¿Qué hace openai-whisper-local?
Habilidad para agente de skills.volces.com/openai-whisper-local
Una habilidad para agentes que integra el reconocimiento de voz local con OpenAI Whisper.
Esta habilidad permite a los agentes de IA (como Claude Code, Cursor, Codex) realizar transcripción y reconocimiento de voz de forma local utilizando el modelo OpenAI Whisper. Es útil para desarrolladores que necesitan procesar archivos de audio en tiempo real o por lotes sin depender de servicios en la nube, garantizando privacidad y baja latencia. La habilidad aprovecha la biblioteca whisper de OpenAI y está diseñada para ejecutarse en entornos locales o en la máquina del usuario. Soporta múltiples formatos de audio (como MP3, WAV, M4A) y permite personalizar el idioma, el tamaño del modelo (tiny, base, small, medium, large) y otras opciones de decodificación. Al estar basada en una configuración local, los agentes que implementen esta habilidad pueden ofrecer transcripciones precisas incluso sin conexión a internet, ideal para herramientas de desarrollo, asistentes de voz o automatización de tareas de procesamiento de medios.
npx skills add skills.volces.com/openai-whisper-localHabilidad para agente de skills.volces.com/openai-whisper-local
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.