一个 Skill 搞定图片/视频/音乐/语音！AI 内容创作者的全家桶工具箱
做 AI 内容创作，最烦的不是生成本身——而是来回切换工具、记一堆参数、调半天 API。
今天挖到一个”全家桶”级别的 Skill：media-generation-skill。它不是什么新模型，而是一套覆盖图片、视频、音乐、语音的完整生成工作流，装进一个 SKILL.md 里，让 AI 助手直接调用，参数、技巧、坑位全给你整理好了。
一张图看懂它能干啥
这个 Skill 封装了 5 个工具的完整知识：
- 图片生成：OpenAI gpt-image-1 / DALL-E 3 / MiniMax image-01 支持，尺寸、质量、种子全覆盖
- 文字转语音：6 种 OpenAI 音色 + 3 种 MiniMax 中文音色，语速可调（0.25x ~ 4x）
- 视频生成：MiniMax T2V-01，5-10 秒，支持 720p/1080p，附详细 prompt 写法指南
- 视频状态查询：异步任务轮询机制，最多约 10 次查询（3 分钟内出结果）
- 音乐生成：MiniMax music-2.5，支持纯器乐和带歌词的歌曲，附和弦/节奏/乐器描述框架
最值钱的是那几个”避坑指南”
很多 Skill 只告诉你”怎么用”，这个 Skill 还告诉你”别怎么用”。比如视频生成，它明确列出：
- ✅ 好 prompt：”A golden retriever running through a wheat field at sunset, slow motion, cinematic”
- ❌ 坏 prompt：”A video”（太模糊）或”两个人在咖啡馆聊天同时一只狗跑过…”（太复杂，单一主体效果最好）
语音生成那边还有个很实用的 Tips：语速 0.8-0.9 最适合叙述，1.1-1.2 适合摘要——这种参数经验你自己试要花不少时间。
几个可以直接套的工作流
Skill 里内置了 5 个组合配方：
- 播客开场：音乐 jingle → 语音开场白 → 直接合成
- 社交媒体帖子：配图 → 写 caption → 可选加无障碍音频版
- 视频旁白：TTS 语音 → 生成匹配视频 → 轮询状态 → 输出
- 专辑封面 + 预览：图生封面 → 音乐生成匹配情绪的短曲
- 有声书章节：分段 TTS → 保持音色一致 → 按顺序输出
Provider 能力一览（避免踩坑）
OpenAI 和 MiniMax 各有所长，这个 Skill 给你整理了一张矩阵表：
- OpenAI：图片 + TTS（视频/音乐暂无）
- MiniMax：图片 + TTS + 视频 + 音乐，全能
如果只配了一个 API Key，它支持自动检测并切换最优 Provider。
怎么安装
一行命令搞定：
npx skills add https://github.com/librefang/librefang --skill media-generation-skill
来自 librefang/librefang 开源项目（Rust 编写的 Agent OS），Stars 369，质量有保证。
GitHub：https://github.com/librefang/librefang
评论区
0 条评论
登录后可评论。