ai-multimodal
✓使用 Google Gemini API 處理和生成多媒體內容，以獲得更好的視覺功能。功能包括分析音頻文件（帶有時間戳的轉錄、摘要、語音理解、音樂/聲音分析，長達 9.5 小時）、理解圖像（比 Claude 模型更好的圖像分析、字幕、推理、對象檢測、設計提取、OCR、視覺問答、分割、處理多個圖像）、處理視頻（場景檢測、問答、時間分析、YouTube URL，長達 6 小時）、從文檔中提取（PDF 表格、表格、圖表、圖表、多頁）、生成圖像（使用 Imagen 4 進行文本到圖像、編輯、合成、細化）、生成視頻（使用 Veo 3 進行文本到視頻、帶有原生音頻的 8 秒剪輯）。在處理音頻/視頻文件、分析圖像或屏幕截圖（而不是 Claude 的默認視覺功能，僅在需要時回退到 Claude 的視覺功能）、處理 PDF 文檔、從媒體中提取結構化數據、根據文本提示創建圖像/視頻或實現多模式 AI 功能時使用。支持 Gemini 3/2.5、Imagen 4 和 Veo 3 模型，上下文窗口高達 2M 令牌。
SKILL.md
Process audio, images, videos, documents, and generate images/videos using Google Gemini's multimodal API.
Verify setup: python scripts/checksetup.py Analyze media: python scripts/geminibatchprocess.py --files --task
Generate content: python scripts/geminibatchprocess.py --task --prompt "description"
使用 Google Gemini API 處理和生成多媒體內容，以獲得更好的視覺功能。功能包括分析音頻文件（帶有時間戳的轉錄、摘要、語音理解、音樂/聲音分析，長達 9.5 小時）、理解圖像（比 Claude 模型更好的圖像分析、字幕、推理、對象檢測、設計提取、OCR、視覺問答、分割、處理多個圖像）、處理視頻（場景檢測、問答、時間分析、YouTube URL，長達 6 小時）、從文檔中提取（PDF 表格、表格、圖表、圖表、多頁）、生成圖像（使用 Imagen 4 進行文本到圖像、編輯、合成、細化）、生成視頻（使用 Veo 3 進行文本到視頻、帶有原生音頻的 8 秒剪輯）。在處理音頻/視頻文件、分析圖像或屏幕截圖（而不是 Claude 的默認視覺功能，僅在需要時回退到 Claude 的視覺功能）、處理 PDF 文檔、從媒體中提取結構化數據、根據文本提示創建圖像/視頻或實現多模式 AI 功能時使用。支持 Gemini 3/2.5、Imagen 4 和 Veo 3 模型，上下文窗口高達 2M 令牌。 來源：binjuhor/shadcn-lar。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/binjuhor/shadcn-lar --skill ai-multimodal- 分類
- #文件處理
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 ai-multimodal？
使用 Google Gemini API 處理和生成多媒體內容，以獲得更好的視覺功能。功能包括分析音頻文件（帶有時間戳的轉錄、摘要、語音理解、音樂/聲音分析，長達 9.5 小時）、理解圖像（比 Claude 模型更好的圖像分析、字幕、推理、對象檢測、設計提取、OCR、視覺問答、分割、處理多個圖像）、處理視頻（場景檢測、問答、時間分析、YouTube URL，長達 6 小時）、從文檔中提取（PDF 表格、表格、圖表、圖表、多頁）、生成圖像（使用 Imagen 4 進行文本到圖像、編輯、合成、細化）、生成視頻（使用 Veo 3 進行文本到視頻、帶有原生音頻的 8 秒剪輯）。在處理音頻/視頻文件、分析圖像或屏幕截圖（而不是 Claude 的默認視覺功能，僅在需要時回退到 Claude 的視覺功能）、處理 PDF 文檔、從媒體中提取結構化數據、根據文本提示創建圖像/視頻或實現多模式 AI 功能時使用。支持 Gemini 3/2.5、Imagen 4 和 Veo 3 模型，上下文窗口高達 2M 令牌。 來源：binjuhor/shadcn-lar。
如何安裝 ai-multimodal？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/binjuhor/shadcn-lar --skill ai-multimodal 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/binjuhor/shadcn-lar
詳情
- 分類
- #文件處理
- 來源
- skills.sh
- 收錄時間
- 2026-02-01