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):
- テンプレートをコピー:
cp config.example.json config.json - 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)
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 |
--size | 1024x1024 | 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 | |
--n | 1 | 生成枚数 | |
--output-dir | assets/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-dir | assets/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) | ✅ | ✅ |
gemini | Google 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
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。- 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。
- 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。 - 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。