password <pw>]

Teile dem Benutzer mit, dass du drin bist. Sage leave zum Verlassen. Erwähne keine Sitzungs-IDs.

Exitcodes: 0 = beigetreten. 6 = unzureichende Credits (stdout JSON enthält eine checkout_url – zeige sie dem Benutzer).

Verlassen

python $SKILL_DIR/scripts/pikastreaming_videomeeting.py leave \
  --session-id <id from join output>

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

delorenj/skills

Plan and generate terminal ASCII animations/screensaver-style output (FPS, refresh rules, loop policy, low-flicker guidance), with a static poster frame and an optional local demo script.

delorenj/skills

ASCII video: convert video/audio to colored ASCII MP4/GIF.

delorenj/skills

Plan, build and quality-check a premium short commercial for a real business (roofing, property, ecommerce, B2B software) using AI-generated footage, code-built motion (HTML/GSAP), selective Three.js and an independent-critic "Gauntlet" loop. Use when asked to make a launch-style / SaaS-style video, business ad, explainer, sample reel or pitch video, or to review and improve one. Encodes motion principles distilled from 28 professional launch films, a quality bar, audio rules and a business-offer playbook.

delorenj/skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

delorenj/skills

Generate professional voiceovers using ElevenLabs AI. Use when the user needs to create voiceovers for videos, audio narration, or text-to-speech content. Supports multiple voices with character presets (narrator, salesperson, expert) for natural delivery. Includes single scene regeneration for fine-tuning.

delorenj/skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

delorenj/skills

Asset preprocessing for HyperFrames compositions — text-to-speech narration (Kokoro), audio/video transcription (Whisper), and background removal for transparent overlays (u2net). Use when generating voiceover from text, transcribing speech for captions, removing the background from a video or image to use as a transparent overlay, choosing a TTS voice or whisper model, or chaining these (TTS → transcribe → captions). Each command downloads its own model on first run.

delorenj/skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

delorenj/skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

delorenj/skills

Manim CE animations: 3Blue1Brown math/algo videos.

delorenj/skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

delorenj/skills

Generate speech using the self-hosted voxxy (vox) TTS service at https://vox.delo.sh. Use when the user asks to speak, say, narrate, synthesize speech, clone a voice, create a voice, add or register a voice, pipe TTS, or control voice qualities by description (e.g. "a young woman with a cheerful voice"). Handles HTTP API usage, voice profile management, description-based voice design, cloning, MCP registration, and integration patterns for new platforms.

delorenj/skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

delorenj/skills

YouTube transcripts to summaries, threads, blogs.

Verwandte Skills