Görsellerden hassas görsel detaylar çıkarır, ses/video deşifresi yapar, belgeleri markdown formatına dönüştürür ve görseller oluşturur.
- GitHub yıldızları
- 126
- Dosyalar
- 9
- Son commit
- 16 May 2026
- Lisans
- MIT
- İzin verilen araçlar
- —
media-processor skill ne işe yarar?
Görsellerden hassas görsel detaylar çıkarır, ses/video deşifresi yapar, belgeleri markdown formatına dönüştürür ve görseller oluşturur.
Özet, skill'in SKILL.md dosyasından oluşturuldu.
media-processor skilli hakkında
Bu SKILL, geliştiricilerin ve tasarımcıların UI mockup'larından veya yoğun ekran görüntülerinden hassas görsel detaylar çıkarmasını sağlar. Görsellerden tam hex renklerini, piksel cinsinden boşlukları, yazı tipi boyutlarını ve bileşen hiyerarşilerini belirlemek için özelleşmiş araçlar sunar. Bir agent, bir kullanıcı arayüzünü tasarıma göre denetlemesi veya görsel regresyonları karşılaştırması gerektiğinde, son derece doğru teknik özellikler üretmek için bu araçları yükleyebilir.
SKILL, scripts dizininde bulunan üç ana betiği kullanır. gemini_batch_process.py betiği; görsel analizi, ses ve video deşifresini ve PDF'lerden veri çıkarılmasını yönetir. document_converter.py betiği; PDF, DOCX, XLSX ve PPTX dosyalarını markdown formatına dönüştürür. Yaratıcı görevler için image_gen.py görsel oluşturma ve düzenlemeye olanak tanır, ancak bu işlem ücretli bir plan gerektirir. Tüm işlemler bir GEMINI_API_KEY'e dayanır ve karmaşık görsel görevler için gemini-3.1-pro-preview gibi model geçersiz kılmaları kullanılarak ince ayar yapılabilir.
Bir agent bununla neler yapabilir
- 1UI özelliklerini çıkarınUygulama aşaması için bir tasarım mockup'ından tam renkleri ve boşlukları belirlemesini agent'tan isteyin.
- 2Belgeleri markdown'a dönüştürünKarmaşık PDF veya Office dosyalarının yapılandırılmış markdown metnine dönüştürülmesini talep edin.
- 3Görsel regresyon denetimleri yapınTutarsızlıkları bulmak için agent'ın canlı bir ekran görüntüsünü orijinal tasarımla karşılaştırmasını sağlayın.
- 4Multimedya dosyalarını deşifre edinSes veya video içeriğini yazılı metne dönüştürmek için aracı kullanın.
Skill'in SKILL.md dosyasından yazılmıştır. Her kullanım durumu oradaki bir alıntı ile kontrol edilir.
media-processor skill nasıl kurulur
Her komut, skill klasörünü istemcinin skills dizinine kopyalar. Yüklemek için istemciyi yeniden başlatın veya yeni bir oturum başlatın.media-processor skill'ini Claude Code uygulamasına kur
~/.claude/skills/media-processor/SKILL.md
$ npx degit avibebuilder/claude-prime/.claude/skills/media-processor ~/.claude/skills/media-processormedia-processor skill'ini Claude Code (project) uygulamasına kur
.claude/skills/media-processor/SKILL.md
$ npx degit avibebuilder/claude-prime/.claude/skills/media-processor .claude/skills/media-processormedia-processor skill'ini Codex uygulamasına kur
~/.agents/skills/media-processor/SKILL.md
$ npx degit avibebuilder/claude-prime/.claude/skills/media-processor ~/.agents/skills/media-processormedia-processor skill'ini Gemini CLI uygulamasına kur
~/.gemini/skills/media-processor/SKILL.md
$ npx degit avibebuilder/claude-prime/.claude/skills/media-processor ~/.gemini/skills/media-processormedia-processor skill'ini Claude.ai uygulamasına kur
npx degit avibebuilder/claude-prime/.claude/skills/media-processor media-processor && zip -r media-processor.zip media-processor # claude.ai → Customize → Skills → + → Create skill → Upload a skill → media-processor.zip
Otomatik kontroller
Çalıştırıldı 16 Kas 2026Tam rapor →Otomatik kontrollerimizi geçti. Bu bir güvenlik denetimi değil: bir ajanın çalıştırmasına izin vermeden önce betikleri okuyun. Kontroller nasıl çalışır
- Kaynak deposu bağlantılı ve erişilebiliravibebuilder/claude-prime/.claude/skills/media-processor is public and reachablegithub.com/avibebuilder/claude-prime/tree/HEAD/.claude/skill ↗Geçti
- Açık kaynak lisansı (OSI)MITspdx.org/licenses/MIT.html ↗Geçti
- Son bir yıl içinde commit veya sürüm mevcutLast commit 2026-05-16github.com/avibebuilder/claude-prime/commits ↗Geçti
- Betiklerde indir-çalıştır veya kimlik bilgisi hırsızlığı yok3 scripts read; no download-and-run, remote eval, base64 execution or credential uploadGeçti
- SKILL.md içinde gizli talimat yokNo override phrases, safeguard switches, credential requests or hidden charactersgithub.com/avibebuilder/claude-prime/blob/HEAD/.claude/skill ↗Geçti
- Önceden izin verilen araçlar sınırlıNo pre-approved tools; the agent asks before using onegithub.com/avibebuilder/claude-prime/blob/HEAD/.claude/skill ↗Geçti
- SKILL.md, Agent Skills biçimine uyuyorValid name and description; says when to use it; 75 linesgithub.com/avibebuilder/claude-prime/blob/HEAD/.claude/skill ↗Geçti
SKILL.md
GitHub'da görüntüleMedia Processor
Specialized tools for extracting precise visual details (exact colors, spacing, hierarchy), processing audio/video, and generating images.
Tools
All scripts live in scripts/ relative to this skill's directory. They auto-select the best model per task and handle retries, large file uploads, and error reporting.
| Script | Purpose |
|---|---|
gemini_batch_process.py |
Analyze images, transcribe audio/video, extract data from PDFs |
image_gen.py |
Generate and edit images (paid plan required) |
document_converter.py |
Convert PDF, DOCX, XLSX, PPTX to Markdown; extract page ranges and images |
Requires GEMINI_API_KEY in environment or .env in this skill's directory. Run any script with --help for setup details and available parameters.
Quick start — image analysis:
python <skill-dir>/scripts/gemini_batch_process.py \
--files <image-path> \
--task analyze \
--prompt "<tailored prompt>" \
--output <output-path>.md
Prompt Quality Matters
The prompt sent to the processing model is the single biggest factor in output quality. Tailor prompts to what the task actually needs — generic prompts produce generic results.
What makes a good analysis prompt:
- Ask for the specific details the task requires (hex colors, spacing in px, component hierarchy) rather than "describe this image"
- Structure the ask as a numbered list — the model mirrors the structure back, making output easy to parse
- Name the desired output format ("as a markdown table", "as JSON", "as a component tree")
- Include implementation context when relevant ("for React with Tailwind") so the model emphasizes useful details
Example prompt patterns:
UI implementation: "Extract component hierarchy, layout type, exact hex colors, typography (sizes/weights), spacing in px, interactive states, icons and decorative elements"
Chart data: "Extract chart type, axes with units, every data point with exact values, legend entries with colors. Output as a markdown table"
Design review: "Compare this screenshot against the design. Flag differences in spacing, colors, alignment, missing elements, and visual inconsistencies. Note exact values for each discrepancy"
Pasted Images
When a user pastes images in chat, they are auto-saved to:
$CLAUDE_DIR/image-cache/<current_session_id>/<image_number>.png
Use ls "$CLAUDE_DIR/image-cache/" to discover the session ID, then list its contents to find available images.
Model Overrides
Scripts auto-select models per task (see model-routing.md). Override with --model <model-id> when the default isn't enough — for example, --model gemini-3.1-pro-preview for complex visual analysis where the pro model catches more detail than flash.
References
| Reference | When to read |
|---|---|
| api-gotchas.md | Before using image generation, video processing, or raw API calls — prevents common failures |
| model-routing.md | When choosing or overriding the default model for a task |
| media-optimization.md | When files are too large to upload — ffmpeg compression recipes |
Gotchas
- Rate limits — scripts retry up to 3 times with backoff. If still rate-limited after retries, stop and ask the user to check their API key quota or provide a new key.
- Model IDs change — Google frequently rotates preview model IDs. If you get a 404, the model was likely superseded — check the models page for current IDs.
- Safety filters — the API may refuse some content. Report clearly to the user rather than retrying.
- Large files auto-upload — files >20MB automatically use the File API (2GB max, 48h retention). No action needed.
Bu becerideki dosyalar
9media-processor skill soruları
media-processor skill'ini Claude Code uygulamasına nasıl kurarım?
npx degit avibebuilder/claude-prime/.claude/skills/media-processor ~/.claude/skills/media-processor komutunu çalıştırın. Claude Code, skill'leri ~/.claude/skills (tüm projeler) veya .claude/skills (tek proje) konumundan yükler ve açıklaması görevle eşleştiğinde skill'i kullanır.
media-processor skill'ini hangi istemciler kullanabilir?
Agent Skills biçimini okuyan her istemci: Claude Code, Codex, Gemini CLI ve claude.ai (ZIP olarak yükleyin). Skill içindeki betikler yalnızca istemcinin kod çalıştırmaya izin verdiği yerlerde çalışır.
Çok büyük bir dosya yüklemeye çalışırsam ne olur?
20MB'den büyük dosyalar, 2GB'a kadar destek sağlayan ve dosyaları 48 saat boyunca saklayan File API'yi otomatik olarak kullanacaktır.
Bir PDF veya DOCX dosyasını nasıl Markdown'a dönüştürebilirim?
PDF, DOCX, XLSX ve PPTX dosyalarını Markdown formatına dönüştürebilen ve görselleri veya sayfa aralıklarını ayıklayabilen document_converter.py betiğini kullanın.