SKILLEMALL.ai

AD video-viral-replicate

Разбор вирусных видео и генерация текстов для вторичного использования. Введите короткое видео (Douyin/Bilibili/Xiaohongshu/WeChat Channels и т. д.), извлеките аудиодорожку и ключевые кадры с помощью ffmpeg, транскрибируйте текст с временными метками с помощью whisper, извлеките субтитры на экране с помощью OCR, синхронизируйте их по временным меткам, создав аудиовизуальную временную шкалу, а затем на основе результатов разбора сгенерируйте текст для вирусного вторичного использования. Применимо для: разбора структуры вирусных видео, имитации вирусных текстов, анализа видео по частям, понимания аудиовизуального контента, генерации сценариев для вторичного использования. Срабатывает, когда пользователь упоминает разбор видео, вторичное использование, вирусные тексты, аудиовизуальный анализ видео, имитацию вирусных текстов, анализ видео по частям, анализ причин популярности видео.

машинный переводПоказать оригиналСкрыть оригинал«视频爆款拆解与二创文案生成。输入一个短视频(抖音/B站/小红书/视频号等),通过 ffmpeg 抽取音轨与关键帧、whisper 转录带时间…»

视频爆款拆解与二创文案生成。输入一个短视频(抖音/B站/小红书/视频号等),通过 ffmpeg 抽取音轨与关键帧、whisper 转录带时间戳文案、OCR 提取画面字幕,按时间戳对齐成视听时间线,再基于拆解结果生成二创爆款文案。适用于:拆解爆款视频结构、仿写爆款文案、视频拆条分析、视听内容理解、二创脚本生成。当用户提到拆解视频、二创、爆款文案、视频视听分析、仿写爆款、视频拆条、分析这个视频为什么火时触发。

ClawHub Agent Skills автор: 梵阳无夜 v1.0.0 MIT-0 5 файлов тело ≈ 1 022 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Разбор вирусных видео и генерация текстов для вторичного использования.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМедиа и видеоИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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

    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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 41/100

    • 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
    • 40Согласованность. Имя во frontmatter (video-viral-replicate) не совпадает с папкой (video-vl-replicate)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 34
    • 100Стоимость исполнения. Тело инструкции 1022 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 204 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill performs the video analysis it advertises, with disclosed local downloads, dependency setup, transcription, OCR, and output files, but users should understand the network and disk impact before running it.
    LLM: benign (medium) · VirusTotal: · 27 июл. 2026 г.