「设计创意」Claude 技能排行榜

使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。

使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）

使用 ffmpeg 从视频中提取帧或短片。

提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。

专家级前端设计指南，用于创建美观、现代的用户界面。适用于落地页、仪表板等各类UI设计。

使用 mcp-diagram-generator MCP 服务器生成和编辑图表。适用于创建新图表、编辑现有的 .drawio/.mmd/.excalidraw 文件、网络拓扑图等场景。

使用 Remotion + React 进行程序化视频创作的完整工具包。涵盖动画、时间控制、渲染（CLI/Node.js/Lambda/Cloud Run）、字幕、3D、图表、文字特效、转场及媒体处理。适用于编写 Remotion 代码、构建视频生成流水线或创建数据驱动的视频模板。

通过 OpenAI Images API 批量生成图像。支持随机提示词采样，并提供 index.html 图库展示。

创建独特、高品质的生产级前端界面。用于构建Web组件、页面或应用程序。生成创意、精致的代码，避免通用的AI美学风格。

创建、检查、处理和优化图像文件及视觉资产，支持可靠的格式选择、调整大小、压缩、色彩配置、元数据和平台设置。

具有 Mac 风格 say 交互的 ElevenLabs 语音合成。

使用 OpenAI 音频转录 API（Whisper）进行音频转录。

使用 node-edge-tts 包进行文本转语音，支持多语音、多语言、语速音调调节及字幕生成。触发场景：(1) 用户通过“tts”关键词请求音频输出；(2) 内容需以语音呈现（如多任务处理、无障碍、驾驶、烹饪等场景）；(3) 用户需定制特定的语音、语速、音调或格式。

Fetch and summarize YouTube video transcripts. Use when asked to summarize, transcribe, or extract content from YouTube videos. Handles transcript fetching via residential IP proxy to bypass YouTube's cloud IP blocks.

使用 OpenAI Whisper 的本地语音转文字，模型下载后完全离线运行，提供多种模型尺寸的高质量转录。

基于CellCog的AI图像生成与照片编辑，支持文本到图像、图像到图像、角色一致性、产品摄影、参考生成等功能。

使用 Tesseract OCR 从图像中提取文本。

利用提示工程、风格控制和智能编辑，借助GPT Image、Gemini Nano Banana、FLUX、Imagen等顶级服务商创作AI图像。

使用CLI/TUI搜索GIF源，下载结果并提取静态图/精灵图。

由CellCog提供技术支持的AI视频生成与制作，涵盖营销视频、产品演示、讲解视频、教育内容、唇形同步主播视频、UGC等。

移动优先UI/UX设计、色彩系统、字体排版、无障碍设计(WCAG 2.2)、Tailwind + Shadcn/ui集成、微交互等专家指导

自动化UI审计AI技能。基于Tommy Geoco的《Making UX Decisions》，根据成熟的UX原则评估界面的视觉层级、无障碍性、认知负荷和导航等方面。

根据自然语言视频编辑需求生成FFmpeg命令，支持剪辑、裁剪、转换、压缩、修改宽高比、提取音频等。

用于用户想要设计移动应用、创建界面、构建UI或与其Sleek项目进行交互的场景。涵盖高级需求（如“设计一个应用...”等）。

专业的 Figma 设计分析与资源导出。用于提取设计数据、导出多格式资源、审计无障碍合规性、分析设计系统及生成详尽设计文档。对 Figma 文件进行只读分析，具备强大的导出与报告能力。

使用内部 Google Antigravity API（Gemini 3 Pro Image）生成图像，高质量原生生成，无需浏览器自动化。

使用 AI 修复、外绘、背景去除、放大、复原工具编辑图像

使用 songsee CLI 从音频生成频谱图和特征面板可视化。

BluOS CLI (blu) 用于设备发现、播放、分组和音量控制。

最佳质量AI图像生成(约$0.12-0.20/张)，支持文生图、图生图及图像编辑，通过EvoLink API实现。

端到端AI视频生成 - 通过文本提示创建视频，支持图像生成、视频合成、配音和编辑。支持OpenAI DALL-E、Replicate模型、LumaAI、Runway和FFmpeg编辑。

即梦 AI 图片生成技能（火山引擎图片生成 4.0）。当用户想要 AI 生成图片、文生图、图生图、 字体设计、海报制作时使用。支持场景： - "帮我生成一张图片：..." - "用即梦画一张 16:9 的科技感壁纸" - "字体设计：新年快乐，红色背景" - "把这张图的背景换成星空" - "生成一组表情包" -...

生成21种布局和22种视觉风格的专业信息图，分析内容，推荐布局×风格组合，并生成出版物。

使用 Sora 2、Veo 3、Seedance、Runway 及现代 API，通过可靠的提示与渲染工作流创建 AI 视频。

AI人像图像生成，支持140+国家地区，多种风格，涵盖专业头像、角色设计与时尚可视化。快速生成（3...）

Remotion 最佳实践 - React 视频创作

百度文库AI绘本是一个基于人工智能制作绘本视频的工具，支持生成静态绘本和动态绘本(URL输出)。能帮助文本内容创作者们在缺乏绘画技能的情况下，快速生成精美绘本视频，提高内容生产效率。无论是在儿童教育、亲子互动、品牌营销，还是在社交媒体内容创作等领域都能应用。

在 macOS 上，当用户输入表明语音唤醒/语音识别（例如，以 “User talked via voice recognition on <device>” 开头的消息）时，使用内置的 `say` 命令朗读回复。

从 Excalidraw JSON 生成手绘风格的图表、流程图和架构图（PNG）

使用设计理念在 .png/.pdf 中创作精美视觉艺术，适用于海报、艺术作品或静态设计。确保原创，不复制他人作品，防止版权侵权。

当用户提到海报、视觉设计、品牌视觉、排版系统、极简风格、设计哲学、美学方案，或说"帮我做张海报"时，必须触发此技能。该技能先构建一套设计哲学（Algorithmic Philosophy），再基于该哲学用 show_widget 生成可渲染的 SVG 海报 artifact。即使用户没有明确提到"哲学"或"系统"，只要涉及视觉设计或海报生成，都应触发。适用于品牌视觉、作品集封面、极简主义海报、AI 生成艺术、任何需要系统性美学表达的场景。

使用 Qwen Image API（阿里云 DashScope）根据文本描述生成高质量 AI 图像。当用户使用中文提示词请求图像生成时使用。

从视频或音频生成SRT字幕并支持翻译。可转录希伯来语和英语，进行语言互译及视频字幕压制。适用于为WhatsApp或社交媒体制作字幕、转录文本或内嵌字幕。

最稳定的抖音视频下载工具，用户提供抖音链接或modal_id即可自动解析并下载。

通过自动化浏览器交互与捕获帧来创建产品演示视频。当用户需要录制Web应用的演示、操作指南、产品展示或交互视频时使用。支持通过Playwright CDP屏幕录制实现高质量捕获，并使用FFmpeg进行视频编码。

生成文章封面图像，包含5个维度（类型、配色、渲染、文字、情绪），结合11种配色和7种渲染风格，支持电影感...

前端设计质量提升 skill。让 AI 生成的 UI/前端代码更专业，避免常见设计反模式。 参考 impeccable 项目的设计语言规范，提供 audit/polish/critique 等设计审查命令。 触发词：/audit /polish /critique /colorize /animate /bold...

视频自动剪辑助手。基于 FFmpeg 自动提取精彩片段、生成字幕、裁剪时长、制作短视视频，支持多平台导出。当用户需要：自动剪辑视频、提取关键词片段、生成字幕并烧录、导出短视频、提取视频精华、生成视频摘要时使用此技能。

使用ByteDance Seedance生成AI视频。适用于：1）通过文字提示生成视频；2）通过图像生成视频（首帧、首尾帧、参考图像）；3）查询或管理视频生成任务。支持Seedance 1.5 Pro（含音频）、1.0 Pro、1.0 Pro Fast和1.0 Lite模型。

Draft and publish posts to 小红书 (Xiaohongshu/RED). Use when creating content for 小红书, drafting posts, generating cover images, or publishing via browser automation. Covers the full workflow from content creation to browser-based publishing, including cover image generation with Pillow.