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
Resemble AI Chatterbox をテキスト読み上げと音声クローンのワークフローに使用する。ローカルのオープンウェイト Chatterbox、Chatterbox Multilingual、Chatterbox Turbo、Resemble ホストの Chatterbox API ルートを含む。エージェントが Chatterbox のバリアントを選ぶ、参照音声入力を準備する、感情 / パラ言語的な表現を制御する、多言語 TTS を計画する、PerTh ウォーターマークを処理する、または同意、プライバシー、ライセンス、レイテンシ、音声 QA について本番判断を行う必要がある場合に適用する。
バイラル動画の成功に向けてフックの作成と視聴者維持を習得する。次の場合に積極的に有効化する: (1) 動画フックの最適化、(2) 冒頭数秒の戦略、(3) 視聴者維持の改善、(4) 注意を引くテクニック、(5) 心理的トリガー、(6) パターンインタラプト、(7) 視聴時間の最適化、(8) 離脱の防止、(9) エンゲージメント心理学。提供するもの: フックの公式、心理的トリガーのフレームワーク、維持率のベンチマーク、パターンインタラプトのテクニック、実行可能な維持改善戦略。
精緻化された AI ショートドラマ IP 制作スキル（v0.6.0）。三フェーズ構成：Phase 1 制作（脚本+ref 画像、反復的にイテレーション）→ Phase 1.5 絵コンテ画像（各 grid あたり 1-4 枚の候補静止画 = 動画の最初のフレーム、産業級の中核レイヤー）→ Phase 2 映像化（話数ごとにアンロック、4 モデルを自動選択）。v0.6.0 の主要なアップグレード：① ref ライブラリの工芸バイアス鉄則（現代の超高層ビルは擬物化しやすく、古建築では必ず chibi 人体が出るため、初期 IP 設計段階で回避する）② 即梦 5.0 の失敗モード + センシティブワード一覧（3 種類の fail の区別 / prompt 1500 文字の厳格な上限 / 敵役ワードの置換表 / 曖昧ワード一覧）③ 絵コンテ 8 段 prompt テンプレート（CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE）+ NOT humans 句を必ず追加。v0.3.0 からの継続：Phase 1.5 絵コンテレイヤー、4 モデル動画、ref 5-8 が最適。v0.2.0：bash → Python subprocess、36 grid × 4-10s のバリエーション、红果で必ずヒットする 7 の手法、産業級 ref ライブラリ 80-150 枚、1 prompt あたり 300-500 文字。必ずトリガーする：ユーザーがショートドラマ、マイクロショートドラマ、縦画面ドラマ、AI ショートドラマ、AI コミックドラマ、脚本制作、絵コンテ、即梦/Seedance での映像化、红果/番茄/抖音 の IP 改編、爽劇、転生、タイムスリップ、婿養子、追妻、神医・風水師、AI コミックドラマのスペクタクル、または「ショートドラマを作って」といった依頼を口にしたとき。
提出前に、AI 生成または AI 強化された出品画像を 2026 年の Amazon 開示・表示ポリシーに照らして監査する。5 つのゲートからなるフローが、非表示化や虚偽表示フラグを引き起こす問題を捉える。ユーザーが AI 画像ポリシー、AI 写真のルール、画像の非表示化、2026 年の画像コンプライアンスについて尋ねた場合に使用する。トリガーフレーズ："AI image Amazon policy"、"AI generated photos listing"、"image suppression AI"、"Amazon AI image rules 2026"。ツールなしで動作する。
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。
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
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
個人 IP 図解クリエイター。あなたの IP キャラクターで専用のコンテンツ図解を生成する。ユーザーが許諾して提供した写真、プロフィールのスクリーンショット、自己紹介、アカウント情報、キャラクター設定を、安定したミニマルな手描き図解キャラクターに変換し、さらに長文用の挿絵、画像テキストアカウントのナレッジカード、スマホ用ポスター、メソッド分解図、絵コンテ風ストーリー図、IP 講演 PPT、ライブ配信共有スライド、全図解の手描き PPT ページなどのコンテンツビジュアルを生成する。IP 主人公 + 実行エージェントというナレッジ図解システムを重視する：ユーザーの IP が講師、分解、注釈、進行を担い、実行エージェントがカードの移動、フィードバック、試行錯誤、リスクの指摘、結果の提出を担う。ユーザーが個人 IP キャラクターを作りたい、自分のキャラクターでナレッジ図を作りたい、画像テキストアカウントのナレッジカード、記事の挿絵、講座の図解、コンテンツポスター、メソッド分解図、IP 講演 PPT、ライブ配信共有スライドを作りたい、または写真 / プロフィールのスクリーンショット / 自己紹介をアップロードしてコンテンツビジュアルを作りたい場合に、本 Skill を使用する。
Blender 5.2のフェイシャルリグとシェイプキー。ARKit 52のブレンドシェイプ、リップシンク用のビズィーム、表情のスカルプト、対称シェイプのLeft/Right分割、ミラーリング、補正シェイプと複合シェイプ、ドライバーとコントロールリグ、ボーンとブレンドシェイプのハイブリッド、エンジンへのエクスポート（Unity、Unreal、Roblox dynamic heads、VRM/web）に対応します。顔、表情、リップシンク、またはシェイプキー関連の作業に使用します。
Codex、Claude Code、WorkBuddy などの Agent Skills クライアント向けに、一言のアイデア、あらすじ、小説、コピー、脚本、絵コンテ、既存素材を、理解でき、つながり、公開できる AI ショートドラマと AI ショートフィルムに仕立てる。抖音、紅果短劇、視頻号、快手、B站、YouTube などの横画面・縦画面コンテンツに対応。実写、単独ショートフィルム、オムニバス、連続ドラマ、ペット、擬人化ファンタジー、アニメ／漫劇、UGC、ブランドストーリーに対応。ストーリー診断、脚本、絵コンテ、キャラクター／繰り返し小道具の一貫性、Wan 3、Seedance 2.5/2.0/Fast、MiniMax H3 などのモデル選定、15〜30 秒の長回し、ネイティブな台詞、参考音声、吹き替え、有料予算、連続性編集、物理的な品質チェック、コールド視聴者による検収に用い、特に断片の無理な継ぎ合わせ、ランダムなジャンプカット、棒立ちの台詞、身分／衣装／小道具のドリフト、文字の変形、運動方向の誤り、クリッピング、平板な観察ショット、リップシンク／声質の不一致、音楽の再起動、筋が分からないことを避けるために用いる。
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
プロバイダー非依存の解説動画制作で、教育、製品、コンセプト、非営利/公共サービス、オンボーディング、トレーニング、アニメーション、ミックスメディア、短尺ソーシャルの解説動画を作成する AI エージェント向け。エージェントがトピック、ブリーフ、調査コーパス、製品、プロセス、ポリシー、データセット、複雑なアイデアを、事実に基づき、アクセシブルで、ナレーションとキャプションとストーリーボードを備え、生成メディアに対応した解説動画に変換し、主張のレビュー、ローカライズ、ペース配分、バリアント、QA を行う必要がある場合に使用する。
`runcomfy` コマンドラインを介して、RunComfy 上で顔の口の動きを指定した音声トラックに同期します。ByteDance OmniHuman（ポートレート画像と音声から音声駆動の全身アバターを生成）、Sync Labs sync v2 / Pro（動画に口の動きを同期）、Kling lipsync（音声から動画、同期音声付きのテキストから動画）、Creatify lipsync に振り分けます。ユーザーの実際の意図に応じて適切なエンドポイントを選択します。ポートレート静止画 + 音声（アバター風）、元動画 + 音声（既存映像の口の動きを差し替え）、またはスクリプトから生成して同期します。「lip sync」「lipsync」「この動画をしゃべらせて」「口の動きを音声に合わせて」「動画に吹き替え」「声に口の動きを同期」「Sync Labs」「ナレーション同期」、または音声トラックで顔の口を動かす明示的な依頼で起動します。
RunComfyでGoogle Nano Banana 2（GeminiファミリーのFlashクラスのテキスト画像生成モデル）を使って画像を生成します。モデルのドキュメントに記載されたプロンプトパターンをまとめ、同じモデルに単純なプロンプトを入力するよりも優れた出力を得られるようにします。Nano Banana 2の強み（高速な反復、画像内の文字描画、予測しやすい構図、任意でウェブ情報に基づくコンテキストを利用可能）、解像度別の料金、安全性許容度の調整、Nano Banana Pro／GPT Image 2／Flux 2／Seedreamに切り替えるタイミングを説明します。ローカルのRunComfy CLI経由で `runcomfy run google/nano-banana-2/text-to-image` を呼び出します。「nano banana」「nano-banana-2」「nano banana 2」「google image gen」「gemini image」などの語句や、このモデルでの画像生成を明示的に求める指示で起動します
Higgsfield 上の Seedance 2.0 向けに、SaaS 製品ローンチ動画とソフトウェアデモ動画のプロンプトを生成する。ユーザーが製品ローンチ動画、アプリデモ、ソフトウェアのウォークスルー、機能紹介、スタートアップのプロモーション、テック製品の発表、または SaaS/ソフトウェアのマーケティング動画を求める場合に使用する。SaaS、アプリ、ソフトウェア、製品ローンチ、デモ、機能、スタートアップ、テック、UI、ダッシュボード、ランディングページ動画でトリガーされる。
`runcomfy` コマンドラインを介して、RunComfy 上で既存の動画クリップを延長または続行します。Google Veo 3-1 の `extend-video` および `fast/extend-video` エンドポイントに振り分けます。元動画と、次に起きることを記述したプロンプトを指定すると、動き、照明、被写体の同一性を保ちながら元動画に続くクリップを生成します。短い Veo クリップを長くしたい場合や、1つのシードクリップからショットごとに連なる物語を作りたい場合に使用します。「動画を延長」「動画を続けて」「もっと長い動画」「動画延長」「このクリップを長くして」「Veo 延長」「動画ショットをつなぐ」「動画の続き」、または既存の動画の後にフレームを追加する明示的な依頼で起動します。
`runcomfy` コマンドラインを介して、RunComfy 上で動画のアウトペインティングを行います。動画の空間キャンバスを広げ、アスペクト比を変更し（9:16 の縦型から 16:9 の横型、またはその逆）、中心の動きを保ちながら元のフレーム外の環境を追加します。Wan 2-7 edit-video でプロンプトに沿った空間拡張を行い、メインビジュアルの納品で継ぎ目の品質が重要な場合は、専用の ComfyUI アウトペイントワークフローをエージェントに案内します。「動画のアウトペインティング」「動画キャンバスを広げる」「動画フレームを拡張」「動画の切り抜きを解除」「アスペクト比を変更」「縦型から横型へ」「9:16 から 16:9」「TikTok から YouTube」、または動画を元のフレームの外側へ空間的に広げる明示的な依頼で起動します。
Kuaishou 直営の Kling AI 動画プラットフォームと API で、動画の計画、プロンプト作成、生成、参照、編集、モーションコントロール、品質レビューを行う。特に Kling VIDEO 3.0、3.0 Omni、3.0 Turbo、ネイティブ音声、マルチショット、エレメント、開始/終了フレーム、画像/動画参照。ファーストパーティの Kling 動画制作や API 統合に使用し、Kolors の画像生成、アバター、単体の音声、消費者向けのみの会員案内、サードパーティの Kling ゲートウェイには使用しない。
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。