evo-video-tutorial-indexer は何をしますか？
チュートリアル動画から、FFmpegによる音声抽出、OpenAI Whisper ASRによるワードレベルタイムスタンプ付き文字起こし、ファジー文字列マッチングによる意味的なチャプターアラインメントを用いて、チャプターインデックスを抽出するための包括的なスキルです。
チュートリアル動画から、FFmpegによる音声抽出、OpenAI Whisper ASRによるワードレベルタイムスタンプ付き文字起こし、ファジー文字列マッチングによる意味的なチャプターアラインメントを用いて、チャプターインデックスを抽出するための包括的なスキルです。
このスキルは、チュートリアル動画から自動的にチャプターインデックスを生成するためのツールです。まずFFmpegを使用して動画から音声を抽出し、その音声をOpenAI Whisper ASRに渡して、単語レベルのタイムスタンプ付きでテキストに書き起こします。次に、書き起こされたテキストと、外部から提供されたチャプタータイトル候補を、ファジー文字列マッチング（fuzzy string matching）を用いて意味的にアラインすることで、各チャプターの開始時間を正確に特定します。Claude CodeやCursorなどのAIエージェントプラットフォーム上で動作するよう設計されており、開発者向けチュートリアルや教育用動画コンテンツの構造化、検索性向上に役立ちます。主要な処理はPythonスクリプトとシェルコマンドで構成され、FFmpeg、OpenAI API、およびfuzzywuzzyライブラリに依存しています。
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/video-tutorial-indexer/environment/skills/evo-video-tutorial-indexerチュートリアル動画から、FFmpegによる音声抽出、OpenAI Whisper ASRによるワードレベルタイムスタンプ付き文字起こし、ファジー文字列マッチングによる意味的なチャプターアラインメントを用いて、チャプターインデックスを抽出するための包括的なスキルです。
This repo contains 3 individual skills — each has its own dedicated page.
Handles audio resampling, loudness normalization per ITU-R BS.1770-4, and LUFS measurement for TTS segments to ensure broadcast-quality output.
Muxes normalized TTS audio segments into the original video at precise time offsets using FFmpeg, and generates the JSON report with timing, drift, and loudness metadata.
Synthesizes target-language speech from text using Kokoro TTS, with speed/duration control to fit precise time windows. Handles SRT parsing, text extraction, and produces WAV segments.
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.