Open Vision Agents da Stream. Crie agentes de voz e visão rapidamente com qualquer modelo ou provedor de vídeo. Usa a rede de borda da Stream para latência ultrabaixa.
O GetStream/Vision-Agents é um conjunto de ferramentas de código aberto que permite a criação de agentes de voz e visão de forma rápida e flexível, utilizando qualquer modelo de IA ou provedor de vídeo. Sua principal vantagem é o uso da rede de borda da Stream, que garante latência ultrabaixa, essencial para aplicações em tempo real como assistentes virtuais com câmera e chatbots com capacidade de visão. Compatível com diversas plataformas de desenvolvimento, como Python e JavaScript, ele simplifica a integração de funcionalidades de áudio e vídeo em agentes de IA. O projeto é ideal para desenvolvedores que desejam construir soluções interativas e responsivas sem se preocupar com a infraestrutura de streaming de vídeo, aproveitando a escalabilidade e desempenho da rede Stream.
npx skills add GetStream/Vision-AgentsOpen Vision Agents da Stream. Crie agentes de voz e visão rapidamente com qualquer modelo ou provedor de vídeo. Usa a rede de borda da Stream para latência ultrabaixa.
Fonte: https://github.com/GetStream/Vision-Agents
Descoberto durante a caça diária de skills de agente no awesomeskills.dev.
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.