Communitygithub.com

NeverSight/learn-skills.dev

Baixe vídeos do YouTube, extraia/corrija/traduza legendas e renderize-as no vídeo.

O que é learn-skills.dev?

Esta skill oferece um pipeline completo para processamento de vídeos do YouTube: desde o download, extração e correção de legendas, até a tradução e renderização final. Ela é ideal para casos de uso como baixar vídeos com legendas, traduzir legendas para o chinês, adicionar legendas a um vídeo ou realizar transcrição ASR no áudio do vídeo. A skill suporta plataformas como Claude Code, Cursor e Codex, e é executada em fases: (1) download do vídeo e extração de legendas, (2) ASR fallback quando não há legendas, (3) processamento paralelo com subagentes para correção e tradução, (4) mesclagem e geração de arquivos SRT/ASS, e (5) renderização das legendas no vídeo usando ffmpeg. Ela impõe regras rigorosas para evitar o uso de legendas traduzidas automaticamente pelo YouTube, garantindo que a tradução seja sempre feita por subagentes a partir da legenda original. A skill também lida com problemas comuns como caracteres ilegais, timestamps corrompidos e incompatibilidades de arquitetura do ffmpeg.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/1worldcapture/workforce/youtube-subtitle-translate

Perguntar na sua IA favorita

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

Documentação

YouTube Subtitle Translator

Baixe vídeos do YouTube, extraia e processe legendas (corrigir + pontuar + traduzir) e, em seguida, renderize-as de volta no vídeo. Lida com legendas geradas automaticamente e uploads manuais, com fallback para ASR quando não houver legendas.

Regras Rígidas

  • Use no máximo 3 subagentes simultâneos para o processamento de blocos de legendas. Quando houver mais de 3 blocos, execute-os em ondas e inicie o próximo bloco somente após um subagente terminar.
  • A contagem de blocos não é concorrência. Você pode dividir em 10 blocos, mas não deve iniciar 10 processos/subagentes do Codex de uma só vez; execute no máximo 3 workers ativos a qualquer momento.
  • Sempre baixe apenas a faixa de legenda de origem: inglês quando disponível, caso contrário, o idioma original do vídeo. Não baixe as legendas traduzidas automaticamente pelo YouTube para o idioma de destino; traduza a partir da legenda de origem.
  • Nunca use uma faixa de legenda no idioma de destino fornecida pelo YouTube como atalho, mesmo para vídeos longos e mesmo que zh-Hans ou outro idioma de destino esteja listado em automatic_captions.
  • O download do vídeo padrão é 1080p. Se 1080p não estiver disponível, baixe a melhor versão disponível abaixo de 1080p.
  • A tradução deve ser realizada por subagentes sobre os arquivos de bloco. Não use helpers de modelo local para tradução.
  • Antes de escrever SRT/ASS, remova caracteres ilegais de legendas do texto, especialmente barras invertidas soltas (\) que aparecem visivelmente no vídeo.

Visão Geral do Fluxo de Trabalho

Fase 1: Download    →  Obter informações do vídeo, baixar vídeo, extrair legendas
Fase 2: Preparar     →  Se não houver legendas: extrair áudio → executar ASR
Fase 3: Processar    →  Dividir em blocos → correção + tradução paralela por agente
Fase 4: Mesclar      →  Combinar blocos → gerar arquivos SRT/ASS
Fase 5: Renderizar   →  Gravar legendas no vídeo usando ffmpeg

Fase 1: Download

1.1 Obter Informações do Vídeo

Use a ferramenta MCP do YouTube para buscar metadados:

youtube_get_video_info(videoId="...", detail="standard")

Registre: título, duração, canal, se as legendas estão disponíveis.

1.2 Criar Diretório de Saída

Nomeie o diretório com o título do vídeo. Sanitize para o sistema de arquivos:

mkdir -p "/caminho/saída/<Título do Vídeo>"

1.3 Baixar Vídeo

youtube_download(videoId="...", outputPath="<dir>/video.mp4", quality="1080p", force=true)

Se usar yt-dlp, prefira 1080p e recorra ao melhor formato abaixo de 1080p:

yt-dlp -f "bv*[height<=1080]+ba/b[height<=1080]/best" --merge-output-format mp4 \
  -o "<dir>/video.%(ext)s" "<url>"

1.4 Extrair Apenas Legendas de Origem

youtube_get_transcript(videoId="...", language="<idioma-de-origem>")

Se o resultado exceder os limites de token, ele será salvo em um arquivo de resultados da ferramenta — leia-o em blocos.

Esta é uma política de legenda de origem não negociável:

  • Prefira legendas/legendas em inglês quando disponíveis.
  • Se o inglês não estiver disponível, use o idioma falado original do vídeo.
  • Ignore zh-Hans, zh-Hant e qualquer outra faixa de idioma de destino mostrada pelo YouTube, incluindo faixas traduzidas automaticamente.
  • Não solicite, tente novamente, mescle ou renderize uma faixa de legenda no idioma de destino fornecida pelo YouTube.
  • As legendas no idioma de destino devem ser produzidas apenas pela tradução do subagente a partir da legenda de origem.

Se uma ferramenta retornar uma lista como en-orig, zh-Hans, escolha apenas en-orig. Não inclua zh-Hans em nenhum comando de download.

Se usar yt-dlp, escreva apenas a legenda de origem:

yt-dlp --skip-download --write-auto-subs --write-subs \
  --sub-langs "en.*" --sub-format srt --convert-subs srt \
  -o "<dir>/video.%(ext)s" "<url>"

Errado, não execute:

yt-dlp --write-auto-subs --sub-langs "en-orig,zh-Hans" ...

Se o download da legenda em inglês/original for bem-sucedido, mas uma solicitação de idioma de destino falhar com HTTP 429, não tente novamente a solicitação de idioma de destino. Essa solicitação não deveria ter sido feita; continue a partir da legenda de origem e traduza-a através da Fase 3.

Se as legendas existirem: Salve os segmentos brutos como JSON, prossiga para a Fase 3. Se NÃO houver legendas (404/erro): Prossiga para a Fase 2 (fallback ASR).

Salve os dados brutos:

  • raw_segments.json — todos os segmentos com texto/offset/duração
  • raw_subtitles.srt — conversão SRT inicial

Fase 2: Fallback ASR (Nenhuma Legenda Disponível)

Quando o vídeo não tem legendas/transcrições:

  1. Extrair áudio do vídeo usando ffmpeg:

    ffmpeg -i video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav
    
  2. Executar ASR — usuário especificou qwen3-asr, mas qualquer modelo compatível com whisper funciona:

    qwen3-asr audio.wav --output-format srt > raw_subtitles.srt
    

    Ou use a abordagem integrada através do comando de transcrição da skill hyperframes-media.

  3. Analise a saída SRT de volta para o formato JSON de segmento esperado pela Fase 3.

Fase 3: Correção e Tradução Paralela

Esta é a etapa mais demorada para vídeos longos. A estratégia: dividir em blocos e processá-los com subagentes, com um limite rígido de 3 subagentes simultâneos.

Execute esta fase mesmo para vídeos muito longos. A duração não é motivo para baixar ou usar legendas automáticas no idioma de destino do YouTube. O atalho correto para vídeos longos é dividir em blocos mais a concorrência de 3 subagentes, não a reutilização de legendas de destino.

3.1 Dividir Segmentos em Blocos

Use a lógica inversa de scripts/merge-chunks.py — divida raw_segments.json em N arquivos de bloco:

# Dividir em blocos dimensionados para revisão/tradução.
n = len(segments)
chunk_count = min(10, max(1, (n + 75) // 76))
chunk_size = n // chunk_count + 1
for i in range(0, n, chunk_size):
    save_chunk(i, segs[i:i+chunk_size])

Salve como chunk_00.json, chunk_01.json, etc. Cada um contém {"chunk_id", "start_idx", "end_idx", "segments": [...]}.

3.2 Iniciar Agentes Paralelos

Para cada bloco, inicie um subagente em segundo plano. Inicie no máximo 3 subagentes ao mesmo tempo. Se houver 10 blocos, inicie os blocos 00, 01 e 02 primeiro; quando um terminar, inicie o próximo bloco pendente. Nunca inicie todos os 10 blocos de uma vez. Dê a cada agente:

  1. O caminho para seu chunk_XX.json
  2. Instruções para ler references/subtitle-proofreading.md para a especificação completa
  3. Caminho de saída: result_XX.json no mesmo diretório

O agente deve:

  • Ler cada segmento em seu bloco
  • Revisar o inglês (corrigir erros de ASR, adicionar pontuação)
  • Traduzir para chinês simplificado natural (manter termos técnicos em inglês)
  • Salvar como array JSON com {index, start, end, en, zh} por segmento
  • Remover caracteres ilegais de legendas de en e zh, especialmente barras invertidas soltas (\), caracteres de controle e chaves brutas de substituição ASS.

Importante: A concorrência máxima é de 3 subagentes/processos. Se houver mais de 3 blocos, execute-os em ondas. Não inicie 10 processos filhos do Codex para 10 blocos.

3.3 Aguardar a Conclusão

Monitore quais arquivos result_XX.json aparecem. Não prossiga até que todos os blocos sejam concluídos.

Fase 4: Mesclar e Gerar Arquivos de Saída

Execute o script de mesclagem:

python3 scripts/merge-chunks.py <diretório_saída>

Isso descobre automaticamente todos os arquivos result_*.json e produz:

ArquivoConteúdo
final_subtitles.jsonJSON mesclado, ordenado por timestamp
subtitles_bilingual.srtLinhas em inglês + chinês
subtitles_zh.srtApenas chinês
subtitles_en.srtApenas inglês

4.2 Validar a Qualidade dos Dados

Antes de renderizar, sempre valide os dados mesclados. O processamento paralelo do agente pode produzir corrupção de timestamp:

# Verificar durações anormais (>120s = quase certamente corrompido)
python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if s['end'] - s['start'] > 120]
print(f'Durações anormais: {len(bad)} / {len(segs)}')
for s in bad: print(f'  [{s[\"index\"]}] {s[\"start\"]:.1f}->{s[\"end\"]:.1f} ({s[\"end\"]-s[\"start\"]:.0f}s)')
"

Se algum for encontrado, corrija-o (limite end em start + 6) e regenere SRT/ASS. Tanto merge-chunks.py quanto srt-to-ass.py incluem detecção automática e correção automática para esse problema.

Verifique a saída: verifique se as primeiras e últimas entradas têm timestamps corretos e texto legível.

Também verifique a sanitização do texto:

python3 -c "
import json
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if '\\\\' in s.get('en','') or '\\\\' in s.get('zh','')]
print(f'Artefatos de barra invertida: {len(bad)}')
for s in bad[:10]: print(s['index'], s.get('en',''), s.get('zh',''))
"

Fase 5: Renderizar Legendas no Vídeo

NÃO use o ffmpeg do sistema diretamente — veja as Armadilhas abaixo.

5.1 Executar o Script de Renderização

bash scripts/render-subtitles.sh <video.mp4> <subtitles_bilingual.srt> [output.mp4]

O script lida com tudo:

  • Detecta/constrói ffmpeg nativo para ARM64 com suporte a libass
  • Converte SRT → ASS com configuração de fonte CJK adequada
  • Copia arquivos para /tmp para evitar problemas com caracteres especiais no caminho
  • Renderiza com o filtro ass do ffmpeg
  • Valida a saída

5.2 Verificar a Saída

Verifique se:

  • O arquivo de saída existe e tem > 10 MB (não apenas áudio)
  • A duração corresponde ao vídeo original (use ffprobe)
  • Reproduza o primeiro e último minuto para confirmar que as legendas aparecem

Armadilhas e Lições Aprendidas

Estas são lições difíceis obtidas do uso real. Siga-as para evitar perder horas.

Incompatibilidade de Arquitetura do ffmpeg (CRÍTICO)

Problema: O ffmpeg do Homebrew no macOS é compilado SEM libass, libfreetype e fontconfig. Os filtros ass, subtitles e drawtext simplesmente não existem.

Pior: As compilações estáticas do ffmpeg do evermeet.cx são binários x86_64 (Intel). Em Macs Apple Silicon, eles são executados através da emulação Rosetta 2 com ~8-10x mais lentidão. Um vídeo de 1,5h levou mais de 2 horas.

Solução: Use scripts/ensure-ffmpeg.sh. Ele detecta esses problemas e compila o ffmpeg nativo para ARM64 a partir do código-fonte com todas as bibliotecas necessárias. A primeira compilação leva ~5 minutos; as reconstruções subsequentes são instantâneas (arquivos de objeto em cache).

Flags de configuração necessárias para suporte completo a legendas:

--enable-libass --enable-libfreetype --enable-fontconfig --enable-libdav1d

Decodificação AV1 Ausente

Problema: Muitos vídeos modernos do YouTube são codificados em AV1 (codec_name: av1). Um ffmpeg compilado sem --enable-libdav1d falhará com erros "Function not implemented" durante a decodificação, produzindo um arquivo de apenas áudio de 68 MB.

Solução: Sempre inclua --enable-libdav1d ao compilar o ffmpeg.

Caracteres Especiais no Caminho Quebram os Filtros do ffmpeg

Problema: Quando o caminho do vídeo ou legenda contém caracteres como travessões (—), aspas inteligentes ou caracteres não ASCII, o analisador de filtros do ffmpeg falha com erros "No option name near...". Isso acontece mesmo com aspas adequadas no shell.

Solução: Copie os arquivos de legenda para /tmp/subs_<pid>.ass antes de passar para o ffmpeg. O script de renderização faz isso automaticamente.

Conflitos de API TextClip do moviepy (EVITAR)

Problema: O TextClip do moviepy 2.x tem conflitos de parâmetros entre argumentos posicionais e kwargs (font aparece duas vezes internamente). Várias variantes de erro, nenhuma óbvia pela mensagem de erro.

Recomendação: Não use moviepy para renderização de legendas em produção. Use o filtro ass do ffmpeg — é mais rápido, mais confiável e lida com fontes CJK adequadamente através do libass/fontconfig.

SRT vs ASS para ffmpeg

Problema: O filtro subtitles do ffmpeg (que lê SRT diretamente) também sofre de problemas de análise de caminho em algumas compilações. O filtro ass é mais confiável.

Solução: Converta SRT → ASS primeiro usando scripts/srt-to-ass.py, depois use o filtro ass. O formato ASS também oferece controle fino sobre fonte, tamanho, posicionamento e estilo.

Caracteres Ilegais em Legendas

Problema: O texto da legenda bruto ou traduzido pode conter barras invertidas soltas (\) ou caracteres de substituição ASS. Na renderização ASS, uma barra invertida literal pode aparecer na tela ou interagir acidentalmente com a sintaxe de escape ASS.

Solução: Sanitize o texto da legenda antes de escrever SRT/ASS:

  • Remova barras invertidas do texto de legenda visível ao usuário
  • Remova caracteres de controle, exceto espaços em branco normais
  • Remova chaves { e } brutas do texto da legenda
  • Deixe srt-to-ass.py adicionar apenas as sequências de controle ASS que ele possui, como \N entre linhas bilíngues

Durações Anormais de Legendas do Processamento Paralelo de Agentes

Problema: Ao processar legendas em blocos paralelos (Fase 3), agentes individuais podem produzir entradas com timestamps corrompidos — especificamente, valores end muito maiores que start (por exemplo, duração de 2600s ou 4800s em vez de ~6s). Isso faz com que essas linhas de legenda permaneçam visíveis na tela durante a maior parte do vídeo, sobrepondo-se a todo o outro conteúdo.

Causa raiz: Os agentes às vezes atribuem mal os tempos finais ao consolidar segmentos ASR fragmentados nos limites dos blocos. O problema está no nível dos dados, não é um problema de renderização — portanto, não será detectado por erros do ffmpeg.

Solução: Três camadas de defesa:

  1. scripts/srt-to-ass.py detecta automaticamente entradas com duração > 120s e as limita a 6s com um aviso
  2. Validação da Fase 4: Após mesclar os blocos, sempre verifique se há entradas onde (end - start) > 120 segundos
  3. Verificação pré-renderização: Antes de executar o ffmpeg, grep o arquivo ASS em busca de linhas Dialogue suspeitamente longas
# Verificação rápida pré-renderização: encontrar qualquer legenda com duração > 2 minutos
python3 -c "
import json, sys
segs = json.load(open('final_subtitles.json'))
bad = [s for s in segs if s['end'] - s['start'] > 120]
if bad: print(f'AVISO: {len(bad)} durações anormais encontradas!'); sys.exit(1)
else: print('Verificação de duração aprovada')
"

Ajuste de Tamanho da Fonte

Problema: Os tamanhos de fonte padrão (16-20px) podem ser muito pequenos em vídeos de alta resolução 1080p+, especialmente ao visualizar em telas menores ou à distância.

Solução: Use o sinalizador --font-size para ajustar. Tamanhos de base recomendados:

  • Vídeo 1080p: --font-size 24 (bilíngue) ou --font-size 28 (único idioma)
  • Vídeo 4K: --font-size 36 ou maior
  • O script render-subtitles.sh passa isso para srt-to-ass.py

Dependências

  • Ferramentas MCP do YouTube: mcp__plugin_youtube_youtube__* (download de vídeo, transcrição, informações)
  • ffmpeg: Auto-compilado por scripts/ensure-ffmpeg.sh
  • Python 3: scripts fornecidos em scripts/
  • Modelo ASR: qwen3-asr ou qualquer modelo compatível com whisper
  • Subagentes: Até 3 simultâneos para processamento de blocos de legendas

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