Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,222 件掲載。コマンド 1 行でインストールできます。
クリエイティブ・メディア
Godot 4.7 の 3D シーンをライティングまたはレンダリングする場合に使用する：レンダラー（Forward+、Mobile、Compatibility）の選択、GI（SDFGI、VoxelGI、LightmapGI、リフレクションプローブ）の選択、マウスを使わないライトマップのベイク、WorldEnvironment の調整、トーンマッパー（AgX、ACES、Filmic）、グロー、フォグ、ボリュメトリックフォグとゴッドレイ、シャドウとシャドウアクネ、PC とスマートフォン向けの品質プリセット、Compositor のポストエフェクト；「シーンが平坦に見える」「屋内が暗すぎる」「ライトリーク」「ライトマップが黒い」「モバイルで見え方が違う」といった場合にも使用する。
inference.sh のコマンドラインで ElevenLabs Scribe と Whisper モデルを使って音声をテキストに文字起こし。モデル：ElevenLabs Scribe v2（98% 以上の精度、話者分離）、Fast Whisper Large V3、Whisper V3 Large。機能：文字起こし、翻訳、多言語、タイムスタンプ、話者分離、音声イベントのタグ付け。用途：会議の文字起こし、字幕、ポッドキャストの書き起こし、ボイスメモ。トリガー：speech to text、transcription、whisper、audio to text、transcribe audio、voice to text、stt、automatic transcription、subtitles generation、transcribe meeting、audio transcription、whisper ai、elevenlabs stt、scribe、eleven labs transcribe
ユーザーが「3Dシーンを作成」「メッシュを追加」「OrbitControlsを実装」「GLTFモデルを読み込む」「ブルームのポストプロセスを追加」「カスタムシェーダーを書く」「パーティクルエフェクトを作成」「Three.jsのパフォーマンスを最適化」「WebGPUを使う」「シャドウを追加」「モデルをアニメーション化」と依頼する場合や、Three.js、threejs、WebGL、WebGPU、GLTF、raycaster、shader material、PBR material、ポストプロセスエフェクトに言及する場合に使用します。重要：このスキルはバニラ Three.js（命令型 JavaScript）向けです。React Three Fiber（@react-three/fiber、R3F、drei）には `r3f-best-practices` スキルを確認してください。ただし、R3FはThree.jsのReactレンダラーであるため、three-jsスキルも役立ちます。シーン設定、ジオメトリ、マテリアル、テクスチャ、ライティング、カメラ、ローダー、アニメーション、コントロール、インタラクション、シェーダー、ポストプロセス、パフォーマンス最適化、TSL/ノードマテリアル、WebGPU、物理演算、VR/XR連携など、3D Webグラフィックス向けのThree.jsリファレンスを提供します。
Agent が選択した元動画の区間を使って、長い動画を短いクリップに編集します。2 段階の制作ワークフローにおける編集段階として、clip_plan.json とソース動画を読み込み、edited_source.mp4 を出力します。その後、Agent が出力タイムラインに基づいて narration.json を作成します。単一動画と複数動画（sources manifest）の編集に対応します。本ツールはナレーションを読み込まず、対応付けもしません。トリガー：動画編集、編集ベースの解説、video cut、clip plan、クリップの結合。
プロフェッショナルな AI 製品写真と商用画像を生成する。モデル: 製品撮影、ライフスタイル画像、モックアップ向けの FLUX、Imagen 3、Grok、Seedream。機能: スタジオライティング、ライフスタイルシーン、パッケージ、E コマース写真。用途: E コマース、Amazon リスティング、Shopify、マーケティング、広告、モックアップ。トリガー: product photography、product shot、commercial photography、e-commerce images、amazon product photo、shopify images、product mockup、studio product shot、lifestyle product image、advertising photo、packshot、product render、product image ai。
inference.sh CLI 経由で BiRefNet を使って画像の背景を除去します。モデル：BiRefNet（高精度の背景除去）。用途：商品写真、ポートレート、E コマース、透過 PNG、写真編集。トリガー：remove background、background removal、remove bg、transparent background、cut out image、background remover、rembg、product photo editing、cutout、transparent png、bg removal、photo cutout。
inference.sh CLI 経由で Google Gemini のネイティブ画像モデルによる画像生成を行う。モデル：Gemini 3 Pro Image、Gemini 2.5 Flash Image。機能：テキストからの画像生成、画像編集、複数画像の入力。トリガー：nano banana、gemini image、gemini 3 pro image、gemini 2.5 flash image、google image generation、native image generation、gemini native image
inference.sh CLI 経由で Google Gemini 3.1 Flash Image Preview（Nano Banana 2）による画像生成を行う。機能：テキストからの画像生成、画像編集、複数画像の入力（最大 14 枚）、Google Search グラウンディング。トリガー：nano banana 2、nanobanana 2、gemini 3.1 flash image、gemini 3 1 flash image preview、google image generation
AI生成の広告クリエイティブの作成、パフォーマンスクリエイティブのテスト、クリエイティブ疲労の管理、またはAIツールによる有料メディアの最適化をユーザーが希望する場合に使用します。「ad creative」「performance creative」「creative testing」「creative fatigue」「Meta ads」「Google ads」「TikTok ads」「AI ads」「ad budget」「ROAS」「Advantage+」「Performance Max」に言及した場合も使用します。このスキルは、生成からパフォーマンス最適化まで、AIを活用した有料広告クリエイティブを扱います。
AI アバター、リップシンク、ボイスオーバーによるトーキングヘッド動画の制作。推奨：P-Video-Avatar（最速、最安、TTS 内蔵）。OmniHuman、PixVerse、Fabric も扱う。ポートレートの要件、音声品質、制作ワークフロー。用途：スポークスパーソン動画、コース教材、ソーシャルメディア、プレゼンテーション、デモ。トリガー：talking head、avatar video、lipsync、lip sync、ai spokesperson、virtual presenter、ai presenter、omnihuman、talking avatar、video presenter、ai talking head、presenter video、ai face video、p-video-avatar
エンドツーエンドの動画ローカライズパイプライン向けの軽量オーケストレーターです。4 つの専用サブスキル — /wjs-transcribing-audio、/wjs-translating-subtitles、/wjs-dubbing-video、/wjs-burning-subtitles に振り分けます。ユーザーが一度に完全なローカライズを求めた場合に使用します（「帮我把这个西班牙语视频做成中文字幕+配音」、「translate and dub this video」、「做完整的本地化」）。個別の手順（文字起こしのみ、翻訳のみ、吹き替えのみ、字幕の焼き込みのみ）では、該当するサブスキルを直接呼び出してください。より速く、役割の境界も明確です
inference.sh CLI による AI 音声生成、テキスト読み上げ、音声合成。モデル: Inworld TTS-2（100+ 言語、感情/非言語の誘導）、Inworld TTS 1.5（超低遅延）、ElevenLabs（22+ のプレミアム音声、32 言語）、Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice、自然な音声向け。機能: 複数の音声、感情、アクセント、長文ナレーション、会話、音声変換、話し方モードの制御、キャラクター音声。用途: ナレーション、オーディオブック、ポッドキャスト、動画ナレーション、アクセシビリティ、ゲーム NPC、アバター音声、UGC。トリガー: voice cloning、tts、text to speech、ai voice、voice generation、voice synthesis、voice over、narration、speech synthesis、ai narrator、elevenlabs、eleven labs、natural voice、realistic speech、voice ai、voice changer、inworld、inworld tts、character voice、npc voice。
Creator Hub の MCP サーバーを通じて Decentraland シーンのエンティティ、コンポーネント、Smart Items、シーン設定をライブで編集する。assets/scene/main.composite を手作業で編集する代わりに使用する。シーンが Creator Hub で開かれているとき、セッションで `mcp__creator-hub__*` ツール（scene_state、create_entity、set_component、place_smart_item など）が利用可能なとき、ユーザーが Creator Hub AI アシスタントまたはその MCP サーバーに言及したとき、または main.composite、main.crdt、scene.json を編集する前に使用する。
OpenAI Sora、Google Veo 2/3、Runway Gen-3/Gen-4、Pika 2.2、Luma Dream Machine（Ray 2）、FAL（Kling / Wan / Veo / Sora のラッパー）、Ark Seedance 1.5 Pro/Lite、Bailian Wanx（i2v）、MiniMax Hailuo-02、Vidu Q3 に対応する汎用 AI 動画生成です。ユーザーがテキストプロンプトまたは最初のフレーム画像から動画を生成、作成、合成するよう依頼した場合に使用します。テキストから動画、画像から動画に対応し、対応プロバイダーでは最終フレームも指定できます。「……の動画を生成」「……の5秒クリップを作成」「この画像をアニメーション化」「生成一段视频」「做个短片」や、Sora、Veo、Runway Gen、Kling、Wan、Seedance、Hailuo、Pika、Dream Machine、Vidu などの動画生成モデルファミリーへの言及が典型例です。特定のモデルが指定されていない場合も必ずこのスキルを使用し、EXTEND.md のデフォルト設定または利用可能な API キーからプロバイダーを選択します。即梦 / Dreamina / Jimeng が明示された場合はこのスキルを使用せず、代わりに happy-dreamina を使用します。
SRT 字幕を、温かみのあるベージュの紙を背景にしたホワイトボード手描きアニメーションにする：字幕を読む→挿絵戦略を出力→確認後に統一スタイルの線画を生成→ナラティブの意味に沿って領域を注釈→プレビューパネルで調整→MP4 をレンダリング。オーケストレーションは領域マスクのリビール（annotation.json / sequence / startMs / protectedRegions）を踏襲するが、各領域内の描画は stream の連続した筆跡（骨格/グリッド ink→color）に置き換える。ユーザーが SRT 字幕を提供し、「字幕をホワイトボード手描き/ストリーミング筆跡動画にする」「SRT からホワイトボードアニメーションを生成」「字幕ごとに手描きの絵コンテを描く」ことを求めたときにトリガーする。
テキスト読み上げ、音楽、音声編集で AI 駆動のポッドキャストを作成。ツール：Kokoro TTS、DIA TTS、Chatterbox、AI 音楽生成、メディア結合。機能：マルチボイスの会話、BGM、イントロ/アウトロ、全編エピソード。用途：ポッドキャスト制作、オーディオブック、音声コンテンツ、音声ニュースレター。トリガー：podcast、ai podcast、text to speech podcast、audio content、voice over、ai audiobook、multi voice、conversation ai、notebooklm alternative、audio generation、podcast automation、ai narrator、voice content、audio newsletter、podcast maker
ジャンル固有の慣習、タイポグラフィのルール、AI 画像生成を踏まえた書籍カバー（表紙）デザイン。フィクションとノンフィクションのジャンル、サイズ、サムネイルテスト、反復ワークフローを扱う。用途: 自費出版、電子書籍カバー、印刷カバー、オーディオブックカバー、カバーモックアップ。トリガー: book cover、cover design、ebook cover、book art、novel cover、self publishing cover、kindle cover、audiobook cover、book jacket、cover illustration、fiction cover、nonfiction cover
ElevenLabs の AI 音楽生成 — inference.sh CLI 経由でテキストプロンプトからオリジナル楽曲を作成する。機能: テキストtoミュージック、最大 10 分のカスタム長、ジャンル/ムード/楽器の制御、ロイヤリティフリーの商用利用。用途: BGM、サウンドトラック、ジングル、ポッドキャスト、映像スコア、ゲームオーディオ。トリガー: elevenlabs music、eleven labs music、ai music、generate music、music generation、compose music、ai composer、create song、soundtrack、background music、jingle、elevenlabs compose、music ai。
inference.sh CLI 経由で ElevenLabs のテキスト読み上げを利用。22+ のプレミアムボイス、多言語対応、音声チューニングを備える。モデル：eleven_multilingual_v2（最高品質）、eleven_turbo_v2_5（低遅延）、eleven_flash_v2_5（超高速）。機能：テキスト読み上げ、ボイス選択、安定性/スタイル制御、32 言語。用途：ナレーション、オーディオブック、動画ナレーション、ポッドキャスト、アクセシビリティ、IVR。トリガー：elevenlabs、eleven labs、elevenlabs tts、premium tts、professional voice、ai voice、high quality tts、multilingual tts、eleven labs voice、voice generation、natural speech、realistic voice、voice over、speech synthesis
ElevenLabs ボイスチェンジャー - inference.sh CLI 経由で、音声内容と感情を保ったまま任意の声を別の声に変換する。モデル：eleven_multilingual_sts_v2（70+ 言語）、eleven_english_sts_v2。機能：音声変換（speech-to-speech）、声の変換、訛りの変更、声の偽装。用途：コンテンツ制作、声優演技、プライバシー、吹き替え、キャラクターボイス。トリガー：voice changer、speech to speech、voice transformation、change voice、voice swap、voice conversion、voice disguise、eleven labs voice changer、elevenlabs sts、transform voice、ai voice changer、voice modifier
inference.sh コマンドラインで FLUX モデル（Black Forest Labs）による画像生成。モデル：FLUX Dev LoRA、FLUX.2 Klein LoRA（カスタムスタイル適応に対応）。機能：テキストから画像、画像から画像、LoRA ファインチューニング、カスタムスタイル。トリガー：flux、flux.2、flux dev、flux schnell、flux pro、black forest labs、flux image、flux ai、flux model、flux lora
生成動画、広告、トレーラー、解説動画、プロダクトフィルム、ソーシャルクリップ、ドキュメンタリー、ゲームトレーラー、ブランドコンテンツを制作する AI エージェント向けの、ベンダー非依存の音楽監修とスコアリング指導。音楽、スコア、仮トラック、ニードルドロップ、AI 生成トラック、キューシート、ステム、ラウドネス、ループ可否、プラットフォームの音楽制約、映像メディア向けの権利に配慮した音声ハンドオフの計画、プロンプト作成、選定、ライセンス処理、ミックス、修正、品質レビューに使用。
Pawbytes Creative Suites のクリエイティブディレクター兼オーケストレーター。ユーザーがクリエイティブディレクション、キャンペーン計画、ブランド設定、適切なクリエイティブ専門家やワークフローの選択支援を必要とする場合に使用します。トリガー：「Aria」「creative direction」「campaign planning」「brand setup」「which creative agent should I use」「creative suite」。
汎用 Remotion 動画制作スキル。プロモーション動画、マスコットアニメーション、LP 用動画、チュートリアル動画、SNS 向け短尺動画の制作に使用します。トリガー：「プロモ動画」「アニメーション」「動画を作って」「Remotion」「動画コンテンツ」「ビデオ制作」「モーショングラフィックス」「LP 動画」「チュートリアル動画」「OGP 動画」「動画素材」。Remotion を使った React ベースの動画生成全般でこのスキルを使用してください。プロモーション映像やアニメーション素材の話題が出たら、積極的にこのスキルを参照してください。
Scenario で ChatGPT pet または Codex pet を作成する場合に使用します。テキストのアイデア、キャラクター、マスコット、ブランドの手がかり、参考写真やアートからアニメーションする相棒を生み出します。9つのアニメーション状態と16方向を含む 1536x2288 v2 ペットスプライトシート、ChatGPT ウェブ版へのアップロード用 1536x1872 v1 シート、ピクセル単位で精密なドット絵ペット、ペットのアニメーション GIF、または Codex pet.json パッケージを作成します
アメリカ映画の脚本術のケーススタディ（美国电影剧作案例）——メイ・フォンによるハリウッド西部劇（価値の対立、四つの対立軸）、スクリューボール・コメディ（強いヒロイン、相棒と敵対者の二枚看板）、ビリー・ワイルダー（変装、ルビッチ・タッチ、出会いの場面）、ヒッチコックとその脚本家たち、『アダプテーション』、『ミルドレッド・ピアース』（八稿、女性映画 + ノワール）、『テルマ&ルイーズ』（「but」の手法、鏡像ペア）、『ファーゴ』（コーエン兄弟の手法）、『グッド・ウィル・ハンティング』（五部構成）、『アメリカン・ビューティー』（視点戦略、ジャンルの混合）、『エターナル・サンシャイン』（1:5:1、イメージのモチーフ）。Walter の『アメリカン・グラフィティ』。ハリウッドのマスタークラス映画（『ボーン』、『ガーディアンズ』、『ズートピア』、『マイティ・ソー』）。Hoxter の『ウィンターズ・ボーン』と『ジョジョ・ラビット』。Snyder の『デンジャラス・ビューティー』。Field の『チャイナタウン』。特定のアメリカ映画の脚本がどのように組み立てられているかの実例を見たいとき、映画を構造・キャラクター・テーマの観点で分析するとき、西部劇、スクリューボール、ノワール、バディ、成長もの、ブラックコメディ、非線形ロマンスの模倣モデルを探すときに使用する。
ユーザーがトピックを提示し、それに基づくナレーション付き解説、ポッドキャスト、知識まとめ動画（Bilibili / YouTube / Xiaohongshu / Douyin / WeChat Channels）の自動制作を希望する場合、または参考動画/画像からビジュアルデザインのパターンを学びたい場合に使用します。トピックをもとに知識動画、ナレーション付き解説、動画ポッドキャスト、アニメーション付きインフォグラフィック動画を作成したいという依頼で起動します。「動画ポッドキャスト」と明言していない場合も対象です。このスキルですでに制作したナレーション動画の再生成、再レンダリング、再構築、更新、反復にも使用します。たとえば、スクリプト/プロンプト、ビジュアル、BGM を変更し、最終動画を作り直す場合です（既存の videos/{name}/ ディレクトリを再利用し、新しいプロジェクトを開始しないでください）。一般的な動画編集、トリミング、形式変換、カラーグレーディング、非ナラティブ動画のタスクには使用しません。調査 → スクリプト → TTS → Remotion → MP4 + BGM の流れで 4K 動画を制作します。
inference.sh CLI 経由で ElevenLabs の音声テキスト化を利用。Scribe モデルと強制アラインメントに対応。モデル：Scribe v1/v2（98%+ の精度、90+ 言語）。機能：文字起こし、話者分離、音声イベントのタグ付け、単語レベルのタイムスタンプ、強制アラインメント、字幕生成。用途：会議の文字起こし、字幕、ポッドキャストの文字起こし、リップシンクのタイミング、カラオケ。トリガー：elevenlabs stt、elevenlabs transcription、scribe、elevenlabs speech to text、forced alignment、word alignment、subtitle timing、diarization、speaker identification、audio event detection、eleven labs transcribe
ElevenLabs ボイスアイソレーター — inference.sh CLI で音声から背景ノイズを除去しボーカルを分離する。機能: ノイズ除去、音声抽出、オーディオクリーンアップ、背景除去。用途: ポッドキャストのクリーンアップ、インタビュー音声、音楽のボーカル、ノイズの多い録音、音声修復。トリガー: voice isolator、noise removal、background removal、isolate voice、clean audio、remove background noise、audio cleanup、voice extraction、elevenlabs isolator、eleven labs noise、vocal isolation、denoise、audio restoration、voice separation
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。