mc-skills/catalog

Fork 0

mc-skills 52efc07510 catalog: 更新 2026-04-07 11:44

2026-04-07 11:44:56 +08:00

15 KiB

Raw Permalink Blame History

AI媒体处理命令行工具

媒体处理 图像生成 视频生成 音频转录 AI工具 CLI

agent-media

面向 AI 代理的媒体处理命令行工具。

图像：生成、编辑、去除背景、超分辨率放大、调整尺寸、格式转换、扩展画布、裁剪
视频：生成（文本生成视频 & 图像生成视频）
音频：从视频中提取、转录（支持说话人识别）

安装

全局安装

npm install -g agent-media@latest

从源码安装

git clone https://github.com/agntswrm/agent-media
cd agent-media
pnpm install && pnpm build && pnpm link --global

通过 bunx / npx 使用

无需安装，直接运行：

bunx agent-media@latest --help
npx agent-media@latest --help

为 AI 代理安装技能

将 agent-media 技能安装到你的编程代理（Claude Code、Cursor、Codex 等）：

npx skills add agntswrm/agent-media

这将为你的 AI 代理添加媒体处理技能，可自动调用。可用技能如下：

agent-media - 所有功能概览
image-generate - 从文本生成图像
image-edit - 使用文本提示编辑图像
image-resize - 调整图像尺寸
image-convert - 转换图像格式
image-extend - 通过填充扩展图像画布
image-remove-background - 去除背景
image-crop - 裁剪图像至指定尺寸
image-upscale - 使用 AI 超分辨率放大图像
audio-extract - 从视频中提取音频
audio-transcribe - 将音频转录为文本
video-generate - 从文本或图像生成视频

快速上手

# 生成图像
agent-media image generate --prompt "a robot" --out rob.png

# 去除背景
agent-media image remove-background --in rob.png --out rob_nobg.png

# 编辑图像
agent-media image edit --in rob_nobg.png --prompt "the robot is sitting on a bench next to a cat, in the background you can see the Eiffel Tower in Paris" --out rob_cat_paris.png

# 生成带音频的视频（猫叫声，机器人说话！）
agent-media video generate --in rob_cat_paris.png --prompt "the cat meows and the robot says: \"Yes, me too.\"" --audio --out rob_cat_video.mp4

# 从视频中提取音频
agent-media audio extract --in rob_cat_video.mp4 --out rob_cat_audio.mp3

# 转录音频
agent-media audio transcribe --in rob_cat_audio.mp3

环境要求

Node.js >= 18.0.0
使用 AI 功能需要来自 fal.ai、Replicate、Runpod 或 AI Gateway 的 API 密钥

本地处理（无需 API 密钥）：调整尺寸、格式转换、扩展画布、裁剪、超分辨率放大、音频提取、去除背景、转录

云端处理（需要 API 密钥）：图像生成、图像编辑、超分辨率放大、视频生成、去除背景、转录

注意：使用本地去除背景、放大或转录时，可能会看到 mutex lock failed 错误——忽略即可，若 JSON 显示 "ok": true 则输出正常。

image（图像）

agent-media image resize --in <路径> [选项]
agent-media image convert --in <路径> --format <格式>
agent-media image extend --in <路径> --padding <像素> --color <十六进制颜色>
agent-media image crop --in <路径> --width <像素> --height <像素>
agent-media image generate --prompt <文本>
agent-media image edit --in <路径...> --prompt <文本>
agent-media image remove-background --in <路径>
agent-media image upscale --in <路径>

resize（调整尺寸）

本地处理

agent-media image resize --in sunset-mountains.jpg --width 800
agent-media image resize --in sunset-mountains.jpg --height 600
agent-media image resize --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/sunset-mountains.jpg --width 800

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--width <像素>`	目标宽度（像素）
`--height <像素>`	目标高度（像素）
`--out <路径>`	输出路径、文件名或目录（默认：./）

convert（格式转换）

本地处理

agent-media image convert --in sunset-mountains.png --format webp
agent-media image convert --in sunset-mountains.jpg --format png
agent-media image convert --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/sunset-mountains.png --format jpg --quality 90

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--format <格式>`	输出格式：png、jpg、webp（必填）
`--quality <数值>`	有损格式的质量 1-100（默认：80）
`--out <路径>`	输出路径、文件名或目录（默认：./）

extend（扩展画布）

本地处理

在图像四周添加指定颜色的纯色填充，扩展画布尺寸。

agent-media image extend --in sunset-mountains.jpg --padding 50 --color "#E4ECF8"
agent-media image extend --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/sunset-mountains.png --padding 100 --color "#FFFFFF"

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--padding <像素>`	四周各添加的填充像素数（必填）
`--color <十六进制>`	扩展区域的背景颜色（必填），同时会合并透明度。
`--dpi <数值>`	输出图像的 DPI/分辨率（默认：300）
`--out <路径>`	输出路径、文件名或目录（默认：./）

crop（裁剪）

本地处理

以焦点为中心裁剪图像至指定尺寸。裁剪区域以焦点为中心计算，同时保持在图像边界内。

agent-media image crop --in sunset-mountains.jpg --width 800 --height 600
agent-media image crop --in sunset-mountains.jpg --width 800 --height 600 --focus-x 20 --focus-y 30
agent-media image crop --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/sunset-mountains.jpg --width 400 --height 400

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--width <像素>`	裁剪区域宽度（像素，必填）
`--height <像素>`	裁剪区域高度（像素，必填）
`--focus-x <数值>`	焦点 X 坐标 0-100（默认：50 = 居中）
`--focus-y <数值>`	焦点 Y 坐标 0-100（默认：50 = 居中）
`--dpi <数值>`	输出图像的 DPI/分辨率（默认：300）
`--out <路径>`	输出路径、文件名或目录（默认：./）

generate（生成）

需要 API 密钥

agent-media image generate --prompt "a cat wearing a hat"
agent-media image generate --prompt "sunset over mountains" --width 1024 --height 768

选项	说明
`--prompt <文本>`	文字描述（必填）
`--width <像素>`	宽度（默认：1280）
`--height <像素>`	高度（默认：720）
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（fal、replicate、runpod、ai-gateway）
`--model <名称>`	模型覆盖（如 `fal-ai/flux-2`、`bfl/flux-2-pro`）

edit（编辑）

需要 API 密钥

使用文本提示编辑一张或多张图像（图像到图像）。支持多张输入图像，用于融合风格、主体或场景。

agent-media image edit --in sunset-mountains.jpg --prompt "make the sky more vibrant"
agent-media image edit --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/man-portrait.png --prompt "add sunglasses"
agent-media image edit --in style.jpg content.jpg --prompt "apply the style of the first image to the second"

选项	说明
`--in <路径...>`	一张或多张输入文件路径或 URL（必填）
`--prompt <文本>`	所需编辑效果的文字描述（必填）
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（fal、replicate、runpod、ai-gateway）
`--model <名称>`	模型覆盖（如 `fal-ai/flux-2/edit`、`google/gemini-3-pro-image`）

remove-background（去除背景）

本地或云端处理

agent-media image remove-background --in man-portrait.png
agent-media image remove-background --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/man-portrait.png

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（local、fal、replicate）

upscale（超分辨率放大）

本地或云端处理

使用 AI 超分辨率技术放大图像，在提升分辨率的同时生成细节。

agent-media image upscale --in sunset-mountains.jpg
agent-media image upscale --in sunset-mountains.jpg --scale 4 --provider fal
agent-media image upscale --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/sunset-mountains.jpg --provider replicate

选项	说明
`--in <路径>`	输入文件路径或 URL（必填）
`--scale <数值>`	放大倍数：2 或 4（默认：2）。本地模式始终输出 4 倍。
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（local、fal、replicate）
`--model <名称>`	模型覆盖

video（视频）

# 从文本生成视频
agent-media video generate --prompt <文本>

# 从图像生成视频（为图像添加动效）
agent-media video generate --in <图像> --prompt <文本>

generate（生成）

需要 API 密钥

从文本提示生成视频。可选择提供输入图像为其添加动效（图像生成视频）。提示词描述视频中应发生的内容。

# 文本生成视频
agent-media video generate --prompt "a cat walking through a garden"

# 图像生成视频（为图像添加动效）
agent-media video generate --in woman-portrait.png --prompt "person smiles and waves hello"

# 带音频/语音生成（runpod）
agent-media video generate --in woman-portrait.png --prompt "The woman says: \"Hello, welcome to our channel!\"" --audio --provider runpod

# 带环境音效（fal）
agent-media video generate --prompt "fireworks in the night sky" --audio --duration 10 --provider fal

# 更高分辨率
agent-media video generate --prompt "ocean waves" --resolution 1080p

选项	说明
`--prompt <文本>`	视频的文字描述（必填）
`--in <路径>`	图像生成视频的输入图像（可选）
`--duration <秒>`	时长（默认：runpod 为 5 秒，其他为 6 秒）
`--resolution <分辨率>`	分辨率：720p、1080p（默认：720p）
`--fps <数值>`	帧率：25、50（默认：25）
`--audio`	生成音轨（使用 runpod 时，引号中的文本将生成语音）
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（fal、replicate、runpod）
`--model <名称>`	模型覆盖

audio（音频）

# 从视频中提取音频
agent-media audio extract --in <视频>

# 将音频转录为文本
agent-media audio transcribe --in <音频>

extract（提取）

本地处理

从视频文件中提取音轨。

agent-media audio extract --in woman-greeting.mp4
agent-media audio extract --in woman-greeting.mp4 --format wav
agent-media audio extract --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/woman-greeting.mp4

选项	说明
`--in <路径>`	输入视频文件路径或 URL（必填）
`--format <格式>`	输出格式：mp3、wav（默认：mp3）
`--out <路径>`	输出路径、文件名或目录（默认：./）

transcribe（转录）

本地或云端处理（说话人识别需要云端）

将音频转录为带时间戳的文本。说话人识别（分离）需要使用云端服务商。

agent-media audio transcribe --in woman-greeting.mp3
agent-media audio transcribe --in woman-greeting.mp3 --diarize --speakers 2
agent-media audio transcribe --in https://ytrzap04kkm0giml.public.blob.vercel-storage.com/woman-greeting.mp3

选项	说明
`--in <路径>`	输入音频文件路径或 URL（必填）
`--diarize`	启用说话人识别（仅限云端）
`--language <代码>`	语言代码（未提供时自动检测）
`--speakers <数值>`	说话人数量提示
`--out <路径>`	输出路径、文件名或目录（默认：./）
`--provider <名称>`	服务商（local、fal、replicate）
`--model <名称>`	模型覆盖

输出格式

所有命令均向标准输出返回 JSON：

{
  "ok": true,
  "media_type": "image",
  "action": "resize",
  "provider": "local",
  "output_path": "resized_123_abc.png",
  "mime": "image/png",
  "bytes": 45678
}

发生错误时：

{
  "ok": false,
  "error": {
    "code": "INVALID_INPUT",
    "message": "At least one of width or height must be specified"
  }
}

成功时退出码为 0，出错时为 1。

服务商

默认模型

服务商	resize	convert	extend	crop	图像生成	图像编辑	去除背景	放大	视频生成	转录
local	✓*	✓*	✓*	✓*	-	-	`Xenova/modnet`**	`Xenova/swin2SR`**	-	`moonshine-base`**
fal	-	-	-	-	`fal-ai/flux-2`	`fal-ai/flux-2/edit`	`fal-ai/birefnet/v2`	`fal-ai/esrgan`	`fal-ai/ltx-2`	`fal-ai/wizper`
replicate	-	-	-	-	`black-forest-labs/flux-2-dev`	`black-forest-labs/flux-kontext-dev`	`men1scus/birefnet`	`nightmareai/real-esrgan`	`lightricks/ltx-video`	`whisper-diarization`
runpod	-	-	-	-	`alibaba/wan-2.6`	`google/nano-banana-pro-edit`	-	-	`wan-2.6`	-
ai-gateway	-	-	-	-	`bfl/flux-2-pro`	`google/gemini-3-pro-image`	-	-	-	-

* 由 Sharp 驱动，提供快速图像处理 ** 由 Transformers.js 驱动，支持本地机器学习推理（首次使用时自动下载模型）

使用 --model <名称> 可覆盖任意命令的默认模型。

服务商选择规则

显式标志（最高优先级）：--provider fal
环境变量自动检测：设置 FAL_API_KEY、REPLICATE_API_TOKEN、RUNPOD_API_KEY 或 AI_GATEWAY_API_KEY 可自动选择对应服务商
回退到本地：未指定服务商时，resize/convert 使用本地处理
首个支持的服务商：用于 generate/remove-background

环境变量

变量	说明	获取密钥
`FAL_API_KEY`	fal.ai API 密钥	fal.ai
`REPLICATE_API_TOKEN`	Replicate API 令牌	replicate.com
`RUNPOD_API_KEY`	Runpod API 密钥	runpod.io
`AI_GATEWAY_API_KEY`	AI Gateway API 密钥	vercel.com
`AGENT_MEDIA_DIR`	输出目录（默认：当前目录）	-

路线图

本地去除背景（无需任何 API 密钥）
本地转录（无需任何 API 密钥）
视频生成（文本生成视频 & 图像生成视频）
批量处理支持

15 KiB Raw Permalink Blame History Unescape Escape

AI媒体处理命令行工具

agent-media

安装

全局安装

从源码安装

通过 bunx / npx 使用

为 AI 代理安装技能

快速上手

环境要求

image（图像）

resize（调整尺寸）

convert（格式转换）

extend（扩展画布）

crop（裁剪）

generate（生成）

edit（编辑）

remove-background（去除背景）

upscale（超分辨率放大）

video（视频）

generate（生成）

audio（音频）

extract（提取）

transcribe（转录）

输出格式

服务商

默认模型

服务商选择规则

环境变量

路线图

15 KiB

Raw Permalink Blame History