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 11-05 00:16
22,043 个结果
Seedance 2.0 是字节跳动推出的视频生成模型，通过 inference.sh CLI（belt）调用。它是一个统一模型，同时支持文生视频、图生视频和多模态参考生视频，并可生成与画面同步的音频。用户可用一段文字描述直接生成视频，也可提供首帧、尾帧图片来精确控制起止画面，或上传最多 9 张参考图、3 段参考视频和 3 段参考音频来引导人物外观、服装、场景、镜头运动和声音风格。模型提供标准版、Fast 快速版（速度更快、最高 720p）、Studio 和 Studio Fast 版本，Studio 版本会把参考图上传至 BytePlus 私有虚拟人像素材库，以增强角色（尤其是人脸和品牌角色）的一致性。可输出 480p、720p、1080p，时长 4 至 15 秒，宽高比支持 21:9、16:9、4:3、1:1、3:4、9:16 或自适应。典型用途包括带音频的短片、图片动画化、多素材参考的角色与产品广告片、替换元素的视频编辑，以及拼接延长已有片段。
无障碍专家技能，专注 WCAG 合规、包容性设计与辅助技术兼容，覆盖屏幕阅读器优化、键盘导航、色彩对比、认知无障碍、自动化与手动测试及修复实施。
aura-design-tokens 是一个用于在 PrimeVue Aura、Quasar 和自定义 CSS 之间同步设计令牌的技能。它通过 CSS 自定义属性统一管理主题、颜色、表面层级、边框圆角和深色模式，避免使用 Tailwind 工具类。技能提供令牌桥接样式表，将 PrimeVue 的 --p-* 变量映射为 Quasar 的 --q-* 变量和应用级 --app-* 角色变量，供组件统一引用。
Codex Image 是一个通过 Codex CLI 与 OpenAI API 生成和编辑位图图像的技能，默认使用 gpt-image-2 模型，支持透明背景、批量生成以及最高 4K 的图片编辑。
audit-design-tokens 用于扫描代码库中的设计令牌漂移，包括硬编码颜色、脱离比例的间距、近似重复颜色、字号泛滥和硬编码 z-index。适用于已存在设计令牌定义的代码库审计，无令牌定义时不应进行审计。
design-qa 是一个在交付前运行的设计质量门禁技能，可检查截图、URL 或 PR 中的 HTML/CSS。它覆盖组件状态、WCAG 2.2 对比度、触控目标、响应式、键盘可达性与文案规范六大类，输出通过/失败表格、按严重度标注的修复清单和一行结论，采用“失败即关闭”策略：输入中无证据的类别记为不可验证，而非默认通过。
从单张静态图片生成短循环透明视频（HEVC hvc1 带 alpha）的技能，流程为 SeedDance 2 图生视频、BiRefNet v2 抠像、ffmpeg 编码，适用于 3–10 秒的 UI 环境循环动画。
Sirv 360 Spin 是 Sirv 平台的交互式 360 度旋转产品视图功能，通过一组按序命名的帧图片自动生成 .spin 文件，配合 Sirv JS 实现拖拽旋转查看，也可在视频与旋转序列之间转换。
web-search 是一个基于 DuckDuckGo API 的网页搜索技能，可搜索网页、新闻、图片和视频，支持时间范围、地区、安全搜索等过滤，并以文本、Markdown 或 JSON 格式输出结果。
阿拉伯语 RTL 视觉总监技能，用于在 MENA 地区相关设计中执行原生阿拉伯视觉架构、从右到左的阅读层级、书法字形正确性与区域文化真实性。该技能会建立以右上为入口、左下为行动号召的视觉路径，避免对英文版式做机械镜像；对阿拉伯文的上下文字形连写、附加符号（Harakat）和原文措辞做硬性校验，并拒绝从左到右渲染、字母不连写或 Unicode 反转损坏；处理阿英混排时对齐视觉字高与基线权重。它支持海湾、埃及与黎凡特、北非等区域视觉取向，并在出现字形破损、文字反向或不当文化符号时立即触发硬性否决，输出结构化的阿拉伯 RTL 排版状态与 RTL 流式构图状态。
Typography Director 是一个专注于排版控制的技能，用于管理字体层级、行长与行宽、字距、行距和文本可读性。它会为文字建立独立、不杂乱的文本区域，并保护用户原始文案不被改写、拆散，或在复杂背景上变得难以辨认。该技能定义了从标题、副标题、正文到 CTA 微文案的完整排版尺度与工作流程，并包含语义断行、文本区域对比度保护及阿拉伯语排版路由规则。
面向 ThatOpen BIM 查看器的技能包，用于添加剖切平面、楼层平面视图与剖面可视化。资料强调 v3 中应使用 Clipper、ClipStyler 与 Views 组合，避免使用已移除的 v2 Plans 与独立 ClipEdges 组件。
通过 inference.sh CLI 创建 AI 数字人与口播视频的技能，支持 OmniHuman 1.5/1.0、Fabric 1.0、PixVerse Lipsync 等模型，可由图片加音频生成会说话的头像视频，并可与 TTS、语音转写等流程组合。
基于 inference.sh CLI（infsh）构建多步骤 AI 内容创作流水线，串联图像、视频、音频与文本生成，支持短片、口播视频、产品演示、博客转视频等示例工作流。
通过 inference.sh CLI（infsh）调用 FLUX、Gemini、Grok、Seedream、Reve 等 50 多个模型生成 AI 图像，支持文生图、图像编辑、放大与拼接。
通过 inference.sh CLI 调用 Black Forest Labs 的 FLUX 系列模型生成图像，支持 FLUX Dev LoRA、FLUX.2 Klein LoRA 等模型，可做文生图、图生图与自定义 LoRA 风格适配。
内容再利用技能：把一篇长内容拆解成多种格式，覆盖博客转推文串、轮播图、播客转博客、视频转金句等，通过 inference.sh CLI（infsh）调用图像、语音、视频与发布类应用完成生成。
基于 inference.sh CLI 的多说话人对话音频生成技能，使用 Dia TTS 通过 [S1]、[S2] 标签区分两位说话人，并借助标点与非语音提示控制情绪、节奏和对话流畅度，可分段生成后合并，适用于播客、教程、访谈等对话场景。
面向邮件营销设计的技能，提供布局模式、主题行公式与送达率规则，覆盖欢迎序列、促销邮件和事务性邮件，并可通过 inference.sh CLI 生成邮件头图等视觉素材。
面向投资人路演的12页Pitch Deck视觉方案技能，提供逐页框架、字体字号、配色、布局规则与图表选型建议，并可通过infsh CLI生成幻灯片背景、市场与增长图表及团队头像。
面向短视频与社交平台的视频广告制作技能，依据 TikTok、Instagram、YouTube、Facebook、LinkedIn 各平台规格，提供画幅、分辨率、时长、安全区等参数，并结合 AIDA 框架与钩子技巧，通过 inference.sh CLI（infsh）生成、配音、加字幕并合成广告视频。
通过 inference.sh CLI 使用 BiRefNet 模型为图片去除背景，输出透明背景 PNG。适用于商品图、人像、营销素材、社交媒体头像和设计元素等场景。
通过 inference.sh CLI（belt）调用 Google Gemini 3.1 Flash Image Preview（Nano Banana 2）生成与编辑图像，支持文生图、多图输入、比例与分辨率设置及 Google 搜索接地。
9k-montage 是一套按 9k 品牌风格剪辑人物口播视频的脚本化工作流技能：自动生成紧凑剪辑、跳切、逐词字幕、动态图形与音效，并附片尾卡。适合创作者交付本人出镜视频后执行“做蒙太奇”“剪辑这条”等请求。