video-frames
video-frames 是一个基于 ffmpeg 的视频帧提取技能，可从视频中截取单帧图像或生成快速缩略图，便于检查画面内容。提供 frame.sh 脚本，支持按首帧或指定时间点截图，并可选择输出 jpg 或 png 格式。
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 11-11 00:16
设计与创作
22,785 个结果
mineru
MinerU 是面向 Agent 的命令行文档阅读器，可将本地 PDF、图片、Office 等文档解析为可读内容并支持分页/分块续读及稳定定位引用，默认本地解析、隐私优先，亦可检索已索引文档。
acestep
ACE-Step 1.5 是一个开源 AI 音乐生成工具（MIT 许可），通过 tools/music_gen.py 调用，运行于 RunPod 无服务器平台，可用于视频制作中的背景音乐、带人声歌曲、翻唱与分轨提取。它支持文本提示生成音乐、歌词与人声控制、参考音频风格迁移、按乐器分离音轨，以及面向视频场景的预设（如 corporate-bg、tension、cta 等）。生成时需在 .env 中配置 RUNPOD_API_KEY 和 RUNPOD_ACESTEP_ENDPOINT_ID，可通过 --setup 创建端点。输出为 48kHz MP3/WAV/FLAC，时长 10-600 秒，BPM 30-300。
ai-video-gen
这是一个文本生成 AI 视频的多网关技能，支持通过 fal.ai、HeyGen、Kling 官方和 Gemini API 四条路径调用 Seedance 2.0、Kling、VEO、Sora、Runway、MiniMax、LTX 等多种视频模型。该技能提供 video_selector 选择器进行可用性检查、成本比较和自动回退；同时提供 HeyGen 工作流执行、轮询获取结果等 API 的调用示例。Gemini Omni Flash 支持对已有片段进行多轮对话式编辑；Seedance 2.0 适合电影感、多镜头、同步音频和口型同步场景。
beautiful-mermaid
beautiful-mermaid 是一个用于将 Mermaid 图表渲染为 SVG 和 PNG 图像的技能，基于 Beautiful Mermaid 库实现，适用于用户要求渲染 Mermaid 图表的场景。该技能支持流程图、时序图、状态图、类图、实体关系图等常见图表类型，并提供多种主题选择，如默认、Dracula、Solarized、Tokyo Night 系列、Catppuccin Latte、Nord、GitHub Dark/Light、One Dark 等；未指定主题时使用默认主题。技能通过运行渲染脚本和 HTML 包装脚本生成 SVG，再借助 agent-browser 技能进行 4K 高分辨率截图，最终输出 SVG 和 PNG 两种格式文件，并清理中间文件。
create-video
create-video 是一个基于 HeyGen Video Agent 的技能，可根据一段文字提示自动生成完整视频。用户只需描述所需视频内容，AI 就会自动处理脚本撰写、数字人选择、视觉素材、配音、节奏和字幕等环节。所有请求都需要通过 X-Api-Key 请求头传入密钥，并设置 HEYGEN_API_KEY 环境变量。如果环境中提供 HeyGen MCP 工具（mcp__heygen__*），应优先使用这些工具，因为它们会自动处理认证与请求格式；否则可直接调用 HTTP API，例如 POST /v1/video_agent/generate、GET /v2/videos/{video_id}、GET /v2/videos、DELETE /v2/videos/{video_id}。默认流程要求先用 prompt-optimizer.md 和 visual-styles.md 优化提示词，再生成视频并轮询状态获取下载地址。该技能适合从想法快速制作产品演示、讲解视频等；若需要精确控制特定数字人台词、逐场景配置或多场景合成，则应改用 avatar-video 技能。
elevenlabs
ElevenLabs 技能用于通过 ElevenLabs API 生成 AI 配音、音效和音乐，适合为视频、播客或游戏制作音频内容。文档提供文本转语音、音效、音乐生成、声音克隆以及与 Remotion 视频同步的代码示例。OpenMontage 集成中建议优先使用 fal_elevenlabs_tts 路由，仅在注册表报告可用时使用 elevenlabs_tts 直连；直连需管理员配置 ELEVENLABS_API_KEY。
faceswap
faceswap 是一个视频换脸技能，通过 HeyGen API 把源图片中的人脸换到目标视频的人脸上。使用时先向工作流执行接口提交 FaceswapNode 任务，需要提供 source_image_url 和 target_video_url 这两个参数，请求头里带 X-Api-Key，再轮询获取处理结果和 video_url。它适合把头像、人物照片合成到已有视频中，也可以先由 HeyGen 生成数字人视频，之后再换脸实现个性化。资料给出了 curl、TypeScript、Python 的调用示例和轮询写法；处理依靠 GPU，耗时约 1-3 分钟。具体收费和可用性暂未提供。
flux-best-practices
flux-best-practices 是面向 BFL FLUX 图像生成模型的提示词最佳实践指南技能。它用于在生成任何 FLUX 模型提示词时，确保获得最佳图像质量与准确的提示词理解。内容涵盖提示词结构公式、模型选择建议、文本到图像（T2I）、图像到图像（I2I）编辑、结构化 JSON 场景生成、十六进制颜色指定、排版与文字渲染、多参考风格迁移以及品牌色彩精确生成等主题。该技能强调 FLUX 不支持负面提示词，应使用自然语言描述所需内容，并建议明确指定光照、用引号标注文字、用 #RRGGBB 格式指定颜色。技能内含多个规则参考文件，分别讲解核心原则、FLUX.2 与 FLUX.1 模型家族、T2I/I2I 提示模式、JSON 结构化提示、十六进制颜色、排版文字、多参考编辑、负面提示替代方案和模型选择指南。
gemini-omni
Gemini Omni 是 Google DeepMind 推出的视频生成与编辑模型，本页介绍 OpenMontage 项目中对接该模型（gemini-omni-1.1-flash）的适配器 gemini_omni_video。它通过 Gemini Interactions API 直接调用模型，可生成 3–10 秒、720p/24fps、带合成音频的短视频，并支持“会话式编辑”：每次生成返回 interaction_id，后续请求带上 previous_interaction_id 即可在原视频上就地修改，无需重新生成。适配器与 google_imagen、google_tts 共用同一个 GOOGLE_API_KEY、GEMINI_API_KEY。仅支持付费档，按输出视频时长计费，约每秒 0.10 美元。除直连路由外，还提供 fal.ai、Runway 等替代路由，但它们无法保留 Google 的会话交互状态。需要注意：不支持 seed、负向提示词、temperature、top_p 等采样参数，提示词是唯一控制手段；适配器尚未实现视频延长、首尾帧插值等模型原生能力。
gsap-timeline
GSAP 官方时间线（Timeline）技能，用于在 GSAP 中编排多步骤动画。核心是 gsap.timeline()，通过位置参数控制补间（tween）的绝对时间、相对时间、标签或相对最近动画的放置方式，并支持嵌套时间线、标签、默认值继承与播放控制。适用于需要按顺序或并行协调多个补间、编排关键帧式动画的场景。单补间与缓动可参考 gsap-core，滚动驱动时间线参考 gsap-scrolltrigger，React 场景参考 gsap-react。
hyperframes
HyperFrames 是一个以 HTML 为创作载体的视频渲染框架。合成（composition）本身是一个 HTML 文件：其 DOM 通过 data-* 属性声明时间轴，动画运行时支持任意跳转（seekable），媒体播放由框架统一管理。围绕这一核心，项目提供一组按需加载的领域技能，覆盖 HTML 合成编写、动画、创意指导、媒体处理、素材检索、CLI 开发调试与组件注册；并提供意图路由，把「做一个视频」拆分为产品发布、网站转视频、无人物讲解、PR 转视频、嵌入字幕、口播包装、动态图形、音乐卡点、演示文稿、通用视频与 Remotion 迁移等工作流。
hyperframes-animation
HyperFrames Animation 是 OpenMontage 的 HyperFrames 体系中的动画技能，集中提供 HyperFrames 制作所需的全部运动知识：原子运动规则、多阶段场景蓝图、场景转场、更广泛的运动设计技法，以及各运行时（GSAP、Lottie、Three.js、Anime.js、CSS、WAAPI、TypeGPU/WebGPU 等）的适配接口。它默认采用“组合原子规则”的方式：从规则索引中挑选 2–4 条，用一条暂停的 GSAP 时间线串联，代码更少、更快；当场景匹配现成的多阶段模板（如品牌揭示、社会证明）或需要复杂 4–5 阶段编排的可运行参考代码时，再加载蓝图。技能内含按用途组织的路由表、GSAP 时间线/补间/缓动/交错/变换与性能文档、多种动画运行时适配说明、场景转场目录，以及用于审计编排的 animation-map.mjs 脚本，并与 hyperframes-core、hyperframes-creative、hyperframes-cli 等技能配合使用。
hyperframes-core
HyperFrames Core 是 HyperFrames 视频渲染体系中的合成契约技能，用于指导构建一个可渲染的 HyperFrames 项目。HyperFrames 通过 HTML 渲染视频：一个合成就是一个 HTML 文件，其 DOM 使用 data-* 属性声明时间轴，动画运行时支持可定位（seekable），媒体播放由框架统一管理。该技能聚焦技术契约层面，覆盖独立合成与子合成两种根形态、根元素尺寸要求、单一暂停时间轴的注册方式、轨道与片段排布、变量与媒体放置、确定性规则，以及使用 CLI 进行校验的流程。动画运行时细节、创意、媒体、CLI、注册表等内容由其同域技能承担。
hyperframes-creative
HyperFrames 视频的非动画创意指导技能，用于设计规格（frame.md / design.md）处理、配色方案、字体排印、旁白、节奏规划与画面构图。它在 hyperframes-core 建立技术契约之后使用，专注于品牌、节奏、风格、旁白和构图方向，不涉及动画实现。
hyperframes-media
HyperFrames Media 是为 HyperFrames 合成提供音频与媒体素材的技能，所有音频都由同一个共享音频引擎 scripts/audio.mjs 生成，包括多提供商语音合成（TTS，可用 HeyGen、ElevenLabs、Kokoro）、背景音乐与音效获取或生成、语音转录、字幕以及背景移除。该技能围绕一个中性的 audio_request.json 请求文件和一个 id 键控的 audio_meta.json 输出文件工作，供后续在 HTML 中消费并动画化。它提供统一的登录状态预检、提供商降级链路和若干不可协商的使用规则，适合需要为合成补充配音、配乐、音效和字幕的媒体制作场景。
hyperframes-registry
HyperFrames Registry 是 HyperFrames 的可复用区块与组件注册表，通过命令行工具 hyperframes add 安装区块（blocks）或组件（components）并接入到 HyperFrames 合成中。区块是独立的子合成，自带尺寸、时长与时间线，可通过 data-composition-src 嵌入宿主合成；组件是效果片段，不含自身尺寸，需将其 HTML、CSS 和 JS 粘贴进宿主合成。安装后 CLI 会输出写入的文件清单和可粘贴到宿主合成的代码片段，接线区块时还需补充 data-composition-id、data-start、data-track-index 等属性。默认安装路径为 blocks 到 compositions/<name>.html、components 到 compositions/components/<name>.html，可在 hyperframes.json 中配置 registry 地址与各路径。它适合需要快速复用图表、覆盖层、过渡等视觉素材的 HyperFrames 合成开发场景。
lottie-bodymovin
该技能用于在 Lottie（Bodymovin）矢量动画中实现迪士尼十二项动画原则，覆盖挤压拉伸、预备动作、构图层次、关键姿态、跟随重叠、缓入缓出、弧线、次级动作、时间节奏、夸张、立体造型与吸引力等要点。资料给出了 After Effects 制作侧的做法（关键帧、表达式、父子层级、Graph Editor、3D 图层与摄像机）以及运行时侧的做法（playSegments、setSpeed、setDirection、goToAndStop、enterFrame 事件，配合 lottie-react 与 lottie-interactivity）。适合由 AE 导出 JSON、在 Web 或 React 中播放的矢量动效项目。资料未说明安装方式与授权收费信息。
ltx2
ltx2 是一个用于调用 LTX-2.3 22B DiT 模型的视频生成工具，可通过命令行从文本提示词生成约 5 秒视频片段，或将静态图片动画化。工具支持自定义分辨率、帧数、帧率、质量模式和随机种子，通常部署在 Modal 的 A100-80GB GPU 上运行。它适合为视频制作生成 B-roll 空镜、动态幻灯片背景、动态人像和品牌片头片尾，也可与其他工具组合成工作流。需要注意：该工具难以稳定生成可读文字，单段最长约 8 秒，生成音频仅为环境音，且训练数据可能带来水印或文字残留。
lyria
Lyria 是一套面向音乐生成的技能说明，主要介绍如何通过 Gemini Interactions API 使用 Google Lyria 系列模型生成并校验音乐，并说明在这些模型之间如何选择、如何编写结构化提示词、如何处理人声与时长，以及如何安全地鉴权、解析结果和记录产出。该技能给出模型与成本的对照、必需的工作流程和质量检查清单，适用于在调用 OpenMontage `google_music` 之前做模型选型、提示词设计、请求成本确认和结果验证。资料同时注明，OpenMontage 适配器当前只支持部分模型，Clip、WAV 响应、多图与 RealTime 控制暂未通过该适配器暴露。
manim-composer
manim-composer 是一个面向教学与科普视频创作的工作流技能，用于把模糊的概念逐步梳理成可落地的 Manim 场景规划。它先研究主题、寻找叙事钩子与“顿悟时刻”，再与用户确认受众、时长、侧重点、证明深度与视觉风格，最终产出结构化的 scenes.md，包含叙事弧、逐场景的视觉元素、内容、旁白与技术说明、转场、配色、数学内容与实现顺序。技能还提供 3b1b 风格原则与参考文档、空白模板，帮助创作者按渐进揭示、节奏变化、多表征连接等方式组织动画。适合需要制作教育/解说视频、希望将概念可视化，或指定“3b1b 风格”的场景。限制：资料未说明具体运行环境、依赖安装、价格与产出视频的实际渲染能力。
motion-graphics
这是一个面向 AI 智能体/技能平台的动态图形生成技能（motion-graphics），用于制作约 10 秒以内、无旁白、以动效为主导表达的短设计型动态图形，例如动态字体、数字滚动计数、图表数据可视化动画、Logo 展示、下三分之一字条等。该技能采用“先素材后设计”的流程：先判断是否需要搜索素材，再规划镜头、获取或生成素材、围绕素材完成镜头设计，最后复用目录中的预设块与动效规则合成并渲染 MP4 或透明叠加格式。用户可指定内容，也可由搜索获取网页、新闻、推文或图片作为素材。需 macOS Apple Silicon 或 Linux x64 环境，安装 Node、ffmpeg 并初始化 hyperframes。具体收费、价格与效果资料暂未提供。
music
该技能通过 ElevenLabs Music API 生成音乐，支持器乐作品、带歌词歌曲、背景音乐和短旋律等 AI 音乐创作。提供 Python、JavaScript 与 cURL 调用示例，使用 music.compose 从文本提示生成音频，并通过 composition plan 对结构、风格和分段时间做细粒度控制；还提供 music.compose_detailed 与 music.upload（面向企业客户的上传与修复工作流）。提示词不得引用具体艺人、乐队或受版权保护的歌词，违规时返回含替代措辞建议的错误。
music-to-video
music-to-video 是一个把音乐音轨转换成节拍同步视频的工作流技能，属于 HyperFrames 视频生成体系。用户提供音频文件（也可从视频中提取音频）以及可选的图片或视频素材后，技能会先对音乐做一次统一的节拍与能量分析，再据此把整首曲子切分成若干“帧”（frames），为每一帧规划模板、动作与文案，逐帧生成为独立的合成文件，最后拼装并渲染出带音频的 MP4 视频。它强调“一个分析器、一份可信的 audiomap”，适合快节奏、高能量背景音乐驱动画面硬切的场景；对节奏感弱的舒缓音乐则改用乐句与能量推进节奏。产品名称、命令与脚本路径均保留原文。