OpenClaw Skill 每日推荐 - 图像与视频生成（image-and-video-generation）

OpenClaw Skill 每日推荐 - 图像与视频生成（image-and-video-generation）

「OpenClaw Skill 每日推荐」第 40 期，第三轮第 10 期。继续从 awesome-openclaw-skills（全库 5300+ 条目、30 个分类）中每天取一个分类，精选代表性 skill 深入介绍。上期说好「明天见」，结果隔了个周末才来——但预告兑现了：管完你几点睡，Agent 决定管你画什么。这是 Agent 头一回从「说」跨到「画」：此前它交付给你的全是文字，从这期开始，它交付像素。顺带一提，本分类里还住着教它换脸的和教它识别换脸的，两边门对门。

老规矩，本期精选条目的机制描述、依赖要求和版本历史均逐个核对过 clawskills.sh 详情页原文（唯一例外 kling-video-generator 不在注册表，核对的是作者仓库的 SKILL.md 原文），附安装命令和链接，出处一手。

今日分类概述

图像与视频生成（image-and-video-generation），169 个 skills，全库体量第九（前十：coding-agents 1200 / web 925 / devops 392 / search 352 / browser 320 / productivity 204 / ai 184 / cli 180 / image 169 / git 166）。盘完的结构是六成正经、四成串场——和两期前的 Git 分类一个成色，比上期的健身房（四六开倒挂）体面多了。

正经部分（约 100 条）分三层：

  • 调用层（60 条上下）：文生图、图生图、文生视频、换脸、变龄、头像、正装照、专辑封面、YouTube 封面……各家 API 的薄封装，一个 curl 的事；
  • 图像周边（40 多条）：OCR 六件套、图表可视化、SVG/DXF 转换、调色板提取、搜图（Unsplash）、图床托管、相册管理（Immich）——不生产图像，做图像的搬运和后处理；
  • 工作流层（个位数）：本期的主角们，解决的不是「能不能调 API」，而是「Agent 怎么又快、又稳、又便宜地交付媒体」。

串场住户（60 多条）下面行为艺术部分细说，先剧透一句：16 条 crypto/赌场、3 个租人类的、1 个德奥超市比价，还有 1 个塔罗牌。

eachlabs 帝国值得单独记一笔：eftalyurtseven 一个人贡献了 12 个条目（变龄、头像、正装照、专辑封面、深度图、换脸、时装、图编辑、图生成、视频编辑、视频生成、YouTube 封面），全部走 each::sense API，一把钥匙通吃，占全分类 7%。

精选 Skill 详解

1. comfyui-imagegen —— 本地生图，把「等一张图」做成工程 ⭐⭐⭐⭐⭐

本分类的工程标杆。对着本地跑的 ComfyUI（localhost:8188）用 Flux2 工作流出图：自然语言先被整理成结构化 JSON prompt，再提交 ComfyUI API。杀手锏是异步子代理：生成任务提交后，一个 sub-agent 每 5 秒轮询一次状态，主 Agent 该干嘛干嘛，出图完成后自动交付——详情页原话，比阻塞式干等省约 10 倍 token。

v1.5.0（2026-02-12）的版本说明写得很实：standalone 结构化 prompt 修复、1920x1080 工作流、异步 JSON 生成+交付全链路 live-tested。这不是 Demo，是当生产力在养的。

实用场景：概念图批量探索（多 seed 场景变体）；博客头图、演示配图不离终端；生成期间让 Agent 继续干别的活，出图自动送达。

依赖门槛：ComfyUI 装好并跑在 8188 端口——显卡是入场券，换来的是零 API 费和不出本机的隐私。

为什么排第一：全分类唯一把「Agent 如何等一张图」当工程问题来解的。别人在卷模型，它在卷等待本身。

2. eachlabs-image-generation —— 一把钥匙，60 扇门 ⭐⭐⭐⭐

eachlabs 帝国的旗舰。60+ 模型（Flux、GPT Image、Gemini、Imagen、Seedream、Ideogram）统一走 EachLabs Predictions API，一套请求 schema，一个 EACHLABS_API_KEY，异步三段式：提交任务 → 轮询 → 取回输出 URL。详情页说得直白：省掉的是给每家模型单独开户、单独集成的管理成本。

值得点名的是 v0.1.2（2026-02-09）新增的安全约束章节：LoRA 权重只允许白名单平台标识（不接受任意用户提供的 URL）、拒绝转发第三方 API token、输入参数必须匹配模型请求 schema、model slug 提交前先校验。会把安全边界主动写进 SKILL.md 的 skill，全库都不多见。

实用场景：产品 mockup、社媒配图、透明背景 logo 原型、博客插图、带特定风格的训练数据集——详情页给的用例清单本身就是个选题库。

3. kling-video-generator —— 把 API 手册写成决策树 ⭐⭐⭐⭐

  • 链接：wells1137/kling-video-generator
  • 安装：不在官方注册表（clawskills.sh 查无此 skill），从作者仓库克隆进 skills 目录使用
  • 环境变量：KLING_ACCESS_KEY / KLING_SECRET_KEY，需要 python3

视频侧的教科书。基于 Kling 3.0 Omni，六种模式全覆盖：文生视频、图生视频、视频编辑（换主体换风格）、视频参考（借运镜和风格）、多镜头分镜生成、音画同步（含语音和音效）。

真正的亮点是它的文档架构：references/api_reference.md 收录全量参数、类型、R1-R10 互斥规则和能力矩阵（作者自称 extensive testing 踩出来的）；references/prompt_guide.md 给出官方提示词公式、模板语法和全场景 few-shot；scripts/kling_api.py 统管 JWT 认证、任务创建和轮询。比如「sound: on 与视频输入互斥」这种坑，直接写成硬约束，Agent 构造 payload 前必须先走一遍决策树——多镜头要设 multi_shot: true 和 shot_type: "customize"，编辑和参考分别对应 refer_type: "base" 与 "feature"，条条有出处。

实用场景：分镜脚本直接出多镜头成片；静态产品图转动态广告；给现有视频换风格。

两个提醒：SKILL.md 里写死了 /home/ubuntu/skills/... 的 Linux 绝对路径，macOS 用户装完记得改；它也是本期精选里唯一自托管仓库的——不在注册表，质量倒是在线。

4. creaa-ai —— 模型阵容最新鲜的一张脸 ⭐⭐⭐⭐

走 Creaa API 的图+视频双修，模型表是全分类最激进的：Nano Banana 2、Sora 2、Seedance 2.0、Veo 3.1——别的 skill 还在卷去年的旗舰，它把各家最新的视频模型排成了一张表。任务覆盖文生图、图生图、多图参考编辑、文生视频、图生视频，同样是异步提交 → task ID → 轮询的管道。

v1.1.0（2026-03-09）首发的版本说明交代得很清楚：模型表覆盖 model ID、能力、支持宽高比和积分成本——选型时不用自己翻 API 文档，这对 Agent 是实打实的省 token。

实用场景：追新模型不想频繁换工具的；图和视频要在同一条管道里出的（比如先生成分镜图、再图生视频）。

不碰大模型：Memegen.link 的公开 API，终端直接产梗图、image macro 和 meme URL。详情页 Requirements 一栏是空的——装完就能用，零依赖零费用。它证明了这个生态的下限可以多低：一条 curl 的事，包装到位了也是价值。

实用场景：群聊斗图弹药库；给日报周报配一张克制的表情包；Agent 学会冷幽默的最短路径。

顺便点名几位荣誉提名：bex-nano-banana-pro（bextuychiev，数据工程圈知名博主，走 Replicate 的 Gemini 3 Pro Image 通道，详情页信息量约等于零但作者口碑在线）；fal-ai（agmmnn，fal.ai 老牌推理基础设施，FLUX/SDXL/Whisper 图音视频一把抓）；zhipu-cogview-image（智谱 CogView，国内网络环境直连之选）；ollama-x-z-image-turbo（法语作者，Ollama 本地跑 x/z-image-turbo，出图直发 WhatsApp——本地派的浪漫）；algorithmic-art（p5.js + 种子随机，不调 API 的代码生图原教旨主义）。

行为艺术三则

  1. 价格战打出 50 倍价差：cheapest-image 号称 $0.0036/张，best-image 报价 $0.12-0.20/张——两句描述、四个 skill、两个作者（pharmacist9527、evolinkai），排列组合出 best/cheapest 各一对，价差最高 55 倍。质量差 50 倍还是成本差 50 倍，两家都没说；kie-ai-skill 更是把「at 30-80%」直接写进描述（原文到此截断，省的是成本还是别的，留给你想象）。API 二道贩子的价格战，正式打进了 skill 市场。
  2. 克隆浓度再创新高：上期健身房三对双胞胎已是全库领先，这期直接翻倍——六对描述完全相同的条目：qr-gen ≡ skill-1（claudiodrusus）、e2ee ≡ openindex（titocosta）、opencr-skill ≡ openocr-skill（topdu，名字就差一个字母）、rent-a-human ≡ rentahuman（alexanderliteplo）、aiusd ≡ aiusd-skills（chaunceyliu），外加上面的 best/cheapest 跨作者四胞胎。另有一个叫 pr-generator 的，描述是「生成 QR 码」——名字和内容之间，大概隔着一次手滑。
  3. 攻防同场，四世同堂：eachlabs-face-swap 教 Agent 换脸，didit-passive-liveness 教 Agent 做活体检测防伪，image-detection 教 Agent 识别 AI 生图，vtl-image-analysis 还要用 Visual Thinking Lens 框架给 AI 生图量构图。一条街上，造假铺子、鉴定铺子和艺术评论家门对门。而本分类最名副其实的串场者是 agentchan——匿名 imageboard（图像板），确实含 image，分类器没骗你，只是没想到。

应用场景总结

按人群对号入座：

  • 有显卡、要隐私、零预算：comfyui-imagegen，本地 Flux2 + 异步交付；
  • 不想开 N 个账号：eachlabs-image-generation 一把钥匙 60 模型（或 fal-ai）；
  • 视频创作者：kling-video-generator，分镜到成片一条管道；
  • 模型追新党：creaa-ai，Sora 2 / Veo 3.1 / Nano Banana 2 都在表里；
  • 群聊斗图选手：memelink，免费无依赖；
  • 国内网络环境：zhipu-cogview-image 直连；
  • 设计资产已有积累：canva-connect、figma、photoshop-automator 三座桥；
  • 代码生图原教旨：algorithmic-art，种子随机，可复现的艺术。

一个横向观察：上期健康分类的正经部分是「数据/记忆/纪律」三类代理，这期是「调用/聚合/工作流」三层基建。护城河排序很清楚：工作流（comfyui 的异步子代理、kling 的 R1-R10）> 聚合（eachlabs 的 60 模型表）> 调用（上百条薄封装，只能靠价格战互卷）。Agent 生态的图像战场，已经从「能不能调 API」升级到「怎么把等待、约束和成本做成工程」。

推荐指数排名

排名 Skill 推荐指数 一句话
1 comfyui-imagegen ⭐⭐⭐⭐⭐ 本地 Flux2 + 异步子代理，把等待做成工程
2 kling-video-generator ⭐⭐⭐⭐ R1-R10 互斥规则 + 决策树，视频六模式；记得改硬编码路径
3 eachlabs-image-generation ⭐⭐⭐⭐ 60+ 模型一把钥匙，安全边界写进 SKILL.md
4 creaa-ai ⭐⭐⭐⭐ Sora 2 / Veo 3.1 阵容最新，模型表省翻文档
5 memelink ⭐⭐⭐ 免费梗图，五分钟上手，下限之美

系列连载中。下期第 41 期：画完之后，Agent 盯上了你的 iPhone——它说要亲手写 Swift。iOS/macOS 开发（ios-and-macos-development），敬请期待。

相关文章推荐

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

程序员，关于技术我所知甚少，唯有探索，方得真知。