このスキルは、Gemini Omni 1.1 Flash（gemini-omni-1.1-flash）と公式 google-genai SDK を使用して、生成ビデオ編集、テキストからビデオへの変換、画像参照ビデオ生成、先頭フレームからビデオ、先頭と最終フレーム間の遷移、ビデオ拡張を行います。ffmpeg による高解像度・長尺ソースビデオの前処理/最適化、フルサウンド再生成のための音声除去、ターン・バイ・ターンのビデオ編集と並列実行のワークフローが含まれます。
このスキルは、Google の Gemini Omni 1.1 Flash モデルを活用し、公式 google-genai SDK を通じて高度な生成ビデオ編集タスクを実行するためのものです。主な機能には、テキストからのビデオ生成、画像を参照したビデオ生成、先頭フレームからのビデオ生成、先頭と最終フレーム間のスムーズな遷移生成、既存ビデオの時間延長などが含まれます。また、ffmpeg を使用して高解像度や長時間のソースビデオを前処理・最適化し、音声を除去してフルサウンドの再生成を可能にするワークフローも提供します。これにより、ユーザーはターン・バイ・ターンの対話でビデオ編集を進めたり、複数の編集タスクを並列実行して効率を高めることができます。このスキルは、クリエイティブなビデオコンテンツ制作やプロトタイピングに特に有用であり、AI エージェント環境（Claude Code、Cursor、Codex など）でシームレスに統合して使用できるように設計されています。
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-omni-flash-apiこのスキルは、Gemini Omni 1.1 Flash（gemini-omni-1.1-flash）と公式 google-genai SDK を使用して、生成ビデオ編集、テキストからビデオへの変換、画像参照ビデオ生成、先頭フレームからビデオ、先頭と最終フレーム間の遷移、ビデオ拡張を行います。ffmpeg による高解像度・長尺ソースビデオの前処理/最適化、フルサウンド再生成のための音声除去、ターン・バイ・ターンのビデオ編集と並列実行のワークフローが含まれます。
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 when building real-time, bidirectional streaming applications with the Gemini Live API. Covers WebSocket-based audio/video/text streaming, voice activity detection (VAD), native audio features, function calling, session management, ephemeral tokens for client-side auth, live translation, and all Live API configuration options. SDKs covered - google-genai (Python), @google/genai (JavaScript/TypeScript).
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.