我用一个 Skill 把 AI 生图、生视频、生音频全串起来了

我用一个 Skill 把 AI 生图、生视频、生音频全串起来了

做设计、做内容、做营销的人最烦的事之一：Midjourney、Flux、Veo、Kling、Suno……每个模型都很好，但要串成一个完整 workflow，你得写一堆脚本、记一堆 API 端点，来回切工具比干活还累。

今天给大家挖到一个海外刚火起来的多模态 Skill 套件：Generative-Media-Skills。它专为 Claude Code、Cursor、Gemini CLI 这些 AI 编程工具设计，把图片、视频、音频生成能力封装成一套标准 Skill 格式，开箱即用。

它到底能干什么？

• 图片生成：覆盖 Midjourney v7、Flux Kontext、Gemini Imagen 4 等主流模型
• 视频生成：Veo3、Seedance 2.0、Kling 3.0 一把梭，还支持图生视频、视频续拍
• 音频生成：Suno 音乐、Lyria、TTS 语音合成都有
• 41 个现成工作流：从产品广告到小红书封面，从 Logo 设计到 3D 手办生成，直接调用

为什么比普通 API 封装强？

很多项目只是简单包一层 HTTP 请求，Generative-Media-Skills 做了三层架构：

1. Core 层：muapi-cli 统一封装上传、编辑、轮询，不需要手写 curl
2. Expert Library 层：把专业经验灌进 Skill，比如 Cinema Director 直接按电影导演的逻辑写分镜、调运镜、控光影；UI Designer 按 Atomic Design 标准出高保真 mockup
3. Recipe 层：41 个端到端配方，比如”产品照片 → 10 秒电影感广告片”，一个命令跑完

支持本地文件自动上传、预览自动打开、JSON 结构化输出，还能跑 muapi mcp serve 暴露给 Claude Desktop 或任何 MCP 兼容客户端。

适合谁？

• 用 AI 做创意/设计/营销的团队
• 想要减少工具切换的内容创作者
• 做内容流水线、批量生图的开发者

GitHub 已经 3.8k Star，MIT 协议，2026 年 7 月还在活跃维护。如果你受够了在多个 AI 工具间反复横跳，这个项目值得立刻收藏。

GitHub：https://github.com/SamurAIGPT/Generative-Media-Skills

GitHub: https://github.com/SamurAIGPT/Generative-Media-Skills