ai-media-generator

零門檻做出專業 AI 影片 / 圖片 / 音樂 — 讓 Codex 或 Claude Code 幫你套上「資深導演級」提示詞。

Zero-skill cinema. Senior-director prompts on autopilot.

說「做個古代將軍騎馬衝鋒的電影感短片」就好。Agent 會：

1. 挑對平台 —— Seedance 寫實武打？Veo 3.1 要原生音效？Kling 3.0 / Runway Gen-4.5 要寫實運鏡？這個 skill 知道（Sora 2 🔴 已停運，見下）
2. 寫對提示詞 —— 不是 cinematic, 8k, beautiful 這種沒用的詞，而是 Deakins、Lubezki、Kodak Vision3 500T、teal-orange grade、Constraints tail（不抖動、不變形…）這類「平台真正吃」的 token
3. 直接操作網站 —— 透過瀏覽器 MCP 把提示詞送上 OiiOii / Flow / Kling / Suno，按完所有按鈕，把成品 fetch 回來

涵蓋 14+ 平台：Midjourney V8.1、Flux 1.1 Pro、Sora 2（🔴 已停運）、Veo 3.1、Kling 3.0、Seedance 2.0／2.5（依 provider 能力閘）、Suno v5.5、Runway Gen-4.5、Ideogram 3、Seedream 5.0、Nano Banana Pro、Vidu Q3、Stable Diffusion、OiiOii…

---

A Codex and Claude Code Skill for zero-skill, senior-quality AI media generation across 14+ platforms.

You say "make a cinematic shot of an ancient general charging on horseback." The agent handles the rest — picking the right platform, writing the platform-specific signature prompt (no more beautiful, masterpiece, detailed filler — actual director / DP / film-stock / lens / Constraints-tail vocabulary, calibrated to what the target model actually parses), and driving the browser to submit it.

為什麼需要這個 skill？

因為「提示詞會寫」是門高門檻 — 而且每個平台寫法都不同。

一般人寫的 prompt：

cinematic shot of an ancient general on a horse, 8k, beautiful, masterpiece, detailed

→ 平台吃不到方向，出來的成品永遠像「AI 圖庫」。

這個 skill 寫的 prompt（Seedance 中文戰鬥範例）：

古代中國將軍 Aria 主角，身披金色鱗甲、紅披風在風中翻飛，手持青銅寶劍前舉，
騎黑色戰馬在黎明戰場上緩慢衝鋒。戰場遠處千軍列陣、紅色戰旗獵獵、塵霧漂浮。
金色逆光晨霧、熒光輪廓。低角度手持 tracking 鏡頭沿馬側跟拍，輕微晃動、穩定地平線。
墨色留白東方美學、史詩寫實電影感。慢動作、流暢、連貫、不僵硬、720p 高清。
不抖動、不變形、不多肢、穩定地平線、穩定時間一致性。

→ 平台懂的每個細節都到位：8 維公式（Subject+Action+Scene+Light+Camera+Style+Quality+Constraints），符合 Seedance 中文訓練、單動詞、Constraints tail。

差別不在你聰不聰明 — 在你知不知道每個平台吃什麼 token。 這個 skill 就是把那份「該怎麼寫」的內部知識，從跨平台研究（X / Threads / Reddit / 小紅書 / Bilibili + 官方 cookbook）+ 兩輪 head-to-head benchmark 抓出來，塞給 Claude 用。

---

Why this exists (English)

Generative-AI prompts are not portable. The same idea sent to Flux vs Midjourney vs Seedance produces wildly different quality, because each model was trained on different captioning conventions:

• Midjourney V8.1 loves comma-chunked detail + --style raw --stylize 750
• Flux strips out director names but rewards 80-200 word natural paragraphs with technical photography vocabulary
• Seedance (中文訓練) treats English director names as weak signal — it wants concrete visual nouns in Chinese, plus a Constraints tail (不抖動、不變形…)
• Sora 2 wants "format anchors" (bodycam footage, surveillance) and quoted dialogue — 🔴 app/web 已於 2026-04-26 停運（API 撐到 2026-09-24），新任務改用 Runway Gen-4.5 / Veo 3.1 / Kling 3.0
• Veo 3.1 is the only model where SFX / Ambient tags actually generate audio

This skill captures those signatures — both from official cookbooks (OpenAI, Google Cloud, fal.ai, BFL) and from real-world community posts on X / Threads / Reddit / 小紅書 / Bilibili — into references an agent can load on demand.

v2.2 highlights

• Seedance 2.5 community prompt patterns with provider capability gates.
• 30-second continuity, first-shot locking, multi-reference, time-freeze／reverse-time and complex-physics workflows.
• Domain playbooks for commercial, real estate, advertising, products, automotive, food, film and animation.
• Codex UI metadata and reusable evaluation cases.

What's inside