Visual Summarization Skill | 视觉摘要智述技能
对视频/图片AI分析生成自然场景描述
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：Visual Summarization Skill | 视觉摘要智述技能。 它的用途是：对视频/图片AI分析生成自然场景描述 完整的 Skill 内容见：https://321skill.com/skills/visual-summarization-skill-视觉摘要智述技能-x-7/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
'请分析这段视频片段，生成一段自然流畅的场景描述，包括环境、人物动作、氛围等。'，它会输出类似'傍晚的海边，夕阳将天空染成橙红色，一位年轻女子沿着沙滩缓步行走，海风吹动她的长发，远处有海鸥盘旋。'的描述，可直接用于视频旁白或文案。
介绍
视觉摘要智述技能能够自动分析输入的视频片段或图片内容，提取关键视觉元素，并生成一段通顺、自然的场景描述文字。它解决了传统视觉分析工具只输出标签或关键词、缺乏连贯叙述的问题，为需要快速理解视频/图片内容并转化为文字描述的场景提供了高效解决方案。
使用方式非常简单：只需将视频片段或图片作为输入传递给该技能，技能会调用AI模型进行视觉理解，然后输出一段流畅的中文或英文场景描述。无需手动配置提示词或编写复杂规则，即开即用。
本技能适合内容创作者、视频剪辑师、营销专员等需要快速将视觉素材转化为文字描述的用户。例如，制作短视频时生成旁白脚本、为产品宣传图片撰写场景文案、或为视频素材添加字幕描述等场景。
建议在使用时提供清晰、高分辨率的视觉素材以获得更准确的描述。对于复杂场景（如多人交互、动态快速变化），可能需要多次尝试或补充上下文。该技能专注于生成描述，不适合需要精确识别物体、人脸或进行计数分析的任务。
核心特点
与市面上常见的图像打标签或关键帧提取工具不同，本技能直接输出连贯的自然语言场景描述，更接近人类叙述风格，适合直接用于文案、旁白或字幕生成。
注意事项
不适合需要精确识别物体、人脸、文字或进行数量统计的分析场景。
常见问题
支持哪些格式的视频和图片？
通用格式如MP4、MOV、JPEG、PNG等均可，建议视频时长不超过30秒以便获得稳定描述。
描述语言可以指定吗？
当前支持中文和英文描述，默认根据输入内容自动判断，也可在输入时明确要求使用某语种。
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/visual-summarization-skill-视觉摘要智述技能-x-7/raw/index.md 读取 Visual Summarization Skill | 视觉摘要智述技能 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/visual-summarization-skill-视觉摘要智述技能-x-7/raw/index.md（查看排版版本）