「model」の検索結果

CLAUDE.mdやタスクリストの自然文を短く圧縮し、入力トークンを節約するスキル。コードや見出しを保持し、読みやすい元文を別の場所にバックアップします。

• CLAUDE.mdの入力トークンを減らしたいとき
• タスクリストや好みのメモの圧縮
• 圧縮前の読みやすい原文の保存

Webアプリの入力処理・認証・外部連携を点検し、脆弱性への対策を整理します。依存パッケージ、個人情報、LLM出力の扱いまで確認するスキルです。

• ログインとアクセス権限の点検
• ファイル投稿や外部API連携の確認
• 公開前の依存パッケージ監査

顧客や利用単位の採算と、利用者がAPIキーを持ち込むBYOKのコスト構造を説明するHTMLスライドを作ります。前提条件や条件変化の影響を、暖色の統一デザインで伝えます。

• CFO向けに採算モデルを説明したいとき
• 投資家向けにBYOKの費用を示したいとき
• 前提条件の変化と費用の関係を示す資料

Venice.aiで文章を音声に変換し、ナレーションや対話エージェントの声を用意するスキル。モデル、声、出力形式、ストリーミングを扱います。

• 原稿をナレーションにしたいとき
• 映像に重ねる音声の作成
• 対話エージェントの音声化

画像や動画の解像度を上げたいときに、fal.ai上のAI超解像モデルを利用するためのスキル。実行には、元の配布一式を別途導入して使います。

• 画像の解像度を上げたいとき
• 動画を高解像度化したいとき
• AI超解像処理を依頼したいとき

既存の動画にAIで加工を施し、見た目の変更、高解像度化、背景の除去、音声の追加を行うスキルです。fal.ai上で提供される動画モデルを利用します。

• 既存動画のスタイルを変えたいとき
• 動画を高解像度化したいとき
• 動画の背景を除去したいとき

画像内の物体の検出や領域分け、文字の読み取り、内容説明をfal.aiの画像認識モデルで行うスキル。画像についての質問にも答え、写っている情報を確認できます。

• 画像内の文字を読み取りたいとき
• 物体を検出して領域を分けたいとき
• 画像の内容説明や質問をしたいとき

fal.ai上の試着モデルを使い、人物が服を着たときの見え方を画像で確認するスキルです。EC向けの着用イメージやルックブック、着こなしの検討に使えます。

• EC向けの着用イメージを検討したいとき
• ルックブック用の着こなしを試したいとき
• 人物が服を着た見え方を確認したいとき

写真のぼけやノイズ、顔の画質、古い文書の画像を修復するためのスキルです。fal.aiで提供される修復モデルを使い、目的に応じた画質の補正を扱います。

• 画像のぼけを軽減したいとき
• 画像のノイズを除去したいとき
• 顔の画質を補正したいとき

画像の画風変更、背景や不要な物体の除去、指定部分の描き直しに使うスキル。fal.aiで提供されるAIモデルを利用して画像を編集します。

• 画像の画風を変えたいとき
• 画像の背景を除去したいとき
• 不要な物体を消したいとき

Format chat messages in a local model's template (llama3, mistral, chatml, phi, gemma, or a model id) and route queries over a small WASM HNSW pattern index (about 11 patterns). Use when preparing prompts for local runtimes.

日本語の概要は準備中です。原文の説明を表示しています。

One cost view across Claude Code, Codex and Grok on this machine — spend, tokens, cache hit ratio per provider and model, with unpriced models flagged. Use when asked "what did I spend", "how much did Codex cost", or to compare providers. Local logs only, nothing is sent.

日本語の概要は準備中です。原文の説明を表示しています。

Use for Codex models/pricing, scheduled tasks, skills, settings, setup, troubleshooting, customization, automations, and self-knowledge—including 'you,' 'your,' 'this app,' or 'this coding agent' when they refer to Codex—and for OpenAI APIs/products and ChatGPT Work. Also use for model choice/migration, prompting, SDKs, Responses, Realtime, agents, evals, and Chat/Work/Codex comparisons. Do not use for generic app/software tasks that merely mention Codex.

日本語の概要は準備中です。原文の説明を表示しています。

Use the September 2026 image, video, speech and Avatar V adapters with explicit model/host contracts.

日本語の概要は準備中です。原文の説明を表示しています。

Generate expressive, multilingual narration with fish.audio (S1 / S2-generation models) and reuse cloned voices via reference_id. Use when the user prefers fish.audio/Fish Audio TTS, wants a specific playground voice model, or needs high-emotion voice-clone narration.

日本語の概要は準備中です。原文の説明を表示しています。

Generate cinematic clips with ByteDance Seedance 2.0 — the preferred premium video model in OpenMontage when a paid gateway is configured. Use when: (1) producing trailers, teasers, hype edits, or premium cinematic clips, (2) needing native synchronized audio (speech, SFX, ambience) in a single pass, (3) needing multi-shot cuts inside one generation, (4) needing director-level camera control, (5) needing lip-sync from quoted dialogue in the prompt, (6) needing reference-conditioned generation with up to 9 images + 3 video clips + 3 audio clips, (7) wanting consistent character identity across shots. Accessible via fal.ai (`seedance_video` tool), HeyGen (Video Agent / Avatar Shots), Replicate, Runway (Enterprise, non-US), Freepik, BytePlus ModelArk, Higgsfield, Pollo, and other aggregators.

日本語の概要は準備中です。原文の説明を表示しています。

Comprehensive guide for BFL FLUX image generation models. Covers prompting, T2I, I2I, structured JSON, hex colors, typography, multi-reference editing, and model-specific best practices for FLUX.2 and FLUX.1 families.

日本語の概要は準備中です。原文の説明を表示しています。

Three.js asset loading - GLTF, textures, images, models, async patterns. Use when loading 3D models, textures, HDR environments, or managing loading progress.

日本語の概要は準備中です。原文の説明を表示しています。

Overlay doctrine for the embedded-captions workflow — the caption MODEL (drop / rail / embed) and the rule that captions are an OVERLAY composited on top of the film, never a reserved bottom band you shift content up to avoid. Load when adding captions/subtitles to a talking-head or launch video, when deciding whether a phrase should be dropped, ride the verbatim rail, or be promoted to a scarce embedded climax, when laying out a composition that will carry captions (do NOT reserve a keep-out band), or when centering a composition on the true frame center under captions. Quotes the rail+embed model from embedded-captions and constraint

日本語の概要は準備中です。原文の説明を表示しています。

When the user wants to apply psychological principles, mental models, or behavioral science to marketing. Also use when the user mentions 'psychology,' 'mental models,' 'cognitive bias,' 'persuasion,' 'behavioral science,' 'why people buy,' 'decision-making,' 'consumer behavior,' 'anchoring,' 'social proof,' 'scarcity,' 'loss aversion,' 'framing,' or 'nudge.' Use this whenever someone wants to understand or leverage how people think and make decisions in a marketing context. For applying psychology to specific pages, see cro; for pricing tactics, see pricing; for copy framing, see copywriting.

日本語の概要は準備中です。原文の説明を表示しています。

This skill provides an advanced financial modeling suite with DCF analysis, sensitivity testing, Monte Carlo simulations, and scenario planning for investment decisions

日本語の概要は準備中です。原文の説明を表示しています。

Inspect, validate, edit, lint, diff, batch-manage, and deploy Live2D Cubism models (.model3.json) from the command line.

日本語の概要は準備中です。原文の説明を表示しています。

Command-line interface for Ollama - Local LLM inference and model management via Ollama REST API. Designed for AI agents and power users who need to manage models, generate text, chat, and create embeddings without a GUI.

日本語の概要は準備中です。原文の説明を表示しています。

Hugging Face Transformers for loading Hub models, running pipeline inference, text generation, and Trainer fine-tuning on NLP, vision, audio, and multimodal tasks. Applies when working with AutoModel, pipelines, tokenizers, generation configs, or TrainingArguments within Transformers.

日本語の概要は準備中です。原文の説明を表示しています。