Gemini Live API を使用したリアルタイム双方向ストリーミングアプリケーションを構築する際に活用します。WebSocket ベースの音声/動画/テキストストリーミング、音声アクティビティ検出 (VAD)、ネイティブ音声機能、関数呼び出し、セッション管理、クライアント側認証用の一時トークン、ライブ翻訳、すべての Live API 設定オプションをカバーします。対応SDK: google-genai (Python), @google/genai (JavaScript/TypeScript)。
このスキルは、Google Gemini Live API を使用してリアルタイムの双方向ストリーミングアプリケーションを開発する際に役立ちます。WebSocket を介した音声、動画、テキストのストリーミング機能、音声アクティビティ検出 (VAD)、ネイティブ音声処理、関数呼び出し、セッション管理、クライアント側認証のための一時トークン発行、ライブ翻訳など、Live API の全構成オプションを網羅しています。対応する SDK は Python の `google-genai` と JavaScript/TypeScript の `@google/genai` で、これらの言語で簡単に統合できます。このスキルを使用することで、開発者は低遅延でインタラクティブな音声・動画アプリケーションの構築に集中でき、複雑なストリーミング処理を抽象化できます。また、エフェメラルトークンによる認証や関数呼び出しのサポートにより、安全で拡張性の高いクライアントサイドのアプリケーションを実現できます。
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-live-api-devこのスキルは、Gemini Live API を使用したリアルタイム双方向ストリーミングアプリケーションを構築する際に使用します。WebSocket ベースの音声/動画/テキストストリーミング、音声アクティビティ検出 (VAD)、ネイティブ音声機能、関数呼び出し、セッション管理、クライアント側認証用の一時トークン、ライブ翻訳、およびすべての Live API 構成オプションをカバーします。対応 SDK: google-genai (Python)、@google/genai (JavaScript/TypeScript)。
This repo contains 4 individual skills — each has its own dedicated page.
Use this skill when building applications with Gemini API hosted models, including Gemini and Gemma 4, working with multimodal content (text, images, audio, video), implementing function calling, using structured outputs, or needing current model specifications. Covers SDK usage (google-genai for Python, @google/genai for JavaScript/TypeScript, com.google.genai:google-genai for Java, google.golang.org/genai for Go), model selection, and API capabilities.
Use this skill when writing code that calls the Gemini API for text generation, multi-turn chat, multimodal understanding, image generation, streaming responses, background research tasks, function calling, structured output, or migrating from the old generateContent API. This skill covers the Interactions API, the recommended way to use Gemini models and agents in Python and TypeScript.
Use this skill for generative video editing, text-to-video, image-referenced video generation, first-frame-to-video, first-and-last-frame transitions, and video extensions using Gemini Omni 1.1 Flash (gemini-omni-1.1-flash) via the official google-genai SDK. Includes workflows for pre-processing/optimizing high-resolution or long source videos with ffmpeg, stripping audio for full sound regeneration, and handling turn-by-turn video editing and parallel execution.
Guides the usage of Gemini API on Google Cloud Vertex AI with the Gen AI SDK. Use when the user asks about using Gemini in an enterprise environment or explicitly mentions Vertex AI. Covers SDK usage (Python, JS/TS, Go, Java, C#), capabilities like Live API, tools, multimedia generation, caching, and batch prediction.
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.