SKILLEMALL.ai

BD guaikei-video-to-text

Извлечение речи из видео в чистый текст. Используйте, когда пользователь предоставляет ссылку на видео или локальный файл и говорит «видео в текст», «извлечь контент», «транскрибировать», «извлечь субтитры». Автоматически удаляет слова-паразиты, оговорки и повторы, а также может суммировать основные моменты по запросу пользователя, переписывать контент для Xiaohongshu или Douyin, извлекать золотые цитатуры, переводить на английский язык.

машинный переводПоказать оригиналСкрыть оригинал«把视频里的说话内容提取成干净文字。用户给你视频链接或本地文件,说「视频转文字」「提取文案」「转个稿」「提取字幕」时使用。自动去掉语气词、口误…»

把视频里的说话内容提取成干净文字。用户给你视频链接或本地文件,说「视频转文字」「提取文案」「转个稿」「提取字幕」时使用。自动去掉语气词、口误和重复内容,还能按用户要求总结要点、改写成小红书或抖音文案、提取金句、翻译成英文。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 17 файлов тело ≈ 1 309 токенов Открыть источникclawhub.ai проанализирован 5 ч назад

Извлечение речи из видео в чистый текст.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1309 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -214 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its video-to-text purpose, but its URL handling can fetch and upload arbitrary reachable web resources without strong limits, so it needs review before installation.
LLM: suspicious (high) · 12 сент. 2026 г.