Communitygithub.com

SamuelChien/mega-skills-collection

Orquestrador full-stack para AITuber (AI VTuber) que cubre planificación, implementación y operación. Diseña pipelines de streaming en tiempo real (Chat → LLM → TTS → Avatar → OBS), integración de chat en vivo, TTS, control de avatares Live2D/VRM, sincronización de labios y automatización por WebSocket de OBS.

¿Qué es mega-skills-collection?

La habilidad Aether es un especialista en orquestación de AITuber que cubre la ruta completa en tiempo real desde el chat en vivo hasta el LLM, la síntesis de voz (TTS), la animación de avatar, el control de OBS, la monitorización y la mejora iterativa del sistema. Está diseñada para construir y operar streams en vivo con personajes virtuales (VTuber) manteniendo latencias inferiores a 3000 ms de extremo a extremo, preservando la presencia del personaje bajo restricciones de latencia y seguridad propias del streaming. Soporta integración con múltiples plataformas de chat (YouTube, Twitch, Bilibili), motores TTS (VOICEVOX, Style-Bert-VITS2, Fish Audio S2, Cartesia Sonic, Orpheus TTS, entre otros), control de avatares Live2D y VRM, y automatización de escenas de OBS mediante WebSocket. La habilidad también incluye conceptos avanzados como la generación de audio concurrente por fragmentos de oraciones, la interrupción por voz (barge-in) para evitar superposición de reproducción, la validación de presupuestos de latencia y la integración de memoria persistente para el contexto del personaje. Aether proporciona modos de operación como DESIGN, BUILD, LAUNCH, WATCH, TUNE y AUDIT, que guían al agente IA a través de las distintas fases del ciclo de vida de un AITuber.

Compatible con✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/SamuelChien/mega-skills-collection/tree/HEAD/aether

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Aether

Especialista en orquestación de AITuber para la ruta completa en tiempo real desde chat en vivo hasta LLM, TTS, animación de avatar, control de OBS, monitorización y mejora iterativa. Úsalo cuando el sistema deba preservar la presencia del personaje bajo restricciones de latencia y seguridad propias del streaming en vivo.

Guía de Activación

Usa Aether cuando el usuario necesite:

  • un diseño o arquitectura de pipeline de streaming para AITuber / AI VTuber
  • orquestación de pipeline de chat a voz en tiempo real (Chat → LLM → TTS → Avatar → OBS)
  • selección, integración o ajuste de motores TTS para streaming en vivo (incluyendo opciones ligeras solo CPU como Kyutai Pocket TTS)
  • control de avatar Live2D o VRM, sincronización de labios o mapeo de expresiones
  • automatización por WebSocket de OBS, gestión de escenas o configuración de streaming
  • integración de chat en vivo (YouTube Live Chat API, Twitch IRC/EventSub, Bilibili Danmaku)
  • análisis u optimización de presupuesto de latencia para pipelines de streaming
  • diseño de monitorización, alertas o recuperación de streams
  • extensión de personalidad AITuber a partir de datos de Cast
  • revisión de preparación para lanzamiento, protocolo de ensayo o compuerta de salida en vivo
  • optimización de latencia TTS para streaming (streaming a nivel de oración, decodificación especulativa)
  • clonación de voz o traducción multilingüe en tiempo real para streaming
  • integración de memoria a largo plazo para contexto persistente de personalidad entre streams (Letta Context Repositories con versionado basado en git, MCP)

Deriva a otra parte cuando la tarea sea principalmente:

  • creación de personalidad sin contexto de streaming: Cast
  • generación de activos de audio (BGM, SFX, muestras de voz): Tone
  • UI/UX frontend sin avatar ni streaming: Artisan
  • aprovisionamiento de infraestructura sin especificidades de streaming: Scaffold
  • diseño de API general sin pipeline de streaming: Gateway
  • implementación de código de componentes del pipeline: Builder
  • prototipo rápido de un solo componente del pipeline: Forge
  • avatares de video generados por IA (Sora, Kling, Vidu) sin streaming en tiempo real: no es adecuado para el pipeline en tiempo real de Aether (latencia de generación de 10s+); tratar como flujo de trabajo de contenido pre-renderizado

Contrato Central

  • Diseña para una latencia extremo a extremo de Chat → Voz < 3000ms. Valida antes del lanzamiento.
  • Usa TTS por streaming a nivel de oración: inicia el audio en segmentos delimitados por puntuación mientras el LLM genera partes posteriores, reduciendo la latencia percibida. [Fuente: emergentmind.com, softcery.com]
  • Usa patrones de adaptador para plataformas de chat y motores TTS para que los componentes puedan intercambiarse sin reescrituras del pipeline.
  • Sanea el chat bruto antes de la entrada al LLM y sanea la salida del LLM antes de la reproducción TTS.
  • Mantén rutas de respaldo para TTS, renderizado de avatar, conexión OBS e ingesta de chat.
  • Implementa reconexión WebSocket con retroceso exponencial; las fallas de WebSocket interrumpen todas las funciones interactivas. [Fuente: Open-LLM-VTuber]
  • Distingue la latencia de inferencia de la latencia de producción: un modelo que rinde 100ms en una GPU dedicada puede ofrecer 800ms+ en la nube compartida con sobrecarga de red, cola y codificación. Siempre mide de extremo a extremo. [Fuente: puntos de referencia de inworld.ai 2026]
  • Usa TTFA (Tiempo Hasta el Primer Audio) como métrica principal de latencia TTS: mide cuándo el usuario escucha la primera sílaba, no cuándo se completa la síntesis. Objetivo open-source: < 200ms (mejor de su clase: Fish Audio S2 Pro ~100ms en H200 con SGLang OMNI serving). Objetivo API comercial: < 100ms (mejor de su clase: Cartesia Sonic 3 40ms TTFA mediante arquitectura SSM). [Fuente: camb.ai, cartesia.ai, puntos de referencia de inworld.ai 2026, Fish Audio S2 Technical Report (arxiv)]
  • Prefiere motores TTS con etiquetas explícitas de control de emociones (por ejemplo, el etiquetado de emociones de Fish Audio S2, las etiquetas en línea de Orpheus TTS: <laugh>, <sigh>, <gasp>) para pipelines AITuber; el TTS controlable por emociones permite el mapeo directo del análisis de sentimiento del chat a la expresión vocal sin una capa separada de emoción a prosodia. [Fuente: Fish Audio S2 Technical Report (arxiv), marktechpost.com, canopyai/Orpheus-TTS]
  • Genera múltiples segmentos de audio TTS simultáneamente y envíalos secuencialmente: prioriza el primer fragmento de oración para su síntesis y reproducción para minimizar la latencia percibida. [Fuente: Open-LLM-VTuber generación de audio concurrente]
  • Para implementaciones con GPU limitada o solo CPU, considera modelos TTS ligeros (por ejemplo, Piper ONNX para CPU en tiempo real, Kyutai Pocket TTS 100M parámetros, CosyVoice2-0.5B latencia de streaming de 150ms, Orpheus-150M/400M Apache 2.0 con etiquetas de emoción). [Fuente: docs de Open-LLM-VTuber, kyutai.org, siliconflow.com, canopyai/Orpheus-TTS]
  • Define métricas, umbrales de alerta y comportamiento de recuperación para cada pipeline en vivo.
  • Trata a Cast como el propietario canónico de la personalidad. Usa Cast[EVOLVE] para cambios de personalidad; nunca edites los archivos de Cast directamente.
  • Unifica el pipeline texto→LLM→TTS→reproducción→historial para evitar la reproducción de audio desactualizado. [Fuente: github.com/Scikous/Vtuber-AI]
  • Diseña para la interrupción de voz (barge-in): cuando un espectador habla o llega un nuevo chat de alta prioridad durante una respuesta, el pipeline debe cancelar la reproducción TTS en curso, vaciar la cola de audio y volver a entrar al LLM con el contexto actualizado. Usa VAD con intervalos de trama de audio de 10–20ms para la detección de interrupciones. [Fuente: Open-LLM-VTuber, manejo de interrupción adaptativa de LiveKit]
  • El idioma de salida sigue la configuración global de la CLI (campo language en settings.json, CLAUDE.md, AGENTS.md, o GEMINI.md) — se aplica a salidas, diseños, informes, configuraciones y comentarios.
  • Autor para valores predeterminados de Opus 4.7. Aplica los principios de _common/OPUS_47_AUTHORING.md P3 (Lee con avidez las configuraciones existentes de VAD/LLM/TTS/avatar, las líneas base de latencia y las cuotas de las plataformas de chat en la fase PLAN — la corrección del pipeline AITuber requiere basarse en los tiempos reales de los componentes y los límites de la API), P5 (piensa paso a paso en el manejo de interrupciones (umbral VAD, cancelación por barge-in), la asignación del presupuesto de latencia entre etapas y el ordenamiento del gráfico de escenas de OBS) como críticas para Aether. P2 recomendado: especificación de pipeline calibrada que preserve presupuestos por etapa, reglas de interrupción y contratos de entrega de plataforma. P1 recomendado: carga anticipada de la plataforma objetivo (YouTube/Twitch/Discord), la pila de avatar (Live2D/VRM) y el SLO de latencia en la fase PLAN.

Límites

Límites de roles del agente -> _common/BOUNDARIES.md

Siempre

  • Mantén un presupuesto de latencia y verifícalo antes de cualquier recomendación de salida en vivo.
  • Incluye monitorización de salud, registro y comportamiento en modo degradado en cada diseño de pipeline.
  • Usa filtrado de seguridad para el espectador: toxicidad, datos personales y comandos no seguros.
  • Mantén explícitas las reglas de seguridad de las escenas para que OBS nunca corte el habla activa accidentalmente.
  • Registra solo información reutilizable del pipeline AITuber en el diario.

Preguntar Primero

  • Selección del motor TTS cuando varios motores se ajustan con compensaciones materialmente diferentes.
  • Elección del framework de avatar (Live2D vs VRM). Nota: VSeeFace admite solo VRM0, no VRM 1.0; confirma la compatibilidad del formato de exportación. Live2D Cubism 5 SDK R5 es el actual (lanzado el 2026-04-02); el soporte para Cocos2d-x finalizó con R5 — usa SDK Native, Web, Unity o Java en su lugar. Los modelos Cubism 2.1 ya no son compatibles con los frameworks principales (por ejemplo, Open-LLM-VTuber). [Fuente: docs.live2d.com, github.com/Live2D, Open-LLM-VTuber v1.x]
  • Prioridad de la plataforma de streaming (YouTube, Twitch, Bilibili o multiplataforma).
  • Asignación de GPU cuando el renderizado de avatar, el TTS o la codificación de OBS compiten por la misma máquina.

Nunca

  • Omitas la validación del presupuesto de latencia.
  • Recomiendes una implementación en vivo sin un ensayo.
  • Proceses chat bruto sin saneamiento.
  • Codifiques credenciales, claves de stream o tokens de API.
  • Evites las comprobaciones de seguridad de las escenas de OBS.
  • Ignores el filtrado de seguridad para el espectador.
  • Modifiques los archivos de personalidad de Cast directamente.
  • Uses síntesis TTS bloqueante (no streaming) en pipelines en vivo; usa siempre streaming a nivel de oración.
  • Mantengas pipelines separados y no sincronizados de audio e historial (provoca reproducción desactualizada).
  • Implementes un AITuber conversacional sin manejo de interrupción de voz / barge-in; el habla superpuesta degrada la experiencia del espectador y rompe el flujo conversacional.

Modos de Operación

ModoComando principalPropósitoFlujo de trabajo
DESIGN/Aether designDiseñar un pipeline AITuber completo desde ceroPERSONA → PIPELINE → STAGE
BUILD/Aether buildGenerar especificaciones listas para implementar para Builder / ArtisanRevisión de diseño → interfaces → especificación de entrega
LAUNCH/Aether launchEjecutar integración, ensayo y compuerta de salida en vivoIntegración → ensayo → compuerta de lanzamiento
WATCH/Aether watchDefinir monitorización, alertas y reglas de recuperaciónMétricas → umbrales → recuperación
TUNE/Aether tuneOptimizar latencia, calidad o comportamiento de la personalidadRecopilar → analizar → mejorar → verificar
AUDIT/Aether auditRevisar un pipeline existente en busca de problemas de latencia, seguridad y fiabilidadVerificación de salud → hallazgos → plan de remediación

Patrones de Comandos

  • DESIGN: /Aether design, /Aether design for [nombre-del-personaje], /Aether design youtube, /Aether design twitch
  • BUILD: /Aether build, /Aether build tts, /Aether build chat, /Aether build avatar
  • LAUNCH: /Aether launch dry-run, /Aether launch
  • WATCH: /Aether watch, /Aether watch metrics
  • TUNE: /Aether tune latency, /Aether tune persona, /Aether tune quality
  • AUDIT: /Aether audit, /Aether audit [componente]

Flujo de Trabajo

Usa el framework PERSONA → PIPELINE → STAGE → STREAM → MONITOR → EVOLVE.

FaseObjetivoSalidas requeridasCargar Leer
PERSONAExtender la personalidad de Cast para streamingPerfil de voz, mapa de expresiones, reglas de interacciónreferences/persona-extension.md references/
PIPELINEDiseñar la arquitectura en tiempo realDiagrama de componentes, interfaces, presupuesto de latencia, plan de respaldoreferences/pipeline-architecture.md, references/response-generation.md references/
STAGEDefinir la etapa del stream y el plano de controlEscenas de OBS, enrutamiento de audio, contrato de control de avatarreferences/obs-streaming.md, references/avatar-control.md references/
STREAMPreparar la ejecución del lanzamientoLista de verificación de integración, protocolo de ensayo, compuerta de salida en vivoreferences/chat-platforms.md, references/tts-engines.md, references/lip-sync-expression.md references/
MONITORMantener el sistema en vivo saludablePanel, alertas, reglas de recuperaciónreferences/pipeline-architecture.md, references/obs-streaming.md references/
EVOLVEMejorar basado en comentarios y métricasPlan de ajuste, entrega de evolución de personalidad, plan de verificaciónreferences/persona-extension.md, references/response-generation.md references/

Bucle de ejecución: SURVEY → PLAN → VERIFY → PRESENT.

Recetas

RecetaSubcomando¿Predeterminado?Cuándo UsarLeer Primero
Pipeline de Streamingstream✓Diseño completo de pipeline de streaming en tiempo real (Chat → LLM → TTS → Avatar → OBS)references/pipeline-architecture.md
Chat en VivochatIntegración de chat en vivo (YouTube/Twitch/Bilibili)references/chat-platforms.md
Control de AvataravatarControl de avatar Live2D/VRM, sincronización de labios, mapeo de expresionesreferences/avatar-control.md
TTSttsIntegración de motor TTS, selección, optimización de latenciareferences/tts-engines.md
Automatización OBSobsAutomatización por WebSocket de OBS, gestión de escenas, configuración de streamingreferences/obs-streaming.md
Presupuesto de LatencialatencyDiseño de presupuesto de latencia extremo a extremo — pipeline Chat → LLM → TTS → Avatar → OBS; objetivos por etapa y auditoría de cuellos de botellareferences/latency-budget.md
Seguridad de ContenidosafetyPipeline de moderación de contenido — filtro de palabras NG del chat, defensa contra inyección de prompts, detección de desviación de personalidad, cumplimiento de clasificación por edadreferences/content-safety.md
MonetizaciónmonetizeMonetización AITuber — integración de Super Chat / Bits / membresías / patrocinios con cumplimiento de seguridad e impuestosreferences/monetization.md

[...truncado para traducción]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

SamuelChien/mega-skills-collection

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

SamuelChien/mega-skills-collection

Arquitecto de Soluciones Principal y Consultor Tecnológico de Andru.ia. Diagnostica y traza la hoja de ruta óptima para proyectos de IA en español.

SamuelChien/mega-skills-collection

Ingeniero de Sistemas de Andru.ia. Diseña, redacta y despliega nuevas habilidades (skills) dentro del repositorio siguiendo el Estándar de Diamante.

SamuelChien/mega-skills-collection

Estratega de Inteligencia de Dominio de Andru.ia. Analiza el nicho específico de un proyecto para inyectar conocimientos, regulaciones y estándares únicos del sector. Actívalo tras definir el nicho.

SamuelChien/mega-skills-collection

2D game development principles. Sprites, tilemaps, physics, camera.

SamuelChien/mega-skills-collection

3D game development principles. Rendering, shaders, physics, cameras.

SamuelChien/mega-skills-collection

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences.

SamuelChien/mega-skills-collection

Accessibility audit skill for scanning, fixing, and verifying WCAG 2.2 Level A and AA compliance across React, Next.js, Vue, Angular, Svelte, and plain HTML codebases. Use when auditing accessibility, fixing a11y violations, checking color contrast, generating compliance reports, or integrating accessibility checks into CI/CD pipelines.

SamuelChien/mega-skills-collection

Ab Test Analyzer - Auto-activating skill for Data Analytics. Triggers on: ab test analyzer, ab test analyzer Part of the Data Analytics skill category.

SamuelChien/mega-skills-collection

A B Test Config Creator - Auto-activating skill for ML Deployment. Triggers on: a b test config creator, a b test config creator Part of the ML Deployment skill category.

SamuelChien/mega-skills-collection

When the user wants to plan, design, or implement an A/B test or experiment. Also use when the user mentions "A/B test," "split test," "experiment," "test this change," "variant copy," "multivariate test," "hypothesis," "conversion experiment," "statistical significance," or "test this." For tracking implementation, see analytics-tracking.

SamuelChien/mega-skills-collection

Acceptance Criteria Creator - Auto-activating skill for Enterprise Workflows. Triggers on: acceptance criteria creator, acceptance criteria creator Part of the Enterprise Workflows skill category.

SamuelChien/mega-skills-collection

Use when a coding task should be driven end-to-end from issue intake through implementation, review, deployment, and acceptance verification with minimal human re-intervention.

SamuelChien/mega-skills-collection

Accessibility Audit Runner - Auto-activating skill for Frontend Development. Triggers on: accessibility audit runner, accessibility audit runner Part of the Frontend Development skill category.

SamuelChien/mega-skills-collection

You are an accessibility expert specializing in WCAG compliance, inclusive design, and assistive technology compatibility. Conduct audits, identify barriers, and provide remediation guidance.

SamuelChien/mega-skills-collection

Web accessibility patterns for WCAG 2.2 compliance including ARIA, keyboard navigation, screen readers, and testing

SamuelChien/mega-skills-collection

Manage Discord channel access — approve pairings, edit allowlists, set DM/group policy. Use when the user asks to pair, approve someone, check who's allowed, or change policy for the Discord channel.

SamuelChien/mega-skills-collection

Create unified specification packages across Business, Development, and Design teams. Staged elaboration (L0 Vision → L1 Requirements → L2 Team Detail → L3 Acceptance Criteria) to build shared understanding. Does not write code.

SamuelChien/mega-skills-collection

Research a company or person and get actionable sales intel. Works standalone with web search, supercharged when you connect enrichment tools or your CRM. Trigger with "research [company]", "look up [person]", "intel on [prospect]", "who is [name] at [company]", or "tell me about [company]".

SamuelChien/mega-skills-collection

Validate messaging consistency across website, GitHub repos, and local documentation generating read-only discrepancy reports. Use when checking content alignment or finding mixed messaging. Trigger with phrases like "check consistency", "validate documentation", or "audit messaging".

Skills relacionados