Was macht video-speech?
video-speech ist ein Codex-Skill, um aus Douyin-, Bilibili- und Xiaohongshu-Videos gesprochene Kommentare zu extrahieren und als bereinigten Markdown-Text auszugeben.
video-speech ist ein Codex-Skill, um aus Douyin-, Bilibili- und Xiaohongshu-Videos gesprochene Kommentare zu extrahieren und als bereinigten Markdown-Text auszugeben.
Dieser Codex-Skill ermöglicht es Entwicklern und Agenten, automatisch gesprochene Inhalte aus Videos der Plattformen Douyin (TikTok China), Bilibili und Xiaohongshu zu extrahieren. Er wandelt Rohsprache in sauberen, strukturierten Markdown-Text um, indem er Füllwörter, Wiederholungen und andere Sprachartefakte entfernt. Dadurch eignet er sich ideal für die Inhaltsanalyse, das Transkribieren von Tutorials oder das Erstellen von schriftlichen Zusammenfassungen aus Videoquellen. Der Skill funktioniert, indem er eine Video-URL als Eingabe akzeptiert, die Audiodaten verarbeitet und die gereinigte Transkription als Markdown-Datei ausgibt. Er ist speziell auf die chinesischen Social-Media-Plattformen zugeschnitten, aber das Konzept ist auf jede Videoquelle mit Sprachinhalten übertragbar.
npx skills add yoYoimiya/video-speechvideo-speech ist ein Codex-Skill, um aus Douyin-, Bilibili- und Xiaohongshu-Videos gesprochene Kommentare zu extrahieren und als bereinigten Markdown-Text auszugeben.
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.