AnyCap 媒体制作技能是一份用于通过 AnyCap 生成媒体资产的完整工作流指南，覆盖图像、视频、音乐和音频，从初次生成、迭代精修到最终交付。该技能聚焦于“如何制作媒体”，而 CLI 命令参考与参数说明则需阅读 anycap-cli 技能。使用前需确保 AnyCap CLI 已安装并完成认证。
【统一生成模式】 所有生成命令遵循相同模式：
- 发现模型：anycap {cap} models
- 检查 schema：anycap {cap} models <model> schema [--mode <mode>]
- 生成：anycap {cap} generate --model <model> --prompt "..." -o output.ext 应始终从实时模型目录中选择模型 ID，并在依赖模型特定参数前检查所选模式的 schema。始终使用 -o 指定具有描述性的文件名。
【图像制作】 文生图：通过文本提示生成图像，例如 anycap image generate --prompt "..." --model <model-id> -o workspace-v1.png。 图生图（编辑/转换）：使用 --mode image-to-image 并传入参考图像来编辑或转换现有图像，参考图像可以是本地路径或 URL，CLI 会自动处理上传。 多参考图：部分模型接受多张参考图，用于风格迁移、构图混合或主体驱动生成，使用 JSON 数组语法传递多个文件，例如 --param images='["./style-ref.png","./color-ref.png"]'。注意重复 --param images= 会覆盖而非追加；并非所有模型都支持多参考图，需先检查 schema，不支持时通常只使用第一张图。
【基于标注的迭代精修】 当仅靠文本提示无法精确描述所需编辑（如“移动这个”“移除那个特定物体”“改变这个区域的颜色”）时，使用标注工作流。流程为：生成或使用现有图像 → 人工标注 → 根据标注构建提示 → 使用图生图生成 → 展示结果给人工 → 满意则交付，否则重复标注。 标注工具支持四种工具：矩形（R）、箭头（A）、点（P）、自由手绘（F），每个标注带有编号标记和文本标签。 代理工作流（非阻塞，推荐）：anycap annotate banner-v1.png --no-wait -o banner-v1-annotated.png，返回 session、url、poll_command、stop_command；将 URL 展示给人工并请其标注，多人可打开同一 URL 协作；等待人工确认完成后，使用 anycap annotate poll --session <session_id> 获取结果；若存在录制，可用 anycap actions video-read 分析；最后用 anycap annotate stop --session <session_id> 清理。 交互式会话：anycap annotate banner-v1.png -o banner-v1-annotated.png，阻塞直到点击 Done，输出标注 JSON。 根据标注构建提示的规则：按编号引用每个标注（#1、#2 等）；包含人工的确切标签文本；添加“保持所有其他元素不变”以保留未修改区域。应用编辑时使用带视觉标记的标注图像作为参考。若需更多修改，以最新版本为输入重复标注流程，并用版本文件名（v1、v2、v3）便于比较和回退。 图像技巧：先宽后窄，首次生成确定构图，标注迭代处理针对性调整；一次只改一处，若多区域编辑效果不佳，尝试每轮一个标注；仅传入标注图像作为参考，多数模型能理解编号标记并在输出中移除它们。
【视频制作】 文生视频：anycap video generate --prompt "..." --model <model-id> -o cat-beach.mp4。 图生视频：为静态图像添加动画，使用 --mode image-to-video 并传入参考图像。这与图像生成结合非常强大：先生成静态图像，再将其动画化。 图生视频最佳实践：先生成高质量静态图像（必要时用标注迭代）；使用最终图像作为视频生成的参考；视频提示聚焦于运动和镜头移动，而非场景描述。 视频技巧：视频生成耗时 30-120 秒，运行时支持时使用异步执行；检查模型 schema 了解支持的参数（aspect_ratio、duration 等）；不同模型擅长不同风格，可用 anycap video models 查看可用模型。
【音乐制作】 文生音乐：anycap music generate --prompt "..." --model <model-id> -o background-track.mp3。音乐生成可能返回多个片段，可提取第一个：anycap music generate --prompt "..." --model <model-id> -o track.mp3 | jq -r '.outputs[0].local_path'。 音乐技巧：提示中明确流派、节奏、乐器和情绪；音乐生成耗时 30-90 秒，尽可能使用异步执行；通过 schema 检查模型参数，部分模型支持 duration、genre、tags。
【音频制作】 音频生成涵盖语音合成、对话以及从文本或参考媒体生成的完整音频场景。一个场景可以组合人声、背景音乐、环境音和音效；当交付物主要是歌曲或器乐音轨时，使用单独的音乐能力。 先发现实时模式和控件：anycap audio models <model-id> schema --mode text-to-audio。 从文本生成带环境音的语音：anycap audio generate --prompt '...' --model <model-id> --mode text-to-audio -o evening-introduction.mp3。 用参考音频引导新的语音表演：--mode audio-to-audio --param audios=./reference.wav。 从图像创建旁白音频场景：--mode image-to-audio --param images=./scene.png。 使用实时 schema 了解参考限制和音频控件。本地参考文件自动上传。当提供商返回时，JSON 输出保留时长、大小、字幕和使用数据。
【交付】 资产就绪后，使用适当方式交付：通过 Drive 分享（生成可分享链接）：anycap drive upload banner-final.png 与 anycap drive share banner-final.png；发布为网页：anycap page deploy ./site-directory。
【多媒体制作示例】 一个完整的宣传包工作流：1. 生成主视觉图像；2. 通过标注精修（代理请人工标记更改）；3. 创建动画版本；4. 生成背景音乐；5. 交付。
【限制与前提】 使用前需安装并认证 AnyCap CLI。模型能力、参数、参考图数量限制等均以实时 schema 为准，资料未提供具体模型清单、收费、价格或平台信息。