MCP HubMCP Hub
SKILL·10B427

sora

openclaw
更新日 1 month ago
20 閲覧
972
296
972
GitHubで表示
メタai

について

Soraスキルは、テキストプロンプトから、または参照画像をアニメーション化することで、AIによる動画を生成し、映画的なMP4出力を生成します。リップシンクを必要としない芸術的または動きに焦点を当てた動画コンテンツの作成にご利用ください。トーキングヘッド動画、リップシンク、画像生成、または標準的な動画編集タスクには使用しないでください。

クイックインストール

Claude Code

推奨
メイン
npx skills add openclaw/skills -a claude-code
プラグインコマンド代替
/plugin add https://github.com/openclaw/skills
Git クローン代替
git clone https://github.com/openclaw/skills.git ~/.claude/skills/sora

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

openclaw/skills
パス: skills/pauldelavallaz/sora
0
archivebackupclawdbotclawdhubskill
FAQ

Frequently asked questions

What is the sora skill?

sora is a Claude Skill by openclaw. Skills package instructions and resources that Claude loads on demand, so Claude can perform sora-related tasks without extra prompting.

How do I install sora?

Use the install commands on this page: add sora to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does sora belong to?

sora is in the Meta category, tagged ai.

Is sora free to use?

Yes. sora is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

関連スキル

content-collections
メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る
polymarket
メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る
creating-opencode-plugins
メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る
sglang
メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る