multimodal-ai
О программе
Этот навык предоставляет шаблоны для создания приложений, которые обрабатывают и комбинируют различные типы данных, такие как текст, изображения, аудио и видео. Он охватывает ключевые возможности, включая API компьютерного зрения для анализа изображений, инструменты транскрипции аудио, такие как Whisper, и унифицированные мультимодальные конвейеры. Используйте его, когда вам необходимо реализовать функции, связанные с извлечением данных из документов, преобразованием изображений в текст или интеграцией моделей, таких как GPT-4V и Claude Vision.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add omer-metin/skills-for-antigravity -a claude-code/plugin add https://github.com/omer-metin/skills-for-antigravitygit clone https://github.com/omer-metin/skills-for-antigravity.git ~/.claude/skills/multimodal-aiСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
GitHub репозиторий
Frequently asked questions
What is the multimodal-ai skill?
multimodal-ai is a Claude Skill by omer-metin. Skills package instructions and resources that Claude loads on demand, so Claude can perform multimodal-ai-related tasks without extra prompting.
How do I install multimodal-ai?
Use the install commands on this page: add multimodal-ai 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 multimodal-ai belong to?
multimodal-ai is in the Meta category, tagged word, ai, api and design.
Is multimodal-ai free to use?
Yes. multimodal-ai is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Похожие навыки
Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
