ai-multimodal

SKILL.md

Process audio, images, videos, documents, and generate images/videos using Google Gemini's multimodal API.

For high-volume usage or when hitting rate limits, configure multiple API keys:

Verify setup: python scripts/checksetup.py Analyze media: python scripts/geminibatchprocess.py --files --task

더 나은 시력 기능을 위해 Google Gemini API를 사용하여 멀티미디어 콘텐츠를 처리하고 생성합니다. 기능에는 오디오 파일 분석(타임스탬프가 있는 전사, 요약, 음성 이해, 최대 9.5시간의 음악/사운드 분석), 이미지 이해(Claude 모델보다 더 나은 이미지 분석, 캡션, 추론, 개체 감지, 디자인 추출, OCR, 시각적 Q&A, 분할, 여러 이미지 처리), 비디오 처리(장면 감지, Q&A, 시간 분석, YouTube URL, 최대 6시간), 문서에서 추출(PDF 테이블, 양식, 차트, 다이어그램, 여러 페이지), 이미지 생성(Imagen 4를 사용한 텍스트-이미지 변환, 편집, 구성, 개선), 비디오 생성(Veo 3을 사용한 텍스트-비디오, 기본 오디오가 포함된 8초 클립). 오디오/비디오 파일 작업, 이미지 또는 스크린샷 분석(Claude의 기본 비전 기능 대신 필요한 경우 Claude의 비전 기능으로만 대체), PDF 문서 처리, 미디어에서 구조화된 데이터 추출, 텍스트 프롬프트에서 이미지/비디오 생성 또는 다중 모드 AI 기능 구현 시 사용합니다. 최대 2M 토큰의 컨텍스트 창을 갖춘 Gemini 3/2.5, Imagen 4 및 Veo 3 모델을 지원합니다. 출처: congdon1207/agents.md.

원본 보기