SKILLEMALL.ai

AB youtube-caption-studio

Преобразуйте ссылку на YouTube или вставленную расшифровку в китайский сценарий для озвучки и структуру ремейка. Этот рабочий процесс обработки субтитров и извлечения субтитров YouTube читает субтитры YouTube и необязательные комментарии или работает с расшифровкой, которую вы уже скопировали, а затем пишет озвучку на китайском языке с элементами ремейка, следующими за оригиналом. Используйте для субтитров видео, извлечения субтитров, субтитров YouTube и работы с расшифровками YouTube, когда вам нужен ремейк озвучки на основе того, что уже было сказано в видео.

машинный переводПоказать оригиналСкрыть оригинал«Turn a YouTube link or a pasted transcript into a Chinese spoken scrip…»

Turn a YouTube link or a pasted transcript into a Chinese spoken script and a remake structure. This video captions and caption extract workflow reads YouTube captions and optional comments, or works from the transcript you already copied, then writes spoken Chinese with the remake beats that follow the original. Use it for video captions, caption extract, YouTube captions, and YouTube transcript work when you need a spoken remake from what the video already said.

ClawHub Agent Skills автор: beatra-ai v0.1.3 MIT-0 16 файлов тело ≈ 1 866 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Преобразуйте ссылку на YouTube или вставленную расшифровку в китайский сценарий для озвучки и структуру ремейка.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ПроцедураYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 14
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1866 токенов

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -32 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 468 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (10 из 10)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    The skill does the advertised caption-to-Chinese-script work, but it also asks for broad Beatra account authority and silently updates its own package by default.
    LLM: suspicious (high) · 28 авг. 2026 г.