Agent Skills Hub

gemini-video-understanding

使用 Google Gemini API 进行深度视频分析：包含视频摘要、音频转录、时间戳提取、视频片段剪辑，并支持 YouTube 链接或本地文件，适用于多种模型与长文本上下文。

gemini-audio

整合 Google Gemini API 音频处理功能：进行录音转文字、音频摘要、声音分析，并提供语音合成 (TTS) 功能以产生自然语音。

food-diorama-skill

使用 Google Gemini API 生成 3D 城市美食盲盒影像。创作包含标志性美食、文化符号与城市历史元素的四宫格立体模型风格图像。

ai-multimodal

使用 Google Gemini 处理与生成多媒体内容。支持音频转录、图像识别、视频分析、PDF 解析及 AI 图像生成，具备超长上下文窗口，适用于复杂的多模态 AI 任务。

gemini-vision

实现 Google Gemini API 图像分析功能，包含图像描述、对象检测、图像分割、视觉问答及多图对比分析。