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 96,981 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
YouTube 文字起こし — YouTube 動画のリンクまたは ID を入力すると、動画の文字起こし（字幕／ナレーション原稿）をワンクリックで抽出する。デフォルトではタイムスタンプなしのプレーンな原稿を出力し、字幕は中国語トラックを優先、中国語トラックがない場合は英語にフォールバックして自動的に中国語へ翻訳する。結果は表（タイトル／長さ／原稿内容）で表示し、Excel へのエクスポートやタイムスタンプ付きバージョンにも対応する。ユーザーが YouTube 動画の原稿を抽出したい、動画を文字起こしにしたい、動画のノート／要約／翻訳／二次創作をしたいときに使用する。
ブラウザネイティブで YouTube 動画をダウンロード——`yt-dlp` なし、クライアント偽装なし、n 署名ソルバーなし。動画の再生はブラウザが行う（認証、poToken、n 解決、SABR デマルチプレックスはすべてページ自身が処理する）。ytdl はプレイヤーが MediaSource に渡すデマルチプレックス済みメディアを `SourceBuffer.appendBuffer` フックで記録し、ffmpeg で MP4 に多重化する。ユーザーが視聴できる動画ならダウンロード可能——子ども向け、年齢制限付き、メンバー限定の動画も、ログイン済みのタブで再生できれば動作する。ユーザーが YouTube 動画（音声または映像）をディスクにダウンロード、保存、取得したい場合に使用する。
AI で画像や画像プロンプトを作成する必要があるときに使用します — 個人ブランドの画像、ロゴ、キャンペーンのキービジュアル、日々の投稿画像、エディトリアル、インフォグラフィック、Web モックアップ、クオートグラフィック。コンテキストからブランドアイデンティティを読み取り、プロンプトを作成し、画像を生成するか、MidJourney、DALL-E、Imagen、Leonardo 用のプロンプトを出力します。参照画像を受け取り、コピー＆ペーストできる master prompt を返すモードがあります。ユーザーが「thiet ke anh」「lam logo」「ve banner」「prompt MidJourney」「tao key visual」「lam anh giong anh nay」「gen anh AI」「doi mau thuong hieu tren anh」と言及したときに起動します。次には使用しません — デザイナー向けの brief 作成はスキル 42-brief-hinh-anh を使用；キャンペーン全体のアセットフローはスキル 41-campaign-asset-list を使用；AI アバター動画はスキル 24-ai-avatar-production を使用；インタラクティブな UI ワイヤーフレームは web-prototype を使用；アニメーションは motion-frames を使用。
inference.sh 経由の ElevenLabs テキスト読み上げ：Eleven v4 と v4 Turbo（最新、最も表現力が高く、音声タグ、リアルタイムストリーミング）、Eleven v3、Multilingual v2、Flash v2.5 を、それぞれ 22 種類以上のプレミアム音声を備えた独立したアプリとして提供。機能：テキスト読み上げ、リアルタイムのテキスト読み上げストリーミング、感情と話し方を制御する音声タグ、音声の選択、安定性の制御、カスタム音声とクローン音声。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、音声エージェント、アクセシビリティ、IVR。トリガー：elevenlabs、eleven labs、eleven v4、eleven v4 turbo、eleven v3、elevenlabs tts、premium tts、realtime tts、streaming tts、professional voice、ai voice、high quality tts、multilingual tts、voice generation、natural speech、realistic voice、voice over、speech synthesis
Chrome ブラウザ自動化を介して Google Gemini で画像を生成する。ユーザーが Gemini、Google AI、Imagen で画像を作成・生成したいときに本スキルを使用する。解像度の制御（0.5K、1K、2K、4K）、アスペクト比、最大 14 枚の参照画像、スタイル転送、テキスト描画、画像編集、インペイントに対応。生成した画像を自動でダウンロードし、指定の場所へ移動する。「generate an image」「create a picture with Gemini」「make me a 4K image」「use Gemini to create artwork」などのリクエストで起動する。
テキストから AI 生成文章の痕跡を取り除き、自然な人間の文章として読めるようにする。散文の編集やレビューに使用する。ブログ記事やランディングページのような長文のマーケティングコンテンツも含み、その場合の書き直しは単に中立に聞こえるだけでなく、販売力と検索順位を維持する必要がある。Wikipedia の包括的な「Signs of AI writing」ガイドに基づく。検出して修正するパターンには、誇張された象徴表現、宣伝的な言葉遣い、表面的な -ing 分析、曖昧な帰属、ダッシュの多用、三つの並列、AI 語彙、受動態、否定的な並列、つなぎ言葉が含まれる。
画像を生成する、画像を作成する、何かを描く、〜の画像を作る、テキストから画像、絵を描く、イラスト化する、可視化する、ローカル画像生成、AI アート、画像合成、オフライン画像生成、API key 不要、ローカル推論、アートを生成する、作品を作成する、画像を出力する、画像をレンダリングする、AI 描画、テキストから画像。Windows 上で Intel OpenVINO を介して Z-Image-Turbo を端末上で実行します。Intel iGPU（Xe / Arc）を優先し、CPU にフォールバックします。バイリンガルのプロンプト（英語 + 中国語）に対応。セットアップにはネットワークが必要：GitHub から pip 依存関係を、modelscope.cn からモデル（約 10 GB）をダウンロードします。セットアップ後の推論は完全にオフライン - クラウド API の呼び出しはありません。
Make AI Video - AI チャットでテキスト、画像、スクリプトから動画を作成。AI チャットを通じて、テキストの説明、画像、スクリプトから完全な動画を作成する。作りたいものを説明すれば、AI が完成した動画を生成する：スクリプトを書けば映像付きのナレーション動画が得られ、写真をアップロードすれば音楽付きのアニメーションスライドショーが得られ、トピックを指定すれば完全な解説動画が得られる。チャットで編集："make a 2-minute video about climate change"、"turn this blog post into a video with voiceover"、"create a product demo from these screenshots"。プロンプトとスクリプトからのテキストto動画生成、アニメーションとトランジション付きの画像to動画変換、テキストからの AI ナレーション、自動的な映像の選択と構成、コンテンツの雰囲気に合わせた BGM のマッチング、生成されたすべての動画の字幕生成を処理する。複数の入力タイプを組み合わせてより豊かな結果を得られる：テキスト＋画像＋音楽。ブリーフから動画広告を作るマーケター、レッスンを動画コンテンツ化する教育者、書いたコンテンツを動画として再利用するブロガー、研修資料を作る企業向け。MP4 でエクスポート。補助メディアに対応：jpg、png、gif、webp、mp4、mov。
動画のモーションとビジュアル制作を計画、監査、仕様化するときに使用します。ショットリスト、ストーリーボード、カラースクリプト、トランジション、イージング、キネティックタイポグラフィ、テンポ、リテンション、アニメーション原則などが対象です。トリガー：'video plan'、'shot list'、'storyboard'、'color script'、'motion spec'、'fix the pacing'、'explainer/demo/brand video'。話す言葉そのものについては script-writer-skill、コード内の UI モーションについては frontend-design を使用します。
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。