Communitygithub.com

talki-io/img-video-skill

Claude Code Agent Skill – Mit jiekou.ai als Multi-Modell-Zentrale Bilder und Videos generieren (Text-zu-Bild, Bild-zu-Video). Unterstützt Midjourney, Veo 3, Sora 2, Seedance, Flux uvm. Einfach in ~/.claude/skills installieren.

Was ist img-video-skill?

Dieses Skill ermöglicht es Claude AI Agents, Bilder und Videos über einen externen Multi-Modell-Dienst (jiekou.ai) zu generieren. Es unterstützt Text-zu-Bild und Bild-zu-Video Workflows und bietet eine automatische Fallback-Kette: Wenn der primäre Anbieter keine gültigen Schlüssel oder eine Fehlfunktion hat, wechselt das System nahtlos zu Alternativen wie Jimeng, Kling oder Gemini. Die generierten Medien werden im assets/-Verzeichnis gespeichert, und das Skill gibt die relativen Pfade aus, die direkt in HTML, PPT, Markdown oder andere Projekte eingebunden werden können. Entwickler müssen nur eine lokale config.json mit API-Schlüsseln konfigurieren und können dann über die Kommandozeile Bilder und Videos generieren, wobei die Ergebnisse automatisch nach Zeitstempel benannt und vor Überschreiben geschützt werden. Das Skill ist plattformunabhängig und funktioniert mit jedem AI Agent, der Python-Skripte ausführen kann – es wurde speziell für Claude Code, Cursor, Codex und ähnliche Tools entwickelt.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add talki-io/img-video-skill

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Vorschau

Aus dem Skill-README

img-video-skill preview

Dokumentation

Img-Video — Materialbrücke (Multi-Anbieter)

Claude kann nicht direkt Pixel erzeugen, aber externe Modelldienste anrufen. Dieses Skill kapselt diesen Ablauf in ein Skript: Eingabe eines Prompts → Erhalt eines Bildes/Videos → Speicherung in assets/ → Ausgabe des relativen Pfads, der dann direkt in HTML, PPT, Markdown oder Designentwürfe eingefügt werden kann.

Die Modellebene ist austauschbar: Standardmäßig wird der jiekou.ai-Relay genutzt; falls ein Anbieter keinen Schlüssel hat oder nicht erreichbar ist, wird automatisch auf die Fallback-Kette mit Jimeng / Kling / Gemini usw. umgeschaltet. Die vollständige Liste findest du in references/providers.md.

Wann verwenden

Wenn das Endprodukt ein Bild oder Video benötigt und Platzhalter oder reiner Text ungeeignet sind, wird mit diesem Skill alles generiert. Typische Szenarien:

  • Webseiten / Landing Pages / E-Mail-Vorlagen: Banner, Hero-Bilder, Begleitbilder, Symbolhintergründe
  • Präsentationen / Folien: Titelfolien, Kapitelseiten, Inhaltsbilder
  • Grafikdesign: Poster, Cover, Social-Media-Karten, Miniaturansichten
  • UI-Prototypen: Schemazeichnungen, Platzhalter für Produktscreenshots
  • Kurzvideos: Dynamische Hintergründe, Produktpräsentationen, von einem Bild gesteuerte Animationen

Ein-Satz-Prinzip: Keine leeren Stellen oder „(Hier ein Bild einfügen)“ – sondern direkt generieren.

Voraussetzung: Konfiguration

Vor der ersten Nutzung muss im Skill-Verzeichnis eine config.json erstellt werden (fehlt sie, gibt das Skript einen Fehler aus):

  1. Vorlage kopieren: cp config.example.json config.json
  2. Mindestens einen Anbieter konfigurieren – die Schlüssel müssen vom Benutzer erfragt werden, niemals erfinden. Für jeden Anbieter:
    • type: Anbietertyp (siehe Tabelle unten)
    • base_url: API-Endpunkt (optional, Standardwert vorhanden)
    • Zugangsdaten: Meist api_key; bei Kling access_key + secret_key
    • image_model / video_model: Modellname (nicht benötigte Fähigkeit auf null setzen)
  3. default_provider (primär) und fallback (Fallback-Kette, Array) festlegen.

Die Schlüssel werden nur lokal in config.json gespeichert (durch .gitignore ignoriert). Sie dürfen niemals in Code, SKILL.md oder das Repository geschrieben werden.

Vor jeder neuen Arbeit die Verfügbarkeit prüfen (Schlüssel/Fähigkeiten bestätigen, Reihenfolge der Versuche anzeigen):

python <skill>/scripts/generate.py providers

Verwendung

Im Projektarbeitsverzeichnis ausführen, damit die relativen Ausgabepfade assets/ direkt von Webseiten/Präsentationen referenziert werden können.

Text-zu-Bild

python <skill>/scripts/generate.py image \
  --prompt "Flache Illustration einer Tech-Startup-Homepage, Hero-Bild, blau-lila Verlauf, einfach gehalten mit viel Weißraum" \
  --size 1024x1024 --n 1 --output-dir assets/images
ParameterPflichtStandardBeschreibung
--prompt✅–Je konkreter (Stil + Motiv + Farbe + Komposition), desto besser
--size1024x1024Manche Relays skalieren proportional, automatisch umgerechnet auf 1:1 o.ä.
--n1Anzahl der zu generierenden Bilder
--output-dirassets/imagesAusgabeverzeichnis
--providergemäß Fallback-KetteBestimmten Anbieter erzwingen, Fallback überspringen

Bild-zu-Video

python <skill>/scripts/generate.py video \
  --image assets/images/xxxx.png \
  --prompt "Kamera fährt langsam heran, im Hintergrund schweben sanfte Lichtflecken" --output-dir assets/videos
ParameterPflichtStandardBeschreibung
--image✅–Lokaler Pfad oder http(s)-URL
--promptleerBewegungs-/Szenenbeschreibung, sollte ausgefüllt werden
--output-dirassets/videosAusgabeverzeichnis
--providergemäß Fallback-KetteBestimmten Anbieter erzwingen

Bild-zu-Video ist meist asynchron; das Skript pollt automatisch, bis der Vorgang abgeschlossen ist.

Anbieter angeben / wechseln

  • Ohne --provider wird automatisch in der Reihenfolge default_provider → fallback versucht (fehlende Schlüssel/nicht unterstützte Modelle werden übersprungen).
  • Mit --provider <name> (z.B. kling/ark/gemini/relay) wird erzwungen ein bestimmter Anbieter genutzt, ohne Fallback. Beispiel: Der Benutzer sagt „Mit Kling generieren“ → --provider kling.

Unterstützte Modelldienste

typeDienstText-zu-BildBild-zu-Video
jiekoujiekou.ai Relay (aggregiert Midjourney/Flux/Seedance/Kling/Sora/Veo, Standard)✅✅
ark / jimengByteDance Jimeng Seedream/Seedance (direkt)✅✅
klingKuaishou Kling (direkt)✅✅
geminiGoogle Imagen/Veo (direkt)✅✅
relayAndere OpenAI-kompatible Relays✅⚠️ abhängig vom Gateway

Empfohlene Kombinationen (jiekou): Text-zu-Bild: mj-txt2img (Midjourney, liefert 4 Bilder auf einmal), flux-2-pro; Bild-zu-Video: veo-3.1-generate-img2video (Veo 3.1, mit nativer Audiounterstützung), sora-2-img2video, seedance-v1-pro-i2v.

⚠️ Modellwechsel unbedingt beachten: Unterschiedliche Modelle haben unterschiedliche Prompt-Feldnamen, Dauer-/Auflösungs-Enums und Pflichtfelder (z.B. Midjourney verwendet text, Veo verwendet duration_seconds+generate_audio). Nur den Modellnamen zu ändern, ohne diese Felder anzupassen, führt zu Fehler 400. In der config.json sind bereits Schalter vorhanden (prompt_field / send_aspect_ratio / duration / resolution / video_extra). Passe sie anhand der Tabelle „Feldunterschiede pro Modell“ in references/providers.md an.

Ausgabe

  • Bilder werden im Verzeichnis assets/images/, Videos in assets/videos/ gespeichert.
  • Benennung: {Zeitstempel}_{erste Wörter des Prompts}.{png|jpg|mp4|…} (Dateiformat wird anhand des Dateikopfs erkannt, automatische Überschreibungssicherung).
  • Am Ende wird eine Liste der relativen Pfade der erzeugten Dateien ausgegeben – direkt verwendbar in <img src="assets/images/…">, PPT-Platzhalter oder Markdown.

Typischer Workflow

  1. Mit dem providers-Befehl die verfügbaren Dienste und die Versuchsreihenfolge prüfen.
  2. Planen, welche Bilder/Videos das Endprodukt benötigt, sowie deren Verwendungszweck und Stil.
  3. Nacheinander image (oder erst image dann video) generieren; bei Bedarf mit --provider einen bestimmten Anbieter erzwingen.
  4. Die ausgegebenen relativen Pfade sammeln und in das Endprodukt einfügen.

Beispiel: Der Benutzer sagt „Erstelle eine Landing Page für eine Coffeemarke“ → image --prompt "Großaufnahme einer Hand, die Kaffee aufbrüht, warme Farben, Morgenlicht, geringe Tiefenschärfe" generiert das Hero-Bild → dann zwei weitere Produktbilder generieren → mit den assets/images/*.png-Pfaden das HTML schreiben.

Fehler und Fallbacks (im Skript integriert)

  • Fehlende config.json / fehlender Anbieterabschnitt: Fehlermeldung mit Hinweis zur Konfiguration.
  • Primärer Anbieter ohne Schlüssel oder ohne entsprechendes Modell: Automatisch überspringen und nächsten versuchen.
  • Ausführungsfehler (4xx/5xx/Timeout): Bei 5xx und Netzwerkfehlern exponentielles Backoff-Retry; bei weiterem Fehlschlag Abstieg zum nächsten Fallback-Anbieter; erst wenn alle fehlschlagen, wird ein Fehler mit Zusammenfassung der Fehlerursachen ausgegeben.
  • Video-Timeout: Überschreitet poll_timeout, wird ein eindeutiger Timeout-Fehler gemeldet.
  • Eingabebild nicht vorhanden (Bild-zu-Video): Direkter Fehler; --image überprüfen.

Abhängigkeiten und Erweiterung

  • Abhängigkeiten: Python 3 + requests (pip install requests). Die JWT-Authentifizierung für Kling wird mit der Standardbibliothek realisiert, keine weiteren Abhängigkeiten.
  • Neuen Anbieter hinzufügen: In scripts/providers.py eine neue Provider-Unterklasse erstellen, die generate_image / generate_video implementiert, und in REGISTRY registrieren – Fallback-Kette, Speicherung, Benennung usw. müssen nicht geändert werden. Details im letzten Abschnitt von references/providers.md.

Verwandte Skills