O que evo-dubbing-mux-report faz?
Multiplexa segmentos de áudio TTS normalizados no vídeo original em intervalos de tempo precisos usando FFmpeg e gera um relatório JSON com metadados de temporização, deriva e loudness.
Multiplexa segmentos de áudio TTS normalizados no vídeo original em intervalos de tempo precisos usando FFmpeg e gera um relatório JSON com metadados de temporização, deriva e loudness.
Esta habilidade combina segmentos de áudio TTS (Text-to-Speech) normalizados com o vídeo original, sincronizando-os em instantes específicos com alta precisão usando o FFmpeg. Ela é útil em pipelines de dublagem automatizada, onde a pista de áudio gerada precisa ser inserida no vídeo mantendo a sincronia labial e consistência de volume. A habilidade suporta plataformas como Claude Code, Cursor e Codex, exigindo que o FFmpeg esteja instalado no sistema. Após o processo, um relatório JSON é gerado contendo metadados detalhados como temporização exata dos segmentos, deriva (drift) entre áudio e vídeo, e medidas de loudness, permitindo análise e ajustes posteriores. O fluxo típico envolve receber o vídeo original e os segmentos de áudio TTS com timestamps, realizar o muxing com codificação adequada, e produzir o vídeo final sincronizado junto ao relatório de qualidade.
npx skills add https://github.com/OpenLAIR/OpenSkill/tree/main/tasks-evolved/multilingual-video-dubbing/environment/skills/evo-dubbing-mux-reportMultiplexa segmentos de áudio TTS normalizados no vídeo original em intervalos de tempo precisos usando FFmpeg e gera um relatório JSON com metadados de temporização, deriva e loudness.
This repo contains 3 individual skills — each has its own dedicated page.
Handles audio resampling, loudness normalization per ITU-R BS.1770-4, and LUFS measurement for TTS segments to ensure broadcast-quality output.
Synthesizes target-language speech from text using Kokoro TTS, with speed/duration control to fit precise time windows. Handles SRT parsing, text extraction, and produces WAV segments.
A comprehensive skill for extracting chapter indices from tutorial videos using FFmpeg audio extraction, OpenAI Whisper ASR transcription with word-level timestamps, and semantic chapter alignment via fuzzy string matching.
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.