video-gen
基于 Seedance 2.0、Kling、MiniMax 海螺的视频生成技能:每次调用提交一个视频生成任务并返回 jobId,支持文生视频、图生视频、首尾帧过渡、参考图/视频生成、多镜头分镜,以及对已有视频的生成式编辑与延长。任务状态查询由 track_progress 负责。
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
22,053 个结果
基于 Seedance 2.0、Kling、MiniMax 海螺的视频生成技能:每次调用提交一个视频生成任务并返回 jobId,支持文生视频、图生视频、首尾帧过渡、参考图/视频生成、多镜头分镜,以及对已有视频的生成式编辑与延长。任务状态查询由 track_progress 负责。
OneOS Work UX 是面向 OneOS 页面设计与前端实现的体验规范技能,用于在制定或评审页面设计、组件与布局规范、主题与交互标准时提供统一依据,也可用于检查页面是否符合当前 OneOS 设计规范。该技能采用独立工作体系 v1.0.0,不依赖团队 FDE,要求先阅读共用协议与体验规范职责,再按规范阅读索引只读查阅适用的正文与范例。其随包内容为可追溯的固定快照,不冒充实时云端版本;若任务中存在已核实的新规范,需锁定新来源与替代关系。技能提供 scripts/doctor.py 用于检查规范完整性,缺文件时不得以旧页面或模型审美替代。职责范围包括适用规范、页面范式、标准组件与同栈依据、交互与状态、设计审查与例外;业务动作和权限来自业务规则,变更规范需有实际决定与版本。评审时使用评审模板输出条款、问题、改法、证据和未决项;页面改码与验证分别交由交付方法和验证方法,职责入口本身不等于代码修改或验收通过。
Blotcat 风格正文插画技能,用于为英文文章、帖子、博客和 Notion 文档规划、生成与编辑 16:9 横向正文配图。默认视觉 IP 为「Blotcat」:一只纯黑、白眼点、细腿、面无表情的生物,认真地做着荒诞但成立的事。技能强调将文章中的核心判断、流程、结构、状态或隐喻转化为干净、古怪、有创意、可读但不过度说教的手绘解释图,而非商业插画、PPT 信息图或可爱卡通。工作流包括消化正文、先给出配图策略(默认 4-8 张)、逐张生成、按检查清单迭代、保存交付。
该技能用于在 AI 生成图像中保持角色一致性,通过参考表(reference sheets)与 LoRA 技术实现。内容涵盖转身视图(turnaround views)、表情表(expression sheets)、配色方案(color palettes)等。使用前需安装 belt CLI(npx skills add belt-sh/cli),并通过 inference.sh CLI 运行图像生成命令。技能提供角色概念生成、多角度视图、表情表、服装表、配色表等参考表类型,并介绍描述锚点技术、比例指南、LoRA 训练技巧、常见一致性失败原因及角色圣经模板。适用于需要同一角色出现在多张 AI 图像中的项目,如概念设计、漫画、动画等。
gpt-image 是一个通过 inference.sh CLI(belt)调用 OpenAI GPT-Image-2 模型进行图像生成与编辑的技能。它支持文生图、基于参考图的图像编辑、基于蒙版的局部重绘(inpainting),通过单条 belt 命令即可调用。安装技能使用 npx skills add belt-sh/cli,使用前需安装 inference.sh CLI 并执行 belt login 登录。核心调用方式为 belt app run openai/gpt-image-2,输入以 JSON 形式传入 prompt 等参数。支持一次批量生成最多 10 张图像,输出 PNG、JPEG、WebP 格式,分辨率可在 256–4096 间以 32 像素为步长任意设置。可指定 low、medium、high 质量等级,并可通过 output_compression 控制 jpeg/webp 压缩级别。适用场景包括商品图生成、Logo 概念设计、图像背景替换、多图参考合成与指定区域内容替换等。附带按质量分档的参考价格。
Storyboard Creation 是一个面向影视与视频分镜创作的中文技能包,提供镜头词汇、连贯性规则与分镜版面布局方法。该技能依托 inference.sh CLI(belt)调用 AI 图像生成能力,将文字描述转化为分镜画面,并支持将多个面板拼接成完整分镜板。内容包括取景类型(ECU、CU、MCU、MS、MLS、LS、WS、EWS)、摄影机角度(平视、俯视、仰视、鸟瞰、虫视、荷兰角、过肩镜头)、摄影机运动(摇、俯仰、推拉、横移、升降、变焦、稳定器、手持、固定),以及 180 度规则、动作衔接、视线匹配、屏幕方向等连贯性规则。该技能还给出标准版面格式(2x3、3x3、2x2、单幅)与面板注释格式,涵盖场景镜头编号、镜头类型、运动、时长、动作、对白、音效与音乐提示。使用方式分为三步:先编写镜头清单,再逐格生成画面,最后用拼接工具组装成分镜板。适用于电影、视频、广告等前期视觉规划场景。
这是一套用于制作 YouTube 缩略图的 AI 设计技能,通过 inference.sh 命令行工具(belt)调用图像生成模型来生成高点击率缩略图。技能明确了缩略图的规格:最低 1280x720 像素、推荐 1920x1080、16:9 比例、文件不超过 2MB,支持 JPG/GIF/PNG 格式。核心方法是“120px 测试”,即缩略图在移动端约以 120 像素宽显示,必须在该尺寸下仍能辨识情绪、主体与文字。技能涵盖安全区规则(避开右下角时长与左下角章节标记)、高对比配色方案、文字使用规范、人脸表情心理,并针对教程、对比、测评、清单等不同内容类型给出提示词示例与 A/B 测试建议。
这是一个用于创建算法生成艺术的技能,基于 p5.js 实现带种子随机性与交互式参数探索的生成艺术。它先撰写一份“算法哲学”文档(.md 文件),阐述一种计算美学运动,再将其用代码表达为 p5.js 生成艺术(.html 交互查看器 + .js 生成算法)。核心强调过程而非成品、参数化表达、种子可复现性,以及大师级工艺水准。适用于用户要求用代码创作艺术、生成艺术、算法艺术或交互式视觉作品的场景。
该技能用于审查 UI 代码是否符合 Web Interface Guidelines(Web 界面指南)。当用户提出「review my UI」「check accessibility」「audit design」「review UX」「check my site」等请求时使用。其工作方式为:先从指定源 URL 获取最新版指南,再读取用户指定的文件(或询问文件/匹配模式),随后对照获取到的全部规则逐条检查,最后以简洁的 file:line 格式输出发现的问题。指南源为 https://raw.githubusercontent.com/vercel-labs/web-interface-guidelines/main/command.md,每次审查前都会重新抓取,以确保使用最新规则,抓取内容包含全部规则及输出格式说明。使用时,若用户提供了文件或匹配模式参数,则依次执行抓取指南、读取文件、应用全部规则、按规定格式输出结果;若未指定文件,则询问用户需要审查哪些文件。
Unity VFX Graph 技能面向 Unity 中基于 GPU 加速的粒子系统与视觉效果开发。它围绕 Visual Effect Graph 提供创建高性能视觉特效的能力,利用 GPU 计算支持海量粒子。主要能力包括:GPU 粒子系统(配置 spawn、initialize、update、output 上下文,处理粒子属性,实现粒子碰撞)、程序化效果(噪声与湍流、基于 SDF 的效果、网格采样效果、基于摄像机的交互)、可视化创作(在 VFX Graph 编辑器中设计效果、创建可复用子图、实现属性表、构建事件驱动效果)以及集成(连接 C# 脚本、处理事件与参数、与 Timeline 集成、管理性能预算)。使用前提为 Unity 2021.3+ 并安装 VFX Graph 包、使用 SRP(URP 或 HDRP)项目、具备支持计算着色器的硬件。资料提供了从代码生成粒子与属性绑定的示例,并给出使用子图、分析 GPU 性能、设置粒子数量上限、对远处效果使用 LOD、优化纹理采样等最佳实践。
该技能是面向 AI 视频生成的执行角色设定,名称为 Leo,定位为剪辑师与 AI 视频生成专家,向项目负责人汇报。其核心职责是调用 Vidu 生成视频、进行模型选择、Prompt 调优、视频拼接与质量检测。工作流程包括:从 Kris 接收完整分镜信息并检查提示词完整性;根据场景选择 Q3 + pro、Q3 + speed 或 Q2 模型;按模板对提示词进行补充扩写并添加固定负面提示词;先测试 1-2 场再批量生成;每场至少生成 2 个版本供筛选;使用 FFmpeg 拼接成完整视频;最后调用 quality-check 进行分镜与成片质检。资料还给出抖音、小红书、B站的比例适配建议,以及 Vidu 的 API Endpoint 与 VIDU_TOKEN 环境变量配置说明。
av-sync-workflow 是一个音频到视频的同步剪辑工作流,能够将音频转化为与节拍、情绪和场景同步的专业视频。其流程为:音频 → 分析 → 片段匹配 → 节拍同步 → 视频合成 → 导出。首先使用 audio_analysis.py 提取节拍/BPM、段落(主歌、副歌、桥段、尾奏)、情绪/心情(能量、效价、节拍类别)以及关键高潮时刻。接着收集视频片段(用户自备或从 Pexels、Pixabay、Coverr 等平台查找素材),并用 video_analysis.py 分析每个片段的场景类型、情绪风格、时长切点与视觉元素。然后通过 match_clips.py 依据情绪匹配、场景连续性、节拍对齐和长度适配,将片段映射到音频段落,生成编辑决策列表。最后用 assemble_video.py 按编辑计划应用切点、添加过渡、在关键节拍加慢动作、混合音轨并导出。还提供 simple_sync.py 快速同步方案。支持 draft/standard/high/premium 四档画质。依赖 ffmpeg。
AI视频生成质量增强引擎,针对AI视频中角色僵硬、表情空白、动作机械、口型不对等问题,提供以prompt工程为核心的解决方案。该技能通过“五维灵动框架”叠加口型歌词指令(维度6),从表情、肢体动作、运镜与角色互动、角色一致性锚点、动态连贯性以及歌词口型六个方面增强生成prompt,使AI视频中的角色更自然生动。适用于MV视频、角色动画等需要角色灵动表现和歌词口型匹配的场景。该技能与qingyun-api、video-lyrics-subtitle、lyrics-video-sync、ffmpeg-video-editor、av-sync-workflow等技能协作,构成端到端MV生成工作流。具体收费、价格及平台支持情况暂未提供。
使用 each::sense API 创建海报视觉,覆盖电影、活动、产品、旅行、体育和信息图等主题。
这是一个面向 Blender 硬表面建模的技能包,专注于在 Blender 中通过 BlenderMCP 的本地套接字(localhost:9876)建模、打光和渲染硬表面太空船。作者以一艘 162 米测量补给舰的完整制作为例,总结了 loft 截面扫掠、内凹切细节、细节层级克制等建模方法,程序化贴图(逐板色调变化、边缘磨损),以及虚空场景的布光思路。包含可直接运行的参考代码:bmcp_client.py(套接字客户端)、build_tender.py(整艘船)、cinematic.py(贴图、星球、星空、运镜、镜头)。使用需 Blender 以 GUI 模式打开,在侧边栏(N)→ BlenderMCP → Connect to Claude 中开启套接字。还记录了渲染陷阱与 Blender 5.x 的 API 变更,以及导出到该游戏时的注意事项。
将仓库、PR、计划/设计文档、架构、文章、博客、书籍、讲座或转录稿转化为可部署的交互式学习站点。作者编写 Markdown DSL,构建脚本生成自包含、可离线打开的 walkthrough.html,并可由 React/Vite 中心页组织多个路线并发布到 GitHub Pages。
Shollu Modern 是一个由社区驱动的印度尼西亚伊斯兰祈祷时间应用现代化项目,本技能用于为其生成符合品牌规范的界面与素材。技能内含完整的品牌设计系统,包括颜色令牌(青绿色主色 oklch(0.72 0.17 208)、金色辅助色 oklch(0.80 0.18 84))、字体规范(Inter Tight 用于标题、Inter 用于正文与数字并启用 tabular-nums、Noto Naskh Arabic 用于阿拉伯语模式)、主题与强调色切换机制(data-theme 支持 light/dark/sepia,data-accent 支持 teal/indigo/emerald/rose/slate),以及图标、UI 套件原型和组件预览卡片等资源。使用时可先阅读技能内的 README.md 并浏览其他文件;若制作幻灯片、模型或一次性原型等视觉产物,可复制素材并生成静态 HTML 文件供用户查看;若用于生产代码,则可复制素材并依据规则成为该品牌的设计专家。生产代码技术栈为 SolidJS(非 React)、Tailwind v4 @theme 令牌、通过 invoke() 调用 Tauri 2 命令;UI 套件原型仅使用 React + Babel 以便快速迭代。任何包含关于页面或页脚的界面必须署名 Ebta Setiawan 并链接至 ebsoft.web.id。
将长篇访谈、会议、网络研讨会、专题讨论或录音对话转化为一个简短、经用户确认的播客故事,并输出成片视频。
Agenta 移动端(web/mobile)的动效设计规则与共享预设说明,介绍 src/lib/motion 预设、何时使用动画以及减少动效要求,适用于维护或新增该应用动画时参考。
content-creator 是一个面向营销内容创作的技能,提供品牌语调分析、SEO 优化与各平台内容框架,帮助产出风格一致、利于搜索的博客与社交媒体内容。
PaddleOCR 文本识别(DSH 版)技能:通过原生 DeepSeek Harness 的 paddleocr_text_recognition 工具,从单张图片或单个 PDF 中提取纯文本。支持工作区文件路径或公开 HTTPS 链接,可由管理员配置外部 PaddleOCR 服务。
PP-OCRv5 是一个 Claude Code 技能,用于从图片、PDF 或文档中提取文字,支持 URL 和本地文件,提供自适应质量模式,并返回结构化结果。
Creative Production 的广告探索技能:围绕一个产品、服务、场所或优惠锚点,用内置的25类图像广告提示库批量生成多样化广告方向,并输出以图像为主的评审墙,供筛选与后续制作。
Logo Explorer 是一个用于品牌标志与识别方向探索的技能:在矢量制作前生成候选标志评审板,按策略路线标注,用户可选中或否决路线以引导下一轮。