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
写真、動画、Live Photosを白黒からカラーへ変化するリビール動画にします（单彩渐变 + 动感模糊 + 丁达尔旋焦）。フレームはモノクロで回転した状態から始まり、水平のモーションブラーの下で左から色が広がり、回転が中央から外側へと収まり、柔らかく輝くフルカラーのフレームになります。上色効果、黑白变彩色、丁达尔旋焦、旋焦上色、剪映上色特效、color reveal、colorize transitionを求める場合や、画像、iPhone Live Photos（HEIC/JPG + MOV）、Androidのモーションフォト、動画クリップにこの効果を適用したい場合に使用します。出力はH.264 MP4です。
エッセイやブログ記事向けの高品質なアニメーション解説ビジュアルを作成する。ユーザーがインタラクティブな Web アニメーションで概念、プロセス、データ、アイデアを可視化したいときに使用する。「create a visual for」「animate this concept」「make an explainer」「visualize this idea」「diagram this process」「show this data」などのリクエストや、エッセイの内容が視覚的な説明に適している場合に起動する。抽象的な概念（メンタルモデル、フレームワーク）、技術的なプロセス（アルゴリズム、システム）、データ可視化（トレンド、比較）を扱う。Web コンテンツに直接埋め込める自己完結型の HTML/CSS/JS を出力する。
Direct Video、Video Agent、Digital Twin、Avatar Realtime および関連するアバター/音声/アセット API を使って HeyGen のアバター動画を制作する。プロバイダーのルーティング、アバターと音声の選択、スクリプトから動画へのワークフロー、音声からのリップシンク、背景/シーン、コールバックとポーリング、同意と権利の確認、ローカライズの引き継ぎ、成果物の保管、QA、HeyGen アバター動画制作のトラブルシューティングに使用する。
【L1 声のリアリティ】AI っぽさの検出と除去——「本物の人間らしく聞こえるか」だけを扱う。19 種類の AI っぽさパターンを識別し、深刻度に応じて戦略を選ぶ。デフォルトでは診断のみで書き換えは行わず、書き換えにはユーザーの確認が必要。書き換え方式は 3 つ：自動置換、問いかけ駆動、ハイブリッド。voice-dissolver の声リストを保護領域として受け取れる。 トリガー：AI っぽい、機械が書いたよう、堅すぎる、読むと嘘っぽい、AI っぽさを消す、AI 感が強すぎる、ChatGPT が書いたよう、テンプレート的すぎる、語調が標準的すぎる、個性がない、AI 訛り、読んでも温かみがない、文型が整いすぎている、まとめの決まり文句、翻訳調、人間らしくない、定型化。 Not for：内容の質は足りないが AI っぽさはない（→ L0 chinese-write-checker）、構造の冗長・無駄が多い（→ L2 editor-revisor）、自分の声が見つからない（→ voice-dissolver）、レイアウト・句読点・見出し（→ L3 packaging-workshop）。
Kling AI のホスト型 IMAGE サーフェスまたは Kuaishou のオープンな Kolors チェックポイントを使って、静止画像を計画、生成、編集、参照、品質管理する。Kling IMAGE 3.0/3.0 Omni/O1/2.1 の Web、公式 Kling CLI/MCP または Open Platform 統合、ならびにローカルの Kolors によるテキストから画像、画像から画像、IP-Adapter、ControlNet、インペインティング、LoRA の作業に使用する。Kling の動画、アバター、リップシンク、非公式のゲートウェイ API には使用せず、現在のホスト型 Kling Image モデルが 2024 年のオープンな Kolors の重みと同一であると仮定しないこと。
現在インストールされている Media.io CLI で画像と動画を生成する。テキストから画像、画像から画像、テキストから動画、画像から動画、参照から動画、および公開済みのワークフローに使用する。モデルは同梱の静的カタログ（`references/model-catalog.md`）から選択する。このカタログは本番レジストリから生成されたもので、`mediaio model list` にフォールバックするのはディスカバリーのガードレールに記載されたトリガーの場合のみ。すべての `job_type` をバイト単位でそのままコピーすること——一部にはリテラルの空白が含まれ、表示名はしばしば識別子と一致しない。現在の CLI は `effect list` を公開しているが `effect get` は公開していないため、エフェクトはパラメータが独立して検証済みの場合にのみ使用できる。送信前に必ず `model get` でパラメータのスキーマを確認すること。送信するとユーザーのクレジットを消費するが、尋ねられない限り CLI は金額について何も表示しない。`--show-credit` でコストを表示し、ユーザーがコストに敏感な場合、またはクレジット、価格、残高に言及した場合にのみ、先に明示的な承認を得ること。残高が不足した場合、またはユーザーがタスク履歴やアップロードしたファイルを求める場合は、`mediaio link get` が出力する製品ページのリンクを渡すこと——media.io の URL を自分で書いたり編集したりしないこと。人間が読める形式のディスカバリー出力を使用し、生成前にローカルファイルをアップロードし、`generate create` で送信し、別の `generate wait` コマンドで待機し、結果ファイルは `generate download` で取得すること（署名付きの結果 URL を再現しない）。ローカルコマンドのネットワークをサンドボックス化するホストでは、最初にネットワークを使用する `mediaio` または `curl` の Shell/Bash ツール呼び出しは、プロセス起動前にホストの承認を要求する必要がある。デフォルトのサンドボックスで実行してネットワークの可用性を確認しないこと。
AI ショートドラマの各シーンで、冒頭の立ち位置を割り当てます。まずシーン画像から、立ったり座ったりできる物体を認識し（俯瞰平面に投影）、次に脚本に沿って、各シーンの登場人物がどの物体のどちら側にいるか、座るか立つか、向き、エキストラの有無を割り当てます。プログラムが各シーンの冒頭のブロッキング文を作成し、そのシーンの絵コンテの最初の段落にそのまま記載します。デフォルトでは、ドラッグして立ち位置を調整できる HTML ツールレポートを納品し、ページ内で staging.json をエクスポートできます。JSON は作業データとしても保存され、必要に応じて Markdown をエクスポートできます。8つの品質ゲートをすべてスクリプトで決定的にチェックします（認識した物体の数、物体が画像内にあるか、登場人物の人数が正確か、全員が認識済みの物体に割り当てられているか、同じ側の人物が重なっていないか、エキストラの位置が指定されているか、など）。novel-script の script.json と novel-art の art.json から骨組みを事前入力します。依存関係ゼロ、API key ゼロ。AI ショートドラマの立ち位置、冒頭の配置、群衆シーンの配置、誰がどこに座るか、座席配置、ブロッキング、ステージングを求められた場合に使用します。
Cosmos 3 Generator、Predict2.5、Transfer2.5、ダウンロード可能なチェックポイント、セルフホストの NIM、ホスト型プレビューサーフェスにわたり、NVIDIA Cosmos のワールド動画生成を選択、実行、統制する。テキスト/画像/動画からワールドへ、制御されたワールド転送、マルチビューまたはアクション条件付きの物理 AI 動画、ローカルチェックポイントの固定、ハードウェア計画、推論の承認、出力の検証に使用する。Cosmos Reason/Embed のみのタスクには使用しない。
長いウェビナー、デモ、通話録音を、ソーシャルフィード向けに最適化した複数の短いハイライトクリップに切り分けます。核心となる判断は、どの瞬間が本当にクリップになる価値があるかを見極めることです。フック、具体的な成果、印象的な数値、鋭い Q&A の回答を、実際の文字起こしに基づいて判断し、時刻上の位置の推測には頼らず、そのうえで切り分けを行います。ユーザーが「この 1 時間のウェビナーを LinkedIn 用の 5 本の短いクリップに切って」「このデモ録音をソーシャル用クリップにして」「この通話のハイライトを抜き出して」「この長い動画から短いクリップを作って」「この録音からクリップにできる瞬間をいくつか挙げて」と言ったときに使用します。
MusicGen、Bark、ElevenLabs などを用いた、テキストからの音楽生成、音声合成、テキスト読み上げ、効果音、音声加工を含む AI 音声生成の包括的なパターン。「music generation、text to music、AI music、voice cloning、text to speech、TTS API、ElevenLabs、MusicGen、Bark、audio synthesis、sound effects generation、voice synthesis、AudioCraft」が言及されたときに使用する。
Amazon Bedrock 上の Amazon Nova Canvas で本番向けの画像生成・画像編集ワークフローを制作およびレビューします。ネイティブの InvokeModel ペイロード、安全な認証、検証、リトライ、コスト管理、来歴、ライフサイクル移行の確認を含みます。タスクで Nova Canvas、amazon.nova-canvas-v1:0、Bedrock の画像生成、Canvas のインペインティング／アウトペインティング／背景削除、画像コンディショニング、色誘導、画像バリエーション、バーチャル試着、Canvas のファインチューニングが挙げられている場合に使用します。
HTML を媒体として高忠実度のデザイン案（ランディングページ、スライド、インタラクティブプロトタイプ、アニメーション、デザインシステム、インフォグラフィック、モバイル mockup など）を制作する。汎用のフロントエンドエンジニアではなくプロのデザイナーとして振る舞い、まず質問してから作ること、既存のデザインシステムを参照すること、複数のバリエーションを提示すること、AI 風の陳腐さを避けることを重視する。トリガー：/axi-front-design、"做个落地页"、"设计一张海报/封面"、"做张幻灯片/PPT"、"做个交互原型"、"做个动画"、"design a landing page"、"make a deck"、"prototype this UI"、"design system"、"hi-fi mockup"。非適用：純粋なテキストコンテンツ/ロジックコード、実画像生成が必要（画像生成モデルを使うべき）、ネイティブの PPTX/Figma ファイルが必要（HTML を優先）。
権利に配慮した Bria FIBO および FIBO Lite の画像生成ワークフローを構築・運用します。構造化プロンプト、参照画像、非同期のステータス処理、webhook、コストゲート、安全な成果物のダウンロードを含みます。Bria/FIBO の生成、リファイン、インスピレーション、再現性、ホスト型 API 連携、ライセンスデータによる画像ワークフローが求められた場合に使用します。FIBO Edit、動画、汎用的な画像編集、サードパーティの FIBO ゲートウェイには使用しないでください。
このスキルは、ローカルでの FFmpeg/FFprobe によるメディア検査、リマックス、トランスコード、フィルタリング、エビデンス範囲を限定した動画レビュー、文字起こし支援による編集計画、編集意思決定リスト、ポッドキャスト/音声のクリーンアップ、レンダリング、出力受け入れに使用します。明示的なストリーム選択、ソースの保持、ビルドを意識したコマンド、範囲を限定したエビデンス、検証済みの新規出力を重視します。libav API のプログラミング、動画全体を不透明に理解すること、自動公開、権利処理、DRM 回避、プロフェッショナルな放送/カラー認定、HyperFrames が作成したコンポジションには使用しないでください。これらのタスクは、それぞれを担当する機能にルーティングしてください。
GPT imagegen スキルを呼び出して「画像形式の PPT ドキュメント」を生成する——1 ページにつき 1 枚、情報密度が高くレイアウトが複雑でスタイルが統一されたスライド画像（既定はテック系ビジネス／高密度インフォグラフィック。シンプル／カートゥーン／水墨／テックなど任意のスタイルも可）を生成し、各ページが全幅画像 1 枚の .pptx に合成する。Generates image-based slide decks (one rendered image per slide) from a topic or content. ユーザーが「PPT を作る／画像版 PPT を生成する／AI でスライド画像を作る／内容を PPT 画像にする」ときに使用する。このスキルは**画像型 PPT のみを生成する**（各ページの .png ＋ 合成した .pptx）。編集可能な pptx も必要な場合は、続けて GordenImage2PPTX を使用する。
Moonvalley の Marey モデルファミリー（Marey Realism v1.5）で動画を制作します — 映像作家向けの 1080p/24fps の生成動画モデルで、ライセンス済みデータのみで学習したと宣伝されています。タスクで Marey や Moonvalley が名指しされた場合、商用やスタジオ作品向けにブランドセーフ／法的に確認済みの AI 動画が求められる場合、または Marey の監督スタイルのコントロール（カメラの軌道、モーショントランスファー、ポーズトランスファー、キーフレーミング、参照コンディショニング）が必要な場合にこのスキルを使用します。"商用として安全" の実際の意味と実際の利用規約の違い、アクセス経路（Moonvalley web / Voyager、fal API、ComfyUI）、料金、能力の限界、プロンプトと参照の戦略、Marey が制作に適する場面と他のモデルが優る場面、反復、品質レビューを扱います。音声生成、フォトリアルなトーキングヘッドの対話、汎用的な "最高の動画モデル" の既定の選択肢としては使用しないでください。
Odyssey のリアルタイムインタラクティブ動画ワールドモデル（odyssey.ml — Odyssey-1/Odyssey-2/Starchild-1/Agora-1）で制作作業を計画・範囲設定する。ユーザーがキーボード、テキスト、音声、コントローラー入力でライブ操作する動画（その場で応答するストリーミングフレーム）の生成を伴う依頼、または Odyssey 型のインタラクティブ生成とオフラインのクリップ生成ツール（Sora/Veo/Kling）やダウンロード可能な 3D / ゲームエンジンのどちらを選ぶかを判断する必要があるときに使用。検証済みと発表済みの違い、現在のアクセス経路、レイテンシと一貫性の限界、現時点で実現可能なユースケースと推測的なユースケース、価格・アクセス条件、コンテンツ・権利の考慮事項を扱う。これは動きの速い研究段階の製品であり、このスキルは生産での信頼性を約束するものではなく、誠実な範囲設定を教えるものである。
生成ツールで音声主体のポッドキャストエピソードを制作します — 番組とエピソードの形式（インタビュー、ナラティブ、ニュースブリーフ、2 人による対談）の設計、耳で聴くための台本執筆、完全合成とハイブリッド（人間の収録＋合成）制作のどちらにするかの判断と、それぞれに生じる開示義務の履行、一貫性と相性を保つためのマルチボイス TTS のキャスティングと演出、エピソード構成（コールドオープン、イントロ／アウトロ、セグメント、広告枠）の構築、組み立てと編集、音楽と SFX の権利処理、ポッドキャストのラウドネスと配信基準の達成、RSS によるメタデータ／チャプター／文字起こしの配信、公開前のプラットフォームの AI コンテンツポリシーと QA の通過。成果物がポッドキャストのエピソードや番組バイブルである場合、またはエージェントが音声コンテンツについて制作・権利・開示・配信の判断を行う必要がある場合は、必ずこのスキルを使用します。音楽トラック、単一ボイスの通知プロンプト、映像が主導する動画には使用しません（映像向けの音声は動画スキルに回してください）。
既存の動画のナレーションを刷新する - スクリプトを新しいトーン（より簡潔に、より温かく、よりフォーマルに、よりエネルギッシュに）で書き直し、合った声を選び、ボイスオーバーを再生成し、映像を新しいタイミングに再調整する。ユーザーが "make the narration less robotic"、"rewrite the voiceover to sound friendlier"、"this video sounds too stiff, revoice it"、"change the tone of this video"、"redo the narration in a different style" と言った場合に使用する。
完全なセールスデモを、汎用的な機能別やコース形式の構成ではなく、買い手の意思決定ポイント（連携、セキュリティ、提示される料金プラン、その具体的な課題を解決する機能）を軸にした、チャプター付きで非同期視聴できる形式に分割する。冒頭に「このデモの内容」カードを追加し、見る前にどこへジャンプするかを見込み客が判断できるようにし、現場で説明したり質問に答えたりする人がいないため、各セクションのラベルと振り返りを、ライブ担当者の文脈なしでも単独で成立させる。ユーザーが「私が同席しなくてもこのデモを視聴できるようにして」「見込み客が重要な箇所にジャンプできるようこのデモを分割して」「これを非同期で共有できるデモにして」「推進役がこれを転送し、関係者が自分の担当部分に飛べるようにして」「私のデモを自己ナビゲート可能にして」と言ったときに使用する。
行動やコンプライアンスの研修テーマ - フィードバックの伝え方、エスカレーション、ハラスメント方針、セキュリティ意識 - をストーリー主導のアニメーションシナリオ動画に変換する：イラスト化されたキャラクター、状況設定、緊張、対応、各ビート後のナレーションによるまとめ、締めくくりの行動チェックリスト。ユーザーが "make a soft skills training video"、"scenario-based training on X"、"compliance training video"、"turn this policy into a training video"、"behavioral training for managers" と言った場合に使用する。
PowerPoint の標準作業手順書デッキを、ナレーション付きの研修動画と文書化されたジョブエイド（プロジェクトの記事として作成する、凝縮されたスキャンしやすいクイックリファレンスの相棒）に変換する。コンプライアンス上重要な正確な文言を言い換えずに保持する。ユーザーが "turn this SOP deck into a training video"、"convert this PowerPoint procedure into a video and job aid"、"make a training video from this SOP presentation" と言った場合、または手順デッキを渡して動画と参照シートの両方を求めた場合に使用する。
説明している領域以外の画面上のすべてを暗くし、ステップをナレーションしている間に視聴者が間違った場所を見ないようにする。ユーザーが "spotlight the important area"、"dim the background"、"focus attention on this part of the screen"、"darken everything except the button"、"the screen is too busy - isolate what matters" と言った場合に使用する。
数字を 30〜60 秒のアニメーションデータストーリーに変える - シーンごとに 1 つの統計値、アニメーションカウンターとバーの表示、そして積み上げ式の締めのシーンへと展開する。ユーザーが "stats video"、"infographic video"、"animate these numbers"、"turn this data/report into a video"、"make a video from these survey results"、"data story video" と言った場合、または動きとナレーションで提示したい指標、ベンチマーク、ROI 数値を貼り付けた場合に使用する。
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。