「设计创意」AI 技能排行榜第 14 页

drawio-coderknock 生成可编辑的 Draw.io 架构图与流程图文件。

通过 Kling AI 执行视频、图像生成、主体管理和只读账户资源查询的技能。

local-stt 是统一的本语音转文字（STT）工具，基于 ONNX Runtime 并使用 int8 量化，可在 Parakeet 与 Whisper 两个后端间选择。

由夸克扫描王官方提供的文件高清扫描工具。当用户需要对图片、截图进行画质优化、瑕疵去除或视觉增强时，使用此技能——包括画质增强、证件照优化、考试试卷增强、合同增强等场景。智能去除手写笔迹、水印、阴影、摩尔纹、底色等干扰元素。支持图像裁剪与矫正、素描效果转换、线稿提取等，输出优化后的高清图片。本技能由夸克扫描王提供支持。即使用户没有明确提到"增强"或"处理"，只要用户的需求涉及提升图片清晰度、清理干扰元素或优化图像质量，也应触发此技能。不适用于文字提取或识别、图片转 Word/Excel/PDF 文档或 AI 图像生成

本地音视频播放器技能

Suno music generation model. Supports inspiration mode (auto lyrics) and custom mode (manual lyrics), generating music with or without vocals. Suno 音乐生成模型。支持灵感模式（自动作词）和自定义模式（手动填词），可生成包含人声或纯器乐的音乐。

Generate exquisite images with Kling o1 model. Supports text-to-image and image-to-image. 使用可灵 (Kling) o1 模型生成精美图像，支持文生图与参考图生图。

ComfyUI本地图像生成专业版：支持文生图、图生图、ControlNet；自动服务器管理，WebSocket实时进度，飞书静默通知，30分钟空闲自动关闭，显存监控，多工作流。触发词：生成图片、画图、绘制、AI绘画、文生图、图生图。

Agent Media OS，HyperFrames 项目中唯一的媒体技能，可处理 BGM、SFX、图片、图标、品牌标识、语音、色彩分级或 LUT，转化为...

polecomic 描述从故事创意到漫画分镜与动画片段的创作流程。

使用 Visla 将文字脚本、链接或 PPT/PDF 文档生成 AI 视频。适用于用户要求生成视频或将网页转为视频的场景。

PixVerse C1 video model (strong on action, VFX, and high-motion scenes) 鈥?one model covers text-to-video, image-to-video, first/last-frame-to-video, and reference-to-video.

搜索免费的 AI 素材图片

使用 CapCut Mate API 自动化 CapCut 视频编辑：创建项目、添加视频并渲染最终视频。

AI game asset generation and game development powered by CellCog. Character-consistent art, sprites, tilesets, music, UI, 3D models, GDDs, level design, game prototypes. Cohesive game assets across every modality from a single prompt.

Clone voice and generate new text reading audio with one click using Vidu Audio Clone. 使用 Vidu 声音克隆技术，通过参考音频一键复制音色并生成新文本的朗读音频。

当用户需要平面设计助手相关能力时使用（Canva、海报、社媒图、平面设计、设计稿、演示稿、封面、Canva Connect）。本 skill 提供连接与鉴权指引、执行流程、异常处理与反模式，指导 Agent 通过官方 MCP/API 完成Canva 海报相关任务。

Convert static images into dynamic videos using Vidu Q2 image-to-video model. 使用 Vidu Q2 图生视频模型，将静态图片通过智能运镜转化为动态视频。

Clips Machine 指导将长视频转为带字幕的竖屏短片。

Generate/edit images with Nano Banana Pro. Supports text-to-image and image-to-image. 使用 Nano Banana Pro 生成/编辑图片，支持文生图与图生图。

ByteDance's latest video generation model. Supports multi-modal reference (images, video, audio) to generate videos, as well as first/last frame and text-to-video modes. 字节跳动最新视频生成模型 Seedance 2.0，支持多模态参考（图片 + 视频 + 音频）生视频、首尾帧及文生视频，适合高质量多样化视频创作。

Fast image generation with Doubao Seedream 5.0 Lite. Supports text-to-image and image-to-image. 使用豆包 Seedream 5.0 Lite 极速生成图像，支持文生图与图生图。

Versatile video generation with Kling v3 Omni. Supports multi-modal inputs to generate stunning dynamic videos. 使用可灵 (Kling) v3 Omni 全能视频生成模型，支持多模态输入（图片、提示词）生成震撼的动态视频。

豆包AI图片生成技能 - 视觉设计师专用

使用 ffmpeg 从视频中抽取帧，便于查看画面并整理场景内容。

Generate high-quality images with Doubao Seedream 4.5. Supports text-to-image and image-to-image. 使用豆包 Seedream 4.5 模型生成高质量图像，支持文生图与图生图。

通过 IMA Open API 创建图像、视频、音乐和文本转语音内容；先查询当前产品与模型，再创建任务并轮询结果。

Pocket TTS 描述在本地 CPU 生成英语语音。

通过 Lovart AI 生成图像、视频和音频/音乐，管理 Lovart 项目、线程（对话历史）和用户设置。触发条件：(1) 任意...

讯飞 ASR 语音转文字技能：将本地音频或 YouTube 视频中的语音转为文本。

通过 inference.sh CLI 生成商品摄影风格的商业图片。

设计短剧/漫剧/视频的剪辑节奏、转场、字幕、调色、输出规格与音效画面匹配，覆盖粗剪到成片全流程，适配剪映/PR/达芬奇。本免费版仅提供能力介绍与触发词；完整方法论与一键产出请用企业认证「量子起源科技」付费版《短剧剪辑后期指南》（0.9元/次，调用成功才计费）。

为美术用品、绘画工具、素描课程或绘画材料制作混剪宣传视频。当用户提供一个或多个素材时使用。

使用 Pillow 对现有图像执行可复现的像素处理。

使用 ElevenLabs Scribe 将音频转换为文字。

组装步骤视频借助 AI 按卖家提供的步骤事实，为每张静帧做成一条一步一镜短片。这个一步一镜工作室把产品组装短视频和步骤视频按步骤顺序交付。

liveavatar 让你用实时视频头像与 OpenClaw 代理面对面交谈。

Generate realistic digital human broadcast videos from portrait images and audio/text using Jimeng OmniHuman 1.5. 使用即梦 (Jimeng) OmniHuman 1.5 模型，通过人像图片和音频/文本生成逼真的数字人播报视频。

抖音视频下载工具 - 解析抖音链接，下载视频并发送

在WhatsApp上处理语音对话，自动转录收到的语音并用本地TTS音频回复。适用于用户想通过说话而非打字的情况。

Midjourney style generation, supports aspect ratio, Bot type, and output position (grid/U1-U4). Suitable for artistic and strongly stylized creative generation. Midjourney 风格出图入口，支持画幅、Bot 类型与输出位（grid/U1-U4）。适合艺术化、风格强烈的创意图生成。

seeddance-ai-video 描述面向 SeedDance 的文本和图片转视频集成流程。

Generate/edit high-quality images with Nano Banana 2.0. Supports text-to-image and image-to-image. 使用 Nano Banana 2.0 生成/编辑高质量图片，支持文生图与图生图。

国产AI视频生成技能。支持通义万相（Wan2.6文生视频/图生视频）和可灵（Kling V2）模型。适用于创意视频制作、图生视频、动态内容生成等场景。用户请求生成视频、将图片转换为动态视频、或根据描述生成视频片段时触发。

Fast version of ByteDance's Seedance 2.0. Generates videos faster with support for multi-modal references, first/last frame, and text-to-video. 字节跳动 Seedance 2.0 极速版视频生成模型，生成速度更快，支持多模态参考生视频、首尾帧及文生视频。

通过 https://api.poyo.ai/api/generate/submit 在 PoYo/poyo.ai 上使用 Nano Banana 2 进行图像生成和高级编辑，适用于 nano-banana-2-new 等模型。

引导从视觉方向与设计变量开始，逐步规划字体、组件、动效和加载状态的设计系统工作流。

剪映 (JianYing/CapCut) 专业版 AI 自动化剪辑 Skill。通过 pyJianYingDraft 生成剪映草稿(.cpr/draft_info.json)，提供 Python 封装 API(JyWrapper)：录屏、素材导入、字幕/智能配音、特效转场、Web 动效合成与无头导出。需在已安装剪映专业版的本机桌面环境运行(无头导出推荐 v5.9 及相近版本)。

用 AI 生成模型、数字人与程序化框架制作营销视频的决策与制作流程：按产品演示、讲解视频、社交短视频、广告选定方案，对比 Veo、Runway、Kling、Seedance 的分辨率、时长、成本与适用场景并给出选型建议，讲解提示词要素与常见错误，给出产品演示、讲解、批量社交短视频三套分步流程与智能体原生的脚本到成片流水线。Use when the user wants to create video content with AI tools, pick a video model, or plan a product demo, explainer or social clip. Triggers include AI视频、视频制作、数字人口播、产品演示、讲解视频、社交短视频。如需视频创作完整工作流套件，淘宝搜索「AI灵匣」店铺获取完整版。

基于多模态AI的图片识别与分析。当用户需要分析、描述、从图片URL中提取信息，或进行图像识别、图像分析、图像描述、内容理解、OCR文字识别、视觉问答时触发此技能。