Calesthio

音声をAzure AI Speechで文字起こしし、単語ごとの時刻や話者ラベルを取得するスキル。OpenMontageでの字幕生成や会話音声の処理に使えます。

• 録音音声を文字起こししたいとき
• 動画字幕の時刻情報を作りたいとき
• インタビューの話者を区別したいとき

Three.jsで3Dモデルや画像、背景・反射用のHDR画像を読み込む実装を支援します。複数素材の進捗管理から圧縮形式への対応、失敗時の再試行まで扱います。

• GLTF/GLBモデルを表示したいとき
• 複数素材の読み込み進捗を表示
• HDR画像を背景や反射に使いたいとき

文章や静止画から、LTX-2.3 22Bで約5秒の動画素材を生成するスキル。補足映像や動く背景、ポートレートのアニメーションを、画角や動きを指定して作れます。

• ナレーション動画の補足映像作り
• スライド背景への控えめな動き付け
• 静止画ポートレートの動画化

d3.jsで独自のグラフや関係図、地図を作り、拡大・移動や詳細表示を加えるスキル。データに応じた描画から画面サイズへの対応、配色や操作性の調整まで扱います。

• 独自の配置や配色のグラフ制作
• 関係図や地図を作りたいとき
• 詳細表示や拡大・アニメーションの追加

Reactで増えすぎた真偽値の設定項目を整理し、部品の組み合わせと状態管理を見直して、再利用しやすいコンポーネントを設計するための指針をまとめたスキル。

• 真偽値の設定項目を整理したいとき
• 再利用できる部品集を設計したいとき
• 状態管理と部品構成のレビュー

Three.jsで基本図形から独自の立体、文字や点群を作るスキル。頂点の編集、形状の結合、同じ形を多数描く処理を通じて、形作りと描画負荷の調整を支援します。

• 基本立体や曲線に沿う形状の制作
• 独自のメッシュを作成・変形したいとき
• 立体文字や点群、ワイヤーフレーム表示

動画・音声の形式変換、圧縮、切り出し、速度変更をFFmpegで行うスキル。Remotion用の素材準備や、SNS・Web向けの書き出し設定も扱います。

• GIFをMP4に変換したいとき
• 公開用動画のサイズ変更と圧縮
• 動画からの音声抽出と音声形式変換

HeyGenで人物アバター、声、台本、シーンごとの背景を指定した動画を作成します。写真を使った話者動画や合成用の透過WebM、仕様をそろえた一括生成も扱います。

• 指定アバターに決まった台本を読ませる
• シーンごとに背景を変えたいとき
• 合成用の透過WebMを作りたいとき

文章からナレーションやポッドキャスト用の音声を生成するスキル。HeyGenの対応音声を言語や性別で選び、読み上げ速度、声の高さ、間を調整できます。

• 原稿からナレーションを作りたいとき
• ポッドキャスト用の音声作成
• 言語や性別で声を選びたいとき

Three.jsの3Dシーンに光と影を設定し、屋外やスタジオの照明を組み立てます。光源の選択、環境画像を使った照明、影の不具合対策や描画負荷の調整を支援するスキルです。

• 屋外の太陽光や空の照明を作りたいとき
• スタジオ照明や三点照明の設定
• HDR画像を使った環境照明の導入

Reactの画面に、伸縮や予備動作、加減速などのアニメーションを実装します。Disneyの12原則をFramer Motionのコード例に結び付けて使うスキルです。

• ボタンのホバーや押下に反応を付けたいとき
• 予備動作や弧のあるジャンプを作りたいとき
• リスト項目を順番に表示したいとき

ローカルの動画をffmpegで編集し、切り抜き・結合・サイズ変更・圧縮・形式変換を行います。再生速度の調整、音声の抽出や差し替え、ロゴ画像の重ね合わせにも対応します。

• 動画の切り抜きや結合をしたいとき
• SNS向けに動画サイズを変えたいとき
• 音声を抽出・差し替えしたいとき

音声・動画を90以上の言語で文字起こしし、話者の区別や単語ごとの時刻も取得。会議や取材の記録、字幕用テキストの作成、リアルタイムの文字起こしに使えます。

• 会議録音を話者別に文字起こししたいとき
• 動画字幕用の時刻付き文章の作成
• 専門用語を含む取材音声の文字起こし

Web画面のコードを最新のWeb Interface Guidelinesと照合し、改善すべき箇所を確認します。指摘はファイル名と行番号付きで示します。

• Web画面のコードを見直したいとき
• 基準に沿ってアクセシビリティを確認
• デザインや使い勝手のレビュー

Tailwind CSS v4で色や角丸などの共通ルールを定義し、ボタンやフォームを再利用できる部品に整えます。画面幅への対応やダークモードも扱います。

• 再利用できるUI部品集の作成
• 色や部品の見た目を統一したいとき
• 画面幅対応とダークモードの実装

ReactとNext.jsのコードを性能面から見直し、データ取得の待ち時間や配信するコード量、不要な再描画を減らす改善を、優先順位付きのルールで支援します。

• Reactの性能をレビューしたいとき
• Next.jsのデータ取得を改善したいとき
• 配信するJavaScriptを減らしたいとき

既存の動画をHeyGenで翻訳・吹き替えし、多言語版を作るスキル。話者の声の特徴を保ち、口の動きを合わせる方式と、音声だけを翻訳する方式を選べます。

• 商品紹介動画の多言語展開
• 口の動きを合わせた吹き替え
• 口の動きを変えずに音声翻訳

Three.jsの3D画面に光のにじみや背景ぼけ、色補正などを加えるスキル。複数の効果の組み合わせから独自の画面効果、描画負荷の調整まで扱います。

• 3Dシーンの物体を光らせたいとき
• 背景ぼけや画面の色味を調整したいとき
• 選択した物体を輪郭で強調したいとき

文章からの動画生成と、アバター・声・台本・シーンを指定した制作をHeyGen APIで扱う旧スキル。解説動画やプレゼン制作向けですが、現在は非推奨です。

• 文章から解説動画を作りたいとき
• 台本どおりのアバター動画制作
• シーンごとに人物や背景を指定

Plan and scope production work with Odyssey's real-time interactive video world models (odyssey.ml — Odyssey-1/Odyssey-2/Starchild-1/Agora-1). Use when a request involves generating video that a user steers live with keyboard, text, speech, or controller input (streamed frames that respond in the moment), or when someone must decide between Odyssey-style interactive generation and offline clip generators (Sora/Veo/Kling) or downloadable 3D / game engines. Covers what is verified versus announced, current access routes, latency and coherence limits, feasible-now versus speculative use cases, pricing/access terms, and content/rights considerations. This is a fast-moving research-stage product; the skill teaches honest scoping, not a promise of production reliability.

日本語の概要は準備中です。原文の説明を表示しています。

Build production OpenAI Realtime voice agents and low-latency spoken interactions with live audio sessions, WebRTC or WebSocket transport, voice activity detection, tool/function calling, prompt design, logging, consent, privacy, safety, latency, and cost controls. Use for speech-to-speech agents and live voice UX; do not use for separate request-based transcription, text-to-speech, or offline audio generation work.

日本語の概要は準備中です。原文の説明を表示しています。

Generate persistent, explorable 3D worlds/environments with Marble by World Labs — from text, a single image, multiple images, video, or a 360 panorama, plus coarse-structure blocking with Chisel. Use this skill when a task needs a navigable 3D scene, VR/immersive backdrop, virtual-production environment, previz set, game-blockout, or web/engine-ready Gaussian splat or mesh, and you must choose an input mode, a Marble model, an export format, and a plan/API route, then review world quality. Covers the Marble web app and the World API, editing/expansion, output formats and what each supports downstream, import into Unity/Unreal/Blender/Houdini/web, pricing/credits, capability limits, and rights/licensing. Not for flat text-to-image, text-to-video clips, or real-time on-the-fly world models (Marble outputs are downloadable, static 3D environments).

日本語の概要は準備中です。原文の説明を表示しています。

Build and evaluate low-latency spoken, multimodal, and translation experiences with Google Gemini Live API and Gemini Enterprise Agent Platform Live API. Use when a media-production or voice-agent workflow needs real-time audio input/output, barge-in, voice configuration, live transcription, live translation, tool/function calling during a spoken session, WebSocket session design, latency QA, quotas/cost review, or Google/Vertex data-governance tradeoffs.

日本語の概要は準備中です。原文の説明を表示しています。

Select, run, and govern NVIDIA Cosmos world-video generation across Cosmos 3 Generator, Predict2.5, Transfer2.5, downloadable checkpoints, self-hosted NIMs, and hosted preview surfaces. Use for text/image/video-to-world, controlled world transfer, multiview or action-conditioned physical-AI video, local checkpoint pinning, hardware planning, inference approval, and output validation; do not use for Cosmos Reason/Embed-only tasks.

日本語の概要は準備中です。原文の説明を表示しています。