tomevault-io video-understand 技能
概述
通过多模态 Omni 模型理解视频/图片内容，用自然语言驱动输出任意所需结果——复刻视频的生成 Prompt、场景描述、音频转录、内容分析等。
当前实现基于 OpenRouter 上的 xiaomi/mimo-v2-omni，但工具本身可以改造为任何支持视频/图片输入的多模态模型（不限于 Omni 类型），只需替换模型 ID 和对应的 API 接入方式。
核心功能
把视频或图片交给模型，配合你的需求描述，直接生成所需内容：
- 复刻视频的生成 Prompt（用于 AI 视频生成工具）
- 视频内容理解与描述
- 音频转录
- 多媒体对比分析
- 其他自定义需求
使用方法
前置条件：
export OPENROUTER_API_KEY=your_api_key
# 单视频
node scripts/openrouter-mimo-omni.js -p "你的需求" -v video.mp4
# 多图
node scripts/openrouter-mimo-omni.js -p "你的需求" -i img1.jpg -i img2.jpg
# 图片 + 视频混合
node scripts/openrouter-mimo-omni.js -p "你的需求" -i photo.jpg -v video.mp4
# 指定提取帧数
node scripts/openrouter-mimo-omni.js -p "你的需求" -v video.mp4 --frames 15
注意事项
- 需要安装
ffmpeg（用于大视频自动压缩） - 需要设置
OPENROUTER_API_KEY
Source: xiaotianfotos/skills — distributed by TomeVault.