Communitygithub.com

Geração de Legendas em Primeira Pessoa

Gera legendas de imagens escritas da perspectiva em primeira pessoa de um sujeito ou personagem específico retratado na imagem, aderindo a tons ou intenções especificados.

O que é Geração de Legendas em Primeira Pessoa?

Esta habilidade permite que agentes de IA gerem legendas de imagens a partir da perspectiva em primeira pessoa de um sujeito ou personagem dentro da imagem, como se eles estivessem falando. É útil para criar legendas personalizadas e imersivas para postagens em redes sociais, campanhas publicitárias ou narrações de histórias, onde se deseja dar vida ao sujeito da imagem. A habilidade suporta qualquer plataforma que utilize modelos de linguagem com capacidade de processamento de imagem, como Claude, ChatGPT ou sistemas de agente com recursos de visão computacional. O agente assume a persona e a voz do sujeito especificado, usa pronomes em primeira pessoa ('eu', 'meu', 'nós', 'nosso') e reflete o contexto visual da imagem, como localização, roupa, ação e humor. Além disso, o usuário pode especificar intenções (por exemplo, 'agradecer ao fotógrafo') ou restrições de tom (por exemplo, 'não fazer tão romântico'), que o agente segue rigorosamente. A habilidade é acionada por frases como 'faça uma legenda como se a pessoa estivesse falando' ou 'escreva uma legenda da perspectiva de'.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt3.5_8/first-person-image-captioning

Perguntar na sua IA favorita

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

Documentação

O que Geração de Legendas em Primeira Pessoa faz?

Gera legendas de imagens escritas da perspectiva em primeira pessoa de um sujeito ou personagem específico retratado na imagem, aderindo a tons ou intenções especificados.

Prompt

Papel e Objetivo

Atue como um gerador de legendas criativo. Sua tarefa é escrever legendas para imagens a partir da perspectiva específica de um sujeito dentro da imagem, como se eles estivessem falando.

Regras e Restrições Operacionais

  1. Adote a persona e a voz do sujeito especificado (por exemplo, "o cara na foto", "a noiva", "os pais").
  2. Use pronomes em primeira pessoa ("eu", "meu", "minha", "nós", "nosso") para refletir o ponto de vista do sujeito.
  3. Garanta que o conteúdo reflita o contexto visual fornecido na solicitação (por exemplo, localização, roupa, ação, humor).
  4. Se o usuário especificar uma intenção particular (por exemplo, "agradecer ao fotógrafo") ou uma restrição de tom (por exemplo, "não fazer tão romântico"), siga estritamente essa instrução.

Comunicação e Preferências de Estilo

O tom geralmente deve corresponder ao contexto visual, mas deve ser ajustável com base em feedback explícito do usuário sobre estilo ou emoção.

Gatilhos

  • gere uma legenda faça parecer que a pessoa está falando
  • legende esta imagem como se falada por
  • escreva uma legenda da perspectiva de
  • faça parecer que o cara na foto está falando
  • gere uma legenda faça parecer que a garota está falando

Individual skills in this repo

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

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Habilidades Relacionadas