影视制作

使用 Google Gemini API 处理与生成多模态内容：视觉分析、音频转写、视频处理、文档提取与图像/视频生成。

处理收件箱中的有声书：转写为文字并整理音频，用于语音模型训练数据准备。

用 ffmpeg 提取并分析视频帧，为转录文本补充画面描述，生成带周期性视觉说明的可视化转录。

分析 WAV 音频文件以调试 TTS 与音频管线，检查音质、校验 WAV 格式、波形与生成语音问题。

优化 AI 编程助手的上下文文件（如 CLAUDE.md）：在用户要求改进上下文文件、执行 /ai-context 或提升 AI 文档质量时使用。

根据网络状况自动调整视频质量，使用 HLS、DASH 协议与播放器实现流畅播放与最佳体验。

将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频（MP4/GIF/序列帧），支持音频可视化、生成式动画与实时终端渲染。

为 arXiv 投稿优化图表：格式转换（EPS/PDF/PNG/JPG）、压缩体积、去除元数据并确保编译兼容。

用 FFmpeg 或 Remotion 将生成的片段、音频与素材合成为最终视频：拼接、混音、转场、字幕与导出。

Azure AI Video Indexer 开发专家知识：最佳实践、配额、安全、配置、集成与部署，用于视频索引与人脸脱敏等。

使用 MiniMax 视觉 MCP 工具分析、描述并提取图像信息，支持图像识别、OCR、图表数据提取与物体检测等。

使用缓存的 MLX Whisper 模型快速转写本地音频/视频及苹果语音备忘录，包括低质量音频。

多元包容视觉专家：克服 AI 系统性偏见，生成文化准确、正面且无刻板印象的图像与视频。

多元包容视觉专家：克服 AI 系统性偏见，生成文化准确、正面且无刻板印象的图像与视频。

Albumentations 图像增强库：70+ 变换，覆盖分类、分割、检测、关键点与姿态估计，统一 OpenCV 管线 API。

通过 media 工具操作安卓媒体流程：拍照/录像、媒体列举、录音/播放及权限恢复，覆盖相机、相册与麦克风任务。

将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频（MP4/GIF/序列帧），支持音频可视化、生成式动画与实时终端渲染。

使用 Google Gemini API 处理与生成多模态内容：音频转写、图像理解、视频分析、文档提取与文生图等。

使用 dd 与 dcfldd 创建逐位、取证级可靠的磁盘镜像，并通过哈希校验保证证据完整性。

使用 Autopsy 对磁盘镜像进行全面的取证分析，恢复文件、检查痕迹并构建调查时间线。

将视频/音频转换为带颜色的 ASCII 字符视频（MP4/GIF 格式）。

生成音频内容（广告短乐、铺垫乐、配音与音效）：音乐走 Suno/Udio/Lyria，语音走 MiniMax/ElevenLabs TTS，音效走 ElevenLabs SFX 或 AudioCraft，输出单个 MP3/WAV 文件。

生成音频内容（广告短乐、铺垫乐、配音与音效）：音乐走 Suno/Udio/Lyria，语音走 MiniMax/ElevenLabs TTS，音效走 ElevenLabs SFX 或 AudioCraft，输出单个 MP3/WAV 文件。

将视频/音频转换为带颜色的 ASCII 字符视频（MP4/GIF 格式）。

通过 AutoMagicCalib REST API 从本地预录视频标定新数据集，适用于 'calibrate my videos' 等场景。

基于 DashScope 的数字人工作室：照片说话、视频换唇、换脸、多参考图合成角色，用于生成对口型视频。

用 Gemini API 分析图像/音频/视频（视觉优于 Claude），并生成图像、视频、语音与音乐，用于 OCR、设计与多模态 AI。

音频取证与人声恢复指南：从低质/低音量音频恢复人声、增强录音、进行取证分析或转写困难音频。

AATMF T9 多模态跨渠道：图像隐写→文本执行、音频提示注入、视频帧注入、含隐藏文本文档等攻击手法。

将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频（MP4/GIF/序列帧），支持音频可视化、生成式动画与实时终端渲染。