By nidhov01Updated 2026-05-1103@clawhub_nidhov01/03
Image EditingVisual Assets#视觉#Claude#OpenAI#图像识别#安全
According to AlphaMoat, as of 2026-10, 03 图像识别 has 15,562 downloads and 5 stars — ranked by downloads #1,801 among 10,914 AI skills in this ranking, and #241 of 1,116 in Design & Media.
The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.
| Platform | Downloads | Stars | Comments |
|---|---|---|---|
| ClawHub ↗ | 1.2K | - | - |
| SkillHub ↗ | 15.6K | 5 | — |
Platforms count differently and update at different times.
It identifies objects in an image, describes the scene and pulls text out of screenshots, and can batch several images. API mode calls OpenAI or Claude and needs OPENAI_API_KEY or ANTHROPIC_API_KEY; local mode keeps images off external services for privacy but relies on local vision model libraries.
Profile published 2026-10-27
Generated from the skill’s documentation as examples; not results of actual runs.
The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.
| Month | Downloads | MoM | Stars |
|---|---|---|---|
| 2026-10 | 15.6K | — | 5 |
| 2026-09 | 7.3K | — | 5 |
| 2026-08 | 5.8K | +8.5% | 5 |
| 2026-07 | 5.3K | — | 4 |
| 2026-05 | 4.3K | — | 3 |
| 2026-03 | 1.7K | — | - |
The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.
--- name: "vision-ai" version: "1.0.0" description: "安全的图片识别工具，支持本地和API两种模式" author: "AI Skills Team" tags: ["图像识别", "视觉", "AI", "OpenAI", "Claude"] requires: [] --- # AI视觉识别技能
安全的图片识别工具，支持本地模式和API模式（GPT-4o/Claude），保护隐私。
## 技能描述
提供图片内容识别、描述和分析功能。支持API模式（使用OpenAI或Claude）获得高准确度，或本地模式（无需API）保护隐私。
## 使用场景
- 用户："描述这张图片的内容" → 分析图片并返回描述
- 用户："这张图片里有什么物体？" → 识别图片中的物体
- 用户："分析这张截图" → 提取图片中的文字和界面信息
- 用户："批量分析这些图片" → 处理多张图片
## 工具和依赖
### 工具列表
- `scripts/vision_ai.py`：核心视觉识别模块
### API密钥
**可选（API模式）**：
- `OPENAI_API_KEY`：OpenAI API密钥（GPT-4o）
- `ANTHROPIC_API_KEY`：Anthropic API密钥（Claude）
### 外部依赖
**API模式（推荐）**：
- Python 3.7+
- openai 或 anthropic
**本地模式**：
- Python 3.7+
- torch（PyTorch）
- transformers
- Pillow
## 配置说明
### 环境变量
```bash
# API模式（推荐）
export OPENAI_API_KEY="sk-xxx"
# 或
export ANTHROPIC_API_KEY="sk-ant-xxx"
```
### 支持的图片格式
- JPEG (.jpg, .jpeg)
- PNG (.png)
- WebP (.webp)
- GIF (.gif)
- 最大文件大小：10MB
## 使用示例
### 基本用法
```python
from vision_ai import VisionAI
# API模式（推荐）
vision = VisionAI(mode="api")
result = vision.analyze("photo.jpg", "描述图片中的物体")
# 本地模式（无需API）
vision = VisionAI(mode="local")
result = vision.analyze("photo.jpg")
# 批量分析
results = vision.batch_analyze("./images")
```
### 场景1：描述图片内容
用户："这张图片里有什么？"
AI：
```python
vision = VisionAI(mode="api")
result = vision.analyze("photo.jpg", "描述图片内容")
# 返回：图片包含一只在草地上奔跑的金色犬...
```
### 场景2：识别图片中的文字
用户："提取这张截图中的文字"
AI：
```python
result = vision.analyze("screenshot.png", "提取图片中的所有文字")
# 返回：识别出的文字内容
```
### 场景3：批量分析
用户："分析images文件夹里的所有图片"
AI：
```python
results = vision.batch_analyze("./images")
# 返回：每张图片的分析结果
```
## 故障排除
### 问题1：API模式调用失败
**现象**：返回API错误
**解决**：
1. 检查API密钥是否正确
2. 确认API配额充足
3. 检查网络连接
4. 验证图片格式和大小
### 问题2：本地模式首次运行慢
**现象**：第一次分析图片很慢
**解决**：
- 首次运行需要下载模型（约500MB）
- 确保网络畅通
- 下载完成后会缓存，后续速度正常
### 问题3：图片格式不支持
**现象**：提示文件格式错误
**解决**：
- 确认文件是JPG/PNG/WebP/GIF格式
- 检查文件大小不超过10MB
- 尝试转换图片格式
## 性能对比
| 模式 | 准确度 | 速度 | 成本 | 隐私 |
|------|--------|------|------|------|
| API模式 | ⭐⭐⭐⭐⭐ | 快 | 按量计费 | 需上传 |
| 本地模式 | ⭐⭐⭐ | 慢 | 免费 | 完全本地 |
## 注意事项
1. **敏感图片**：建议使用本地模式，保护隐私
2. **API配额**：API模式按使用量计费，注意控制成本
3. **批量处理**：注意API速率限制
4. **模型下载**：本地模式首次运行需要下载模型
通过同一个AI创作工具完成AI图片、视频、音乐与语音创作，查找公开社交数据，编辑视觉成果，并集中查看和管理生成资产。Beatra 全能创作支持AI图片生成（文生图）、AI视频生成（图生视频）和AI视频编辑，通过AI音乐生成把想法做成歌曲或纯音乐，也可用AI语音生成（文字转语音）、多语言旁白和AI语音克隆完成跨媒介内容；还能查找抖音数据、小红书数据，以及 YouTube、TikTok、Instagram 与 X 上的公开帖子、笔记、评论、账号和趋势，把社交媒体数据用于竞品调研和创作。它是一款面向AI内容创作与多模态内容创作的AI创作套件，用起来就是一个把图片、视频、音乐与语音收在同一处的AI创作助手，适用于社交内容、产品展示、营销素材、课程、播客、短片和跨媒介项目；还能在不同媒介间复用原始素材、已有成果和查到的公开资料，查看制作进度、返回文件、实际用量和积分记录。
用一张人像和一段短脚本或语音，制作有明确讲述内容的数字人口播视频。可使用现成录音，也可以先选择音色，把脚本生成旁白，让画面中的人物随声音完成稳定、自然的口播。适合 AI 主播、虚拟主播视频、数字人讲解、让照片说话、照片说话视频、产品讲解视频、数字人培训视频、公告和社交口播，并在交付后检查人物一致性、声音清晰度、口型同步和动作稳定性。一节课的讲解也能做成课程口播。
ContextWeave one-shot architecture diagram generation
将一段活动描述、一张产品照片或品牌参考图，转化为抓人眼球的活动海报、宣传 banner 或社交媒体配图。这款 AI海报设计与制作工具生成图片丰富的海报，在海报排版上搭配清晰视觉层级、按品类匹配的风格和预留文字区域，覆盖活动、音乐节、电影、产品发布和促销场景。你可以把它当作 AI宣传单制作工具来制作促销宣传单，当作活动海报设计工具，当作电影海报生成器，当作音乐节海报设计工具，当作产品发布会海报的 banner设计 AI，或当作平面设计海报工作室。从活动主题出发，用品牌风格参考图变换产品或场景照片，或在已认可草稿上做定向精修，完成可印刷或可分享的成品。
抖音短视频双路径生产体系（单 Skill 版）。Path A[付费·高质量]：策略大脑→（可选：素材混剪/AI高光提取）→脚本优化→AI生图/素材准备→配音渲染（百炼/GPT-SoVITS/CosyVoice/VoxCPM2+剪映/Remotion/ffmpeg/数字人）。Path B[免费·动画风]：采集热点→脚本→edge-tts免费配音+HyperFrames开源渲染→MP4，零云费开箱快。触发词分层：①"抖音短视频/选题规划/合规闸门/运营策略" ②"口播脚本/AI生图/AI配音/视频渲染/Remotion渲染" ③"蹭热点/快速出片/免费做视频" ④"混剪/高光提取/素材粗剪/autoclip
GPT Image 2.5生图是一款 AI 工具，用 GPT-Image-2.5 和 ChatGPT Images 2.5 出一张图。GPT Image 2.5 Studio 支持 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst，可文生图或参考图生图，做中文海报、商品图、信息图和社媒画面。
用 MiniMax H3 这款 AI视频生成器创作高质感 2K AI 视频。从文字创意出发完成文生视频，让静态图片自然动起来，用首尾画面做首尾帧视频的完整转场，也可以结合图片、视频和音频参考，以多模态视频生成塑造统一场景。适合 AI 广告视频、电商产品视频、品牌宣传视频、动态海报、游戏 UI、电影片头和社交短视频创作，形成电影感画面与同步的原生立体声。使用 Beatra 账号即可开始，创作进度与成片集中管理。
输入品牌名称、行业方向或参考图,生成专业 AI Logo、品牌标识和应用图标。这款 AI logo 设计工具从你的品牌简报出发——公司名、行业气质、配色偏好——先探索多个商标设计方向,再用精确品牌色、简洁几何和可缩放构图精修最强概念。制作企业 logo、创业公司标志、字母标、徽章、组合标识和 VI设计中的主标,从网站 favicon 到门头招牌都清晰可辨。从文字描述出发,将已有草图和品牌素材转化为精致标识,或在已认可草稿上做定向精修。
This Obsidian skill uses obsidian-cli to search and manage local Markdown notes.
Transform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Now with WAL Protocol, Working Buffer, Autono...
Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.