用途：该技能让智能体借助 rawgenai 命令行工具获得各类创作能力，包括语音合成（TTS）、语音识别（STT）、图像、视频、音乐、音效生成、多说话人对话，以及自定义声音管理。
主要能力：按服务商划分。语音合成支持 OpenAI、Google Gemini、ElevenLabs、Seed、DashScope、MiniMax、Kling、Runway；语音识别支持 OpenAI、Google Gemini、ElevenLabs、DashScope；图像支持 OpenAI、Google Gemini、Grok、Seed、DashScope、MiniMax、Kling、Luma、Hunyuan、Runway；视频支持 OpenAI(Sora)、Google(Veo)、Grok、Seed、DashScope、MiniMax(Hailuo)、Kling、Luma、Hunyuan、Runway；音乐由 ElevenLabs、MiniMax 提供；音效由 ElevenLabs、Runway 提供；对话由 ElevenLabs 支持 JSON 脚本、最多 10 个声音；声音管理覆盖 ElevenLabs、Kling、MiniMax、Seed；音频处理方面 Runway 支持语音转语音、配音、人声分离。
使用方式：安装命令为 brew install WHQ25/tap/rawgenai。基本形式为 rawgenai <provider> <action> "text" [flags]，也支持 --file 输入和 stdin 管道。首次使用某能力时需让用户选择服务商，并在会话中记住。使用前须阅读对应服务商的 setup 指南配置凭据。输出均为 JSON，需向用户展示文件路径。视频及部分图像/音频为异步命令，流程为 create -> status -> download。语音合成可用 --speak 播放、-o 保存文件；图像用 -o 指定输出；视频先 create、再 status、最后 download -o out.mp4；对话用 -i script.json -o out.mp3。
适用场景：适合需要为智能体批量生成多模态内容、跨服务商切换模型或进行中文/多语言语音处理的场景。
限制：部分命令为异步，需多次交互；命令失败时可换服务商或告知用户；各服务商需自行配置凭据；提示词建议写成主体+动作+环境+风格+光照，语音合成文本宜用自然口语而非 Markdown。具体定价、配额等资料未提供。