multimodal-llm
✓ビジョン、オーディオ、およびマルチモーダル LLM 統合パターン。画像の処理、音声の文字起こし、音声の生成、またはマルチモーダル AI パイプラインの構築時に使用します。
SKILL.md
Integrate vision and audio capabilities from leading multimodal models. Covers image analysis, document understanding, real-time voice agents, speech-to-text, and text-to-speech.
| Category | Rules | Impact | When to Use |
| Vision: Image Analysis | 1 | HIGH | Image captioning, VQA, multi-image comparison, object detection | | Vision: Document Understanding | 1 | HIGH | OCR, chart/diagram analysis, PDF processing, table extraction | | Vision: Model Selection | 1 | MEDIUM | Choosing provider, cost optimization, image size limits |
ビジョン、オーディオ、およびマルチモーダル LLM 統合パターン。画像の処理、音声の文字起こし、音声の生成、またはマルチモーダル AI パイプラインの構築時に使用します。 ソース: yonatangross/orchestkit。
引用可能な情報
AI/検索での引用用の安定したフィールドとコマンド。
- インストールコマンド
npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-llm- カテゴリ
- </>開発ツール
- 認証済み
- ✓
- 初回登録
- 2026-02-17
- 更新日
- 2026-02-18
クイックアンサー
multimodal-llm とは？
ビジョン、オーディオ、およびマルチモーダル LLM 統合パターン。画像の処理、音声の文字起こし、音声の生成、またはマルチモーダル AI パイプラインの構築時に使用します。 ソース: yonatangross/orchestkit。
multimodal-llm のインストール方法は？
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/yonatangross/orchestkit --skill multimodal-llm インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code や Cursor で使用できるようになります
ソースリポジトリはどこですか？
https://github.com/yonatangross/orchestkit
詳細
- カテゴリ
- </>開発ツール
- ソース
- skills.sh
- 初回登録
- 2026-02-17