Generative Media Skills

开源多模态 & 视觉3.3k

AI Agent 多模态生成技能包,3.3K+ stars。为 Claude Code、Cursor、Gemini CLI 等提供图像、视频、3D 等多模态生成技能,支持高质量的多模态内容创作

#多模态生成#AI 创作#Claude Code 技能#媒体生成

📊 仓库数据

Stars3,306
Forks370
语言Shell
更新2026/5/21

🔗 相关工具

MoneyPrinterTurbo

开源58k↑+17

github.com/harry0703/MoneyPrinterTurbo

AI 短视频生成工具,56,087+ stars。利用大模型一键生成高清短视频,自动完成选题、文案、配音、字幕、画面生成全流程。是国内最受欢迎的 AI 短视频自动化工具。

🎯 自媒体内容创作、短视频批量生产、AI 视频创作学习

#短视频#AI 创作#自动化#中文
语言Python
🍴 Forks8,314
📅 上线2024/2/1
🔄 更新2026/5/21

Stable Diffusion WebUI

开源163k↑+8

github.com/AUTOMATIC1111/stable-diffusion-webui

最流行的 Stable Diffusion Web UI,162,491+ stars。提供直观的图形界面,支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能,是 AI 图像生成领域的事实标准工具

🎯 AI 图像生成、艺术创作、模型微调、设计辅助

#图像生成#Stable Diffusion#Web UI#开源
语言Python
🍴 Forks30,348
🔄 更新2026/5/21

ComfyUI

开源114k↑+50

github.com/comfyanonymous/ComfyUI

节点式 Diffusion 模型 GUI,109,363+ stars。基于节点的工作流编排,可视化连接各处理模块,是最强大的图像生成工作流工具,支持 SDXL、Flux、Stable Cascade 等最新模型

🎯 高级图像生成工作流、批量图片处理、模型对比实验

#节点式#工作流#图像生成#开源
语言Python
🍴 Forks13,322
🔄 更新2026/5/21

OpenAI Whisper

开源100k↑+26

github.com/openai/whisper

开源语音识别模型,支持多语言转录和翻译

🎯 语音转文字、字幕生成、多语言翻译

#语音识别#多语言#转录
语言Python
🍴 Forks12,230
📅 上线2022/9/16
🔄 更新2026/5/21

Deep Live Cam

开源93k↑+27

github.com/hacksider/Deep-Live-Cam

实时人脸替换工具,91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake,基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理,是 AI 换脸领域最受欢迎的开源项目。

🎯 视频创作、娱乐效果、AI 换脸技术学习

#Deepfake#人脸替换#计算机视觉#实时
语言Python
🍴 Forks13,571
📅 上线2024/3/15
🔄 更新2026/5/21

OpenCV

开源88k↑+1

github.com/opencv/opencv

开源计算机视觉库,87,181+ stars。全球最广泛使用的计算机视觉库,提供 2500+ 优化算法,涵盖图像处理、目标检测、人脸识别、相机标定等领域。支持 C++、Python、Java,是 AI 视觉应用的基石。

🎯 图像处理、目标检测、人脸识别、AR/VR、自动驾驶

#计算机视觉#图像处理#目标检测#开源
语言C++
🍴 Forks56,579
📅 上线2012/5/1
🔄 更新2026/5/21