SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-14 00:01
13,487 个结果
Video Extend 是一个通过 RunComfy CLI 调用 Google Veo 3-1 视频延展（extend-video）端点的技能，用于在已有视频片段基础上继续生成后续画面，突破单次调用的时长上限，或将一个种子镜头逐拍串联成连续叙事。它提供两个端点选择：默认的 Veo 3-1 Extend，用于追求运动、光照、身份和物理一致性的高质量续接与最终交付；以及 Veo 3-1 Fast Extend，用于成本敏感的多轮迭代与草稿。使用时由智能体选定端点并提供源视频 URL 与续接提示词，通过 runcomfy run 命令传入 JSON 输入并行输出。文档还包含提示词模式与链式调用建议，例如显式锚定镜头运动、每次延展只安排一个主要节拍、将上一次输出作为下一次输入以实现连续延展。该技能明确不负责从零开始的图生视频、已有视频的风格化重制，以及带音频同步的数字人延展，这些由其他技能承担。
ElevenLabs Music Generation 是 RunComfy 平台上的一项 AI 音乐生成能力，通过 `runcomfy` 命令行工具调用 ElevenLabs Music 模型。用户提交一段文本提示词，其中同时包含风格描述和带段落标记的歌词，即可生成完整歌曲或纯器乐曲目。输出为 44.1 kHz 立体声，单次调用时长可在 5 秒至 5 分钟之间设定。支持通过参数强制生成纯器乐（无人声）版本，适合背景音乐、播客片头、游戏循环音乐等场景。该技能以 npm 包形式安装，需登录 RunComfy 账号或配置令牌后使用，生成结果由 CLI 下载到指定输出目录。
该技能通过 RunComfy CLI 对静态图片进行画面外延（outpainting），即在原画布之外继续扩展内容，补全相机未拍到的部分，或改变图片宽高比。它会在 RunComfy 目录中的多个身份保持型编辑端点上进行路由，根据需求选择合适的模型：用于文字描述驱动的扩展、参考风格匹配或品牌风格锁定的延续。默认使用 google/nano-banana-2/edit 模型，可处理如 1:1 转 16:9、人像裁切还原、横图扩展等场景。若出现接缝或光照不匹配，可改用带参考图的 GPT Image 2 Edit 或保真度更高的 FLUX Kontext Pro，或使用 ComfyUI 工作流进行精细控制。核心流程为：安装 CLI、登录、调用 runcomfy run 提交带 outpaint 提示词的 JSON 请求并下载结果。
Relight 是一个基于 RunComfy CLI 使用的图像重打光（relight）技能，用于在不重拍的前提下改变静图的布光方式，包括光照方向、色温、强度与氛围，同时尽量保持主体身份、姿态与构图不变。它默认路由到 Qwen Edit 2509 的专用 relight LoRA 端点（qwen/qwen-edit-2509/lora/relight），该模型针对光照方向、色温、强度和氛围的调整进行了专门调优；当需要把打光变化作为更广泛编辑（如同时换背景、加物体）的一部分时，可改用 Nano Banana 2 Edit 等保身份编辑端点，用文字描述完成打光。该技能通过 runcomfy 命令行工具调用，需先全局安装 @runcomfy/cli 并登录（CI 环境可用 RUNCOMFY_TOKEN 环境变量）。输入以 JSON 字符串通过 --input 传入，包含图像 URL 与提示词，结果下载到 --output-dir 指定目录。适用于产品目录重打光、人像氛围调整、一天中不同时段光线替换、参考图光照匹配以及多图批量统一打光等场景。限制方面：它不做从零生成图像，也不支持视频重打光（CLI 端点目前仅支持图像）；官方资料未提供具体的收费与价格信息。
中文介绍正在整理，稍后补充。
brandkit 是 leonxlnx/taste-skill 中的品牌套件图像生成技能，面向高端品牌规范板、标志系统、身份识别册和视觉世界展示图的创作。它把生成模型设定为资深品牌识别艺术总监，要求在单张图中构建完整的品牌世界，而非零散标志或随意样机。输出强调克制、留白、网格化版式和电影感氛围，默认生成 3×3 品牌套件总览图，也支持 2×3、2×2、1×3、4×2 及自定义布局。该技能包含品牌策略推断、标志生成标准与构思方法、各面板系统、多种视觉模式（开发者、安防、奢侈品等）、文字与标语规则、配色纪律和反通用化约束，并区分从零创建与在既有品牌上延展两种流程。
music-to-video 是一个把音乐轨道转换为节拍同步视频的技能（Skill），属于 heygen-com/hyperframes 项目。它接收音乐文件、可提取音频的视频，或根据情绪简述生成的曲目作为输入，产出歌词视频、幻灯片等节拍对齐的视频。其流程为：先对音乐做一次分析（写入 audiomap.json），再切分帧骨架（STORYBOARD.md），逐一填充逐帧计划，然后为每一帧构建一个独立的合成文件，最后装配并渲染为 MP4。技能强调“单一分析器”：analyze-beatgrid.py 是唯一的节拍分析工具，其能量、密度、滚奏、起音、静音等字段始终可靠，而 bpm 与 beats_sec 仅在音乐确实有节奏时可靠。整个过程遵循先设定、再分析、切分、填计划、构建、装配、渲染的顺序，其中第 3 步（计划批准）与第 6 步（渲染批准）是需要用户的检查点。
imagegen-frontend-mobile 是一个面向移动应用图像生成的技能，用于为 iOS、Android 及跨平台移动应用创建高端、具有原生应用质感的界面概念图与流程图像。它专注于 onboarding 流程、认证流程、首页仪表盘、个人资料、设置、聊天、电商、金融科技、健康健身、效率工具、社交应用和实用工具等移动场景，输出多屏应用概念与高端移动端重设计。该技能只生成图像，不进入编码模式，不输出 SwiftUI、React Native、Flutter 或 HTML 代码，也不涉及网站、落地页、桌面仪表盘或图像转代码。它强调应用原生感、高级感、清晰可读、流程连贯、平台感知和受控配色，并要求同一组图像保持一致的设计系统，默认在干净的手机样机中呈现界面，同时保持内容为视觉核心。
中文介绍正在整理，稍后补充。
Talking Head Recut 是 HyperFrames 体系下的一个技能，用于将本地已有的口播、访谈或播客视频重新包装：在完整播放的原视频之上叠加一组按时间同步的设计感图形卡片，包括动态标题、下三分之一字幕条、数据标注、引言、侧面板、画中画等。卡片的时间与内容由 AI 根据语音转写文本自动设计，卡片 HTML 直接在对话中编写，随后组装成单个 composition HTML 并渲染为 MP4。转写使用本地 Whisper，无需 API key 或第三方服务。该技能不是给视频加普通字幕，而是添加设计化图形叠加层。适合需要把长口播视频做成信息密度更高、节奏更快的图形化包装成片的场景。
HyperFrames 项目在 Studio 中与人协作时使用的技能：先判断对方消息是否真的要求改动（提问、初步想法或“先别动”等），再决定是否修改文件、提出方案或安排新片。它规定了 Studio 时间线的组织约定、安全区规范，以及新片从简报、方向、分镜到构建与反馈的制作流程，并给出自查方式。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
该技能用于通过 inference.sh CLI（belt）生成 AI 图像，支持 GPT-Image-2、FLUX、Gemini、Grok、Seedream、Reve 等 50 多个模型。使用前需安装 belt CLI 并登录，然后通过 belt app run 指定应用 ID 与 JSON 输入（如提示词、图像、宽高比等）来生成或编辑图像。提供的模型覆盖文生图、图像编辑、局部重绘、文本渲染、专业放大等用途，并列出各模型的 App ID 与适用场景，例如 GPT-Image-2 适合文本生成图像、编辑与局部重绘，FLUX Dev LoRA 适合带自定义风格的高质量生成，FLUX.2 Klein LoRA 支持 LoRA 且速度快，P-Image 系列主打快速经济与预设风格，Gemini 系列为 Google 模型，Grok Imagine 支持多种宽高比，Seedream 系列提供 2K-4K 画质，Reve 支持自然语言编辑与文本渲染，Topaz Upscaler 用于专业放大，FLUX Klein 4B 价格极低。文档还给出多个命令行示例，包括文生图、图像编辑、批量拼接图像与放大图像，并列出相关技能安装命令。
中文介绍正在整理，稍后补充。
AI Image Generation 是一个基于 inference.sh CLI（belt）的图像生成技能，可通过命令行调用 50 多个 AI 图像模型生成、编辑和增强图片。它支持从文本提示词生成图像，也支持对已有图片进行编辑、内补和修复。可用的模型包括 GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Pruna P-Image 系列、Google Gemini 3 Pro 与 Gemini 2.5 Flash、xAI 的 Grok Imagine、字节跳动的 Seedream 4.5 / 4.0 / 3.0、Reve、ImagineArt 1.5 Pro、FLUX Klein 4B 以及 Topaz 图像放大器等。该技能需要通过 npx skills add belt-sh/cli 安装 belt CLI 技能，并先执行 belt login 登录，然后用 belt app run 加 App ID 和 JSON 输入来运行具体模型。资料中列出了各模型擅长的方向，例如文本生成图像、风格定制、快速生成、图像编辑、文本渲染、4K 画质和专业放大等。此外还提供了拼接多张图片的示例命令。资料未提供收费模式、价格、平台限制等额外信息。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
该技能通过 inference.sh CLI（belt）调用 50 多种 AI 图像模型，覆盖文本生成图像、图像编辑、局部重绘、图像放大与拼接等任务。可用的代表性模型包括 GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、P-Image 系列、Gemini 3 Pro、Gemini 2.5 Flash、Grok Imagine、Seedream 4.5/4.0/3.0、Reve、ImagineArt 1.5 Pro、FLUX Klein 4B 以及 Topaz Upscaler。使用前需安装 inference.sh CLI（belt）并登录，然后通过 belt app run <app-id> --input '{...}' 的方式传入 prompt、图片地址、质量、宽高比等参数生成或处理图像。该技能适合需要在一个命令行接口下快速切换多个图像模型的开发者与创作者，可完成商品图、海报文字渲染、写实风景、人像、赛博朋克等风格生成，也支持用图像作为输入进行背景替换等编辑。资料中提到 FLUX Klein 4B 为超低价（$0.0001/张），但未提供其余模型的收费、价格或性能对比信息。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。