Communitygithub.com

benchflow-ai/skillsbench

Combine des caractéristiques visuelles (détection de visages, analyse des mouvements des lèvres) avec des caractéristiques audio pour améliorer la précision de la diarisation des locuteurs dans les fichiers vidéo. Utilisez OpenCV pour la détection des visages et le suivi des mouvements des lèvres, puis fusionnez les indices visuels avec les embeddings audio des locuteurs. Essentiel pour le traitement de fichiers vidéo avec plusieurs locuteurs visibles ou lorsque la diarisation audio seule nécessite une validation visuelle.

Qu'est-ce que skillsbench ?

Ce skill, benchflow-ai/skillsbench, améliore la précision de la diarisation des locuteurs en combinant des indices visuels et audio. Il utilise OpenCV pour détecter les visages et suivre les mouvements des lèvres, ce qui permet d'associer chaque locuteur à une source visuelle. Ces informations visuelles sont ensuite fusionnées avec les embeddings audio des locuteurs issus de techniques de diarisation classiques (comme les spectrogrammes mél ou les embeddings d-vector). Le skill est particulièrement utile lors du traitement de fichiers vidéo avec plusieurs locuteurs visibles à l'écran, ou lorsque la diarisation basée uniquement sur l'audio nécessite une validation supplémentaire pour éviter les confusions. Ce skill est conçu pour fonctionner avec des pipelines de traitement vidéo existants (via CLI, Python ou appels API) et s'intègre facilement dans des flux de travail d'analyse audiovisuelle, comme ceux des assistants IA (Claude Code, Cursor, etc.).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add benchflow-ai/skillsbench
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Que fait skillsbench ?

Combinez des caractéristiques visuelles (détection de visages, analyse des mouvements des lèvres) avec des caractéristiques audio pour améliorer la précision de la diarisation des locuteurs dans les fichiers vidéo. Utilisez OpenCV pour la détection des visages et le suivi des mouvements des lèvres, puis fusionnez les indices visuels avec les embeddings audio des locuteurs. Essentiel pour le traitement de fichiers vidéo avec plusieurs locuteurs visibles ou lorsque la diarisation audio seule nécessite une validation visuelle.

Skills associés

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