Combine características visuais (detecção facial, análise de movimento labial) com características de áudio para melhorar a precisão da diarização de falantes em arquivos de vídeo. Use OpenCV para detecção facial e rastreamento de movimento labial, em seguida, funda pistas visuais com embeddings de falantes baseados em áudio. Essencial ao processar arquivos de vídeo com múltiplos falantes visíveis ou quando a diarização apenas por áudio precisa de validação visual.
Esta skill, benchflow-ai/skillsbench, é projetada para aprimorar a diarização de falantes em arquivos de vídeo, combinando pistas visuais e de áudio. Ela utiliza OpenCV para detectar rostos e rastrear movimentos labiais, enquanto extrai embeddings de falantes a partir do áudio. Ao fundir essas características visuais e auditivas, a skill aumenta significativamente a precisão da diarização, especialmente em cenários com múltiplos falantes visíveis ou quando a diarização baseada apenas em áudio é ambígua. Esta ferramenta é ideal para desenvolvedores e pesquisadores que trabalham com processamento de vídeo e reconhecimento de fala, fornecendo uma solução robusta para melhorar a identificação de falantes em ambientes complexos.
npx skills add benchflow-ai/skillsbenchCombine características visuais (detecção facial, análise de movimento labial) com características de áudio para melhorar a precisão da diarização de falantes em arquivos de vídeo. Use OpenCV para detecção facial e rastreamento de movimento labial, em seguida, funda pistas visuais com embeddings de falantes baseados em áudio. Essencial ao processar arquivos de vídeo com múltiplos falantes visíveis ou quando a diarização apenas por áudio precisa de validação visual.
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.