llava は何をしますか？
視覚言語チャット: VQA、キャプション生成、画像対話。
視覚言語チャット: VQA、キャプション生成、画像対話。
このスキルは、画像を入力として理解し、その内容に関する質問応答（VQA）、説明文の生成（キャプショニング）、および画像に関する対話を行うことができる視覚言語モデル「LLaVA」を提供します。開発者は、このスキルを使用して、画像の内容をテキストで分析・説明する機能をエージェントに追加できます。主にCLIツールやエージェントフレームワークで利用され、画像操作と自然言語理解を組み合わせたアプリケーションに適しています。内部では、画像をエンコードし、言語モデルと連携することで、マルチモーダルな対話を実現します。
npx skills add https://github.com/wundercorp/loki/tree/main/optional-skills/mlops/llava視覚言語チャット: VQA、キャプション生成、画像対話。
This repo contains 1 individual skill — each has its own dedicated page.
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.