動画編集、サムネイル、マンガ、音声（3,082 件）
概要と使いどころ
Process and manipulate images using ImageMagick. Supports resizing, format conversion, batch processing, and retrieving image metadata. Use when working with images, creating thumbnails, resizing wallpapers, or performing batch image operations.
日本語の概要は準備中です。原文の説明を表示しています。
Analyze a screen recording of a manual process and produce targeted, working automation scripts. Extracts frames and audio narration from video files, reconstructs the step-by-step workflow, and proposes automation at multiple complexity levels using tools already installed on the user machine.
日本語の概要は準備中です。原文の説明を表示しています。
Use ACE-Step API to generate music, edit songs, and remix music. Supports text-to-music, lyrics generation, audio continuation, and audio repainting. Use this skill when users mention generating music, creating songs, music production, remix, or audio continuation.
日本語の概要は準備中です。原文の説明を表示しています。
Automatisation de la création de modèles 3D via Meshy.ai. Utilisez cette compétence pour transformer du texte ou des images en modèles 3D (STL/OBJ), appliquer des textures et livrer le fichier final.
日本語の概要は準備中です。原文の説明を表示しています。
OpenAI's general-purpose speech recognition model. Supports 99 languages, transcription, translation to English, and language identification. Six model sizes from tiny (39M params) to large (1550M params). Use for speech-to-text, podcast transcription, or multilingual audio processing. Best for robust, multilingual ASR.
日本語の概要は準備中です。原文の説明を表示しています。
State-of-the-art text-to-image generation with Stable Diffusion models via HuggingFace Diffusers. Use when generating images from text prompts, performing image-to-image translation, inpainting, or building custom diffusion pipelines.
日本語の概要は準備中です。原文の説明を表示しています。
Large Language and Vision Assistant. Enables visual instruction tuning and image-based conversations. Combines CLIP vision encoder with Vicuna/LLaMA language models. Supports multi-turn image chat, visual question answering, and instruction following. Use for vision-language chatbots or image understanding tasks. Best for conversational image analysis.
日本語の概要は準備中です。原文の説明を表示しています。
Plan, set up, and monitor a multi-agent video production pipeline backed by Hermes Kanban. Use when the user wants to make ANY video — narrative film, product/marketing, music video, explainer, ASCII/terminal art, abstract/generative loop, comic, 3D, real-time/installation — and the work warrants decomposition into specialized profiles (writer, designer, animator, renderer, voice, editor, etc.) coordinated through a kanban board. Performs adaptive discovery to scope the brief, designs an appropriate team for the requested style, generates the setup script that creates Hermes profiles + initial kanban task, then helps monitor execution and intervene when tasks stall or fail. Routes scenes to whichever Hermes rendering / audio / design skill fits each beat (`ascii-video`, `manim-video`, `p5js`, `comfyui`, `touchdesigner-mcp`, `blender-mcp`, `pixel-art`, `baoyu-comic`, `claude-design`, `excalidraw`, `songsee`, `heartmula`, …) plus external APIs for TTS, image-gen, and image-to-video as needed.
日本語の概要は準備中です。原文の説明を表示しています。
Generate real meme images by picking a template and overlaying text with Pillow. Produces actual .png meme files.
日本語の概要は準備中です。原文の説明を表示しています。
Audio spectrograms/features (mel, chroma, MFCC) via CLI.
日本語の概要は準備中です。原文の説明を表示しています。
OpenAI's model connecting vision and language. Enables zero-shot image classification, image-text matching, and cross-modal retrieval. Trained on 400M image-text pairs. Use for image search, content moderation, or vision-language tasks without fine-tuning. Best for general-purpose image understanding.
日本語の概要は準備中です。原文の説明を表示しています。
Knowledge comics (知识漫画): educational, biography, tutorial.
日本語の概要は準備中です。原文の説明を表示しています。
Free web search via DuckDuckGo — text, news, images, videos. No API key needed. Prefer the `ddgs` CLI when installed; use the Python DDGS library only after verifying that `ddgs` is available in the current runtime.
日本語の概要は準備中です。原文の説明を表示しています。
YouTube transcripts to summaries, threads, blogs.
日本語の概要は準備中です。原文の説明を表示しています。
Generate images, video, and audio with ComfyUI — install, launch, manage nodes/models, run workflows with parameter injection. Uses the official comfy-cli for lifecycle and direct REST/WebSocket API for execution.
日本語の概要は準備中です。原文の説明を表示しています。
ASCII art: pyfiglet, cowsay, boxes, image-to-ascii.
日本語の概要は準備中です。原文の説明を表示しています。
Manim CE animations: 3Blue1Brown math/algo videos.
日本語の概要は準備中です。原文の説明を表示しています。
ASCII video: convert video/audio to colored ASCII MP4/GIF.
日本語の概要は準備中です。原文の説明を表示しています。
Download media (images/videos/GIFs/audio) from Twitter/X using gallery-dl. Supports single tweet URLs, user timelines, date filtering, post count limiting, retweet filtering, video quality selection, and various media types. Use when users want to download media from Twitter/X accounts with proxy support (HTTP/SOCKS4/SOCKS5) and cookie authentication. Supports downloading tweet text with links alongside media.
日本語の概要は準備中です。原文の説明を表示しています。
Provides ASR (Automatic Speech Recognition) services via uwebasr.zcu.cz. Use this skill to transcribe audio files in multiple languages (CS, SK, EN, DE, PL, HU, HR, SR, NL) using state-of-the-art models like Zipformer.
日本語の概要は準備中です。原文の説明を表示しています。
Improve how interfaces use photos, screenshots, icons, illustrations, and user-uploaded media so visuals support clarity instead of undermining it. Use when the user mentions images, screenshots, background photos, hero images, icon sizing, user-uploaded media, crops, overlays, or image readability.
日本語の概要は準備中です。原文の説明を表示しています。
Erstellt aus einem YouTube-Video- oder Kanal-Link eine faktenbelegte Insight-Card (Video- und Kanal-Stats) per Websuche. Nutzen, wenn jemand Stats/Analyse zu einem YouTube-Link will. Gibt nur belegte Zahlen aus, nie geratene.
日本語の概要は準備中です。原文の説明を表示しています。
Detects AI-generated deepfake audio used in voice phishing (vishing) attacks by extracting spectral features (MFCC, spectral centroid, spectral contrast, zero-crossing rate) and classifying samples with machine learning models. Supports batch analysis of audio files, generates confidence scores, and produces forensic reports. Activates for requests involving deepfake voice detection, vishing investigation, AI-generated speech analysis, voice cloning detection, or audio authenticity verification.
日本語の概要は準備中です。原文の説明を表示しています。
Perform comprehensive forensic analysis of disk images using Autopsy to recover files, examine artifacts, and build investigation timelines.
日本語の概要は準備中です。原文の説明を表示しています。