O que llava faz?
Chat de visão-linguagem: VQA, legendagem, diálogo com imagens.
Chat de visão-linguagem: VQA, legendagem, diálogo com imagens.
Esta habilidade fornece capacidades de chat visão-linguagem baseadas no modelo LLaVA (Large Language and Vision Assistant). Ela permite que agentes de IA processem e conversem sobre imagens, suportando perguntas e respostas visuais (VQA), geração de legendas para imagens e diálogo interativo com imagens. É útil para desenvolvedores que precisam integrar compreensão multimodal em seus fluxos de trabalho, permitindo que agentes interpretem conteúdo visual, respondam perguntas sobre imagens ou gerem descrições textuais. A habilidade funciona recebendo um prompt de texto e uma imagem (como URL ou dados codificados em base64), processando-os através do modelo LLaVA e gerando uma resposta textual relevante ao contexto visual fornecida. Suporta plataformas compatíveis com a API LLaVA e pode ser acionada em ferramentas como Claude Code ou Cursor, fornecendo uma ponte entre entrada visual e saída textual.
npx skills add https://github.com/wundercorp/loki/tree/main/optional-skills/mlops/llavaChat de visão-linguagem: VQA, legendagem, diálogo com imagens.
This repo contains 1 individual skill — each has its own dedicated page.
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.