Communitygithub.com

delorenj/skills

Participe de uma chamada do Google Meet ou Zoom como um agente de vídeo via PikaStreaming.

O que é skills?

Esta skill permite que um agente de IA entre em reuniões do Google Meet ou Zoom como um participante de vídeo completo, utilizando o serviço PikaStreaming. Ela gerencia todo o fluxo de configuração inicial, incluindo a criação de um avatar personalizado (a partir de uma imagem enviada pelo usuário ou gerada por IA) e a clonagem de voz (a partir de uma gravação de áudio do usuário ou usando uma voz padrão). Antes de cada reunião, a skill coleta o contexto atual do espaço de trabalho do agente (arquivos de memória, logs, etc.) e sintetiza um cartão de referência conciso para orientar o comportamento do agente durante a chamada. O agente pode então ingressar na reunião usando comandos de terminal e também pode sair da reunião sob demanda. A skill é particularmente útil para desenvolvedores que desejam criar assistentes de IA que possam participar ativamente de reuniões de vídeo, fornecendo uma presença visual (avatar) e auditiva (voz clonada), com um contexto personalizado com base no conhecimento do agente.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/delorenj/skills/tree/HEAD/pikastream-video-meeting

Perguntar na sua IA favorita

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

Documentação

PikaStream Video Meeting

Script: SKILL_DIR=skills/pikastream-video-meeting

Primeira Configuração

Execute uma vez quando a skill for carregada pela primeira vez:

pip install -r $SKILL_DIR/requirements.txt

1. Avatar

Verifique se identity/videomeeting-avatar.png existe e é maior que 1 KB. Se NÃO existir (ou for muito pequeno):

  1. Pergunte ao usuário: Preciso de uma imagem para o avatar da reunião de vídeo (um retrato ou foto de rosto). Envie-me uma imagem ou diga "gerar" e eu criarei uma para você.
  2. Não prossiga até que o usuário responda. Não gere automaticamente.
  3. Usuário envia uma imagem: salve-a em identity/videomeeting-avatar.png.
  4. Usuário diz "gerar": execute:
    python $SKILL_DIR/scripts/pikastreaming_videomeeting.py generate-avatar \
      --output identity/videomeeting-avatar.png
    
    Se o usuário descrever o que deseja (ex.: "um gato de desenho animado"), passe --prompt "<descrição>, portrait headshot suitable for video calls". Mostre a imagem gerada. Pergunte: Quer manter este avatar ou gerar novamente? Aguarde a resposta.
  5. Qualquer outra coisa: repita a pergunta do passo 1.

O bot deve ter um avatar antes de entrar em uma reunião.

2. Voz

Verifique se life/voice_id.txt existe e não está vazio.

Se existir: leia life/voice_config.json. Se for legível, verifique cloned_at — se for de 6 ou mais dias atrás, avise o usuário: Sua clonagem de voz foi criada em {data} e pode ter expirado (vozes clonadas são excluídas após 7 dias sem uso). Deseja clonar novamente com uma nova gravação ou tentar usar a existente?

  • Clonar novamente: vá para "Se não existir" abaixo.
  • Manter: use o ID de voz existente.

Se life/voice_config.json estiver ausente ou ilegível, use o ID de voz de life/voice_id.txt como está.

Se não existir (ou o usuário escolheu clonar novamente):

  1. Pergunte ao usuário: Ainda não tenho uma clonagem de voz. Você pode: (a) me enviar uma gravação de voz (10s a 5min, fala clara) e eu a clonarei, ou (b) diga "pular" para usar uma voz padrão.
  2. Não prossiga até que o usuário responda.
  3. Usuário diz "pular": use English_radiant_girl.
  4. Usuário envia um arquivo de áudio: execute:
    python $SKILL_DIR/scripts/pikastreaming_videomeeting.py clone-voice \
      --audio <arquivo> --name <nome-do-bot> --noise-reduction
    
    • Saída 0: leia life/voice_id.txt. Diga ao usuário: Voz clonada. Usando {voice_id} para esta reunião.
    • Saída diferente de zero: informe ao usuário que a clonagem falhou (inclua stderr). Pergunte: Tentar novamente com um arquivo diferente ou pular e usar a voz padrão?
  5. Arquivo inválido (não é áudio): responda Isso não parece um arquivo de áudio suportado. Envie um arquivo mp3, m4a, wav, ogg, flac ou aac (10s a 5min de fala clara). Aguarde uma nova tentativa ou "pular".

Fluxo de Entrada

Passo 1 — Validar e coletar contexto

Avatar: verifique se identity/videomeeting-avatar.png existe e é > 1 KB. Se não, execute a Primeira Configuração acima.

Voz: verifique se life/voice_id.txt existe. Se não, execute a seção de Voz da Primeira Configuração acima.

Contexto: sempre colete contexto novo — não reutilize um arquivo desatualizado de uma sessão anterior.

  1. Leia seus arquivos do espaço de trabalho (MEMORY.md, logs diários, arquivos de identidade, etc.).
  2. Se não houver dados do espaço de trabalho disponíveis, pergunte ao usuário: Qual nome o bot deve usar nesta reunião? Use a resposta para o campo Nome:. Preencha quaisquer outras seções que você conhecer da conversa.
  3. Sintetize um cartão de referência conciso para /tmp/meeting_system_prompt.txt. Use {name} como nome de exibição do bot (também usado como --bot-name). Se os dados forem escassos (ex.: apenas um nome), mantenha-o curto — não adicione preenchimento.
Sintetize os dados brutos abaixo em um cartão de referência conciso para {name} usar durante uma chamada de voz/vídeo. Use terceira pessoa ("{name}") em todo o texto. Priorize DETALHES CONCRETOS.

ORDEM DE PRIORIDADE:
1. FATOS ESPECÍFICOS: nomes, lugares, datas, números, eventos
2. ATIVIDADE RECENTE: o que aconteceu hoje/esta semana — ações, não impressões
3. RELACIONAMENTOS: quem é importante, interações específicas
4. PERSONALIDADE: 1-2 frases NO MÁXIMO

REGRAS DE CURADORIA:
- MANTER: qualquer coisa com um nome próprio, um número, uma data ou uma ação concreta
- DESCARTAR: descrições vagas, atualizações de status rotineiras, entradas vazias
- MESCLAR: se múltiplas entradas disserem coisas semelhantes, escolha a mais vívida

FORMATO DE SAÍDA:

**{name}**: [1 frase — tom/vibe]

**Fatos conhecidos** (apenas concretos, máximo 10):
- [fato específico com nomes/datas/números]

**Atividade recente**:
- [construiu X, corrigiu Y, foi a Z]

**Agora**: [1 linha — atividade atual]

**Pessoas**: [nome — 1 detalhe específico cada]

REGRAS:
- Concreto > abstrato
- Ações > descrições
- Não invente fatos
- Se os dados forem escassos, mantenha-o curto

Passo 2 — Entrar

python $SKILL_DIR/scripts/pikastreaming_videomeeting.py join \
  --meet-url <url> --bot-name <nome> \
  --image identity/videomeeting-avatar.png \
  --system-prompt-file /tmp/meeting_system_prompt.txt \
  --voice-id <id> [--meeting-password <senha>]

Diga ao usuário que você entrou. Diga leave para sair. Não mencione IDs de sessão.

Códigos de saída: 0 = entrou. 6 = créditos insuficientes (stdout JSON contém um checkout_url — mostre-o ao usuário).

Sair

python $SKILL_DIR/scripts/pikastreaming_videomeeting.py leave \
  --session-id <id da saída do join>

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

delorenj/skills

Plan and generate terminal ASCII animations/screensaver-style output (FPS, refresh rules, loop policy, low-flicker guidance), with a static poster frame and an optional local demo script.

delorenj/skills

ASCII video: convert video/audio to colored ASCII MP4/GIF.

delorenj/skills

Plan, build and quality-check a premium short commercial for a real business (roofing, property, ecommerce, B2B software) using AI-generated footage, code-built motion (HTML/GSAP), selective Three.js and an independent-critic "Gauntlet" loop. Use when asked to make a launch-style / SaaS-style video, business ad, explainer, sample reel or pitch video, or to review and improve one. Encodes motion principles distilled from 28 professional launch films, a quality bar, audio rules and a business-offer playbook.

delorenj/skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

delorenj/skills

Generate professional voiceovers using ElevenLabs AI. Use when the user needs to create voiceovers for videos, audio narration, or text-to-speech content. Supports multiple voices with character presets (narrator, salesperson, expert) for natural delivery. Includes single scene regeneration for fine-tuning.

delorenj/skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

delorenj/skills

Asset preprocessing for HyperFrames compositions — text-to-speech narration (Kokoro), audio/video transcription (Whisper), and background removal for transparent overlays (u2net). Use when generating voiceover from text, transcribing speech for captions, removing the background from a video or image to use as a transparent overlay, choosing a TTS voice or whisper model, or chaining these (TTS → transcribe → captions). Each command downloads its own model on first run.

delorenj/skills

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

delorenj/skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

delorenj/skills

Manim CE animations: 3Blue1Brown math/algo videos.

delorenj/skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

delorenj/skills

Generate speech using the self-hosted voxxy (vox) TTS service at https://vox.delo.sh. Use when the user asks to speak, say, narrate, synthesize speech, clone a voice, create a voice, add or register a voice, pipe TTS, or control voice qualities by description (e.g. "a young woman with a cheerful voice"). Handles HTTP API usage, voice profile management, description-based voice design, cloning, MCP registration, and integration patterns for new platforms.

delorenj/skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

delorenj/skills

YouTube transcripts to summaries, threads, blogs.

Habilidades Relacionadas