動画・画像・音声のスキル

文章で指定した内容から写真風の画像やイラスト、資料用の素材を生成し、既存画像の背景や要素も編集します。OpenRouter経由でモデルを選んで使えます。

• 発表資料の背景や挿絵を作りたいとき
• Webサイトや広告向けの画像素材づくり
• 既存画像の背景や要素を変えたいとき

カメラ・マイク・スピーカーのAIエフェクトを操作し、ローカルの動画や音声にも適用します。NVIDIA Broadcastの機器選択やカメラ解像度変更にも対応します。

• カメラやマイクのエフェクト調整
• 保存済み動画・音声へのエフェクト適用
• カメラ・マイク・スピーカーの切り替え

DEFTのメディアサンプルからPAIDF Cosmos Predictで動画を生成し、重複入力をまとめて処理したうえで、元のIDと生成結果の対応をJSONLに整理します。

• DEFTサンプル用の合成動画生成
• 重複メディアの再生成を避けたいとき
• 生成動画の対応表を後続処理へ渡す

Jetsonの動画エンコード・デコードや形式変換を計画・実行し、処理間で同じファイルが使われたことをハッシュ値やフレーム数で検証するスキル。

• エンコードからデコードまでの検証
• H.264からHEVCへの変換確認
• 分割した動画を個別に検証したいとき

録画済みの複数カメラ映像をAutoMagicCalibに送り、カメラの位置や向きを調整する処理を、プロジェクト作成から進捗確認・結果評価まで進めます。

• 同期済みMP4からカメラを調整したいとき
• ローカル設定や対応点ファイルの登録
• 正解データで調整結果を評価したいとき

Wan27で画像や動画を生成し、結果の取得まで進めるスキル。利用可能なモデルや残高を確認し、消費クレジットの見積もりを提示してから生成を実行します。

• 文章から画像を生成したいとき
• 文章や参考画像から動画を生成
• モデルと消費クレジットの事前確認

電話の発信、文章からの音声生成、録音の文字起こしをコマンドで実行します。Bland AI、ElevenLabs、Groqを使い、通話状況や音声ファイル、テキストを得られます。

• 指定した用件で電話をかけたいとき
• 文章をMP3音声として保存したいとき
• 録音ファイルを文字起こししたいとき

動画や画像をQwen APIに送り、動きや場面の変化、画面内の要素を文章で分析します。複数動画の分類や追加質問、結果のJSON出力にも対応するスキル。

• 動画の動きや場面の変化を説明したいとき
• 複数の動画ファイルの分類
• スクリーンショット内の要素の確認

Douyinの共有リンクからタイトルや作者などの情報を取得し、ローカル動画の中国語音声は時刻付きで文字起こしして、テキストファイルに保存します。

• Douyinのタイトルや作者の取得
• ローカル動画の中国語文字起こし
• 時刻付きテキストでの発話確認

YouTube向けの収録動画から、無音の間や「um」「uh」などのつなぎ言葉を自動で取り除きます。動画URLの送信から処理状況の確認、編集済みファイルの取得まで進めるスキル。

• 収録動画の無音部分を削除したいとき
• 「um」「uh」などのつなぎ言葉除去
• YouTube向けの収録素材の整理

Slackで使う動くGIFやカスタム絵文字を、揺れ・跳ね・回転などの動きから組み立て、用途に合わせて容量・寸法の検証や色数の調整まで行うスキル。

• Slackの動くリアクション絵文字の制作
• メッセージ用の短いGIFを作りたいとき
• 複数の動きを組み合わせたアニメ制作

WeChatの.silkを含む音声を文字起こしし、6種類の人格に応じた中国語の声と口調で返答音声を作成。WeChat向けの音声形式への変換も扱うスキル。

• WeChat音声を文字起こししたいとき
• 人格を選んだ中国語の返答音声作成
• 返答音声のWeChat形式への変換

YouTubeの動画を、画質とファイル形式を指定して保存するスキルです。MP3での音声のみの取得や、保存先フォルダの指定にも対応しています。

• 画質を指定して動画を保存したいとき
• 音声だけをMP3で取得したいとき
• 再生用途に合わせた動画形式の選択

MuAPIの画像モデルを最新カタログから選び、料金発生の確認後に画像を生成します。処理状況の確認回数を制限し、完成画像のダウンロードにも対応します。

• 利用可能な画像モデルを探したいとき
• 文章から画像を生成したいとき
• 既存画像を使って画像を生成したいとき

写真の顔や被写体を保つ加工に向けて、Kavelのツールと入力文、生成ページを案内します。髪型変更やフィギュア風画像、写真からのダンス動画作成などに対応します。

• 写真で別の髪型や服装を試したいとき
• 写真をフィギュアやステッカー風に加工
• ペット写真を王族の肖像画風に加工

スクリーンショットや画像の解像度・鮮明さを整え、ぼやけや圧縮ノイズを軽減します。資料やブログ、SNSなどの用途に合わせた調整と、フォルダ単位の一括処理に対応します。

• マニュアルの画面画像を整えたいとき
• 発表資料の画像を拡大したいとき
• SNS投稿前の画像調整

商品写真からEC向けのメイン画像・詳細画像・場面画像を作り、ブランド文字の追加、品質チェック、販売先ごとのサイズ調整、納品用の梱包まで進めるスキル。

• 商品のメイン画像・詳細画像の制作
• 商品写真を生活場面に合成したいとき
• ロゴや訴求文を追加したいとき

自分で運用するImmichの写真を会話で検索・整理します。写真内の文字検索、場所別アルバム、重複検出、人物の整理、撮影情報の修正、PDF写真集の作成に対応します。

• 風景や写っている文字から写真を探したいとき
• 旅行写真を場所別アルバムに整理
• 重複写真の確認と似た写真のグループ化

Atlas Cloudの画像・動画モデルを探し、最新の入力項目や料金を確認して生成を実行します。有料リクエストは明示的な確認後に一度だけ送信し、完了状況を追跡します。

• 利用可能な画像・動画モデルの検索
• APIの最新入力項目と料金の確認
• 商品画像やアプリアイコンの生成

ローカルのQwen-Image 2.1で、成人向け画像の生成や人物のポーズ変更を行います。追加学習モデルと3D人形の参照画像、ポーズ集を使い分けるスキルです。

• 文章から成人向け画像を生成したいとき
• 人物の見た目を保ってポーズを変更
• 3D人形の姿勢を画像に反映したいとき

話し手の音声を文字起こしし、不要な内容を除いて動画を粗編集します。発言のつながりや文の欠けを確認し、必要に応じて切り直し、素材の原音を残して仕上げます。

• 話し手中心の動画を粗編集したいとき
• カット後の発言のつながりを確認
• 個別の編集要望を反映して切り直す

複数の動画素材を、AIが生成する場面の切り替え映像でつなぎます。素材の選別や並べ替え、背景音楽の選択を組み合わせ、専用タイムラインで一本の動画に仕上げます。

• 複数の素材をAI生成映像でつなぐ
• 切り替えに適した素材順を考えたいとき
• 背景音楽付きの動画に仕上げたいとき

動画の編集リズムや音・字幕の好みを整理し、今後の編集で再利用できるスキル文書にまとめます。内容を確認してから編集スキル庫へ保存する流れも案内します。

• 自分の編集スタイルを文書化したいとき
• 編集リズムや音のルールを再利用
• 既存の編集スタイルスキルの更新

導入済みのOpenStorylineを起動し、手元の素材を会話で編集するスキル。同じ会話を引き継いだ文案やBGMの修正、生成した動画ファイルの確認まで扱います。

• サービスを起動して素材を編集
• 追加の指示でBGMを変えたいとき
• 同じ会話で文案の雰囲気を修正