GLM-Image-Gen

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。

仅文档型主技能，用于 GLM 生态系统的发现与安装。此技能不执行脚本或子进程命令，提供精选...

使用GLM-OCR API从图像中提取文字。支持图像和PDF，具备高精度OCR、表格识别、公式提取及手写识别功能。

官方技能，使用智谱GLM-OCR API从图像和PDF中识别提取表格，转换为Markdown格式，支持复杂表格和合并单元格。

使用智谱GLM‑V多模态模型系列为图像、视频和文档生成标题（描述）。当用户想要描述这些内容时使用此技能。

官方技能，使用智谱GLM-OCR API识别图像中的手写文字，支持多种手写风格、语言及手写与印刷混排。