Audio

videodb giúp bạn nhập video và audio từ file cục bộ, URL, luồng trực tiếp RTSP/RTMP hoặc quay màn hình máy tính; tìm các khoảnh khắc theo dấu thời gian với bằng chứng có thể phát lại; và thao tác bằng clip, lớp phủ, phiên âm, cảnh báo, cùng chỉnh sửa theo dòng thời gian. Đây là hướng dẫn thực hành videodb cho VideoDB for Video Editing và phân tích livestream.

Kỹ năng video-editing giúp bạn biến footage có sẵn thành video chỉn chu, sẵn sàng đăng nền tảng nhanh hơn. Nó tập trung vào cắt ghép, sắp xếp cấu trúc, chèn phụ đề, thay đổi khung hình và tăng cường nhẹ cho vlog, hướng dẫn, demo, clip ngắn và chỉnh sửa phỏng vấn. Phù hợp nhất khi bạn đã có footage thô và cần một hướng dẫn video-editing thực tế.

fal-ai-media là một GitHub skill cho tạo media thống nhất qua fal.ai MCP. Skill này giúp người dùng cài đặt và sử dụng fal-ai-media cho các quy trình tạo ảnh, chỉnh sửa ảnh, video, giọng nói và âm thanh, với tìm kiếm model, kiểm tra chi phí và prompt hướng dẫn.

youtube-downloader là một File Automation skill để lưu từng video YouTube hoặc trích xuất âm thanh MP3 bằng wrapper Python cho yt-dlp. Skill hỗ trợ chọn chất lượng, các định dạng mp4/webm/mkv, chế độ chỉ lấy âm thanh và thư mục đầu ra tùy chỉnh.

meeting-insights-analyzer hỗ trợ phân tích bản ghi cuộc họp để nhận diện các mẫu giao tiếp, từ đệm, cách nói giảm nói tránh, xu hướng né tránh xung đột, mức cân bằng lượt nói và phản hồi huấn luyện có dẫn chứng từ bản ghi cho Workplace Communication.

Spotify Automation là một skill Composio MCP dành cho tìm kiếm Spotify, playlist, điều khiển phát nhạc, album, track và truy cập hồ sơ người dùng thông qua các công cụ SPOTIFY_* đã xác thực.

rev-ai-automation là một Claude skill dùng để tự động hóa quy trình Rev AI thông qua Composio Rube MCP. Skill hướng dẫn agent kết nối Rube, xác minh kết nối rev_ai, tìm schema công cụ hiện tại trước, rồi chạy tác vụ phiên âm hoặc các tác vụ Rev AI liên quan với ít phải phỏng đoán hơn.

lmnt-automation giúp Claude tự động hóa các workflow LMNT thông qua Rube MCP của Composio bằng cách khám phá các tool hiện có, kiểm tra kết nối LMNT và dùng schema trực tiếp trước khi thực thi.

happy-scribe-automation giúp Claude chạy các quy trình Happy Scribe thông qua Composio Rube MCP. Nội dung hướng dẫn các yêu cầu thiết lập, kiểm tra kết nối, khám phá công cụ và cách dùng an toàn cho phiên âm, phụ đề, xuất tệp và tự động hóa dự án.

GroqCloud Automation là một skill Composio MCP dành cho việc khám phá model GroqCloud, tạo chat completions, dịch âm thanh và chọn giọng TTS thông qua các công cụ GROQCLOUD_*.

deepgram-automation là một skill Claude dùng để tự động hóa các tác vụ Deepgram thông qua Composio Rube MCP. Bạn có thể dùng skill này để khám phá schema công cụ hiện tại, xác minh kết nối Deepgram đang hoạt động và chạy các workflow theo hướng schema-first.

transcribe biến âm thanh hoặc video thành văn bản, có thể kèm phân tách người nói và gợi ý người nói đã biết. Phù hợp cho viết kỹ thuật, ghi chú cuộc họp, phỏng vấn, bài giảng và vận hành nội dung khi bạn cần một kỹ năng transcribe lặp lại được với định dạng đầu ra rõ ràng và ít phải đoán hơn so với một prompt chung chung.

baoyu-youtube-transcript giúp trích xuất transcript, phụ đề và ảnh bìa YouTube từ URL hoặc video ID. Công cụ hỗ trợ chọn ngôn ngữ, dịch, xuất ra markdown hoặc SRT, định dạng lại từ bộ nhớ đệm và tự động chuyển từ InnerTube API sang yt-dlp để lấy transcript ổn định hơn khi cần.

hyperframes là một skill quy trình để xây dựng các bố cục video dựa trên HTML trong HyperFrames. Hãy dùng nó cho thẻ tiêu đề, lớp phủ, phụ đề, lồng tiếng, chuyển động phản ứng theo âm thanh và chuyển cảnh khi bạn cần hyperframes có cấu trúc, ưu tiên mã nguồn cho Video Editing. Skill này đề cao quyết định về bố cục, thời gian và hoạt ảnh hơn là các yêu cầu video chung chung chỉ dựa trên prompt.

azure-ai-voicelive-ts giúp bạn xây dựng ứng dụng voice AI thời gian thực với Azure AI Voice Live TypeScript SDK. Hãy dùng nó cho các dự án Node.js hoặc trình duyệt cần âm thanh hai chiều, phản hồi streaming, thiết lập phiên và function calling. Hướng dẫn azure-ai-voicelive-ts này hữu ích khi bạn cần hỗ trợ thực tế về cài đặt, cách dùng và tạo code.

azure-ai-contentunderstanding-py là skill Python cho Azure AI Content Understanding. Nó trích xuất nội dung có cấu trúc từ tài liệu, hình ảnh, âm thanh và video để phục vụ RAG và tự động hóa. Hãy dùng khi bạn cần trích xuất đa phương thức đáng tin cậy, xác thực Azure và đầu ra lặp lại, sẵn sàng cho pipeline.

azure-ai-voicelive-java là skill SDK Azure AI VoiceLive cho phát triển backend Java. Skill này bao gồm cài đặt, xác thực, truyền phát giọng nói qua WebSocket, xử lý sự kiện và cách dùng theo ví dụ cho các bản dựng trợ lý thời gian thực.

azure-ai-voicelive-dotnet là skill .NET để xây dựng ứng dụng AI giọng nói thời gian thực với Azure AI Voice Live. Skill này bao gồm hướng dẫn cài đặt, thiết lập, xác thực và cách dùng cho phát triển backend, gồm âm thanh hai chiều, phiên độ trễ thấp và quy trình speech-to-speech.

podcast-generation giúp tạo audio kiểu podcast bằng AI từ văn bản, sử dụng Azure OpenAI GPT Realtime Mini qua WebSocket. Kỹ năng này phù hợp cho podcast-generation trong Phát triển Full-Stack, với hướng dẫn cho React, Python FastAPI, truyền PCM, thu transcript và chuyển đổi WAV. Hãy dùng khi bạn cần một hướng dẫn podcast-generation thực tế để tích hợp vào ứng dụng thật, không phải một prompt chung chung.

github-issue-creator chuyển ghi chú thô, log lỗi, lời mô tả bằng giọng nói và ảnh chụp màn hình thành các bản nháp issue theo kiểu GitHub thật gọn gàng. Kỹ năng github-issue-creator này hỗ trợ theo dõi issue bằng cách sắp xếp phần tóm tắt, môi trường, các bước tái hiện, hành vi mong đợi so với thực tế, mức độ ảnh hưởng và bằng chứng vào một issue markdown có thể xem xét.

Kỹ năng speech-to-text chuyển các tệp âm thanh được hỗ trợ thành văn bản thuần, với tùy chọn thêm dấu thời gian, nhãn người nói và đầu ra JSON. Kỹ năng này được thiết kế cho nhu cầu speech-to-text thực tế trong các quy trình lặp lại, bao gồm phỏng vấn, họp, podcast, bài giảng và các tác vụ tự động hóa nơi độ nhất quán của bản chép là quan trọng.

Kỹ năng tts biến văn bản thành âm thanh giọng nói cho thuyết minh, lồng tiếng, voiceover và phát theo mốc thời gian. Bạn có thể dùng nó để tạo file giọng nói từ văn bản thuần, chuyển bài viết hoặc file text thành speech, hoặc render âm thanh từ SRT với khả năng kiểm soát timing. Kỹ năng hỗ trợ chế độ đơn giản và chế độ theo timeline, cùng các quy trình làm việc nhận biết backend để dùng tts lặp lại một cách ổn định.

Dùng kỹ năng sound-fx để biến prompt văn bản thành hiệu ứng âm thanh, foley, nền âm thanh môi trường, tiếng sinh vật và tiếng UI. Kỹ năng này phù hợp cho sound-fx trong Chỉnh sửa âm thanh, tạo mẫu nhanh và tạo tài sản âm thanh có thể tải xuống. Cài đặt qua NoizAI/skills, sau đó dùng quy trình làm việc dựa trên script với một Noiz API key hợp lệ. Không dành cho giọng nói, lời bài hát, giai điệu hoặc sao chép giọng.

characteristic-voice là một kỹ năng tạo giọng nói cho kiểu lời thoại ấm áp, như người đồng hành, giàu cảm xúc. Dùng cho các câu trả lời an ủi, tin nhắn buổi sáng hoặc ban đêm, đối đáp đời thường, và cách thể hiện theo phong cách nhân vật với nhịp ngắt, tiếng cười nhẹ hoặc sự dịu dàng. Kỹ năng này có quy trình làm việc dựa trên preset và hỗ trợ backend để sử dụng characteristic-voice một cách thực tế.