Communitygithub.com

Peytontalismanic424/paper-share-skills

Convierte diapositivas PDF (Beamer) en un video MP4 narrado con narración alineada por página, audio TTS, portada y metadatos de subida. Se activa ante solicitudes de diapositivas narradas, video de diapositivas o video de artículo.

¿Qué es paper-share-skills?

Esta habilidad automatiza la creación de videos narrativos de alta calidad a partir de diapositivas PDF generadas con Beamer. Es ideal para investigadores, educadores y desarrolladores que desean convertir presentaciones académicas o técnicas en contenido de video listo para publicar, con narración sincronizada página por página, portada generada automáticamente y metadatos completos para subida a plataformas como YouTube o Bilibili. Soporta sistemas Unix/Linux y macOS, y requiere herramientas externas como `pdftoppm`, `ffmpeg`, `ffprobe` y `edge-tts`. El flujo de trabajo completo incluye compilar el PDF, anotar cada página con texto de narración en el archivo TeX, y ejecutar un comando unificado que procesa todo: renderizado de fotogramas, planificación, generación de narraciones, síntesis de voz (TTS), ensamblado de video y creación de portada y metadatos. La habilidad es estricta en cuanto a cardinalidad (una narración y un audio por cada página física), fallando con código de error distinto de cero si falta algún elemento, garantizando así un resultado completo y consistente. También ofrece subcomandos individuales para depuración o procesamiento por etapas, y permite controlar la velocidad de reproducción, el idioma del TTS y la duración del silencio entre diapositivas.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Peytontalismanic424/paper-share-skills/tree/HEAD/paper-slides-to-video
Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

Diapositivas de Artículo a Video

El punto de entrada público es:

<SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py

Ejecútelo con el entorno del paquete:

uv run --project <SKILLS_DIR>/paper-slides-to-video python <SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py <subcomando>

CLI exacto

  • render PDF FRAME_DIR [--dpi 200]
  • plan TEX
  • narrations FRAME_DIR TEX --annotated-tex ANNOTATED_TEX
  • tts FRAME_DIR [--lang zh]
  • assemble FRAME_DIR OUTPUT [--pad-sec 0.5] [--speed 1.25]
  • cover FIRST_FRAME OUTPUT
  • metadata TEX COVER OUTPUT
  • full PAPER_DIR --annotated-tex ANNOTATED_TEX

Flujo de trabajo completo requerido

  1. Compile slides-beamer/main.pdf antes de invocar este paquete.
  2. Copie slides-beamer/main.tex a video/main_with_narration.tex y añada una anotación % NARRATION: no vacía por cada página física renderizada. Este contrato por página física es lo que mantiene sincronizadas las orientaciones apaisada y vertical: ambas orientaciones se ensamblan a partir de las mismas páginas PDF, por lo que la cardinalidad de narración/audio se aplica por igual a cada orientación.
  3. Ejecute full con la ruta del TeX anotado.
uv run --project <SKILLS_DIR>/paper-slides-to-video python <SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py full "<PAPER_DIR>" --annotated-tex "<PAPER_DIR>/video/main_with_narration.tex"

full elimina cualquier salida narrada anterior antes de procesar. Requiere cardinalidad exacta de PNG/TXT/MP3, narración y audio no vacíos, duraciones de audio positivas detectables, y un MP4 ensamblado que contenga flujos de video y audio. Una narración o MP3 faltante sale con código distinto de cero y no puede dejar un resultado narrado.

Descubrimiento de herramientas

  • PDFTOPPM o POPPLER_DIR (directorio que contiene pdftoppm), luego PATH
  • FFMPEG, luego PATH
  • FFPROBE, luego PATH
  • EDGE_TTS_BIN, luego PATH

El silencio nunca es implícito. Los invocadores programáticos pueden crear una página deliberadamente silenciosa solo llamando a encode_slide(..., require_audio=False). El valor predeterminado público es require_audio=True.

Las salidas se escriben en <PAPER_DIR>/video/: video_frames/, <paper>_narrated.mp4, cover.png, frames_data.json, narrations.json y video_meta.json.

Habilidades relacionadas

  • skill://batch-papers-single-omp-full-pipeline
  • skill://batch-slides-to-video
  • skill://blog-to-bilibili
  • skill://edge-tts-retry-video-driver
  • skill://index-tts-fallback

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

Peytontalismanic424/paper-share-skills

Validate and upload narrated paper videos to Bilibili with biliup. Handles required landscape-first/portrait-second submissions, series uploads, CST scheduling, diagnostics, dry-run validation, and durable upload receipts. Trigger on: "upload to bilibili", "bilibili upload", "发布到B站", "上传到B站".

Peytontalismanic424/paper-share-skills

Download the TeX source (e-print tar.gz) of an arXiv paper from an arXiv URL or bare ID, and unpack it into paper_src/. Use FIRST whenever a pipeline input is an arXiv link and the TeX source is preferred over the PDF (paper-to-beamer, paper-to-bilibili, paper-venue-discovery). Invoke with an arXiv URL (abs/pdf/e-print, arxiv.org or export.arxiv.org) or a bare ID like 2509.07996v4.

Peytontalismanic424/paper-share-skills

Automated pipeline: paper (PDF or TeX source) → SUSTech Beamer slides (11-section 论文分享 structure) → compiled PDF. When TeX source is available, skip MinerU and extract content directly from LaTeX. Use when the user asks to create Beamer slides from an academic paper, or says "论文分享", "paper to slides", "make beamer from paper". Invoke with an absolute or relative path to a PDF, .tar.gz TeX archive, .tex file, or an arXiv URL/ID (source TeX is downloaded first via skill://paper-download-arxiv-paper-source).

Peytontalismanic424/paper-share-skills

Orchestrate a paper PDF through MinerU, SUSTech Beamer slides, complete Chinese narration, landscape and portrait video, metadata gates, and Bilibili upload. Supports single-paper and batch slides, video, or bilibili phases. Trigger on full paper-to-Bilibili requests, PDF-to-video publication, and batch paper publishing.

Peytontalismanic424/paper-share-skills

Generate a deterministic 16:10 video-cover poster from a paper directory. Extracts paper metadata and figures and atomically produces poster.tex, poster.pdf, and poster.png. Use for paper-video covers, not conference posters.

Peytontalismanic424/paper-share-skills

Convert a PDF (especially academic papers) to clean Markdown using MinerU — preserves reading order, LaTeX equations, tables, and figures, and runs on the GPU. Use when the user asks to convert/extract a PDF to markdown/text. Invoke directly — no need for the user to type the skill name.

Peytontalismanic424/paper-share-skills

Fix for undefined \setsource/\setdomains/\setpresenter/\setvenue commands when compiling SUSTech Beamer slides from the standard template. Copy the extended beamerthemesustech.sty from the sustech-slides-template repository.

Skills relacionados

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

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.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

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...

community

affaan-m/everything-claude-code

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.

community