TODO
仓库未发布带版本号的 Release，此处记录最近一次更新日期。请查看提交历史了解变更。
开源项目已核验
多模态媒体生成
让代理能生成和编辑图像、视频与音频的一组技能，用统一的结构描述任务，配套现成的配方和提示词库。
3842收藏SamurAIGPT作者TODO版本MIT许可证
Skill 概览
生成媒体的麻烦在于每种模型的参数、格式和调用方式都不一样，换一个模型就要重学一遍。这组技能用一套统一的结构来描述任务——要什么、什么规格、什么风格——底层由命令行工具对接不同的模型服务，所以你不必记各家的差异。除了基础能力，它还提供一组现成的配方，覆盖常见的成品需求，以及一个偏专业用法的库。同时提供 MCP 服务，可以接进支持 MCP 的环境。它依托作者的模型聚合服务运行，因此使用前需要配置相应的凭据。
核心功能
- 图像、视频、音频统一用一套结构描述任务
- 内置配方覆盖常见成品需求
- 另有面向专业用法的提示词与参数库
- 提供 MCP 服务，可接入支持该协议的环境
- 适用于 Claude Code、Cursor、Gemini CLI 与 OpenCode
适用场景
- 内容创作需要配图、配乐或短视频素材
- 想试不同模型的效果但不愿逐个学参数
- 已有成品需求，希望有现成配方直接用
- 把媒体生成接进已有的代理工作流
安装方式
bash
npx skills add SamurAIGPT/Generative-Media-Skills -g使用说明
安装后先配置所用模型服务的凭据，之后向代理描述要生成的内容即可，包括题材、规格和风格。想要稳定成品可以直接套用内置配方；需要更精细的控制时，参考它提供的专业库调整参数。
示例工作流
- 安装技能并配置模型服务凭据
- 明确要生成的媒体类型与规格
- 直接描述需求，或套用现成配方
- 查看结果并调整提示词或参数
- 导出素材接入你的内容流程
更新记录
常见问题
使用需要付费吗？
技能本身是 MIT 开源的，但它调用的模型服务通常按用量计费，需要你自行配置凭据。具体价格取决于你使用的模型和调用量。
生成的内容可以商用吗？
这取决于你调用的具体模型服务的条款，而不是这组技能的许可证。商用前请查阅对应模型提供方的使用条款，不同模型的规定差别较大。