Communitygithub.com

talki-io/img-video-skill

Claude Code 代理技能,透過 jiekou.ai 多模型中轉站一鍵生成圖片與影片素材,支援文生圖、圖生影片等創作流程,可接入 Midjourney、Veo 3、Sora 2、Seedance、Flux 等模型。安裝至 ~/.claude/skills 即可使用。

img-video-skill 是什麼?

此為 Claude Code 的 AI 代理技能,讓 Claude 能透過外部模型服務生成圖片與影片素材,並自動儲存至專案中的 `assets/` 目錄,回傳相對路徑供直接嵌入 HTML、簡報或設計稿。支援多供應商架構,預設透過 **jiekou.ai** 進行中轉,當主供應商失效時會自動依序列嘗試備援模型(如即夢、可靈、Gemini)。使用者只需提供提示詞即可生成,無需手動處理 API 細節。此技能適用於網頁設計、簡報製作、社群媒體圖卡、UI 原型及短影音等場景,協助開發者在開發流程中直接產出高品質素材,減少切換工具或尋找佔位圖像的時間。需預先設定 `config.json` 檔案並提供有效的 API 金鑰。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

預覽

來自技能 README

img-video-skill preview

說明文件

Img-Video — 素材生成橋(多供應商)

Claude 無法直接生成像素,但可以呼叫外部模型服務。本 Skill 將此鏈路封裝成一個腳本: 給提示詞 → 拿到圖片/影片 → 存入 assets/ → 列印相對路徑,之後可直接寫進 HTML、PPT、Markdown 或設計稿。

模型層可插拔:預設走**介面AI(jiekou.ai)**中轉,某家沒金鑰或調不通時自動切到回退鏈上的 即夢 / 可靈 / Gemini 等。完整清單見 references/providers.md。

使用時機

成品裡該有一張圖或一段影片、且佔位符或純文字不合適時,都可用本 Skill 把它生成出來,典型場景:

  • 網頁 / 落地頁 / 郵件模板:Banner、hero 圖、配圖、圖示底圖
  • PPT / 幻燈片:封面、章節頁、內容配圖
  • 平面設計:海報、封面、社群媒體卡片、縮圖
  • UI 原型:示意圖、產品截圖佔位
  • 短影片:動態背景、產品展示、由一張圖驅動的動畫

一句話原則:不要留空或寫「(此處放一張圖)」,直接生成。

前置:設定

首次使用前需在 Skill 根目錄準備一份 config.json(不存在時腳本會報錯提示):

  1. 複製模板:cp config.example.json config.json
  2. 至少設定一個供應商——金鑰須向使用者索取,切勿編造。每家填:
    • type:供應商類型(見下表)
    • base_url:介面位址(有預設值可省略)
    • 憑證:多數是 api_key;可靈是 access_key + secret_key
    • image_model / video_model:模型名稱(不需要的能力留 null)
  3. 設 default_provider(主用)與 fallback(回退鏈,陣列)。

金鑰只存本地 config.json(已被 .gitignore 忽略),不要寫進程式碼、SKILL.md 或提交版本庫。

每次開工前先自我檢測可用性(確認金鑰/能力就緒、查看嘗試順序):

python <skill>/scripts/generate.py providers

用法

在專案工作目錄下執行,使輸出的 assets/ 相對路徑能被網頁/PPT 直接引用。

文生圖

python <skill>/scripts/generate.py image \
  --prompt "扁平插畫風的科技公司首頁 hero 圖,藍紫漸層,簡潔留白" \
  --size 1024x1024 --n 1 --output-dir assets/images
參數必填預設說明
--prompt✅—寫具體(風格+主體+色調+構圖)效果更好
--size1024x1024部分中轉按比例取圖,會自動換算成 1:1 等
--n1生成張數
--output-dirassets/images輸出目錄
--provider按回退鏈強制指定某家,跳過回退鏈

圖生影片

python <skill>/scripts/generate.py video \
  --image assets/images/xxxx.png \
  --prompt "鏡頭緩慢推進,背景光斑輕輕浮動" --output-dir assets/videos
參數必填預設說明
--image✅—本地路徑或 http(s) URL
--prompt空運動/畫面描述,建議填寫
--output-dirassets/videos輸出目錄
--provider按回退鏈強制指定某家

圖生影片多為非同步任務,腳本自動輪詢到完成。

指定 / 切換供應商

  • 不加 --provider 時,按 default_provider → fallback 順序自動嘗試(跳過沒金鑰/不支援的)。
  • 加 --provider <name>(如 kling/ark/gemini/relay)強制指定某家、跳過回退鏈。 例:使用者說「用可靈生成」→ --provider kling。

支援的模型服務

type服務文生圖圖生影片
jiekou介面AI 中轉(聚合 Midjourney/Flux/Seedance/可靈/Sora/Veo,預設)✅✅
ark / jimeng位元組即夢 Seedream/Seedance(直連)✅✅
kling快手可靈(直連)✅✅
geminiGoogle Imagen/Veo(直連)✅✅
relay其它 OpenAI 相容中轉✅⚠️ 視閘道而定

實測推薦組合(jiekou):文生圖 mj-txt2img(Midjourney,一次出 4 張)、flux-2-pro; 圖生影片 veo-3.1-generate-img2video(Veo 3.1,可帶原生音訊)、sora-2-img2video、seedance-v1-pro-i2v。

⚠️ 換模型必看:不同模型的提示詞欄位名、時長/解析度列舉、必填項都不同(如 Midjourney 用 text、 Veo 用 duration_seconds+generate_audio)。只改模型名而不改這些欄位會報 400。 config 已留好開關(prompt_field / send_aspect_ratio / duration / resolution / video_extra), 對照 references/providers.md 的「各模型欄位差異」速查表調整。

輸出

  • 圖片存入 assets/images/,影片存入 assets/videos/。
  • 命名:{時間戳}_{提示詞前若干字}.{png|jpg|mp4|…}(按檔頭識別真實格式,自動避免覆蓋)。
  • 結束列印落地檔案的相對路徑清單——直接用到 <img src="assets/images/…">、PPT 佔位或 Markdown。

典型工作流程

  1. providers 子命令確認可用服務與嘗試順序。
  2. 規劃成品需要哪些圖/影片、各自用途與風格。
  3. 逐個 image(或先 image 再 video)生成,需要指定服務時加 --provider。
  4. 收集列印的相對路徑,寫進成品。

範例:使用者「幫我做一個咖啡品牌落地頁」 → image --prompt "溫暖色調手沖咖啡特寫,晨光,淺景深" 生成 hero → 再生成兩張產品配圖 → 用這些 assets/images/*.png 寫 HTML。

異常與回退(腳本已內建)

  • 缺 config.json / 缺 providers 段:報錯並提示去設定。
  • 主用供應商沒金鑰/沒配對應模型:自動跳過,嘗試下一個。
  • 執行失敗(4xx/5xx/逾時):5xx 與網路異常按指數退避重試;仍失敗則降級到回退鏈下一家; 全部失敗才報錯,並彙總每家的失敗原因。
  • 影片逾時:超過 poll_timeout 報明確逾時。
  • 輸入圖不存在(圖生影片):直接報錯,檢查 --image。

依賴與擴充

  • 依賴:Python 3 + requests(pip install requests)。可靈 JWT 鑑權用標準函式庫實作,無額外依賴。
  • 加新供應商:在 scripts/providers.py 新增一個 Provider 子類別,實作 generate_image / generate_video,註冊到 REGISTRY 即可——回退鏈、儲存、命名等無需改動。詳見 references/providers.md 末尾。

相關技能