¿Qué hace llava?
Chat de visión-lenguaje: Preguntas y respuestas visuales, generación de descripciones y diálogo sobre imágenes.
Chat de visión-lenguaje: Preguntas y respuestas visuales, generación de descripciones y diálogo sobre imágenes.
Este skill permite a agentes de IA (como Claude Code, Cursor o Codex) interactuar con imágenes mediante un modelo de lenguaje y visión (LLaVA). Puedes hacer preguntas sobre el contenido de una imagen (VQA), generar descripciones automáticas (captioning) o mantener un diálogo conversacional referido a la imagen. Funciona en cualquier plataforma que soporte skills de este tipo, y se integra como una herramienta adicional para procesar archivos visuales. Su utilidad principal es enriquecer las capacidades del agente con comprensión visual, permitiéndole analizar gráficos, fotografías o diagramas dentro del flujo de trabajo, sin necesidad de depender de APIs externas complejas.
npx skills add https://github.com/wundercorp/loki/tree/main/optional-skills/mlops/llavaChat de visión-lenguaje: Preguntas y respuestas visuales, generación de descripciones y diálogo sobre imágenes.
This repo contains 1 individual skill — each has its own dedicated page.
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.