Communitygithub.com

Img-Video — 素材生成桥(多供应商)

Claude Code Agent Skill,让 Claude 通过 jiekou.ai 多模型中转站一键生成图片与视频素材,支持文生图、图生视频等创作流程,可接入 Midjourney、Veo 3、Sora 2、Seedance、Flux 等模型。安装到 ~/.claude/skills 即可使用

Img-Video — 素材生成桥(多供应商) とは?

このスキルは、Claude Code Agent が外部モデルサービスを介して画像や動画素材を生成できるようにするブリッジです。ユーザーはプロンプトを入力するだけで、jiekou.ai などのマルチモデル中継サービスを通じて、Midjourney、Veo 3、Sora 2、Seedance、Flux などのモデルを利用した画像生成(text-to-image)や動画生成(image-to-video)を実行できます。生成されたファイルは assets/ ディレクトリに保存され、相対パスが出力されるため、HTML、Markdown、プレゼンテーションなどに直接埋め込むことが可能です。設定は config.json で行い、複数のプロバイダをフォールバックチェーンとして設定できるため、キーがない場合やエラーが発生した場合でも自動的に次のプロバイダに切り替わります。

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

プレビュー

スキル README より

Img-Video — 素材生成桥(多供应商) preview

ドキュメント

Img-Video — 素材生成橋(マルチプロバイダ)

Claude は直接ピクセルを生成できませんが、外部モデルサービスを呼び出すことは可能です。このスキルはその連携をラップしたスクリプトです: プロンプトを渡す → 画像/動画を取得 → assets/ に保存 → 相対パスを出力。その後、HTML、PPT、Markdown、デザインカンプに直接使用できます。

モデル層はプラグイン方式:デフォルトは接口AI(jiekou.ai) 中継を使用し、特定のプロバイダでキーがない、または通信できない場合は、自動的にフォールバックチェーン上の 即夢 / 可灵 / Gemini などに切り替わります。完全なリストは references/providers.md を参照してください。

使用タイミング

成果物に画像または動画が必要であり、プレースホルダーやテキストだけでは不適切な場合、このスキルを使って生成します。典型的なシナリオ:

  • ウェブページ / ランディングページ / メールテンプレート:バナー、ヒーロー画像、挿絵、アイコン背景
  • PPT / スライド:表紙、セクションページ、コンテンツ用画像
  • グラフィックデザイン:ポスター、表紙、ソーシャルメディアカード、サムネイル
  • UI プロトタイプ:モックアップ画像、製品スクリーンショットのプレースホルダー
  • ショート動画:ダイナミック背景、製品紹介、画像駆動のアニメーション

一言で言えば:空欄や「(ここに画像を入れる)」と書かずに、直接生成しましょう。

前提条件:設定

初回使用前に、スキルのルートディレクトリに config.json を準備する必要があります(存在しない場合、スクリプトはエラーを出力します):

  1. テンプレートをコピー:cp config.example.json config.json
  2. 少なくとも1つのプロバイダを設定します。APIキーはユーザーから入手し、絶対に偽造しないでください。各プロバイダに記入する項目:
    • type:プロバイダの種類(下記の表を参照)
    • base_url:APIエンドポイント(デフォルト値がある場合は省略可)
    • 認証情報:ほとんどは api_key;可灵の場合は access_key + secret_key
    • image_model / video_model:モデル名(不要な能力は null に設定)
  3. default_provider(デフォルト)と fallback(フォールバックチェーン、配列)を設定します。

APIキーはローカルの config.json にのみ保存されます(.gitignore で無視されます)。コード、SKILL.md、バージョン管理には絶対に含めないでください。

作業を開始する前に、可用性を確認してください(キー/機能の準備状況、試行順序を確認):

python <skill>/scripts/generate.py providers

使用方法

プロジェクトの作業ディレクトリで実行し、出力される assets/ の相対パスがウェブページやPPTから直接参照できるようにします。

テキストから画像生成

python <skill>/scripts/generate.py image \
  --prompt "フラットイラスト風のテクノロジー企業トップページヒーロー画像、青紫グラデーション、シンプルで余白が多い" \
  --size 1024x1024 --n 1 --output-dir assets/images
引数必須デフォルト説明
--prompt✅—具体的に(スタイル+主題+色調+構図)書くと良い結果が得られます
--size1024x1024一部の中継はアスペクト比で画像を取得し、自動的に 1:1 などに変換されます
--n1生成枚数
--output-dirassets/images出力ディレクトリ
--providerフォールバックチェーンに従う特定のプロバイダを強制指定し、フォールバックチェーンをスキップ

画像から動画生成

python <skill>/scripts/generate.py video \
  --image assets/images/xxxx.png \
  --prompt "カメラがゆっくりと前進し、背景に光の斑点が揺らめく" --output-dir assets/videos
引数必須デフォルト説明
--image✅—ローカルパスまたは http(s) URL
--prompt空動き/シーンの説明。記入推奨
--output-dirassets/videos出力ディレクトリ
--providerフォールバックチェーンに従う特定のプロバイダを強制指定

画像から動画生成は多くの場合非同期タスクであり、スクリプトが自動的に完了をポーリングします。

プロバイダの指定 / 切り替え

  • --provider を付けない場合、default_provider → fallback の順に自動試行します(キーがない/サポートされていないものはスキップ)。
  • --provider <name>(例:kling/ark/gemini/relay)を付けると、特定のプロバイダを強制指定し、フォールバックチェーンをスキップします。 例:ユーザーが「可灵で生成して」と言った場合 → --provider kling。

サポートされているモデルサービス

typeサービステキスト→画像画像→動画
jiekou接口AI 中継(Midjourney/Flux/Seedance/可灵/Sora/Veo を集約、デフォルト)✅✅
ark / jimeng字节即夢 Seedream/Seedance(直接接続)✅✅
kling快手可灵(直接接続)✅✅
geminiGoogle Imagen/Veo(直接接続)✅✅
relayその他の OpenAI 互換中継✅⚠️ ゲートウェイに依存

実測推奨組み合わせ(jiekou):テキスト→画像は mj-txt2img(Midjourney、一度に4枚生成)、flux-2-pro; 画像→動画は veo-3.1-generate-img2video(Veo 3.1、ネイティブ音声対応)、sora-2-img2video、seedance-v1-pro-i2v。

⚠️ モデル変更時の注意:モデルによってプロンプトのフィールド名、 duration/解像度の選択肢、必須項目が異なります(例:Midjourney は text、Veo は duration_seconds+generate_audio)。モデル名だけを変更してこれらのフィールドを変更しないと、400 エラーが発生します。 config には既にスイッチ(prompt_field / send_aspect_ratio / duration / resolution / video_extra)が用意されています。 references/providers.md の「各モデルのフィールド差異」早見表を参照して調整してください。

出力

  • 画像は assets/images/、動画は assets/videos/ に保存されます。
  • ファイル名:{タイムスタンプ}_{プロンプトの最初の数文字}.{png|jpg|mp4|…}(ファイルヘッダーで実際のフォーマットを識別し、上書きを自動防止)。
  • 最後に生成されたファイルの相対パスのリストが出力されます。<img src="assets/images/…">、PPTのプレースホルダー、Markdown に直接使用できます。

典型的なワークフロー

  1. providers サブコマンドで利用可能なサービスと試行順序を確認します。
  2. 成果物に必要な画像/動画と、それぞれの用途とスタイルを計画します。
  3. 順に image(または先に image で次に video)を生成し、特定のサービスが必要な場合は --provider を指定します。
  4. 出力された相対パスを収集し、成果物に組み込みます。

例:ユーザーが「コーヒーブランドのランディングページを作って」と依頼 → image --prompt "温かみのある色調のハンドドリップコーヒーのクローズアップ、朝日、浅い被写界深度" でヒーロー画像を生成 → さらに2枚の製品画像を生成 → これらの assets/images/*.png を使って HTML を作成。

例外とフォールバック(スクリプトに組み込み済み)

  • config.json がない、または providers セクションがない:エラーを出力し、設定を促します。
  • デフォルトプロバイダにキーがない、対応モデルが設定されていない:自動的にスキップし、次のプロバイダを試行します。
  • 実行失敗(4xx/5xx/タイムアウト):5xx とネットワーク異常は指数バックオフで再試行;それでも失敗した場合は、フォールバックチェーンの次のプロバイダにダウングレード; すべて失敗した場合のみエラーを出力し、各プロバイダの失敗理由を集約します。
  • 動画タイムアウト:poll_timeout を超えた場合、明確なタイムアウトエラーを出力します。
  • 入力画像が存在しない場合(画像→動画):直接エラーを出力し、--image を確認します。

依存関係と拡張

  • 依存関係:Python 3 + requests(pip install requests)。可灵の JWT 認証は標準ライブラリで実現しており、追加の依存関係は不要です。
  • 新しいプロバイダの追加:scripts/providers.py に Provider のサブクラスを追加し、generate_image / generate_video を実装し、REGISTRY に登録するだけです。フォールバックチェーン、保存、命名などは変更不要です。詳細は references/providers.md の末尾を参照してください。

関連スキル