Skills
收录 96,770 个为 Agent 打包的专项能力与操作指引，复制一行命令即可安装。
创意与媒体
通过 `runcomfy` 命令行，在 RunComfy 上重新布置静图的光线——更改布光方式、色温、方向或氛围。针对专门的重新布光任务，路由至 Qwen Edit 2509 专用的 `relight` LoRA 端点；如果用文字描述光线即可满足需求，则回退到保留主体身份的编辑端点（Nano Banana 2 Edit、GPT Image 2 Edit、FLUX Kontext Pro）。适用于产品重新布光（影棚柔光箱 → 窗边光）、改变人像氛围（阴天 → 黄金时刻）或调整色彩分级。适用于“重新布光”“调整光线”“更改照明”“调成黄金时刻”“影棚灯光”“轮廓光”“蓝调时刻”“柔和窗光”“改变光线方向”“色温”，或任何明确要求更改静图光照效果的请求。
通过 `runcomfy` CLI 在 RunComfy 上创建 AI 虚拟形象、口播和唇形同步视频。可路由至 ByteDance OmniHuman（音频驱动的全身虚拟形象）、Wan-AI Wan 2-7（通过人像的 `audio_url` 实现音频驱动的口型同步）、HappyHorse 1.0（Arena #1 t2v / i2v，支持单次处理音频）和 Seedance v2 Pro（结合参考音频与参考主体的多模态电影级视频）。该技能会根据用户的实际意图选择合适的模型——UGC 配音、虚拟主持人、配音产品演示、唇形同步角色、对话场景——并提供各模型文档记录的提示模式以及精简的 `runcomfy run` 调用。适用于“talking head”“lip sync”“avatar video”“make X speak”“audio to video”“audio driven avatar”“virtual presenter”“AI spokesperson”“dubbed video”“UGC avatar”“HeyGen alternative”“Synthesia alternative”“digital human”“make this portrait talk”“video from voiceover”，或任何明确要求让人像开口说话的请求。
在 RunComfy 上使用 Google Nano Banana 2（图生图编辑端点）编辑图像。介绍 Nano Banana Edit 的优势（保留主体身份、更换背景、使用空间描述进行局部编辑、最多输入 20 张图像进行批量编辑）、参数结构，以及何时改用 GPT Image 2 edit、Flux Kontext 或 Nano Banana 2 t2i。通过本地 RunComfy CLI 调用 `runcomfy run google/nano-banana-2/edit`。在出现“nano banana edit”“edit with nano banana”“image edit nano banana”等表达，或明确要求使用此模型编辑图像时触发
通过 `runcomfy` 命令行，在 RunComfy 上使用 ACE Step 生成、修复和扩展音乐。ACE Step 是 StepFun-AI 的开放权重音乐基础模型，支持基于标签（流派、氛围、乐器）作曲、带分段标记的多语言歌词，输出时长为 5 秒至 4 分钟的立体声音频，成本为每秒 $0.0002–0.0003（比 ElevenLabs Music 便宜约 27 倍）。提供四个端点：ACE Step text-to-audio（默认）、ACE Step 1.5 text-to-audio（支持 50 多种语言的歌词，改进结构化歌词处理）、ACE Step audio-inpaint（重新生成现有曲目中的一段时间）、ACE Step audio-outpaint（延长现有曲目前段或后段）。适用于“ace step”“ace-step”“acestep”“ACE music”“开放音乐模型”“低成本 AI 音乐”“修复音频”“音频修复”“延长音乐”“音频扩展”“延长曲目”“带标签的音乐”，或任何明确要求使用 ACE Step 生成或编辑音乐的请求。
通过 `runcomfy` 命令行，在 RunComfy 上使用 ACE Step 生成、修复和扩展音乐。ACE Step 是 StepFun-AI 的开放权重音乐基础模型，支持基于标签（流派、氛围、乐器）作曲、带分段标记的多语言歌词，输出时长为 5 秒至 4 分钟的立体声音频，成本为每秒 $0.0002–0.0003（比 ElevenLabs Music 便宜约 27 倍）。提供四个端点：ACE Step text-to-audio（默认）、ACE Step 1.5 text-to-audio（支持 50 多种语言的歌词，改进结构化歌词处理）、ACE Step audio-inpaint（重新生成现有曲目中的一段时间）、ACE Step audio-outpaint（延长现有曲目前段或后段）。适用于“ace step”“ace-step”“acestep”“ACE music”“开放音乐模型”“低成本 AI 音乐”“修复音频”“音频修复”“延长音乐”“音频扩展”“延长曲目”“带标签的音乐”，或任何明确要求使用 ACE Step 生成或编辑音乐的请求。
通过本地 RunComfy 命令行中的 `runcomfy` CLI，在 RunComfy 上使用 ElevenLabs Music 生成完整歌曲和器乐曲。ElevenLabs Music 可将风格描述和结构化歌词转为录音室品质的 44.1 kHz 立体声音频，时长为 5 秒至 5 分钟，并支持分段控制（Intro / Verse / Chorus / Bridge）、多语言人声和适合商业使用的输出。可生成伴奏、完整人声歌曲、短歌、播客片头、游戏循环音乐或器乐铺底。调用 `runcomfy run elevenlabs/elevenlabs/music-generation`。适用于“生成音乐”“制作一首歌”“AI 音乐”“背景音乐”“器乐曲”“ElevenLabs Music”“原声带”“短歌”“主题音乐”“免版税音乐”“作曲”，或任何明确要求根据文本描述生成音乐或歌曲的请求。
在 RunComfy 上使用 OpenAI GPT Image 2（ChatGPT Images 2.0 的 `/edit` 端点）编辑图像，并整合模型文档中记录的提示词模式，使技能比直接使用同一模型进行简单提示获得更出色的输出。介绍 GPT Image Edit 的优势（用于保留内容的描述、多语言图像内文字编辑、最多使用 10 张参考图、布局和排版精准度）、参数结构，以及何时改用 Nano Banana Edit、Flux Kontext 或 GPT Image 2 t2i。通过本地 RunComfy CLI 调用 `runcomfy run openai/gpt-image-2/edit`。在出现“gpt image edit”“gpt-image-edit”“chatgpt image edit”“edit with gpt image 2”等表达，或明确要求使用此模型编辑图像时触发
在 RunComfy 上使用 HappyHorse 1.0 生成文生视频。介绍 HappyHorse 1.0 的优势（Artificial Analysis Video Arena 排名第 1、原生 1080p 并在生成过程中同步音频、多镜头角色一致性、支持 6 种语言的提示词）、时长／宽高比／分辨率参数结构，以及何时改用 Wan 2.7、Seedance 2 或 LTX 2。通过本地 RunComfy CLI 调用 `runcomfy run happyhorse/happyhorse-1-0/text-to-video`。在出现“happyhorse”“happy horse”“happyhorse 1.0”“happyhorse video”等表达，或明确要求使用此模型生成视频时触发
通过 `runcomfy` 命令行，在 RunComfy 上进行图像扩展：将静图扩展到原始画布之外，补全相机未拍到的内容，或在保留原始内容的同时更改宽高比（正方形 → 16:9、人像 → 横向）。可路由至 Nano Banana 2 Edit（默认，基于空间语言）、GPT Image 2 Edit（多参考图并匹配参考风格）、FLUX Kontext Pro（单次生成，最大限度保留内容）以及品牌编辑端点（Seedream / Dreamina / Qwen / FLUX 2）。根据扩图由文本描述驱动、由参考图驱动还是受品牌限制，选择合适路线。适用于“扩图”“图像扩展”“扩展图像画布”“放大图像范围”“补全照片周围”“取消裁剪”“更改宽高比”“扩展画面”“将正方形扩为宽屏”，或任何明确要求在现有静图周围增加画布的请求。
在 RunComfy 上使用 Flux 1 Kontext Pro（Black Forest Labs 的精准局部图像编辑模型）编辑图像，并整合模型文档中记录的提示词模式，使技能比直接使用同一模型进行简单提示获得更出色的输出。介绍 Flux Kontext 的优势（基于单张参考图进行精准局部编辑、提示词控制力强、输出始终保持高保真）、参数结构（单张图像 + 提示词），以及何时改用 Nano Banana Edit、GPT Image 2 edit 或 Flux 2 Klein。通过本地 RunComfy CLI 调用 `runcomfy run blackforestlabs/flux-1-kontext/pro/edit`。在出现“flux kontext”“flux-kontext”“flux 1 kontext”“kontext”“BFL kontext”等表达，或明确要求使用此模型编辑图像时触发
通过 `runcomfy` 命令行，在 RunComfy 上延长或续接现有视频片段。路由至 Google Veo 3-1 的 `extend-video` 和 `fast/extend-video` 端点：选择源视频并提供描述后续内容的提示词，模型会生成延续原片段的内容，并保持动作、光照和主体身份一致。适用于用户想延长一段较短的 Veo 视频，或想以单个种子片段逐镜头构建连续叙事的情况。适用于“延长视频”“续接视频”“更长的视频”“视频延长”“把这段片子变长”“Veo 延长”“串联视频镜头”“视频续接”，或任何明确要求在现有视频后添加帧的请求。
在 RunComfy 上使用 Google Nano Banana 2（Gemini 系列的 Flash 档文生图模型）生成图像，并整合模型文档中记录的提示词模式，使技能比直接使用同一模型进行简单提示获得更出色的输出。介绍 Nano Banana 2 的优势（快速迭代、图像内文字渲染、构图可预测、可选用网页信息作为上下文）、不同分辨率档位的定价、安全容忍度调节，以及何时改用 Nano Banana Pro、GPT Image 2、Flux 2 或 Seedream。通过本地 RunComfy CLI 调用 `runcomfy run google/nano-banana-2/text-to-image`。在出现“nano banana”“nano-banana-2”“nano banana 2”“google image gen”“gemini image”等表达，或明确要求使用此模型生成图像时触发
在 RunComfy 上生成 Kling 3.0 视频。Kling 3.0（也称 Kling V3.0）是 Kuaishou Technology 的第三代多镜头视频模型，支持原生音频同步，并能在不同镜头间保持角色身份一致。此技能涵盖 Kling 3.0 的全部六个端点，包括三种渲染档位（Standard、Pro、4K）和两种模式（文生视频、图生视频）。通过本地 RunComfy CLI 调用 `runcomfy run kling/kling-3.0/<tier>/<mode>`。在出现“kling”“kling 3.0”“kling v3”“kling pro”“kling 4k”“kling text to video”“kling image to video”等表达，或明确要求使用 Kling 3.0 生成视频或制作动画时触发
通过 `runcomfy` CLI 在 RunComfy 上生成 AI 视频——智能路由可覆盖完整的视频模型目录：HappyHorse 1.0（Arena #1，原生单次处理音频）、Wan-AI Wan 2-7（开放权重，音频驱动唇形同步）、ByteDance Seedance v2 / 1-5 / 1-0（多模态电影级视频）、Kling 3.0 / 2-6、Google Veo 3-1、MiniMax Hailuo 2-3、ByteDance Dreamina 3-0。支持文本生成视频（t2v）、图像生成视频（i2v）和 Veo 的视频延长端点。该技能会根据用户意图选择合适的模型（Arena #1 质量、多镜头角色一致性、单次处理音频、电影感运动、最快路径、15 秒以内片段、最长时长），并提供各模型文档记录的提示模式以及精简的 `runcomfy run` 调用。适用于“generate video”“make a video”“text to video”“t2v”“image to video”“i2v”“animate”“AI video”“make X move”“video from prompt”“video from image”，或任何明确要求根据提示词或静态图像生成视频片段的请求。
通过 `runcomfy` CLI 在 RunComfy 上对视频帧进行区域编辑——移除多个帧中出现的物体、清除电线或水印，或替换区域并匹配动作。可路由至 Wan 2-7 edit-video（默认选项，使用空间描述的提示词驱动区域编辑）、Lucy Edit Restyle（保持身份一致的区域感知风格重塑）和 Seedream 4-0 edit-sequential（将片段视为帧序列时使用）。该技能会根据修改是由文字描述驱动、需要锁定身份，还是需要逐帧静态图修复后串联成视频，选择合适的方式。适用于“video inpaint”“video inpainting”“remove from video”“mask region in video”“clean up video”“remove object from clip”“video patch”“frame-by-frame edit”“remove watermark from video”“remove passing person”，或任何明确要求编辑视频多帧中的某个区域的请求。
在 RunComfy 上编辑现有视频——此技能是智能路由器，可根据用户意图匹配 RunComfy 目录中的合适编辑模型。它会选择 Wan 2.7 Edit-Video（通用风格重塑／背景替换／包装替换，并保留身份与动作）、Kling 2.6 Pro Motion Control（将参考视频中的精确动作迁移到目标角色），或 Lucy Edit Restyle（轻量、身份稳定的风格重塑／服装替换）。整合各模型文档中的提示词模式，让技能获得更精准的编辑效果，避免把迭代浪费在错误的模型上。通过本地 RunComfy CLI 调用 `runcomfy run <vendor>/<model>/<endpoint>`。当用户提到“视频编辑”“编辑视频”“重塑视频风格”“替换视频背景”“动作控制”“视频换装”，或明确要求转换视频时触发。
通过 `runcomfy` 命令行，在 RunComfy 上生成 AI 音乐，并智能路由至音乐模型目录中的合适模型。可路由至 ElevenLabs AI Music Generation（高品质 44.1 kHz 立体声人声曲，5 秒至 5 分钟，$0.0083/秒）和 ACE Step / ACE Step 1.5（StepFun-AI 开放权重模型，基于标签作曲，支持多语言歌词，$0.0002–0.0003/秒，便宜约 27 倍），还可使用 ACE Step audio-inpaint（重新生成现有曲目中的一段时间）和 ACE Step audio-outpaint（延长曲目前段或后段）。根据用户的实际需求选择模型，例如高品质人声钩子、低成本背景音乐库、多语言流行歌曲、修复不理想的副歌，或将 30 秒草稿延长为 2 分钟版本；并提供各模型文档记录的提示词模式以及最简 `runcomfy run` 调用方式。适用于“生成音乐”“制作一首歌”“AI 音乐”“背景音乐”“器乐曲”“原声带”“短歌”“主题音乐”“免版税音乐”“作曲”“带歌词的音乐”“延长音乐”“修复这首歌”“音乐修复”，或任何明确要求生成或编辑音乐的请求。
在 RunComfy 上使用 Wan 2.7（Wan-AI 的旗舰动作模型）生成文生视频。介绍 Wan 2.7 的优势（多参考图条件控制、通过 `audio_url` 实现音频驱动的口型同步、更流畅的转场、提示词扩展）、时长／分辨率／宽高比参数结构，以及何时改用 HappyHorse 1.0、Seedance 2.0、Kling 或 LTX 2。通过本地 RunComfy CLI 调用 `runcomfy run wan-ai/wan-2-7/text-to-video`。在出现“wan”“wan 2.7”“wan-2-7”“wan video”等表达，或明确要求使用此模型生成视频时触发
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
训练 Soul Character——基于个人面部定制的模型，Higgsfield 用它生成保持身份特征的图像和视频。适用于：“创建我的 Soul”“训练我的脸”“制作我的数字分身”“为我创建头像”“学习我的外貌”“创建一个以我为原型的角色”“为视频设置身份”“我想让生成图像中出现我的脸”。流程：训练 Soul（一次性，返回 reference_id）→ 在 higgsfield-generate 中通过 `--soul-id <id>` 搭配 `text2image_soul_v2` 或 `soul_cinematic` 等模型使用。不适用于：一次性换脸（使用 higgsfield-generate 和 --image）；命名角色或非照片风格头像（使用 higgsfield-generate 和 prompt）。
通过 Higgsfield 生成商城商品图片卡：合规主图、商品副图和 A+ 风格内容模块。适用于用户要求制作商城商品列表图片、商品详情卡、商品副图、商品信息图、生活方式场景商品图、A+ 风格内容、商城图片集或可用于销售的商品视觉素材。后端负责商城合规参考和提示词模板；此 Skill 仅将用户意图路由到 CLI。不适用于没有商城/商品列表场景的通用品牌商品摄影（使用 higgsfield-product-photoshoot）、视频生成或 UGC 广告（使用 higgsfield-generate），也不适用于 Soul Character 训练（使用 higgsfield-soul-id）。
撰写并诊断能在 Shorts Feed 中留住注意力的 YouTube Shorts，并把观众引向你的长视频。适用于有人想要 Shorts 脚本、针对 VVSA 和前 3 秒优化的 Shorts 开头钩子、为表现不佳的 Short 找解决办法、判断是否该把 Short 链接到长视频，或为其频道制定 Shorts 到长视频的漏斗计划。涵盖在 Shorts feed 与长视频分开运行的当下 youtube shorts 算法奖励什么、shorts 留存率如何衡量，以及影响 RPM 的 youtube shorts 策略选择（授权音乐分成、Creator Pool 计算、Engaged Views）。基于 shorts 通常表现的短视频爆款模式化指导。
批量生成短视频创意，彻底解决空白页问题。适用于有人表示想不出创意、要求为其细分领域提供 20 个 TikTok 创意或 Reels 创意或 YouTube Shorts 创意、想做内容头脑风暴、需要搭建内容支柱体系或内容矩阵、想把一个创意变成 5 个角度、问这周该发什么，或者想要一套真正的创意生成工作流而不是盯着笔记应用发呆的场景。运行高产创作者实际使用的体系：内容支柱、素材挖掘（评论、Reddit、搜索自动补全、竞品爆款）、内容复用、常青与热点内容的平衡。基于短视频创意策划通常运作方式的模式化指导；目标是永不缺创意，不承诺爆红。
规划、撰写并诊断能获得冷启动受众触达的 Instagram Reels。每当有人想要针对某个具体 Reel 的 Reels 脚本或 Reels 钩子、在排查某个 Reel 为何扑街、想知道草稿是否值得先用 Trial Reels 测试再公开，或需要针对后话题标签时代的 Instagram 算法调优的 Reels 字幕时使用。围绕 Mosseri 公开点名的信号层级（观看时长、每次触达的发送数、每次触达的点赞数）、Trial Reels 先测后发的循环、Original Content Guidelines 与 30 天恢复窗口、Edits 应用以及 Reels Insights 指标（跳过率、分享率、来自此帖的粉丝）构建。涵盖 Reels 专属的 Reels 策略：驱动转发的 CTA、无水印的原创性、按账号类型划分的音频授权、把字幕作为主要 SEO 信号，以及悄然限制分发的反模式。基于模式的指导，不承诺爆款。
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
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
通过 Higgsfield CLI 创建高点击率的 YouTube 缩略图和竖版视频封面。构思真实的信息差，保留最多三个参考身份，支持标志和可控变体，使用 Nano Banana Pro 渲染主图，并应用针对性的 Seedream 编辑。适用于：“制作 YouTube 缩略图”“为这段视频制作缩略图”“MrBeast 风格封面”“Shorts 封面”或“Instagram 视频封面”。在视频主题和视觉方向确定后，可接在任何视频工作流之后使用。不适用于制作视频本身（使用 higgsfield-generate）、产品目录照片（使用 higgsfield-product-photoshoot）或市场平台卡片（使用 higgsfield-marketplace-cards）。
通过 Higgsfield CLI 和随附的确定性本地工具创建并扩展完整的视觉品牌系统：配色方案、SVG 标志、字体、样机、社交媒体图形、包装、标识、周边商品、海报、演示文稿，以及可编辑的 PPTX/PDF 品牌手册。保留提供的官方素材，在本地保存审批结果，并且只重新生成依赖项输出。适用于：“创建品牌套件”“打造视觉识别”“设计标志和品牌手册”“将此标志应用于品牌素材”“制作包装或标识”或“扩展现有品牌形象”。一般图像制作可与 higgsfield-generate 配合；为广告导入网站元数据时，可与 Marketing Studio brand-kits 配合。不适用于无品牌图像生成（使用 higgsfield-generate）、产品目录摄影（使用 higgsfield-product-photoshoot）、网站实现（使用 higgsfield-websites）或原生 Figma/Canva/PSD/AI 交付。
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
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
通过 inference.sh CLI 运行 AI 应用——图像生成、视频创作、大模型、搜索、3D、Twitter 自动化。模型：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter 等。适用于运行 AI 应用、生成图像/视频、调用大模型、网页搜索或自动化 Twitter。触发词：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
当用户希望为营销创建、生成、编辑或优化图像时使用，包括博客主视觉、社交媒体图形、产品样机、个人资料横幅、列表视觉素材或品牌素材。用户提到“AI 图像生成”“生成图像”“创建图形”“产品样机”“主视觉图”“社交媒体图形”“横幅图像”“封面照片”“个人资料横幅”“列表截图”“Flux”“Flux Kontext”“Midjourney”“DALL-E”“GPT Image”“ChatGPT Images”“Ideogram”“Gemini image”“Nano Banana”“Recraft”“Stable Diffusion”“Canva”“Figma”“图像优化”“压缩图像”“WebP”或“OG 图像”时也使用。用于通用营销图像的创建与优化。付费广告图像创意及平台专属广告规格参见 ad-creative；视频制作参见 video。
当用户希望使用 AI 工具或程序化框架创建、生成或制作视频内容时使用。用户提到“视频制作”“AI 视频”“Remotion”“Hyperframes”“HeyGen”“Synthesia”“Veo”“Sora”“Runway”“Kling”“Seedance”“Hailuo”“MiniMax”“Pika”“Hunyuan”“Wan”“视频生成”“AI 虚拟形象”“口播视频”“程序化视频”“视频模板”“讲解视频”“产品演示视频”“录制产品演示”“功能演示视频”“应用内演示”“视频流水线”“复刻这个剪辑”“匹配这种视频风格”“逆向分析这个视频”“按照这个参考来剪辑”或“给我制作一个视频”时也使用。用于视频创建、生成和制作工作流。视频内容策略和发布内容参见 social；付费视频广告创意参见 ad-creative。
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
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。