带有标签“多模态”的 Skills

seedance-v2 - RunComfy 上的 Seedance 2.0 Pro 专业包
视频生成 seedance runcomfy 字节跳动
★ 0 · 更新于 2026-09-21
使用本地 RunComfy CLI 运行字节跳动 Seedance 2.0 Pro 生成带有原生口型同步音频的电影级短视频。
⚙ 生成电影级短视频 ⚙ 同步原生口型匹配音频 ⚙ 处理多模态参考输入
firebase-ai-logic-basics - 将 Firebase AI Logic 集成至应用程序
firebase gemini-api ai-logic 多模态
★ 1 · 更新于 2026-09-20
用于将 Firebase AI Logic 集成至应用的官方技能，涵盖环境设置、多模态推理、结构化输出与安全配置。
⚙ 生成文本响应 ⚙ 分析多模态输入媒体 ⚙ 维护多轮对话会话
firebase-ai-logic-basics - Firebase AI Logic 与 Gemini API 集成。
firebase ai-logic gemini-api sdk
★ 0 · 更新于 2026-09-20
通过 Firebase AI Logic 客户端 SDK 调用 Gemini 模型，实现多模态推理、流式传输及结构化输出。
⚙ 生成文本响应 ⚙ 处理多模态输入媒体 ⚙ 管理多轮对话会话
firebase-ai-logic-basics - Firebase AI Logic 应用集成指南
firebase gemini-api 多模态 ai集成
★ 0 · 更新于 2026-09-20
用于在客户端应用中集成 Firebase AI Logic 与 Gemini API，涵盖文本生成、多模态推理、流式传输及安全配置。
⚙ 根据提示词生成文本 ⚙ 处理多模态输入文件 ⚙ 维护多轮对话会话
firebase-ai-logic-basics - 在 Web 与移动应用中集成 Firebase AI Logic
Firebase Gemini API AI Logic 多模态
★ 0 · 更新于 2026-09-20
将 Firebase AI Logic SDK 集成到 Web 与移动应用中，实现 Gemini API 多模态推理、结构化输出、流式响应与安全配置。
⚙ 生成文本内容 ⚙ 处理多模态输入 ⚙ 维护多轮对话会话
youtube-learn - 基于信念考古学与多模态视觉的视频分析
youtube 多模态信念考古视频分析
★ 29 · 更新于 2026-09-20
通过多模态帧提取和逐字稿分析，深入解析视频演讲者的底层世界观与核心信念。
⚙ 下载视频音频与画面帧 ⚙ 提取并转录视频语音 ⚙ 检索演讲者背景与特征
ai-engineer - 构建生产级大语言模型应用与智能体
AI 大语言模型 RAG 智能体
★ 0 · 更新于 2026-09-19
开发生产级大语言模型应用、高级检索增强生成系统、向量搜索、多模态 AI 及智能体编排。
⚙ 构建大语言模型应用 ⚙ 实现检索增强生成系统 ⚙ 编排多智能体工作流
napkin - 面向 Copilot CLI 的可视化白板协作工具
白板可视化协作 Copilot CLI 多模态
★ 0 · 更新于 2026-09-18
创建浏览器交互式白板，支持绘制草图并通过共享画布快照与便签供 Copilot 分析协作。
⚙ 打开浏览器白板模板 ⚙ 读取 PNG 画布快照 ⚙ 读取剪贴板 JSON 数据
sd3mf-multimodal-brain-network - 监督深度多模态矩阵分解框架
脑网络多模态矩阵分解连接组
★ 3 · 更新于 2026-09-16
将 SNMTF 扩展至多模态图群体的监督预测，用于可解释的脑网络分析。
⚙ 分析多模态连接组数据 ⚙ 对图数据执行监督预测 ⚙ 提取社区级相互作用矩阵
ds-vision-skill - 为纯文本推理模型提供视觉能力扩展的技能
视觉 ocr 文档解析路由
★ 166 · 更新于 2026-09-15
自动将图片、文档和 OCR 任务路由至专用工具处理，并向主模型返回标准 JSON 结果。
⚙ 路由视觉推理任务 ⚙ 解析文档文件 ⚙ 执行 OCR 文字识别
video-analyzer - 视频分析
视频分析 Gemini 多模态语音转写
★ 97 · 更新于 2026-09-12
使用 Google Gemini 分析视频文件并生成包含场景拆解、音频转录及视觉细节的结构化 Markdown 报告。
⚙ 分析视频文件 ⚙ 生成结构化 Markdown 报告 ⚙ 提取音频转录内容
develop-agent-module - 开发代理模块
代理模块开发调试
★ 71 · 更新于 2026-06-15
修改、扩展或调试代理模块，包括图、工具、护栏和包装器
⚙ 修改代理图 ⚙ 向代理图添加节点 ⚙ 修改路由
vllm-ascend-model-adapter - 在昇腾NPU上适配vLLM模型
昇腾NPU vLLM Hugging Face 模型适配
★ 0 · 更新于 2026-05-11
适配并调试Hugging Face或本地模型在昇腾NPU上运行vLLM
⚙ 收集模型上下文 ⚙ 分析模型文件 ⚙ 实现模型适配器
vllm-ascend-model-adapter - 适配模型在昇腾NPU上运行vLLM
vllm 昇腾 NPU 模型适配
★ 5 · 更新于 2026-05-11
适配Hugging Face或本地模型在vllm-ascend上运行，代码改动最小化
⚙ 分析模型架构 ⚙ 检查模型文件 ⚙ 实现模型适配器
vllm-ascend-model-adapter - vLLM Ascend 模型适配
模型适配 Ascend NPU vLLM 推理
★ 57 · 更新于 2026-05-11
为 vLLM 在 Ascend NPU 上适配和调试模型
⚙ 分析模型架构 ⚙ 实现模型适配器 ⚙ 添加处理器支持
ai-engineer - 构建生产级LLM应用
llm rag agents ai
★ 11 · 更新于 2026-05-09
构建生产级LLM应用、高级RAG系统和智能代理
⚙ 构建LLM应用 ⚙ 实现RAG系统 ⚙ 部署AI代理
replay-buffer - 多模态经验回放缓冲区
强化学习经验回放多模态记忆
★ 0 · 更新于 2026-03-22
将心跳转换记录到索引存储，支持采样、时间范围查询和情节重放。
⚙ 记录转换 ⚙ 查询缓冲区 ⚙ 重放情节
dual_branch_vit_adaptive_counter_guide - 双分支ViT RGB/事件融合
ViT 多模态自注意力 PyTorch
★ 581 · 更新于 2026-03-10
将基于自注意力的Counter_Guide模块与自适应权重集成到双分支ViT中，实现RGB/事件数据融合
⚙ 实现自注意力模块 ⚙ 创建多上下文注意力 ⚙ 应用自适应权重
looker - 多模态分析专家：PDF/图片/图表/架构图/截图分析
多模态分析 PDF 图片
★ 18 · 更新于 2026-03-09
分析PDF、图片、图表、架构图和截图等媒体文件以提取信息
⚙ 提取PDF文本 ⚙ 描述图片内容 ⚙ 解读图表数据
looker - 多模态分析专家，支持PDF、图片、图表和截图分析
多模态文档分析图片分析数据提取
★ 602 · 更新于 2026-03-09
分析媒体文件，包括PDF、图片、图表、架构图和截图
⚙ 提取PDF文本 ⚙ 描述图片内容 ⚙ 解释图表数据

Scroll to load more