hellomedia
为AI宿主提供独立的多模态（图/视/音）处理能力
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：hellomedia。 它的用途是：为AI宿主提供独立的多模态（图/视/音）处理能力 完整的 Skill 内容见：https://321skill.com/skills/hellomedia/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我看看这张截图里报错信息是什么？”，AI会直接调用本技能的`vision.py`脚本分析图片内容并返回描述。或者说：“画一只在太空站里穿宇航服的猫”，AI则会调用`generate.py`生成图像。
介绍
HelloMedia 是一个独立、完整的AI Agent多模态技能包，核心解决宿主主模型（如语言模型）自身无法看图、读视频、听音频的局限性。当用户消息包含图片、截图、视频、音频文件或路径，或提出视觉理解、图像/视频生成编辑、语音合成/转写等需求时，必须调用此技能，避免依赖或尝试不可靠的宿主内置能力。
使用方式清晰直接：对于图片，有文件路径则使用--image参数，若用户通过剪贴板粘贴图片（无路径），则需引导用户重新复制图片到系统剪贴板后使用--from-clipboard参数；对于视频/音频理解、生成编辑、TTS/STT等，均有对应的专用脚本（如vision.py, understand.py, generate.py, video.py, audio.py）处理。配置灵活，支持通过config.json管理多个API渠道和参数。
它适合所有需要为AI Agent（如Claude、Cursor、Trae等）增强多模态处理能力的开发者或高级用户，尤其是在宿主模型本身视觉/听觉能力缺失、不稳定或需要更可控的媒体生成流程时。
与Grok Build等环境内置的媒体工具相比，HelloMedia的核心区别在于其独立性和跨宿主通用性。它不依赖特定宿主运行时注入的工具，而是提供一套标准化的CLI脚本，可在任何支持Python的环境中运行。同时，它专门优化了对第三方API中转（Sub2API）的支持，在字段映射、用户代理等方面做了适配，确保了在非官方端点下的兼容性。
核心特点
1. 严格遵循“宿主主模型无视觉/听觉”的默认假设，强制路由多模态请求至本技能，避免先尝试宿主模型导致的失败或低质量响应。2. 深度适配API中转场景，解决了非官方端点（如`base_url`非`api.x.ai`）在图生视频字段、CDN访问策略等方面的兼容性问题。
注意事项
不适合宿主模型本身已具备强大且可靠原生多模态能力、且用户明确要求使用宿主内置工具的场景。
常见问题
用户粘贴了图片，但AI说看不到怎么办？
需引导用户“重新复制”图片到系统剪贴板（截图或Copy Image操作），然后技能使用`--from-clipboard`参数读取，而非仅复制文件路径文字。
和Grok Build自带的image_to_video工具有什么区别？
Grok工具是宿主内置的，本技能是跨宿主可用的独立实现。默认应使用本技能，仅在用户明确要求或用宿主工具更合适时才切换。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/hellomedia/raw/index.md 读取 hellomedia 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/hellomedia/raw/index.md（查看排版版本）