media-generation

Name: media-generation
Author: merit-systems

github.com/merit-systems创意与媒体23139 次安装10 周前更新

代码仓库

关于 media-generation

通过 x402 付费端点生成和编辑图像、视频及 SVG 的 StableStudio 技能，提供多种模型与可配置输出选项，并支持异步任务轮询。

主要功能

01生成和编辑图像
02根据文本或图像生成视频
03将公开图像转换为 SVG
04选择多种生成模型
05轮询异步任务获取结果

适用场景

01按指定尺寸和质量创建图像
02根据提示词或图像输入生成视频
03使用提示词编辑源图像
04将公开图像 URL 矢量化

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/merit-systems/agentcash-skills --skill media-generation

安装后在 Claude Code 中输入/media-generation确认已加载。

附带文件rules/getting-started.mdrules/uploads.md

详细介绍

使用 StableStudio 生成媒体内容

通过 https://stablestudio.dev 使用 x402 付款生成图像和视频。

设置

如果尚未安装 agentcash CLI，请参阅 rules/getting-started.md，了解安装和钱包设置方法。

定价

所有生成端点都是动态定价的异步任务。静态价格显示一个范围（最高 $10；seedance 最高 $20）——确切价格取决于你的选项（质量、分辨率、时长），并会在付款前通过 x402 报价，因此 CLI 会显示每次请求的实际费用。已验证的报价示例：gpt-image-2 为 $0.21（默认设置）/ $0.01（低质量，1024x1024）；flux-2-max 为 $0.07（默认设置）；seedance t2v 为 $0.36（4s，480p）。

快速参考

图像模型

模型	端点	费用	耗时	支持编辑？
gpt-image-2（默认）	`gpt-image-2/generate`	根据质量和尺寸为 $0.01-0.21	可能需要几分钟	是
gpt-image-1.5	`gpt-image-1.5/generate`	动态	~3s	是
nano-banana-pro	`nano-banana-pro/generate`	动态	~10s	是
nano-banana	`nano-banana/generate`	动态	~5s	是
grok	`grok/generate`	动态	~3s	是
flux-2-pro	`flux-2-pro/generate`	动态	~5s	是
flux-2-max	`flux-2-max/generate`	默认设置下约 $0.07	—	是

所有端点均以 https://stablestudio.dev/api/generate/ 为前缀。编辑端点使用 /edit，而非 /generate。

视频模型

模型	端点	费用	耗时
veo-3.1（默认）	`veo-3.1/generate`	动态	1-2min
veo-3.1-fast	`veo-3.1-fast/generate`	动态	~30s
grok-video	`grok-video/generate`	动态	~17s
seedance（Seedance 2 Pro）	`seedance/t2v` 或 `seedance/i2v`	动态，最高 $20（4s/480p 为 $0.36）	~1min
seedance-fast（Seedance 2 Fast）	`seedance-fast/t2v` 或 `seedance-fast/i2v`	动态，最高 $20	~40s
wan-2.6	`wan-2.6/t2v` 或 `wan-2.6/i2v`	动态	2-5min
sora-2	`sora-2/generate`	动态	1-3min
sora-2-pro	`sora-2-pro/generate`	动态	2-5min

SVG 矢量化

模型	端点	费用
arrow-1.1	`arrow-1.1/vectorize`	动态
arrow-1.1-max	`arrow-1.1-max/vectorize`	动态

图像生成

默认：gpt-image-2。 这是默认首选的图像模型。注意：生成可能需要几分钟——请轮询 jobId，不要重新提交尚未完成的任务。除非用户明确要求使用其他模型，或有充分理由（例如速度、预算或 grok 支持的超宽宽高比），否则请使用此模型。

npx agentcash@latest fetch https://stablestudio.dev/api/generate/gpt-image-2/generate -m POST -b '{
  "prompt": "a cat wearing a space helmet, photorealistic",
  "quality": "high",
  "size": "1536x1024"
}'

gpt-image-2 选项：

quality：“low”、“medium”、“high”（影响费用：低质量约 $0.01，高质量约 $0.21）
size：“1024x1024”、“1536x1024”、“1024x1536”、“auto”
background：“opaque”、“auto”。output_format：“png”、“jpeg”、“webp”

其他图像模型

gpt-image-1.5 —— 速度最快的 GPT 图像模型。与 gpt-image-2 使用相同的架构；其 background 还支持 "transparent"：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/gpt-image-1.5/generate -m POST -b '{
  "prompt": "a watercolor painting of a mountain lake",
  "quality": "high",
  "size": "1536x1024"
}'

选项：quality："low"/"medium"/"high"。size："1024x1024"、"1536x1024"、"1024x1536"、"auto"。

nano-banana-pro —— 高画质，最高支持 4K：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/nano-banana-pro/generate -m POST -b '{
  "prompt": "a cat wearing a space helmet, photorealistic",
  "aspectRatio": "16:9",
  "imageSize": "2K"
}'

选项：aspectRatio："1:1"、"2:3"、"3:2"、"3:4"、"4:3"、"4:5"、"5:4"、"9:16"、"16:9"、"21:9"。imageSize："1K"、"2K"、"4K"。

nano-banana —— 经济型选项。在 nano-banana-pro 支持的比例基础上增加了极端宽高比（"1:4"、"4:1"、"1:8"、"8:1"），imageSize 还增加了 "512"，并支持 thinkingLevel："minimal"（速度最快）或 "high"（画质最佳）。

grok —— 速度快，支持多种宽高比。注意：使用 aspect_ratio（下划线）：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/grok/generate -m POST -b '{
  "prompt": "neon cyberpunk cityscape at night",
  "aspect_ratio": "16:9"
}'

选项：aspect_ratio："1:1"、"16:9"、"9:16"、"4:3"、"3:4"、"3:2"、"2:3"、"2:1"、"1:2"、"19.5:9"、"9:19.5"、"20:9"、"9:20"。

flux-2-pro —— 高画质，支持分辨率控制：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/flux-2-pro/generate -m POST -b '{
  "prompt": "editorial photo of a vintage car in golden hour light",
  "aspect_ratio": "3:2",
  "resolution": "2 MP"
}'

选项：aspect_ratio："1:1"、"16:9"、"9:16"、"3:2"、"2:3"、"4:5"、"5:4"、"4:3"、"3:4"。resolution："0.5 MP"、"1 MP"、"2 MP"。

flux-2-max —— 与 flux-2-pro 使用相同的架构，画质更高；resolution 还支持 "4 MP"。

SVG 矢量化

使用 arrow-1.1（或使用 arrow-1.1-max 获得更高画质）将任意公开图像 URL 转换为 SVG：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/arrow-1.1/vectorize -m POST -b '{
  "image": "https://example.com/logo.png"
}'

可选参数：target_size（以像素为单位的正方形缩放目标，128-4096，默认值为 1024）、auto_crop（裁剪至主体，默认值为 false）。轮询返回的 jobId 以获取 SVG 结果。

视频生成

推荐：veo-3.1（画质最佳）

npx agentcash@latest fetch https://stablestudio.dev/api/generate/veo-3.1/generate -m POST -b '{
  "prompt": "a timelapse of clouds moving over mountains",
  "durationSeconds": "6",
  "aspectRatio": "16:9"
}'

veo-3.1 选项：

durationSeconds："4"、"6"、"8"
aspectRatio："16:9"、"9:16"
resolution："720p"、"1080p"
negativePrompt：需要避免的内容

veo-3.1 还支持通过 imageMode（"none"、"first-frame"、"reference"、"interpolation"）使用图像输入：在 image 和 lastFrame blob URL 之间进行帧插值，或使用最多 3 张 referenceImages 进行风格引导。

veo-3.1-fast —— 与 veo-3.1 使用相同的架构，价格更低，耗时约 30 秒，而非 1-2 分钟。

其他视频模型

seedance（Seedance 2 Pro）—— 高画质，最长支持 15 秒。使用 seedance/t2v（文生视频）或 seedance/i2v（图生视频）：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/seedance/t2v -m POST -b '{
  "prompt": "a bird taking flight from a branch in slow motion",
  "duration": "8",
  "aspectRatio": "16:9",
  "outputResolution": "1080p"
}'

必填项：prompt、duration、aspectRatio、outputResolution。选项：duration："4"-"15"。aspectRatio（驼峰命名）："1:1"、"3:4"、"4:3"、"16:9"、"9:16"、"21:9"。outputResolution："480p"、"720p"、"1080p"。可选参数 upscaleResolution："4k"。对于 i2v，添加 "image": "https://blob-url..."。不接受未知字段。

seedance-fast（Seedance 2 Fast）—— 使用相同的架构，价格更低、速度更快；outputResolution 最高为 "720p"。

grok-video —— 最便宜的短视频选项：

npx agentcash@latest fetch https://stablestudio.dev/api/generate/grok-video/generate -m POST -b '{
  "prompt": "a candle flame flickering",
  "duration": "6",
  "resolution": "720p",
  "aspect_ratio": "16:9"
}'

选项：duration："3"、"6"、"9"、"12"、"15"。resolution："480p"、"720p"。aspect_ratio："1:1"、"16:9"、"9:16"、"4:3"、"3:4"、"3:2"、"2:3"。可选参数 image 为图生视频提供图像 URL。

wan-2.6 —— 经济型，支持 t2v 和 i2v。duration："5"、"10"、"15"。t2v 使用 size（"1280720"、"7201280"、"19201080"、"10801920"）；i2v 使用 resolution（"720p"、"1080p"）和 image。

sora-2 —— seconds："4"、"8"、"12"。size："1280x720"、"720x1280"。可选参数 input_reference 为图生视频提供图像 URL。

sora-2-pro —— 高级版。seconds 与 sora-2 相同（"4"、"8"、"12"）；size 还增加了 "1792x1024"、"1024x1792"。

任务轮询

生成任务会返回 jobId 和 pollUrl。持续轮询直到任务完成：

npx agentcash@latest fetch https://stablestudio.dev/api/jobs/{jobId}

图像每 3 秒轮询一次，视频每 10 秒轮询一次。结果包含 imageUrl 或 videoUrl（矢量化任务的 SVG 内容）。 fetch 同时处理付费提交请求和免费的 SIWX 轮询请求。

其他任务端点（SIWX，免费）：GET /api/jobs 列出你的所有任务；DELETE /api/jobs/{jobId} 软删除失败的任务。

图像编辑

需要先上传源图像。请参阅 rules/uploads.md。

所有图像模型都支持 /edit。编辑端点接受 images（Blob URL 数组）和 prompt。

npx agentcash@latest fetch https://stablestudio.dev/api/generate/gpt-image-2/edit -m POST -b '{
  "prompt": "change the background to a beach sunset",
  "images": ["https://...blob-url..."]
}'

Grok 编辑还支持 aspect_ratio。GPT-image 编辑使用与生成相同的 quality/size 选项。

模型对比

图像模型

模型	费用	速度	最适合
gpt-image-2	$0.01-0.21	几分钟	默认首选；轮询，不要重新提交
gpt-image-1.5	动态	~3s	快速生成 GPT 图像、透明背景
nano-banana-pro	动态	~10s	高质量，最高 4K 分辨率
nano-banana	动态	~5s	快速草稿、极端宽高比
grok	动态	~3s	速度快，支持多种宽高比
flux-2-pro	动态	~5s	高质量，可控制分辨率
flux-2-max	~$0.07+	—	Flux 顶级画质，最高 4 MP

视频模型

模型	费用	速度	最适合
veo-3.1	动态	1-2min	最佳画质、插帧、参考素材
veo-3.1-fast	动态	~30s	快速生成高质量视频
grok-video	动态	~17s	最便宜的短视频
seedance	最高 $20	~1min	高质量，最长 15s，可升频至 4K
seedance-fast	最高 $20	~40s	价格实惠、画质不错的视频
wan-2.6	动态	2-5min	价格实惠，支持文本或图像输入、音频同步
sora-2	动态	1-3min	优质画质
sora-2-pro	动态	2-5min	最高画质

支持 Markdown

登录后评论

基本信息

作者: merit-systems
仓库: merit-systems/agentcash-skills
分类: 创意与媒体
安装次数: 139
GitHub Stars: 23

报告问题

推荐 Skills

全部 Skills

ai-video-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 Google Veo、Seedance 2.0、HappyHorse、Wan、Grok 以及 40 多个模型生成 AI 视频。模型：Veo 3.1、Seedance 2.0、HappyHorse 1.0、Wan 2.5、Grok Imagine Video、OmniHuman、Fabric、HunyuanVideo。能力：文生视频、图生视频、参考生视频、视频编辑、口型同步、虚拟形象动画、视频放大、拟音音效。用途：社交媒体视频、营销内容、讲解视频、产品演示、AI 虚拟形象。触发词：video generation、ai video、text to video、image to video、veo、animate image、video from image、ai animation、video generator、generate video、t2v、i2v、ai video maker、create video with ai、runway alternative、pika alternative、sora alternative、kling alternative、seedance、happyhorse

ai-image-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 GPT-Image-2.5、FLUX、Gemini、Grok、Seedream、Reve 以及 50 多个模型生成 AI 图像。模型：GPT-Image-2.5 Flare、GPT-Image-2.5 Sunburst、GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt。能力：文生图、图生图、图像修复、LoRA、图像编辑、放大、文本渲染。用途：AI 艺术、产品样机、概念艺术、社交媒体图形、营销视觉、插画。触发词：flux、image generation、ai image、text to image、stable diffusion、generate image、ai art、midjourney alternative、dall-e alternative、text2img、t2i、image generator、ai picture、create image with ai、generative ai、ai illustration、grok image、gemini image、gpt image、openai image、chatgpt image

ai-avatar-video

github.com/inference-sh

1.7M

通过 inference.sh CLI 创建 AI 虚拟形象和口播视频。推荐：P-Video-Avatar（速度最快、价格最低、内置 TTS）。还包括：OmniHuman、Fabric、PixVerse。音频：Inworld TTS-2（支持 100 多种语言，可调节角色情绪）、ElevenLabs、Kokoro。功能：音频驱动的虚拟形象、文本生成虚拟形象、口型同步视频、口播视频生成、虚拟主持人、UGC 内容。用途：AI 主持人、解说视频、虚拟网红、配音、营销视频、UGC 广告、游戏虚拟形象、NPC 对话。触发词：ai avatar、talking head、lipsync、avatar video、virtual presenter、ai spokesperson、audio driven video、heygen alternative、synthesia alternative、talking avatar、lip sync、video avatar、ai presenter、digital human、ugc、ugc video、ugc ad、avatar ugc

remotion-render

github.com/inference-sh

1.6M

通过 inference.sh，根据 React/Remotion 组件代码渲染视频。输入 TSX 代码即可获取 MP4。支持所有 Remotion API：useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence。可配置分辨率、FPS、时长和编解码器。适用于：程序化视频生成、动态图形、动态设计、数据驱动视频、将 React 动画转换为视频。触发词：remotion、render video from code、tsx to video、react video、programmatic video、remotion render、code to video、animated video、motion graphics code、react animation video