ai-podcast
AI 播客生成器：从零开始用 AI 制作多人出镜的对谈类播客视频，流程包括角色图像生成、TTS 配音、头像视频驱动与视频拼接。适合需要创建播客、口播视频、演示片或宣传对话等多说话人视频内容的场景。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-09 00:13
设计与创作
22,560 个结果
ai-product-photography
AI 产品摄影技能，通过 inference.sh 命令行工具（belt CLI）调用多种图像生成模型（FLUX、Imagen 3、Grok、Seedream 等）生成专业产品摄影和商业图像，可用于产品图、生活方式图、样机图和电商模板图等场景。该技能提供了快捷命令、可用模型对照表、常见拍摄风格、产品类别、打光技巧、电商模板、批量生成、后期处理工作流以及提示词公式等使用参考。
background-removal
通过 inference.sh CLI（belt）调用 BiRefNet 模型为图片移除背景，输出透明背景 PNG。可用于商品图、人像、营销素材、社交头像和设计元素。需先安装并登录 CLI，再用 belt app run 执行。
book-cover-design
面向图书封面的 AI 设计技能，提供按小说与非虚构类型划分的封面惯例、字体与配色规则、印刷与电子封面尺寸、缩略图测试，以及基于 inference.sh CLI 的封面概念生成与迭代流程。
elevenlabs-sound-effects
ElevenLabs Sound Effects 是一个通过 inference.sh CLI（belt）调用 ElevenLabs 音效生成能力的技能，可根据文字描述生成 AI 音效。支持文本转音效、自定义时长（0.5-22 秒）以及免版税音频。使用时需先安装 belt CLI 并登录，然后通过命令行传入描述文本、时长和提示词影响度等参数生成音效，适用于视频制作、游戏开发、播客、影视动画、演示和社交媒体等场景。
explainer-video-guide
讲解视频制作指南技能，覆盖脚本公式（PAS、BAB、功能聚焦）、语速与场景时长规则、配音脚本写法、视觉生成、音乐音效、以及用 inference.sh CLI（belt）串联配音、画面、合并、字幕的完整流程。
flux-image
通过 inference.sh（belt）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 等模型与自定义 LoRA 风格，另可进行图像编辑与放大。
google-veo
通过 inference.sh CLI（belt）调用 Google Veo 系列模型生成视频的技能，支持 Veo 3.1、Veo 3.1 Fast、Veo 3、Veo 3 Fast、Veo 2，可用于文生视频及电影感镜头、产品演示、自然场景、动作镜头、城市夜景等画面生成。
image-upscaling
该技能通过 inference.sh CLI（belt）调用多种图像放大与增强模型，包括 Real-ESRGAN、Thera、FLUX Dev Upscaler、Topaz 等，用于提升图片分辨率与画质。使用前需安装 belt CLI 并登录，然后通过 belt app run 命令指定模型应用 ID 与图片 URL 执行放大。适用于 AI 艺术放大打印、老照片修复、高 DPI 网页图片、大幅面印刷及缩略图高清化等场景。
logo-design-guide
该技能提供用 AI 图像生成工具设计 Logo 的原则与提示词方法，涵盖 Logo 类型、可缩放规则、配色、迭代流程与常见错误。核心提醒：AI 无法可靠生成文字，需先生成图标再手动加字。需配合 inference.sh（belt）CLI 使用。
nano-banana
nano-banana 是一个通过 inference.sh CLI（belt）调用 Google Gemini 原生图像模型的技能，支持 Gemini 3 Pro Image 与 Gemini 2.5 Flash Image，用于文生图、多图生成、指定画幅、分辨率、图像编辑及联网搜索增强。
nano-banana-2
通过 inference.sh CLI（belt）调用 Google Gemini 3.1 Flash Image Preview（Nano Banana 2）生成与编辑图像的技能。支持文生图、多图输入编辑、多张输出、自定义比例与 1K/2K/4K 分辨率，并可开启 Google 搜索实时信息grounding。
og-image-design
面向 Open Graph 与社交分享图片设计的技能，提供各平台尺寸规格、文字排版、品牌与安全区规则，并给出通过命令行生成 OG 图片与配置 og/twitter 元标签的示例。
pitch-deck-visuals
用于制作投资人路演（pitch deck）视觉稿的技能，提供 12 页幻灯片框架、排版与配色规则、图表选型及通过 belt CLI 生成幻灯片背景、市场与增长图表、团队头像的方法。
qwen-image-2
Qwen-Image-2 是一个通过 inference.sh CLI（belt）调用阿里巴巴 Qwen-Image-2.0 系列模型进行图像生成与编辑的技能。它提供两个模型：Qwen-Image-2.0（速度快，适合通用场景）和 Qwen-Image-2.0-Pro（标准速度，擅长海报和文字密集设计）。用户可通过命令行输入提示词生成图像，支持多图生成、自定义分辨率、负向提示词、随机种子复现，以及基于 1-3 张参考图的多参考图像编辑。输出为 PNG 格式图像及包含尺寸和数量的元数据。
qwen-image-2-pro
Qwen-Image-2.0-Pro 是通过 inference.sh CLI（belt）调用的阿里通义千问图像生成模型技能，擅长专业文字渲染、细颗粒度写实与复杂语义遵循。该技能以命令行方式生成或编辑图像，适合制作含多行文字的海报、营销横幅、标志设计等图文结合场景，并支持参考图编辑、多图批量生成与可复现种子。
talking-head-production
通过 inference.sh CLI 制作带 AI 数字人与口型同步的说话头像视频。推荐使用 P-Video-Avatar（内置 TTS，速度最快、成本最低），也覆盖 OmniHuman、Fabric、PixVerse 等模型，支持配音、多语言、多角色与长视频分段拼接。
video-prompting-guide
面向 AI 视频生成提示词编写的实践指南技能，覆盖 Veo、Seedance、Wan、Grok、Kling、Runway、Pika、Sora 等模型，提供提示词结构公式、镜头类型、运镜、灯光与风格关键词，以及通过 inference.sh CLI（belt）运行视频生成应用的命令示例。
3b1b-style-animation-skill
这是一个用于制作 3Blue1Brown 风格数学动画的技能（Skill），基于 Manim 实现。它的核心目标不是单纯“让数学动起来”，而是帮助观众建立理解。技能强调直觉优先于形式化、先问“为什么”再讲“是什么”、从具体例子走向抽象概括，以及用画面代替说教。它适用于制作数学动画、算法可视化、深度学习可视化和教育类视频内容。在开始制作前，技能要求 AI 先内部拟定内容结构，再通过 AskUserQuestion 工具询问用户偏好（是否需要旁白音频、视频时长等），随后向用户展示包含“引入、铺垫、核心、示例、结论”的内容计划并获得确认，最后按所选工作流执行。选择带音频时，流程为：撰写脚本 → TTS → 测量时长 → 编写动画 → 渲染 → 合成；不带音频时为：估算时长 → 编写动画 → 渲染。技能包含大量规则文档，覆盖视觉质量、预制作规划、布局间距、教学法、数学严谨性、叙事流畅、音频同步、配色方案、场景基础、镜头运用，以及线性代数、统计与概率、深度学习、CNN 等领域的可视化规则，还有 Manim 安装配置与旁白脚本编写的技术规则。
gifhorse
GifHorse 是一款通过搜索视频对白来制作反应类 GIF 的工具，支持为片段添加时间轴精确的字幕。它会先对视频进行转录，提取带时间戳的对白，方式包括在线下载字幕、使用本地 .srt 文件或 Whisper AI；随后可在整个视频库中即时检索台词、预览将要截取的片段，并生成带精准字幕的 GIF。GIF 默认在右下角带有低调的 gifhorse 水印。工具通过命令行使用，适用于从电影和电视剧中制作表情包或社交媒体反应图。
krea-api
krea-api 是一个通过 Krea.ai API 生成图像的技能，支持 Flux、Imagen、Ideogram、Seedream 等多种模型。它采用异步任务式生成流程（POST 提交 → 轮询 → 获取结果），可配置宽高、步数、引导系数、随机种子等参数，并支持 Webhook 在后台完成时通知。依赖仅使用标准库，无需 requests。使用前需从 Krea.ai 获取 API 凭据，可通过 clawdbot 配置命令或直接以参数传入。适合在对话式交互或 Python 脚本中按提示词批量生成图片。
remotion-best-practices-2
Remotion 是一个用 React 创建视频的框架，本技能为其最佳实践知识库，供在处理 Remotion 代码时获取领域特定的规则与代码示例。技能以规则文件形式组织，涵盖 3D 内容、动画、素材导入、音频、元数据计算、图表、合成、字幕、帧提取、字体、GIF、图片、Lottie、DOM 与文本测量、时序、转场、裁剪等主题，另有多个借助 Mediabunny 获取音视频时长、尺寸、解码能力的规则。使用者按需阅读对应的 rules/*.md 文件即可获得详细说明与代码示例。本页未提供安装命令、收费信息或具体代码内容。
veo3-video-gen
veo3-video-gen 是一个通过 Gemini API（google-genai）调用 Google Veo 3.x 生成短视频的技能：输入文本提示词即可产出 MP4 视频片段，并可通过分段生成加 ffmpeg 拼接的方式制作更长视频。它提供了基础风格、逐段提示词、末帧衔接、参考图等分段控制选项，适合广告短片、UGC 风格短视频等内容创作场景。使用前需要配置 GEMINI_API_KEY；当 segments 大于 1 时，还需要系统安装 ffmpeg。
dreamina
dreamina（即梦）CLI 的使用规范：说明视频生成快慢队列与所选模型档位的关系，以及每次生成后需按步骤上报消耗的 credits 与余额。