💬 PromptForge：智能对话式 AI 图像 / 视频 / 多媒体生成器

一个基于 Stable Diffusion 和多种 AI API 的智能对话式创作工具。用户通过自然语言描述即可生成高质量图片、视频，甚至完成从小说脚本到成片的全自动多媒体创作。支持本地模型与云端 API 双模式。

✨ 主要特性

双模式生成：支持本地 Stable Diffusion 模型和多种云端 API（免费 / 付费）
图像生成：文生图、图生图、双人合成、多人合成（3+ 张图）
视频生成：集成 Agnes 视频模型，按 10 秒分段并自动循环拼接至目标时长
多媒体全自动创作：小说脚本 → 场景拆分 → 视频片段 → 语音旁白 → 背景音乐 → 字幕 → 最终成片
自然语言交互：通过对话即可生成、修改图片，支持上下文理解与偏好记忆
丰富的 API 支持：Pollinations（免费）、Agnes AI（免费）、Free API、通义万相、文心一格、腾讯混元、HuggingFace、Replicate、Stability AI
智能意图分析：自动识别文生图、图生图、双人/多人合成、视频生成、多媒体创作、普通对话
LLM 增强：可选 Ollama 本地大模型优化提示词、生成小说、生成技术文章
技能系统：内置 image_generator、video_generator、music_generator、image_curator、wechat_formatter、news_aggregator、novel_writer、tech_hot_article、voice_assistant
安全过滤：内置内容安全检查器，支持安全开关与敏感词清理
轻量级 GUI：基于 Tkinter 的简洁图形界面，支持图片缩略图预览、双击查看大图

技能系统展开

🎨 图像生成

双模式支持：本地 Stable Diffusion 模型 + 云端 API
文生图：输入文字描述生成图片
图生图：基于参考图生成新图片
多引擎支持：Agnes / Pollinations / HuggingFace / Stability / Replicate / Free API
自动回退：API 失败时自动切换到备用引擎
多图合成：2 人双人合成，3-6 人多人群像合成

🎬 视频生成

文生视频：输入文字描述生成视频
长视频拼接：自动拆分多段生成后拼接成长视频（支持 4-12 秒/段）
参考图生成：支持上传参考图生成视频
支持多引擎：Agnes Video 2.5 Flash

🎵 音乐生成

AI 音乐大师：自动写词、谱曲
双模式引擎：MIDI 合成 / MusicGen（Meta）
多情绪支持：宁静 / 深情 / 欢乐 / 壮丽 / 神秘 / 浪漫 / 活力
智能硬件检测：根据 GPU 自动选择最优模式

📰 内容生成

技术文章生成：基于实时技术热点生成文章，自动配图并输出 Word 文档
新闻简报：RSS 多源抓取 + AI 智能摘要，支持 7 大类新闻
小说生成：使用本地 Ollama 大模型自动写小说，支持 17 种语言与断点续写

🖼️ 图片鉴赏

目录扫描：自动扫描目录中的图片（png / jpg / jpeg / webp / bmp / gif）
AI 逐张鉴赏：使用多模态模型描述主体、构图、色彩、光影、风格、氛围
智能重试：单张最多重试 3 次，第 2 次起自动换更简单的提示词
文件名兜底：连续失败时用文件名生成占位描述，文章不出现空洞
多格式输出：Markdown / HTML / Word / PDF / 微信·知乎富文本
一键粘贴：生成内联样式 HTML，直接 Ctrl+V 到微信公众号或知乎编辑器

🎙️ 语音处理

TTS（语音合成）：支持多语言、多音色
STT（语音识别）：基于 Whisper 模型
长文本处理：自动分段朗读与合并

🧠 智能交互

自然语言对话：支持上下文记忆，偏好学习
智能意图分析：自动识别 7 种意图（文生图、图生图、双人合成、多人合成、对话、视频、多媒体）
LLM 增强：可选 Ollama 本地大模型优化提示词
安全过滤：内置内容安全检查，独立开关控制

🖥️ 界面与体验

双模式切换：本地 / 云端一键切换
轻量级 GUI：基于 Tkinter，开箱即用
图片预览：双击缩略图查看大图
任务状态反馈：实时显示生成进度

🚀 快速开始

环境要求

Python 3.8 或更高版本
至少 8GB RAM（本地模式建议 16GB+）
可选：Ollama（用于 LLM 增强、小说生成、新闻摘要）
可选：FFmpeg（用于视频 / 音频合并）
可选：FluidSynth + SoundFont（用于 MIDI 音乐合成）
视频生成需要可访问 Agnes API，并配置 AGNES_API_KEY

安装

克隆项目

git clone https://github.com/austinnie/PromptForge.git
cd PromptForge

创建虚拟环境（推荐）

python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate  # Windows

安装依赖

pip install -r requirements.txt

PyTorch 建议按官方说明安装 CPU 或 CUDA 版本： pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

配置环境变量（可选）

cp .env.sample .env
# 编辑 .env 文件，填入你的 API 密钥

启动应用

python main.py

📖 使用指南

基本操作

选择模式：在工具栏切换 local（本地）或 api（云端）模式
选择模型 / API：
- 本地模式：点击“📂 选择模型”加载 .safetensors 或 .ckpt 文件
- API 模式：从下拉列表选择提供商（Pollinations、Agnes、通义万相等）
输入描述：在输入框用自然语言描述你想要的图片或视频
发送：按 Ctrl+Enter 或点击“🚀 发送”按钮

支持的操作

操作类型	示例输入	说明
文生图	“生成一张美丽的日落风景”	从文字生成图片
图生图	“把这张图改成油画风格”	需先上传 1 张图片
双人合成	“让他们拥抱在一起”	需上传 2 张人物图片
多人合成	“把这三个人放在同一个场景里”	需上传 3 张以上人物图片
视频生成	“生成一段 60 秒的日落海浪视频”	需 API 模式，且选择支持视频的提供商（Agnes）
多媒体创作	“创作一个关于月光森林的视频”	全自动：小说 → 视频 → 语音 → 音乐 → 字幕 → 成片
普通对话	“你好，能帮我生成图片吗？”	自然语言问答

视频生成

在 .env 中配置视频相关参数：

VIDEO_SEGMENT_DURATION=10
VIDEO_AUTO_MERGE=true
VIDEO_DURATION=60

切换到 API 模式，选择支持视频生成的提供商（如 Agnes）
输入视频描述，例如：

生成一段 60 秒的日落海浪视频

当 VIDEO_AUTO_MERGE=true 时，应用会根据 VIDEO_SEGMENT_DURATION 自动拆分并合并多个视频片段

注意：Agnes API 单次视频生成时长通常为 4-12 秒，长视频通过分段拼接实现，需要安装 FFmpeg。

多媒体全自动创作

输入“创作视频 ...”“全自动 ...”“生成故事 ...”等指令，会触发 MultimediaWorkflow：

用 Ollama 生成小说脚本并拆分为场景
为每个场景生成视频片段、语音旁白、背景音乐、字幕
逐段合并，最终拼接为完整视频

上下文记忆

应用会记住你的偏好（风格、场景等），并在后续生成中自动应用。你可以说“显示偏好”“上下文”或“清除上下文”来管理。

🖥️ API 提供商配置

免费无需注册

Pollinations AI：无需配置，开箱即用
Free API：社区免费代理，无需注册（稳定性较差）

需要注册（免费 / 付费）

Agnes AI：注册获取 API Key，支持图像、文本、视频、视觉模型，无限期免费
HuggingFace：获取 Access Token，免费有限速
Replicate：获取 API Token，按量付费，支持真正的图生图
Stability AI：获取 API Key，按量付费，支持真正的图生图

付费 API（需在 .env 配置）

通义万相（阿里云百炼）
文心一格（百度智能云）
腾讯混元

⚙️ 配置说明

环境变量（.env）

# ============================================================
# 生成模式
# ============================================================
GENERATION_MODE=api          # local / api
API_PROVIDER=pollinations    # pollinations / agnes / huggingface / tongyi / yige / hunyuan / freeapi / replicate / stability

# ============================================================
# 本地模型
# ============================================================
SD_MODEL_PATH=/path/to/model.safetensors

# ============================================================
# Pollinations（免费，无需 Key）
# ============================================================
POLLINATIONS_MODEL=flux

# ============================================================
# Agnes AI（免费，需注册）
# ============================================================
AGNES_API_KEY=your_api_key_here
# 备用路由（主路由不可用时自动切换）
# AGNES_BASE_URL=https://apihub.agnes-ai.cn/v1
# AGNES_BASE_URL=https://api.agnes-ai.cn/v1
AGNES_IMAGE_MODEL=agnes-image-2.1-flash
AGNES_TEXT_MODEL=agnes-2.5-flash
AGNES_VIDEO_MODEL=agnes-video-2.5-flash
AGNES_VISION_MODEL=agnes-2.5-flash

# ============================================================
# 视频生成配置
# ============================================================
VIDEO_SEGMENT_DURATION=10    # 单个视频分段长度（秒）
VIDEO_AUTO_MERGE=true        # 是否启用自动循环拼接
VIDEO_DURATION=60            # 目标视频时长（秒）
                             # 注意：Agnes API 单次 4-12 秒

# ============================================================
# 通义万相（阿里云）
# ============================================================
TONGYI_API_KEY=your_api_key
TONGYI_MODEL=wanx-v1

# ============================================================
# 文心一格（百度）
# ============================================================
YIGE_API_KEY=your_api_key
YIGE_SECRET_KEY=your_secret_key

# ============================================================
# 腾讯混元
# ============================================================
HUNYUAN_SECRET_ID=your_secret_id
HUNYUAN_SECRET_KEY=your_secret_key

# ============================================================
# HuggingFace
# ============================================================
HF_API_TOKEN=your_token
HF_MODEL=sdxl

# ============================================================
# Replicate / Stability（付费，支持图生图）
# ============================================================
REPLICATE_API_TOKEN=your_token
REPLICATE_MODEL=stability-ai/stable-diffusion

STABILITY_API_KEY=your_key
STABILITY_MODEL=stable-diffusion-xl-1024-v1-0

# ============================================================
# Free API（社区免费代理）
# ============================================================
FREEAPI_MODEL=flux

# ============================================================
# 生成参数
# ============================================================
DEFAULT_STEPS=20             # 推理步数
DEFAULT_CFG=7.5              # 提示词引导强度
DEFAULT_STRENGTH=0.35        # 图生图默认强度
DEFAULT_WIDTH=512            # 默认宽度
DEFAULT_HEIGHT=768           # 默认高度

# ============================================================
# 安全
# ============================================================
SAFE_MODE=true
ENABLE_SAFETY_CHECK=true     # 是否启用安全检测

# ============================================================
# LLM（Ollama）
# ============================================================
LLM_ENABLED=true
OLLAMA_URL=http://localhost:11434
OLLAMA_MODEL=qwen2.5:1.5b

# ============================================================
# 技术文章配图引擎
# ============================================================
ARTICLE_IMAGE_ENGINE=agnes

生成参数

在 .env 中可调整默认参数：

DEFAULT_STEPS=20             # 推理步数
DEFAULT_CFG=7.5              # 提示词引导强度
DEFAULT_STRENGTH=0.35        # 图生图默认强度
DEFAULT_WIDTH=512            # 默认宽度
DEFAULT_HEIGHT=768           # 默认高度

安全配置

安全开关可在 .env 中配置，用于控制内容安全检查器的行为。

SAFE_MODE=true
ENABLE_SAFETY_CHECK=true     # 是否启用安全检测

📁 项目结构

PromptForge/
├── main.py                       # 应用入口
├── gui/
│   └── app.py                    # 主界面 (Tkinter)
├── core/                         # 核心逻辑
│   ├── intent_analyzer.py        # 意图分析
│   ├── prompt_builder.py         # 提示词构建
│   ├── context_manager.py        # 上下文管理
│   └── safety.py                 # 安全检查
├── api_engines/                  # API 引擎
│   ├── base.py                   # 基类
│   ├── pollinations.py           # Pollinations
│   ├── agnes.py                  # Agnes AI（图像/文本/视频/视觉）
│   ├── freeapi.py                # Free API
│   ├── tongyi.py                 # 通义万相
│   ├── yige.py                   # 文心一格
│   ├── hunyuan.py                # 腾讯混元
│   ├── huggingface.py            # HuggingFace
│   ├── replicate.py              # Replicate（支持图生图）
│   └── stability.py              # Stability AI（支持图生图）
├── handlers/                     # 意图处理器
│   ├── base.py
│   ├── text_to_image.py
│   ├── image_to_image.py
│   ├── couple_handler.py
│   ├── multi_person_handler.py
│   ├── chat_handler.py
│   ├── video_handler.py
│   └── multimedia_handler.py
├── services/                     # 服务
│   ├── llm_service.py            # Ollama 集成
│   ├── pipeline_pool.py          # 模型池管理
│   └── image_processor.py        # 图片后处理
├── skills/                       # 技能模块
│   ├── image_generator/          # 图像生成
│   ├── video_generator/          # 视频生成
│   ├── music_generator/          # 音乐生成（MIDI + MusicGen）
│   ├── image_curator/            # 图片鉴赏文章生成（MD/Word/PDF/富文本）
│   ├── wechat_formatter/         # 微信排版 + 33 主题 + 可选推送草稿箱
│   ├── news_aggregator/          # 新闻聚合 + AI 摘要
│   ├── novel_writer/             # 小说生成（多语言）
│   ├── tech_hot_article/         # 技术热点文章 + 配图 + Word
│   └── voice_assistant/          # 语音合成 / 识别
├── multimedia/                   # 多媒体工作流
│   ├── workflow.py               # 全自动创作主流程
│   ├── assembler.py              # 视频合成
│   └── subtitle.py               # 字幕生成
├── config/
│   └── settings.py               # 全局配置
├── .env.sample                   # 环境变量模板
└── requirements.txt              # 依赖列表

🔧 开发与扩展

添加新的 API 提供商

在 api_engines/ 创建新引擎类，继承 BaseEngine
实现 generate_single() 方法
在 api_engines/__init__.py 的 create_engine() 中注册
在 config/settings.py 添加配置项
如果该提供商支持视频生成，请按现有 Agnes 视频流程扩展分段与拼接逻辑

自定义意图

在 core/intent_analyzer.py 的 IntentAnalyzer 类中添加新的触发词和处理逻辑。

技能系统

技能模块位于 skills/ 目录，每个技能包含：

skill.py：核心实现
meta.json：元信息
*_cli.py：命令行入口
README.md：使用说明

可按需添加新技能模块，并在 skills/__init__.py 中注册。

当前包含：

image_generator：图像生成技能，支持文生图、图生图，多引擎切换与自动回退
video_generator：视频生成技能，支持文生视频与长视频分段拼接
music_generator：AI 音乐大师，自动写词、谱曲，支持 MIDI 与 MusicGen 两种模式
image_curator：图片鉴赏文章生成器，扫描目录中的图片逐张 AI 鉴赏，输出 Markdown / HTML / Word / PDF / 微信·知乎富文本
news_aggregator：新闻聚合器，RSS 新闻抓取 + AI 智能摘要，支持多分类
novel_writer：小说生成技能，使用本地 Ollama 大模型自动写小说，支持多语言与断点续写
tech_hot_article：技术热点文章生成器，基于实时热点生成文章，自动配图并输出 Word 文档
voice_assistant：语音合成（TTS）与语音识别（STT）助手，支持多语言与长文本分段

image_generator 单独使用举例

# 文生图
python skills/image_generator/image_generator_cli.py "a beautiful sunset over the ocean" --open

# 指定引擎
python skills/image_generator/image_generator_cli.py "sunset" --engine pollinations --open

# 指定尺寸
python skills/image_generator/image_generator_cli.py "cyberpunk city" --width 1024 --height 768 --open

# 指定推理步数与引导强度
python skills/image_generator/image_generator_cli.py "portrait of a girl" --steps 30 --cfg 7.5 --open

# 指定随机种子（可复现）
python skills/image_generator/image_generator_cli.py "sunset" --seed 12345 --open

# 图生图
python skills/image_generator/image_generator_cli.py "make it oil painting style" --input ./test.png --strength 0.6 --open

# 列出可用引擎
python skills/image_generator/image_generator_cli.py --engines

video_generator 单独使用举例

# 默认 60 秒视频
python skills/video_generator/video_generator_cli.py "月光下的森林，镜头缓缓推进" --open

# 生成 30 秒视频
python skills/video_generator/video_generator_cli.py "日落海边" --duration 30 --open

# 生成 120 秒长视频
python skills/video_generator/video_generator_cli.py "星空" --duration 120 --segment-duration 10 --open

# 指定分辨率
python skills/video_generator/video_generator_cli.py "雪山日出" --width 1280 --height 720 --open

# 指定单段时长
python skills/video_generator/video_generator_cli.py "城市夜景" --duration 60 --segment-duration 5 --open

# 生成后自动打开视频
python skills/video_generator/video_generator_cli.py "森林" --open

music_generator 单独使用举例

# 交互式模式（推荐，会提示选择主题、情绪、时长）
python skills/music_generator/music_generator_cli.py

# 快速生成（主题 + 情绪 + 时长）
python skills/music_generator/music_generator_cli.py --quick "星辰大海" "peaceful" 30

# 快速生成（自定义主题 + 壮丽情绪 + 60 秒）
python skills/music_generator/music_generator_cli.py --quick "月光下的森林" "epic" 60

# 查看帮助
python skills/music_generator/music_generator_cli.py --help

# 多乐器交响乐（高级功能）
python skills/music_generator/generate_symphony.py

可用情绪：peaceful, melancholic, joyful, epic, mysterious

image_curator 单独使用举例

命令行调用
# 全格式生成（默认 md,html,docx,pdf,clipboard），生成后自动打开
python skills/image_curator/image_curator_cli.py output/机甲 --open

# 自定义标题
python skills/image_curator/image_curator_cli.py output/机甲 -t "机甲之美" --open

# 递归子目录
python skills/image_curator/image_curator_cli.py output/机甲 -r

# 限定张数
python skills/image_curator/image_curator_cli.py output/机甲 --max-images 20

# 只生成 Markdown + 微信富文本（最快）
python skills/image_curator/image_curator_cli.py output/机甲 -f md,clipboard

# 只生成 Word 和 PDF
python skills/image_curator/image_curator_cli.py output/机甲 -f md,docx,pdf

# 补跑：只重跑 metadata.json 中描述为空的图片
python skills/image_curator/retry_empty.py output/articles/20260912_HHMMSS_机甲

输出目录：

output/articles/20260912_HHMMSS_机甲/
├── article.md           # Markdown 文章
├── article.html         # 网页阅读版
├── article.docx         # Word（可导入公众号）
├── article.pdf          # PDF
├── clipboard.html       # 微信/知乎富文本（点"复制全文"）
├── metadata.json        # 原始数据
└── assets/              # 本地化图片副本

发布到微信/知乎：
浏览器打开 clipboard.html
点顶部橙色按钮 📋 复制全文
到微信公众平台编辑器 / 知乎编辑器里 Ctrl+V
图片从 assets/ 目录手动拖进编辑器即可

依赖：
pip install requests Pillow python-dotenv python-docx xhtml2pdf

详见 skills/image_curator/README.md

wechat_formatter 单独使用举例

# 默认主题排版
python skills/wechat_formatter/wechat_formatter_cli.py article.md

# 指定主题（赤陶）
python skills/wechat_formatter/wechat_formatter_cli.py article.md --theme terracotta

# 主题画廊：浏览器里用真实文章预览 20 个主题
python skills/wechat_formatter/wechat_formatter_cli.py article.md --gallery

# AI 内容增强：自动识别对话/连续图片/核心观点
python skills/wechat_formatter/wechat_formatter_cli.py article.md --enhance --open

# 文末自动插入二维码引导卡
python skills/wechat_formatter/wechat_formatter_cli.py article.md --footer-image "assets/qr/公众号结束处.png"

# 排版 → 生成封面 → 推送公众号草稿箱
python skills/wechat_formatter/wechat_formatter_cli.py article.md --theme terracotta --cover --publish

# 只生成封面
python skills/wechat_formatter/wechat_formatter_cli.py cover --title "标题" --topic "主题"

输出：output/wechat/<时间戳>_<文章名>/，含 article.html（微信兼容 HTML）、preview.html（浏览器预览，带"复制到微信"按钮）、images/（本地化图片）

发布到公众号：浏览器打开 preview.html → 点右上角"复制到微信" → 到公众号后台 Ctrl+V → 图片从 images/ 拖入（未认证账号推荐此方式）；认证账号可用 --publish 自动推草稿箱

依赖：pip install markdown requests

详见 skills/wechat_formatter/README.md

news_aggregator 单独使用举例

# Python 调用（推荐）
from skills import NewsAggregator

# 抓取国际新闻，生成简报
aggregator = NewsAggregator({
    "output_dir": "./output/news",
    "ai_model": "qwen2.5:1.5b",
    "validate_feeds": True,
    "top_n": 15,
})
result = aggregator.execute(category="world", top_n=15)
print(result["result"]["report_file"])

# 抓取科技新闻
result = aggregator.execute(category="tech", top_n=20)

# 抓取财经新闻
result = aggregator.execute(category="business", top_n=10)

# 抓取中国新闻
result = aggregator.execute(category="china", top_n=15)

可用分类：world, tech, business, china, usa, japan, korea

novel_writer 单独使用举例

# Python 调用（推荐）
from skills.novel_writer.skill import NovelWriterOllama

# 创建实例
writer = NovelWriterOllama({
    "default_model": "qwen2.5:1.5b",
    "ollama_url": "http://localhost:11434",
    "output_dir": "./skills/novel_writer/output/novels",
})

# 生成科幻小说（1 章，600 字）
result = writer.execute(
    genre="科幻",
    title="星际行者",
    outline="探索未知宇宙，发现外星文明",
    characters="主角：李晨，一位勇敢的探险家",
    chapter_count=1,
    words_per_chapter=600,
)
print(result["result"]["saved_to"])

# 多语言支持（日语）
result = writer.execute(
    genre="SF",
    title="星の旅人",
    outline="宇宙を探検する少年の冒険",
    characters="主人公：アキラ",
    chapter_count=1,
    words_per_chapter=800,
    language="ja",
)

# 断点续写（从已有文件继续）
result = writer.execute(
    genre="科幻",
    title="星际行者",
    outline="继续探索",
    characters="李晨",
    chapter_count=3,
    continue_from="./skills/novel_writer/output/novels/zh_星际行者_xxx.txt",
)

支持语言：中文、English、日本語、Español、Français、Deutsch 等 17 种

tech_hot_article 单独使用举例

# 随机生成一篇技术文章（默认 1500 字，自动配图 3 张）
python skills/tech_hot_article/tech_hot_article_cli.py

# 指定写作风格
python skills/tech_hot_article/tech_hot_article_cli.py --style "深度技术型"

# 指定使用第 1 个热点
python skills/tech_hot_article/tech_hot_article_cli.py --index 0

# 指定字数
python skills/tech_hot_article/tech_hot_article_cli.py --words 2000

# 指定模型
python skills/tech_hot_article/tech_hot_article_cli.py --model qwen2.5:7b

# 列出当前热点（不生成文章）
python skills/tech_hot_article/tech_hot_article_cli.py --list

# 生成后自动打开 Word 文档
python skills/tech_hot_article/tech_hot_article_cli.py --open

# 组合使用
python skills/tech_hot_article/tech_hot_article_cli.py --style "深度技术型" --words 2000 --open

写作风格：专业分析型, 通俗科普型, 深度技术型, 行业观察型, 趋势预测型

voice_assistant 单独使用举例

# 文本转语音（TTS）
python skills/voice_assistant/skill.py --action tts --text "你好，欢迎使用 PromptForge"

# 指定语音和语速
python skills/voice_assistant/skill.py --action tts --text "Hello World" --voice en-US-JennyNeural --speed 1.2

# 长文本朗读（会自动分段）
python skills/voice_assistant/skill.py --action tts --text "很长的一段文字..." --voice zh-CN-XiaoxiaoNeural

# 语音识别（STT）
python skills/voice_assistant/skill.py --action stt --audio ./test.mp3 --language zh-CN

# 列出可用语音
python skills/voice_assistant/skill.py --action list_voices

# 指定输出路径
python skills/voice_assistant/skill.py --action tts --text "测试" --output ./output/test.mp3

可用语音：zh-CN-XiaoxiaoNeural, zh-CN-YunxiNeural, en-US-JennyNeural, ja-JP-NanamiNeural, ko-KR-SunHiNeural 等

通用调用方式（Python 统一入口）

# 所有 skills 都可以通过统一方式调用
from skills import (
    ImageGenerator,
    VideoGenerator,
    MusicMaestro,
	ImageCurator,       # ← 新增
    NewsAggregator,
    NovelWriterOllama,
    TechHotArticle,
    VoiceAssistant,
)

# 图像生成
img_gen = ImageGenerator({"engine": "agnes"})
result = img_gen.generate("a beautiful sunset")
print(result["result"]["image_path"])

# 视频生成
vid_gen = VideoGenerator({"engine": "agnes"})
result = vid_gen.generate("月光下的森林", duration=30)
print(result["result"]["video_path"])

# 音乐生成
music = MusicMaestro({"music_mode": "auto"})
result = music.execute(topic="星辰大海", emotion="peaceful", duration=30)
print(result["result"]["audio_file"])

# 图片鉴赏文章生成
curator = ImageCurator()
result = curator.curate("output/机甲", title="机甲之美")
print(result["result"]["article_path"])

# 新闻聚合
news = NewsAggregator({"output_dir": "./output/news"})
result = news.execute(category="world", top_n=15)
print(result["result"]["report_file"])

# 小说生成
writer = NovelWriterOllama()
result = writer.execute(
    genre="科幻", title="星际行者",
    outline="探索宇宙", characters="李晨",
    chapter_count=1, words_per_chapter=600,
)
print(result["result"]["saved_to"])

# 技术文章
article = TechHotArticle()
result = article.execute(style="深度技术型")
print(result["result"]["word_file"])

# 语音合成
voice = VoiceAssistant()
result = voice.execute(action="tts", text="你好")
print(result["result"]["audio_path"])

Skills 调用汇总表

Skill	命令行工具	主要用途
`image_generator`	`image_generator_cli.py`	文生图、图生图
`video_generator`	`video_generator_cli.py`	文生视频、长视频拼接
`music_generator`	`music_generator_cli.py`	音乐生成（MIDI/MusicGen）
`image_curator`	`image_curator_cli.py`	图片鉴赏文章（MD/Word/PDF/富文本）
`wechat_formatter`	`wechat_formatter_cli.py`	微信排版 / 33 主题 / 推草稿箱
`news_aggregator`	仅 Python 调用	新闻抓取 + AI 摘要
`novel_writer`	仅 Python 调用	小说生成（多语言）
`tech_hot_article`	`tech_hot_article_cli.py`	技术文章生成 + 配图
`voice_assistant`	`skill.py --action`	TTS / STT

完整调用路径对照

Skill	完整命令行路径
`image_generator`	`python skills/image_generator/image_generator_cli.py`
`video_generator`	`python skills/video_generator/video_generator_cli.py`
`music_generator`	`python skills/music_generator/music_generator_cli.py`
`image_curator`	`python skills/image_curator/image_curator_cli.py`
`wechat_formatter`	`python skills/wechat_formatter/wechat_formatter_cli.py`
`news_aggregator`	Python 调用 `from skills import NewsAggregator`
`novel_writer`	Python 调用 `from skills.novel_writer.skill import NovelWriterOllama`
`tech_hot_article`	`python skills/tech_hot_article/tech_hot_article_cli.py`
`voice_assistant`	`python skills/voice_assistant/skill.py --action tts`

外部工具依赖

部分功能需要额外的外部工具：

工具	用途	安装方式
FFmpeg	视频 / 音频合并	ffmpeg.org
FluidSynth	MIDI → WAV 合成	放入 `skills/music_generator/soundfonts/`
SoundFont (.sf2)	MIDI 音色库	放入 `skills/music_generator/soundfonts/`
Ollama	LLM 增强、小说、新闻摘要	ollama.com

🤝 贡献

欢迎提交 Issue 和 Pull Request！

Fork 本仓库
创建你的特性分支（git checkout -b feature/AmazingFeature）
提交更改（git commit -m 'Add some AmazingFeature'）
推送到分支（git push origin feature/AmazingFeature）
开启 Pull Request

📝 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🙏 致谢

Stable Diffusion - 强大的图像生成模型
Diffusers - 优秀的扩散模型库
Pollinations AI - 免费图像生成 API
Agnes AI - 免费多模态 AI API
MoviePy - 视频编辑库
edge-tts - 免费 TTS
Ollama - 本地大模型运行环境

⚠️ 免责声明

本项目仅供学习和研究使用。生成的图片、视频、音乐、文章等内容由用户输入的提示词决定，使用者需遵守相关法律法规和服务条款。对于本地模式，请确保使用的模型符合其各自的许可协议。

Name		Name	Last commit message	Last commit date
api_engines		api_engines
assets/qr		assets/qr
config		config
core		core
gui		gui
handlers		handlers
layers		layers
multimedia		multimedia
presets		presets
services		services
skills		skills
.env.sample		.env.sample
.gitattributes		.gitattributes
.gitignore		.gitignore
README.md		README.md
gather_code.py		gather_code.py
main.py		main.py
preset_bridge.py		preset_bridge.py
presets_meta.py		presets_meta.py
project_code_dump.txt		project_code_dump.txt
requirements.txt		requirements.txt
test_workflow.py		test_workflow.py

Latest commit

History

Folders and files

Repository files navigation