在本地轉錄音訊、在編輯過程中保留單詞時間戳、設計易讀的字幕樣式，並準備可編輯的字幕側邊文件。
Video Forge 是一個專門為影片字幕處理設計的 AI 技能，能夠在本地進行語音轉錄、保留精確的單詞時間戳，並生成美觀易讀的動態字幕。此技能特別強調時間戳的真實性，要求使用者不得偽造或猜測時間戳，所有時間資訊必須來自實際的音訊對齊。它支援透過明確指定的單詞清單、JSON 轉錄檔案或本地 Faster-Whisper 環境進行自動轉錄，並在輸出時保持字幕的斷句合理性與視覺對比度。目前支援的輸出格式包括 `transcript.json` 和 SRT，其中 ASS 雙語字幕側邊文件尚未內建整合。對於短影片（Reels），則需遵循保護內容區域的設計規則，確保字幕在快速剪輯中依然清晰可讀。此技能適用於需要精準字幕編輯的開發者與影片後製工作流程，特別是在 Linux/Mac 環境下搭配 Python 環境使用。
npx skills add https://github.com/Sanidhya14321/video-forge/tree/HEAD/skills/video-captions請閱讀字幕工作流程。選擇一個字幕輸入方式：明確的單詞列表、JSON 轉錄檔案，或本地轉錄。單詞條目格式為 {text,start,end}，單位為秒。切勿偽造時間戳，並將其當作實際測量結果呈現。
可選用 faster-whisper 環境來啟用 transcribe: true。其時間戳為 ASR 估計值。請檢查技術術語及與音訊的對齊情況，特別是在重拍或重複語句後。空的或超出範圍的字幕將導致任務中止。
渲染器會將短語分組並高亮顯示當前活躍的單詞；執行器會保留 transcript.json 和 SRT。請檢查標點符號、行長度、對比度、介面安全區域以及字幕與畫面的相對位置。必須針對所選語言測試字體覆蓋範圍。
翻譯是由代理程式撰寫的參考工作流程。保留原始時間格式，除非語意需要重新分割和對齊。在 v0.1 版本中，雙語樣式和 ASS 側邊文件並非內建輸出。請閱讀參考資料以瞭解可用方法及引擎限制。
對於短影片，請使用短影片方向中描述的保護內容區域。在剪輯之間保持短語分組的可讀性；單詞可以強調實際語音，但不得用任意節拍時間取代測量的單詞時間戳。
This repo contains 4 individual skills — each has its own dedicated page.
Generate local or optional OpenAI narration, prepare music and sound effects, and mix audio for technical videos.
Export social video variants, inspect playable media, review thumbnails and caption placement, and prepare publishing assets.
Repurpose recordings with deliberate segment selection, silence removal, reframing, B-roll planning, and editable cut decisions.
Set up or diagnose Video Forge in an agent host, verify local rendering prerequisites, and choose a usable production or planning path.
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.