¿Qué hace evo-dubbing-audio-processing?
Gestiona el remuestreo de audio, la normalización de sonoridad según ITU-R BS.1770-4 y la medición de LUFS para segmentos de TTS, garantizando una salida de calidad de transmisión.
Gestiona el remuestreo de audio, la normalización de sonoridad según ITU-R BS.1770-4 y la medición de LUFS para segmentos de TTS, garantizando una salida de calidad de transmisión.
Este skill se encarga del procesamiento de audio para segmentos de texto a voz (TTS), asegurando que cumplan con los estándares de radiodifusión. Realiza tres funciones principales: remuestreo de audio (conversión de frecuencia de muestreo), normalización de sonoridad según la recomendación ITU-R BS.1770-4 (ajuste del volumen percibido) y medición de unidades de sonoridad completa (LUFS). Es útil para desarrolladores y agentes de IA que trabajan con sistemas de doblaje, generación de audiolibros o cualquier aplicación que requiera audio de alta calidad y consistente. El skill se integra con herramientas de línea de comandos como FFmpeg y librerías de Python como pyloudnorm, y es compatible con plataformas como evo-dubbing, garantizando que los archivos de audio sean reproducibles en entornos profesionales sin distorsión ni variaciones de volumen.
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/multilingual-video-dubbing/environment/skills/evo-dubbing-audio-processingGestiona el remuestreo de audio, la normalización de sonoridad según ITU-R BS.1770-4 y la medición de LUFS para segmentos de TTS, garantizando una salida de calidad de transmisión.
This repo contains 3 individual skills — each has its own dedicated page.
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.
A comprehensive skill for extracting chapter indices from tutorial videos using FFmpeg audio extraction, OpenAI Whisper ASR transcription with word-level timestamps, and semantic chapter alignment via fuzzy string matching.
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.