“Image Generation” 共 9 个结果
io.github.iflytek/iFly-Skills/iflytek-pdf-image-ocr
讯飞 PDF 与图片 OCR 技能，同时支持图片 OCR（AI 大模型 OCR）与 PDF 文档识别。用于对图片或 PDF 做 OCR、从图像/PDF 中提取文本、把 PDF 转换为 Word/Markdown，或对图片与 PDF 执行其他 OCR 任务；支持多语言文本提取、版面理解与多种输出格式。
io.github.iflytek/iFly-Skills/iflytek-image-understanding
用于用户要求分析图片、描述图像内容或回答与图片相关问题的场景。讯飞图片理解——基于星火视觉（Spark Vision）模型分析图片并回答问题，采用 WebSocket API，仅使用 Python 标准库，无需 pip 依赖。
io.github.ConardLi/garden-skills/gpt-image-2
面向 GPT Image 2 的图像生成 / 编辑技能。可在 3 种环境下使用：(A) Garden 本地模式，通过 OpenAI 兼容接口直接出图并落盘；(B) Host-Native 模式，把本 Skill 当作提示词工程指引，把渲染好的 prompt 交给宿主 Agent 自带的图像工具出图；(C) Advisor 模式，宿主无任何图像工具时退化为高质量 prompt 顾问。涵盖 18 大类、80+ 个结构化模板，覆盖海报 / UI / 产品 / 信息图 / 学术图 / 技术架构图 / 漫画 / 头像 / 流程板 / 电影分镜 / IP 周边 / 编辑工作流等场景。
io.github.eternityspring/shuohao-skills/character-refs
给任何故事里的角色真出参考图（小说改编、自己原创的故事、单独设计一个角色都行，不需要小说原文）： 一段话描述角色，拆成分层字段、补全后确认， 先出一张正面全身锚点，其余视图（大头照、90° 侧面、背面、细节、45° 大头照）都只参考这张锚点， 按需分档出图。每张图带标识、可单独重出，重出后自动标出哪些图过期。 支持 Qwen Image（ComfyUI）、codex 内置出图、OpenAI Images API（GPT Image 2）和自定义命令，主图与派生图可以使用不同模型。 产出 asset.json + 一组 PNG + 双击就能开的报告。零依赖。 只要提示词、不出图的话使用 novel-characters。 Use when asked to 出角色图、做角色参考图、给我的角色出图、定妆照、真出三视图、character reference images。
io.github.MiniMax-AI/skills/vision-analysis
借助 MiniMax 视觉 MCP 工具分析、描述并提取图像信息。适用场景：用户分享图片文件路径或 URL（消息中含 .jpg、.jpeg、.png、.gif、.webp、.bmp、.svg 扩展名），或在提及图像时使用 analyze、analyse、describe、explain、understand、look at、review、extract text、OCR 等词，对象可以是 image、screenshot、diagram、chart、mockup、wireframe、photo。另外触发：UI 原型评审、线框图分析、设计点评、图表数据提取、物体识别、人/动物/活动识别。
io.github.MiniMax-AI/skills/shader-dev
全面的 GLSL 着色器技法，打造惊艳视觉效果——光线步进（ray marching）、SDF 建模、流体模拟、粒子系统、程序化生成、光照、后处理等。
io.github.MiniMax-AI/skills/minimax-music-playlist
根据用户的音乐口味与生成反馈历史，生成个性化音乐播放列表。任何涉及播放列表生成、音乐口味画像或个性化音乐推荐的请求都会触发。支持多语言触发。
io.github.MiniMax-AI/skills/minimax-music-gen
当用户想生成音乐、歌曲或音频曲目时使用。涉及音乐创作、写歌、歌词生成、音频制作或翻唱的任何请求都会触发；用户提供歌词并希望谱成歌曲，或描述某种情绪/场景并希望配乐时同样触发。支持多语言触发。不用于：播放已有音乐文件、乐理问题，或无生成需求的音乐推荐。
io.github.MiniMax-AI/skills/frontend-dev
融合高级 UI 设计、电影感动效、AI 生成媒体资产、说服力文案与视觉艺术的全栈前端开发。构建观感出众、使用真实媒体、动效高级、文案动人的完整网页。适用场景：落地页、营销站点、产品页、仪表盘，生成媒体资产（图/视频/音频/音乐），撰写转化文案，创作生成艺术，或实现电影感滚动动画。
