ai-multimodal
✓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(캡션, 개체 감지, OCR, 시각적 Q&A, 분할), 비디오 처리(장면 감지, Q&A, 시간 분석, YouTube URL, 최대 6시간), 문서에서 추출(PDF 테이블, 양식, 차트, 다이어그램, 다중 페이지), 이미지 생성(텍스트를 이미지로, 편집, 구성, 개선). 오디오/비디오 파일 작업, 이미지 또는 스크린샷 분석, PDF 문서 처리, 미디어에서 구조화된 데이터 추출, 텍스트 프롬프트에서 이미지 생성 또는 멀티모달 AI 기능 구현 시 사용합니다. 최대 2M 토큰의 컨텍스트 창을 갖춘 여러 모델(Gemini 2.5/2.0)을 지원합니다.
SKILL.md
Process audio, images, videos, documents, and generate images using Google Gemini's multimodal API. Unified interface for all multimedia content understanding and generation.
| Task | Audio | Image | Video | Document | Generation |
| Transcription | ✓ | - | ✓ | - | - | | Summarization | ✓ | ✓ | ✓ | ✓ | - | | Q&A | ✓ | ✓ | ✓ | ✓ | - | | Object Detection | - | ✓ | ✓ | - | - | | Text Extraction | - | ✓ | - | ✓ | - | | Structured Output | ✓ | ✓ | ✓ | ✓ | - | | Creation | TTS | - | - | - | ✓ | | Timestamps | ✓ | - | ✓ | - | - | | Segmentation | - | ✓ | - | - | - |
인용 가능한 정보
AI/검색 인용용 안정적인 필드와 명령어.
- 설치 명령어
npx skills add https://github.com/mrgoonie/claudekit-skills --skill ai-multimodal- 카테고리
- #문서
- 인증됨
- ✓
- 최초 등록
- 2026-02-01
- 업데이트
- 2026-02-18
빠른 답변
ai-multimodal이란?
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(캡션, 개체 감지, OCR, 시각적 Q&A, 분할), 비디오 처리(장면 감지, Q&A, 시간 분석, YouTube URL, 최대 6시간), 문서에서 추출(PDF 테이블, 양식, 차트, 다이어그램, 다중 페이지), 이미지 생성(텍스트를 이미지로, 편집, 구성, 개선). 오디오/비디오 파일 작업, 이미지 또는 스크린샷 분석, PDF 문서 처리, 미디어에서 구조화된 데이터 추출, 텍스트 프롬프트에서 이미지 생성 또는 멀티모달 AI 기능 구현 시 사용합니다. 최대 2M 토큰의 컨텍스트 창을 갖춘 여러 모델(Gemini 2.5/2.0)을 지원합니다. 출처: mrgoonie/claudekit-skills.
ai-multimodal 설치 방법은?
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/mrgoonie/claudekit-skills --skill ai-multimodal 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code나 Cursor에서 사용할 수 있습니다
소스 저장소는 어디인가요?
https://github.com/mrgoonie/claudekit-skills
상세
- 카테고리
- #문서
- 출처
- skills.sh
- 최초 등록
- 2026-02-01