「设计创意」Claude 技能排行榜第 2 页

通过 inference.sh CLI 使用 FLUX、Gemini、Grok、Seedream、Reve 及 50 多种模型生成 AI 图像。

AI图像生成与编辑：文生图、图+文生图、风格转换；用于画图、生成、编辑和风格转换。支持比例（1:1、3:2、16:9、21:9等）和分辨率（标准、2K、4K）。

支持从基础视觉到专业制作与理论的设计理解。

基于 faster-whisper 的本地语音转文字。准确率与 OpenAI Whisper 相同，速度快 4-6 倍；GPU 加速可实现约 20 倍实时转录。支持SRT...

通过正确的编解码器选择、滤镜处理及编码设置，处理视频和音频。

[废弃——使用过时的v1/v2端点] 使用`create-video`进行基于提示的视频生成（v3视频代理）或`avatar-video`进行精确的avatar/场景控制

ElevenLabs TTS —— OpenClaw 最优集成，具备情感音频标签的文本转语音，支持 WhatsApp 语音合成。

对图像进行分析与解读，包括描述内容、提取文字、回答问题、比较视觉信息，并从JPG、PNG、GIF等格式中抽取结构化数据。

使用OpenAI Audio Speech API实现文字转语音

即梦Seedance视频创意工作台：用户上传图片和文案后，系统自动完成看图分析→文案扩写→运镜匹配→质量验证→API生成视频。触发词：即梦、Seedance、视频生成、视频提示词、AI视频、运镜、短剧、广告视频、视频延长、图生视频。

AI音频生成和文本转语音，由CellCog驱动。包括配音、旁白、语音克隆、虚拟形象声音、音效、音乐、播客、对话等功能。...

使用 OpenAI 的 gpt-4o-mini-transcribe 模型转录音频文件，支持词汇提示和文本替换，需安装 uv（https://docs.astral.sh/uv/）。

Seedream 图片生成 - 火山引擎方舟大模型服务平台图片生成 API。支持文生图、图生图、多图融合、组图生成等多种模式。

高品质语音合成，支持18种角色、32种语言、音效、批量处理以及基于ElevenLabs API的语音设计。

基于火山引擎即梦AI的文生图/文生视频能力，支持通过文本描述生成图片和视频。

使用本地Kokoro TTS引擎将文本转换为语音。当用户要求“说”某些内容、请求语音消息或希望将文本转为语音时使用。

使用火山引擎 SD1.5pro API 生成视频。支持文本到视频和图生视频，异步处理任务。

使用 macOS 内置 `say` 命令进行文字转语音，适用于语音通知、声音提醒、朗读文本或通过 Mac 扬声器播报。支持多种语言，包括中文（普通话）、英语、日语等。

图片生成技能，用于在用户需要生成图片、视觉信息图、创建图像或编辑/修改/调整已有图片时使用。基于中国API易代理站（https://api.apiyi.com/）的NanoBananaPro模型提供图片生成服务，无需访问外网。支持10种宽高比的图片比例（1:1、16:9、9:16、4:3、3:...）

通过VAP API进行AI图片、视频和音乐生成与编辑，支持Flux、Veo 3.1、Suno V5。

对视频进行加工、编辑和优化，支持压缩、格式转换、字幕添加以及多平台内容再创作。

使用 FFmpeg 命令行处理视频和音频，进行转码、剪切、合并、提取音频、生成缩略图、制作 GIF、调整速度、应用滤镜、添加字幕和水印。

使用 Google Veo（Veo 3.1 / Veo 3.0）生成视频。

使用 LiblibAI API，通过 Seedream4.5 生成图片，通过 Kling 生成视频，适用于用户请求生成图像、插画或视频时。

使用 CVA 构建可扩展、可主题化的 Tailwind CSS 组件库，支持变体、复合组件、设计令牌、暗黑模式及响应式网格。

这是一个面向中文创作者的 OpenClaw Skill，输入主题与人物气质后，会输出可直接用于生图模型的高质量提示词与创意说明。

通过 HTTP API 运行本地 ComfyUI 工作流。适用于用户请求运行 ComfyUI、按文件路径/名称执行工作流或提供原始 API 格式 JSON；支持资产中自带的默认工作流。

基于五层拆解法的AI图片提示词生成器。将模糊的创意想法转化为结构严谨、可执行的图像生成规格书，支持多种风格预设和目标工具适配。

通过Connect API创建、导出和管理Canva设计；以编程方式生成社交媒体帖子、轮播图及图形。

专业UI/UX设计资源库，提供可搜索的设计模式、配色方案、字体搭配、图表类型及UX指南。适用于创建...

使用 Gemini API（Nano Banana 图像生成、Veo 视频、Gemini TTS 语音与音频理解），提供“生成+理解”端到端多模态媒体工作流与代码模板。

腾讯云 MPS 媒体处理服务，凡涉及以下任一场景必须触发：【视频转码】转码/压缩/格式转换/H.264/H.265/AV1/MP4/编码/码率/分辨率/帧率。【画质增强】画质增强/老片修复/超分/视频超分/真人增强/漫剧增强/防抖/720P/1080P/2K/4K。【音频处理】音频分离/人声提取/伴奏提取/去人声...

即梦AI视频生成工具（带声音版本），通过火山引擎API自动生成带音频的高质量视频。支持文生视频、图生视频，适用于短视频内容创作。

通过 Google Gemini API 生成和编辑图像。支持 Gemini 原生生成、Imagen 3、风格预设以及批量生成并生成 HTML 图库。零依赖。

无需外部图形库（如PIL/ImageMagick），通过直接编写SVG文本生成自定义插图、头像或艺术作品（如“画一条龙”、“制作Logo”），并利用系统rsvg-convert工具将其转换为PNG格式。

下载抖音视频到本地（无水印优先）。用于给后续视频分析/复刻提供原始素材，支持 URL 或 video_id 输入、批量列表输入与统一输出目录。

通过 Gemini 3 Pro Image (Nano Banana Pro) 生成或编辑图像。

2026年最前沿的计算机视觉专家，精通YOLO26、分割一切3（SAM 3）、视觉语言模型以及实时空间分析。

Image Generation via Coze | 基于 Coze 的图像生成技能 Generate images using Coze workflows. 使用 Seedream 4.5 model. Handles parameter building and result parsing. 负责参数构...

通用语音识别 Skill。支持多种音频格式（ogg/mp3/wav/m4a），使用硅基流动 SenseVoice API 进行语音转文字。当用户发送语音消息、音频文件，或需要转录音频时触发。

通过ElevenLabs API实现文本转语音、音效、音乐生成、语音管理及配额查询。适用于使用ElevenLabs生成音频或管理音频任务。

基于Wan系列模型的图像与视频生成及编辑，支持文生图、带提示词的图像编辑、文生视频、图生视频及参考图等。

在 Claude Code 中使用 GPT Image2（ChatGPT Images 2.0）生成图像，利用已有的 ChatGPT Plus 或 Pro 订阅，无需单独的 OpenAI 访问权限。

使用 sherpa-onnx 的 Piper 语音实现本地文字转语音。100% 离线，无需 API 密钥。适用于用户请求语音回复、音频回复、口述答案或需要朗读的场景。支持多语言，包括德语 (thorsten) 和英语 (ryan) 语音。输出兼容 Telegram 的语音笔记，使用 [[audio_as_voice]] 标签。

从数据生成干净的表格图片。适用于 Discord/Telegram，避免 ASCII 表格显示混乱。支持暗色/亮色模式、自定义样式和自动调整尺寸。

公众号爆款封面AI设计工具。基于全网每日收录的10w+文章数据，获取同赛道爆款封面视觉元素，通过AI分析总结高转化视觉规律，生成贴合文章内容、符合平台流量审美的封面设计方案。当用户设计公众号封面、生成封面方案、查询爆款封面规律时使用。触发词：公众号封面、封面设计、爆款封面、封面方案、封面生图。

通过MiniMax AI平台使用mmx生成文本、图片、视频、语音和音乐，适用于创建媒体内容或与MiniMax聊天

可能是最便宜的AI图像生成服务（约$0.0036/图）。通过EvoLink API实现文本生成图像。

通过VAP API进行AI图片、视频和音乐生成与编辑，支持Flux、Veo 3.1、Suno V5。

使用 fal.ai API 生成图像、视频和音频（FLUX、SDXL、Whisper 等）