Visual Summarization Skill | 视觉摘要智述技能
对视频/图片进行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/图片进行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/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，生成一段自然场景描述。' 它会识别视频中的环境、人物动作、物体关系，输出如'夕阳下的海滩，一对情侣在散步，海浪轻轻拍打沙滩'。若输入图片，描述则更聚焦静态画面。
介绍
解决什么问题
在视频剪辑、内容创作、社交媒体运营等场景中，快速理解视频或图片内容并生成连贯、自然的场景描述，往往需要人工反复观看和撰写，耗时费力。本技能通过AI自动分析输入的视觉素材，输出一段流畅的文字描述，帮助用户高效获取内容梗概，解放双手。
怎么用
用户只需将视频片段或图片文件传递给本技能，即可获得通顺自然的场景描述。无需额外配置，支持多种常见格式。描述内容会依据视觉元素、动作、环境关系等综合生成，力求还原真实场景的叙事逻辑。
适合谁
适合视频剪辑师、内容创作者、社媒运营、营销专员等需要快速提炼视频/图片要点的人群。也可用于学术研究者对实验视频进行初步标注，或教育工作者制作课程素材时的辅助理解。
使用建议或注意事项
建议输入的视频片段长度控制在5分钟以内，图片分辨率不低于720p。对于复杂场景（如多人同时动作、快速切换镜头），生成的描述可能较为概括，需人工微调。请勿用于对隐私敏感的视频内容分析。
核心特点
与普通图像描述工具不同，本技能不仅识别物体，还能理解场景中的动态关系和时序变化，生成连贯的叙事性描述，而非简单的标签罗列。
注意事项
不适合需要精确物体识别或详细技术参数分析的场景，且对视频长度和复杂度有一定限制，复杂场景描述可能不够细致。
常见问题
支持哪些视频格式？
支持常见格式如MP4、MOV、AVI等，图片支持JPG、PNG、WEBP。
能否处理实时视频流？
目前不支持实时流，仅接受离线视频片段或图片文件。
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/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/raw/index.md（查看排版版本）