Use este skill ao construir aplicações de streaming bidirecional em tempo real com a Gemini Live API. Abrange streaming de áudio/vídeo/texto via WebSocket, detecção de atividade de voz (VAD), recursos de áudio nativos, chamada de funções, gerenciamento de sessão, tokens efêmeros para autenticação do lado do cliente, tradução ao vivo e todas as opções de configuração da Live API. SDKs cobertos: google-genai (Python), @google/genai (JavaScript/TypeScript).
Este skill é especializado no desenvolvimento de aplicações de streaming bidirecional em tempo real utilizando a Gemini Live API. Ele capacita desenvolvedores a implementar comunicações interativas de áudio, vídeo e texto através de WebSockets, incluindo funcionalidades avançadas como detecção de atividade de voz (VAD), recursos de áudio nativos para melhor qualidade e baixa latência, chamada de funções para execução de tarefas do lado do servidor, gerenciamento robusto de sessões e uso de tokens efêmeros para autenticação segura do lado do cliente. Além disso, o skill oferece suporte a tradução ao vivo e configuração completa de todos os parâmetros da Live API. Ele é compatível com os SDKs google-genai (Python) e @google/genai (JavaScript/TypeScript), fornecendo documentação e exemplos práticos para ambas as plataformas. Sua utilidade principal é agilizar o desenvolvimento de aplicações que exigem interação em tempo real com modelos de IA generativa, como assistentes virtuais, tradutores simultâneos e sistemas de transcrição ao vivo, abstraindo a complexidade da API subjacente.
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-live-api-devUse este skill ao construir aplicações de streaming bidirecional em tempo real com a Gemini Live API. Abrange streaming de áudio/vídeo/texto via WebSocket, detecção de atividade de voz (VAD), recursos de áudio nativos, chamada de funções, gerenciamento de sessão, tokens efêmeros para autenticação do lado do cliente, tradução ao vivo e todas as opções de configuração da Live API. SDKs cobertos: 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.