メニュー
AI-powered media understanding and analysis for images, videos, and audio. Use when users ask to describe, analyze, summarize, or extract text (OCR) from media files.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/maxgent-ai/maxgent-plugin --skill media-understandコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Activated when user message contains an <editor /> XML tag (injected by Max Client Video Editor). Guides how to edit Remotion project clips (maxmotion.json) and sequences (.tsx source code).
AI image generation and editing. Use when users ask to generate, create, or draw images with AI, or edit and modify existing images.
AI video generation with text-to-video, image-to-video, and first/last frame control. Use when users ask to generate or create videos from text prompts or images.
SKILL.md を表示中
SOC 職業分類に基づく
| name | media-understand |
| description | AI-powered media understanding and analysis for images, videos, and audio. Use when users ask to describe, analyze, summarize, or extract text (OCR) from media files. |
Analyze multimedia content via Maxgent FAL API proxy, using the default route.
| Type | Formats | Max Size |
|---|---|---|
| Image | jpg, jpeg, png, gif, webp | 20MB |
| Video | mp4, mpeg, mov, webm, YouTube URL | 100MB |
| Audio | wav, mp3, aiff, aac, ogg, flac, m4a | 100MB |
MAX_API_KEY environment variable (auto-injected by Max)default
openrouter/router/openai/v1/chat/completionsDEFAULT_MM_MODEL, defaults to google/gemini-2.5-pro (override with --model)bun skills/media-understand/media-understand.js \
--media PATH_OR_URL --prompt "PROMPT" \
[--language chinese|english] [--model MODEL_ID] \
[--max-tokens N] [--temperature X]
Parameters:
--media: local file path or YouTube URL--prompt: analysis question--language: chinese (default) or english--model: override the default model--max-tokens: max output tokens (default 4096)--temperature: sampling temperature (default 0.2)# Image OCR
bun skills/media-understand/media-understand.js --media ./screenshot.png --prompt "extract all text from this image" --language english
# Video summary (YouTube)
bun skills/media-understand/media-understand.js --media "https://youtube.com/watch?v=xxx" --prompt "summarize this video" --language english
# Local audio analysis
bun skills/media-understand/media-understand.js --media ./meeting.m4a --prompt "summarize key points and list action items" --language english
MAX_API_KEY.--model if needed.