多媒体与音视频

flux-kontext

by @agentspace-so

Flux Kontext 专业图像编辑模型，高质量图像到图像转换和编辑

4.8(5)

122.1K

image-edit

by @agentspace-so

集成多种专业图像编辑模型，提供一站式图像编辑和增强解决方案，AI Agent Skill，提升工作效率和自动化能力

4.8(4)

121.9K

gpt-image-edit

by @agentspace-so

OpenAI GPT Image Edit 模型，智能图像理解和编辑

4.8(12)

121.6K

nano-banana-edit

by @agentspace-so

Google Nano Banana Edit 专业图像编辑模型，高效图像修改和增强

4.8(20)

121.5K

flux-2-klein

by @agentspace-so

Flux 2 Klein 轻量级文本生成图像模型，快速高质量图像生成

4.8(13)

121.5K

seedance-v2

by @agentspace-so

RunComfy 平台专业视频生成模型，高质量文本转视频内容创作

4.8(6)

121.4K

happyhorse-1-0

by @agentspace-so

阿里巴巴 HappyHorse 1.0 文本生成视频模型，生成物理逼真的视频内容

4.8(11)

121.3K

wan-2-7

by @agentspace-so

Wan 2.7 文本生成视频模型，高质量 AI 视频内容自动生成

4.8(6)

121.2K

gpt-image-2

by @agentspace-so

在 Agent 中直接使用 ChatGPT Plus 订阅调用 GPT Image 2 生成图像，无需切换平台

4.8(15)

118.6K

image-to-video

by @inferen-sh

利用inference.sh API，为您的智能体提供数百种图像转视频制作技能。

4.8(261)

106.4K

qwen-model

qwen-image-2

by @inferen-sh

inference.sh提供的代理技能，基于Qwen模型实现图像处理和分析，通过API接口支持数据AI应用。

98.5K

video-processing

p-video

by @inferen-sh

inference.sh提供的多媒体代理技能，通过API接口支持视频内容的生成、处理与管理，提升多媒体应用效率。

98.5K

qwen-model

qwen-image-2-pro

by @inferen-sh

inference.sh提供的专业级代理技能，基于Qwen模型实现高级图像处理和分析，通过API接口支持复杂数据AI应用。

98.4K

image-processing

p-image

by @inferen-sh

inference.sh提供的多媒体代理技能，通过API接口支持图像内容的生成、处理与管理，提升多媒体应用效率。

98.4K

kling-3-0

by @agentspace-so

Kling 3.0 是快手科技的第三代电影级视频模型。此技能提供 RunComfy 上的六个 Kling 3.0 渲染端点，支持文本到视频和图像到视频，并提供标准、专业和 4K 三种质量等级，满足不同视频制作需求。

98.0K

face-swap

by @agentspace-so

这个技能利用 RunComfy CLI，实现图像和视频中的人脸替换。它能根据用户意图智能选择合适的模型，支持静态图、视频、单批次或多批次处理，并兼顾写实或风格化需求，确保高效且精准地完成换脸操作。

64.8K

video-inpainting

by @agentspace-so

此技能利用AI技术对视频进行区域编辑，如移除多帧中出现的物体、清理水印或替换区域，并保持运动一致性。通过Prompt驱动的视频编辑端点，简化视频修复和内容修改流程。

62.9K

lipsync

by @agentspace-so

这个技能通过音频轨道驱动人脸的嘴部动作，实现唇形同步。它整合了RunComfy平台上的多个唇形同步模型，根据用户意图和输入类型（如肖像照+音频、视频+音频或仅脚本）智能选择最佳模型，生成高质量的唇形同步视频。

62.8K

image-inpainting

by @agentspace-so

此技能通过 `runcomfy` CLI 提供图像修复功能，支持蒙版驱动的区域编辑，如移除对象、填充空白或替换特定区域。它能智能路由到不同的模型，实现精确的图像修改。

62.8K

controlnet

controlnet-pose

by @agentspace-so

基于 ControlNet 和 ComfyUI 工作流，此技能可根据姿态、骨架或动作参考生成图像或视频。它整合了多种模型 API，实现视频动作迁移和图像姿态条件生成，助力创意内容制作。

62.7K

video-outpainting

by @agentspace-so

此技能利用AI模型扩展视频空间画布，实现垂直或水平的画面外扩、调整宽高比，同时保持核心内容不变。适用于社交媒体内容制作和专业视频编辑，提升视觉效果。

62.4K

video-extend

by @agentspace-so

该技能利用 Google Veo 3-1 模型，能够将现有视频片段智能延长，或基于单一种子生成连贯的叙事镜头链。它提供快速和高质量两种扩展模式，帮助用户轻松创作更长、更流畅的视频内容。

62.4K

relight

by @agentspace-so

这个技能利用AI技术，无需重新拍摄即可改变图像的照明方向、色温、强度和氛围。它通过专门的重打光LoRA或身份保留编辑端点，实现对图像光线的精确控制，适用于产品摄影、肖像调整等场景。

62.3K

image-outpainting

by @agentspace-so

该技能利用AI技术对图像进行智能扩展，实现画面外推、裁剪调整和宽高比修改。它能根据提示词或参考风格，无缝填充图像缺失部分，保持内容一致性，极大提升图像编辑效率和创意空间。

62.1K

music-generation

elevenlabs-music-generation

by @agentspace-so

利用 ElevenLabs Music API 通过文本描述生成录音室品质的音乐，包括带人声歌曲、纯器乐和品牌音效。支持长达 5 分钟的结构化音轨，大幅提升音乐创作效率。

62.1K

ai-video-generation

by @inferen-sh

inference.sh提供的AI视频生成代理技能，通过API接口赋能用户，实现自动化视频内容创作与处理。

61.0K

hyperframes

by @heygen-com

基于 HTML 的视频框架，使用 data-* 属性控制时间轴和动画，自动处理剪辑同步和媒体播放

4.7(31)

60.7K

hyperframes-cli

by @heygen-com

HyperFrames 框架的 CLI 工具，提供脚手架、预览、构建和导出完整工作流

4.7(9)

58.4K

website-to-hyperframes

by @heygen-com

自动截取网站并生成专业产品视频，支持自定义时长和平台格式，AI Agent Skill，提升工作效率和自动化能力

4.7(19)

56.6K

hyperframes-registry

by @heygen-com

HyperFrames 组件注册表，提供可复用的视频区块和效果组件，通过命令安装使用

4.7(8)

56.4K

ai-video-generation

ai-avatar-video

by @inferen-sh

通过AI技术创建虚拟形象视频，实现逼真的人物动画和语音同步，广泛应用于教育、营销和娱乐等领域。

4.7(260)

54.8K

automation

ai-image-generation

by @inferen-sh

通过inference.sh命令行工具，利用50多种AI模型生成图像，提供快速启动和安装指南，实现高效AI图像创作。

54.8K

music

ace-step

by @agentspace-so

ACE Step 基于 StepFun-AI 模型，提供标签驱动的音乐生成、音频修复和扩展功能。支持多语言歌词和高质量人声，可对现有音频进行局部修改或延长，是高效创作音乐内容的强大工具。

54.2K

ai-music

by @agentspace-so

这个技能通过 RunComfy CLI 生成 AI 音乐，支持人声歌曲、器乐、广告曲、游戏循环音效及多语言翻唱。它能根据用户意图智能选择合适的模型，并提供详细的提示模式和精确的 CLI 调用指令，极大简化音乐创作流程。

53.8K

text-to-speech

elevenlabs-tts

by @inferen-sh

通过ElevenLabs提供22种以上优质语音的文本转语音服务，生成自然流畅的语音内容。

52.0K

ai-music-generation

elevenlabs-music

by @inferen-sh

通过ElevenLabs从文本提示生成原创音乐，为视频、游戏等项目提供独特的背景音乐和音效。

51.8K

gif-creation

slack-gif-creator

by @anthropics

此技能用于创建动画GIF，并对其进行优化，以符合Slack平台的大小限制。它能帮助用户轻松制作适合在Slack中分享的动态图片，确保良好的显示效果和加载速度。

4.6(456)

37.1K

tts

hyperframes-media

by @heygen-com

HyperFrames Media 提供三个 CLI 命令，用于处理媒体资产：文本转语音（Kokoro）、音频/视频转录（Whisper）和背景移除（u2net）。它能本地生成画外音、创建字幕、制作透明叠加层，显著简化HyperFrames合成的媒体准备工作，无需API密钥，并支持模型缓存。

4.6(120)

33.4K

higgsfield-generate

by @higgsfield-ai

统一调用Higgsfield所有图像视频生成模型，支持营销素材和品牌内容创作

4.6(32)

24.4K

ai-image-generation

baoyu-image-gen

by @JimLiu

全能AI图片生成工具,集成OpenAI DALL-E、Google Imagen、DashScope、即梦、Seedream等7大主流平台,支持自定义宽高比和质量预设,满足创意设计、营销素材和视觉内容生成的多样化需求。

4.6(220)

22.7K

higgsfield-product-photoshoot

by @higgsfield-ai

自动生成电商产品摄影级图片，无需实体拍摄，支持多种场景和风格

4.6(3)

21.8K

higgsfield-soul-id

by @higgsfield-ai

训练个性化面部AI模型，保持人物身份一致性，跨场景复用生成，AI Agent Skill，提升工作效率和自动化能力

4.6(24)

21.5K

higgsfield-marketplace-cards

by @higgsfield-ai

生成符合电商平台规范的产品展示图，自动优化尺寸和构图提升转化率

4.6(9)

20.8K

webgpu

typegpu

by @heygen-com

为 HyperFrames 提供 TypeGPU 和原生 WebGPU 适配器，用于创建 GPU 渲染的合成内容。支持 WGSL 片段着色器、计算管线、液态玻璃效果、粒子系统等，使 canvas 层能够响应 HyperFrames 的 hf-seek 事件，实现精确的 GPU 帧渲染和动画同步。

4.6(120)

19.2K

rest-api

seedance2-api

by @hexiaochun

该技能提供从概念到最终视频的端到端工作流，包括故事板、参考图像生成、视频任务提交及结果获取，实现视频内容的自动化创作。

4.5(2)

11.5K

mmx-cli

by @minimax-ai

通过MiniMax AI平台生成文本、图像、视频、语音、音乐并执行网页搜索

4.5(15)

10.4K

ai-video-generation

videoagent-video-studio

by @pexoai

专注于AI工程，使AI智能体能够利用“视频智能体视频工作室”进行高级视频处理、生成和分析任务。

4.5(348)

10.1K

imagemagick

image-manipulation-image-magick

by @github

使用ImageMagick处理和操作图像，支持调整大小、格式转换、批量处理和检索图像元数据。

4.5(303)

9.0K

remotion

remotion-video-production

by @supercent-io

该技能利用Remotion制作可编程视频，能够根据文本指令自动生成视频，并大规模生产符合品牌一致性的视频内容。

4.5(356)

8.9K