Communitygithub.com

NeverSight/learn-skills.dev

Use esta habilidade ao analisar arquivos de vídeo existentes usando FFmpeg e visão de IA, extraindo quadros para geração de sistemas de design, detectando limites de cena, analisando temporização de animação, extraindo paletas de cores ou compreendendo a sincronização audiovisual. Ativa-se em análise de vídeo, extração de quadros, detecção de cena, ffprobe, análise de movimento e análise de visão de IA de conteúdo de vídeo.

O que é learn-skills.dev?

Esta habilidade capacita um agente de IA a atuar como um analisador de vídeo especializado, combinando o poder do FFmpeg para processamento mecânico de mídia com modelos de visão de IA para compreensão semântica de conteúdo visual. O fluxo de trabalho começa com a inspeção de metadados usando ffprobe para entender propriedades como duração, resolução e codecs antes de qualquer processamento. Em seguida, quadros-chave são extraídos usando FFmpeg, preferencialmente nos limites de cena detectados por meio de diferenças de pixel (com um limite ajustável de 0.3 a 0.4) ou em intervalos fixos, dependendo da necessidade. Após a extração, a visão de IA analisa cada quadro para identificar componentes de UI, tipografia, paletas de cores e padrões de layout. A saída é estruturada como JSON, permitindo a construção de sistemas de design completos ou a compreensão detalhada do conteúdo do vídeo. É ideal para tarefas como extrair paletas de cores de vídeos de demonstração, detectar mudanças de cena para edição e analisar temporização de animação.

Funciona com✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/absolutelyskilled/absolutelyskilled/video-analyzer

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Quando esta habilidade for ativada, sempre inicie sua primeira resposta com o emoji :mag:.

Analisador de Vídeo

A análise de vídeo é a prática de extrair informações estruturadas de arquivos de vídeo - metadados, quadros-chave, limites de cena, paletas de cores, dados de movimento e características de áudio. Um pipeline de análise de vídeo bem construído combina FFmpeg para extração de quadros e processamento de sinais com modelos de visão de IA para compreensão semântica do conteúdo visual. Esta habilidade cobre o fluxo de trabalho completo, desde arquivos de vídeo brutos até dados acionáveis: usando ffprobe para inspeção de metadados, gráficos de filtro FFmpeg para extração de quadros e detecção de cena, análise de áudio para detecção de silêncio e volume, e visão de IA para extração de sistemas de design e compreensão de conteúdo.

Os dois pilares da análise de vídeo são FFmpeg (o canivete suíço do processamento de mídia) e modelos de visão de IA (para entender o que está em cada quadro). O FFmpeg lida com o trabalho mecânico - dividir o vídeo em quadros, detectar mudanças de cena por meio de limites de diferença de pixel, extrair formas de onda de áudio. A visão de IA lida com o trabalho semântico - identificar componentes de UI, ler texto, extrair valores de cores e entender padrões de layout.


Quando usar esta habilidade

Ative esta habilidade quando o usuário:

  • Quiser extrair quadros de um vídeo em intervalos regulares ou limites de cena
  • Precisar analisar metadados de vídeo (resolução, duração, codecs, taxa de bits)
  • Perguntar sobre detecção de cena ou timestamps de mudança de cena
  • Quiser extrair uma paleta de cores ou sistema de design de conteúdo de vídeo
  • Precisar analisar trilhas de áudio (detecção de silêncio, níveis de volume, formas de onda)
  • Perguntar sobre análise de movimento ou temporização de animação a partir de vídeo
  • Quiser usar visão de IA para entender o conteúdo do vídeo quadro a quadro
  • Precisar gerar miniaturas ou tiras de visualização a partir de arquivos de vídeo

Não ative esta habilidade para:

  • Criar ou editar vídeos do zero - use remotion-video ou video-creator
  • Escrever roteiros de vídeo ou storyboards - use video-scriptwriting
  • Transmissão de vídeo ao vivo ou processamento de vídeo em tempo real
  • Codificação/transcodificação de vídeo para distribuição (é uma tarefa de renderização, não de análise)

Princípios-chave

  1. Extraia depois analise - Sempre separe a extração de quadros (FFmpeg) da análise semântica (visão de IA). Tentar fazer ambos em uma única etapa leva a pipelines frágeis. Extraia os quadros para o disco primeiro, depois analise-os.

  2. Use ffprobe antes de ffmpeg - Antes de processar qualquer vídeo, inspecione-o com ffprobe para entender suas propriedades. Executar comandos FFmpeg às cegas em formatos desconhecidos leva a falhas silenciosas e saída corrompida.

  3. Detecção de cena sobre intervalos fixos - Ao analisar conteúdo de vídeo, extraia quadros nos limites de cena em vez de intervalos de tempo fixos. Os quadros de mudança de cena capturam a diversidade visual do vídeo com muito menos quadros do que a extração de um por segundo.

  4. Saída JSON em toda parte - Use o formato de saída JSON do ffprobe e estruture os resultados da sua análise como JSON. Isso torna os pipelines componíveis e os resultados legíveis por máquina.

  5. Consciência de espaço em disco - A extração de quadros de vídeo pode gerar milhares de arquivos de imagem grandes. Sempre estime o tamanho da saída antes de extrair, use formatos de imagem apropriados (JPEG para análise, PNG para trabalho pixel-perfeito) e limpe os quadros temporários após a análise.


Conceitos principais

Arquitetura de pipeline FFmpeg

O FFmpeg processa vídeo através de um pipeline de demuxing, decodificação, filtragem, codificação e muxing. Para análise, usamos principalmente os estágios de decodificação e filtragem:

Arquivo de entrada -> Demuxer -> Decodificador -> Grafo de filtro -> Saída (quadros/dados)

Conceitos-chave de filtro para análise:

  • Filtro select: escolhe quais quadros produzir com base em expressões
  • Filtro showinfo: imprime metadados do quadro (timestamps, tipo de imagem, etc.)
  • scene detecção: pontuação de diferença em nível de pixel entre quadros consecutivos
  • Filtro fps: reduz a taxa de quadros para extrair em intervalos regulares

Detecção de cena

A detecção de cena funciona comparando quadros consecutivos usando diferença de pixel. O filtro scene do FFmpeg produz uma pontuação de 0.0 (idêntico) a 1.0 (completamente diferente). Um limite de 0.3-0.4 captura mudanças de cena principais enquanto ignora movimento da câmera e mudanças de iluminação.

LimiteComportamento
0.1-0.2Muito sensível - captura panorâmicas, zooms, mudanças de iluminação
0.3-0.4Equilibrado - captura cortes, transições, mudanças principais
0.5-0.7Conservador - apenas cortes bruscos e mudanças de cena dramáticas
0.8-1.0Muito agressivo - perde a maioria das mudanças de cena

Fluxo de trabalho de análise de visão de IA

O fluxo de trabalho para extrair dados estruturados de vídeo usando visão de IA:

  1. Sondar - Obter metadados do vídeo com ffprobe (duração, resolução, fps)
  2. Extrair - Extrair quadros-chave nos limites de cena usando FFmpeg
  3. Ler - Carregar cada imagem de quadro usando a ferramenta Read (suporta imagens)
  4. Analisar - Para cada quadro, identificar cores, tipografia, layout, componentes
  5. Agregar - Encontrar padrões consistentes entre os quadros
  6. Saída - Produzir sistema de design estruturado ou análise de conteúdo

Tarefas comuns

1. Instalar e verificar FFmpeg

Verifique se o FFmpeg está disponível e inspecione sua versão e capacidades.

# Verificar instalação do FFmpeg
ffmpeg -version

# Verificar instalação do ffprobe
ffprobe -version

# Instalar no macOS
brew install ffmpeg

# Instalar no Ubuntu/Debian
sudo apt-get update && sudo apt-get install -y ffmpeg

# Verificar formatos suportados
ffmpeg -formats 2>/dev/null | head -20

# Verificar codecs suportados
ffmpeg -codecs 2>/dev/null | grep -i h264

2. Extrair quadros-chave nos limites de cena

Extraia apenas os quadros onde ocorrem mudanças visuais significativas. Esta é a maneira mais eficiente de amostrar o conteúdo do vídeo.

# Extrair quadros em mudanças de cena (limite 0.3)
mkdir -p scenes
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -vsync vfr \
  scenes/scene_%04d.png \
  2>&1 | grep showinfo

# Extrair com timestamps registrados em um arquivo
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -vsync vfr \
  scenes/scene_%04d.png \
  2>&1 | grep "pts_time" > scenes/timestamps.txt

# Extrair quadros de cena como JPEG (arquivos menores, bons para análise)
mkdir -p scenes
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)'" \
  -vsync vfr \
  -q:v 2 \
  scenes/scene_%04d.jpg

3. Extrair quadros em intervalos regulares

Quando você precisa de amostras uniformemente espaçadas, independentemente das mudanças de conteúdo.

# Extrair um quadro por segundo
mkdir -p frames
ffmpeg -i input.mp4 -vf "fps=1" frames/frame_%04d.png

# Extrair um quadro a cada 5 segundos
mkdir -p frames
ffmpeg -i input.mp4 -vf "fps=1/5" frames/frame_%04d.png

# Extrair apenas quadros I (quadros-chave do codec)
mkdir -p keyframes
ffmpeg -i input.mp4 \
  -vf "select='eq(pict_type,I)'" \
  -vsync vfr \
  keyframes/kf_%04d.png

# Extrair um único quadro em um timestamp específico
ffmpeg -i input.mp4 -ss 00:01:30 -frames:v 1 thumbnail.png

# Extrair apenas o primeiro quadro
ffmpeg -i input.mp4 -frames:v 1 first_frame.png

4. Analisar metadados de vídeo com ffprobe

Inspecione as propriedades do vídeo antes de processar. Sempre use saída JSON para resultados legíveis por máquina.

# Metadados completos como JSON (streams e formato)
ffprobe -v quiet \
  -print_format json \
  -show_format \
  -show_streams \
  input.mp4

# Obter apenas a duração
ffprobe -v error \
  -show_entries format=duration \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

# Obter resolução
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=width,height \
  -of csv=s=x:p=0 \
  input.mp4

# Obter taxa de quadros
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=r_frame_rate \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

# Obter informações do codec
ffprobe -v error \
  -select_streams v:0 \
  -show_entries stream=codec_name,codec_long_name,profile \
  -of json \
  input.mp4

# Contar quadros totais
ffprobe -v error \
  -count_frames \
  -select_streams v:0 \
  -show_entries stream=nb_read_frames \
  -of default=noprint_wrappers=1:nokey=1 \
  input.mp4

5. Detectar cenas e listar timestamps

Obtenha uma lista de timestamps de mudança de cena sem extrair quadros.

# Listar timestamps de mudança de cena
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -f null - \
  2>&1 | grep pts_time

# Extrair pontuações de cena para cada quadro (para análise)
ffmpeg -i input.mp4 \
  -vf "select='gte(scene,0)',metadata=print" \
  -f null - \
  2>&1 | grep "lavfi.scene_score"

# Contar número de mudanças de cena
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)',showinfo" \
  -f null - \
  2>&1 | grep -c "pts_time"

6. Extrair forma de onda de áudio e detectar silêncio

Analise a trilha de áudio para lacunas de silêncio, níveis de volume e formas de onda visuais.

# Detectar períodos de silêncio (útil para encontrar quebras de capítulo)
ffmpeg -i input.mp4 \
  -af silencedetect=noise=-30dB:d=0.5 \
  -f null - \
  2>&1 | grep silence

# Gerar forma de onda de áudio como imagem
ffmpeg -i input.mp4 \
  -filter_complex "showwavespic=s=1920x200:colors=blue" \
  -frames:v 1 \
  waveform.png

# Analisar níveis de volume
ffmpeg -i input.mp4 \
  -af volumedetect \
  -f null - \
  2>&1 | grep volume

# Extrair visualização do espectro de áudio
ffmpeg -i input.mp4 \
  -filter_complex "showspectrumpic=s=1920x512:color=intensity" \
  -frames:v 1 \
  spectrum.png

7. Fluxo de trabalho de análise de visão de IA

Extraia quadros e depois analise-os com a capacidade de visão do Claude para extrair informações estruturadas do conteúdo do vídeo.

# Etapa 1: Sondar o vídeo
ffprobe -v quiet -print_format json -show_format -show_streams input.mp4

# Etapa 2: Extrair quadros de cena
mkdir -p analysis_frames
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.3)'" \
  -vsync vfr \
  -q:v 2 \
  analysis_frames/frame_%04d.jpg

Após extrair os quadros, use a ferramenta Read para carregar cada imagem. A ferramenta Read suporta arquivos de imagem (PNG, JPG, etc.) e os apresentará visualmente. Para cada quadro, analise:

  • Cores: Extraia valores hexadecimais de cores dominantes, cores de fundo, cores de destaque
  • Tipografia: Identifique tamanhos de fonte, pesos, alturas de linha, hierarquia de cabeçalhos
  • Layout: Detecte padrões de grade, layouts flexíveis, ritmos de espaçamento, margens
  • Componentes: Identifique botões, cartões, cabeçalhos, navegação, formulários
  • Estado de animação: Observe transições, estados de hover, indicadores de carregamento

Agregue as descobertas em todos os quadros para construir um sistema de design consistente.

8. Extração de sistema de design a partir de vídeo

Um fluxo de trabalho completo para extrair um sistema de design de uma demonstração de produto ou vídeo de passo a passo de UI.

# Etapa 1: Obter informações do vídeo
ffprobe -v quiet -print_format json -show_format input.mp4

# Etapa 2: Extrair quadros de cena (captura cada tela única)
mkdir -p design_frames
ffmpeg -i input.mp4 \
  -vf "select='gt(scene,0.4)'" \
  -vsync vfr \
  -q:v 1 \
  design_frames/screen_%04d.png

# Etapa 3: Extrair também em intervalos regulares para cobertura
ffmpeg -i input.mp4 \
  -vf "fps=1/3" \
  -q:v 1 \
  design_frames/interval_%04d.png

Após a extração de quadros, analise cada quadro com visão de IA e compile:

{
  "colors": {
    "primary": "#2563EB",
    "secondary": "#7C3AED",
    "background": "#FFFFFF",
    "surface": "#F3F4F6",
    "text": "#111827",
    "textSecondary": "#6B7280"
  },
  "typography": {
    "headingFont": "Inter",
    "bodyFont": "Inter",
    "scale": ["12px", "14px", "16px", "20px", "24px", "32px", "48px"]
  },
  "spacing": {
    "unit": "8px",
    "scale": ["4px", "8px", "12px", "16px", "24px", "32px", "48px", "64px"]
  },
  "components": ["button", "card", "navbar", "sidebar", "input", "modal"]
}

Antipadrões / erros comuns

ErroPor que está erradoO que fazer em vez disso
Extrair todos os quadros de um vídeoGera milhares de arquivos, desperdiça disco e tempo de análiseUse detecção de cena ou intervalos fixos (1 fps ou menos)
Pular o ffprobe antes do processamentoCodecs desconhecidos ou arquivos corrompidos causam falhas silenciosas do FFmpegSempre sonde primeiro para validar formato e propriedades
Usar PNG para extração em massa de quadrosArquivos PNG são 5-10x maiores que JPEG com ganho mínimo de qualidade para análiseUse JPEG (-q:v 2) para análise; PNG apenas para trabalho pixel-exato
Definir limite de cena muito baixo (0.1)Captura movimento da câmera, mudanças de iluminação - produz muitos quadrosComece com 0.3-0.4 e ajuste com base nos resultados
Ignorar -vsync vfr com o filtro selectProduz quadros duplicados preenchendo lacunas na linha do tempoSempre use -vsync vfr ao usar o filtro select
Analisar quadros sem timestampsNão é possível correlacionar os resultados da análise de volta à linha do tempo do vídeoUse o filtro showinfo para capturar pts_time com cada quadro
Executar visão de IA em centenas de quadrosExcede os limites de contexto e desperdiça tokensLimite a 10-20 quadros representativos por passada de análise
Codificar caminhos do ffmpegQuebra entre SO e métodos de instalaçãoUse ffmpeg e ffprobe diretamente, confiando no PATH

Armadilhas

  1. -vsync vfr é necessário com filtros select - Sem -vsync vfr, o FFmpeg preenche quadros "faltantes" entre quadros selecionados com duplicatas para manter uma taxa de quadros constante. Isso significa que extrair 5 quadros de mudança de cena pode produzir 500 arquivos de saída, a maioria deles duplicatas. Sempre emparelhe filtros select com -vsync vfr.

  2. O limite de detecção de cena varia por conteúdo - Um limite de 0.3 funciona bem para cortes em vídeo narrativo, mas conteúdo animado ou gravações de tela podem precisar de 0.4-0.5 porque transições graduais produzem pontuações de cena mais baixas. Sempre verifique a contagem de quadros após a extração e ajuste o limite.

  3. A contagem de quadros do ffprobe é lenta - Usar -count_frames com ffprobe decodifica o vídeo inteiro para contar quadros com precisão. Para vídeos longos, isso pode levar minutos. Use nb_frames dos metadados do stream (menos preciso, mas instantâneo) ou estime a partir da duração e taxa de quadros.

  4. Os parâmetros de detecção de silêncio de áudio precisam de ajuste - O limite de ruído padrão de -30dB para silêncio pode ser muito sensível para gravações ambientes ou muito restritivo para conteúdo de estúdio. Comece com -30dB e ajuste com base no tipo de conteúdo.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Habilidades Relacionadas