Multimodal Analyzer

使用GLM-4.6V模型进行多模态内容理解（图片、视频、文档）

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "Multimodal Analyzer" with this command: npx skills add TriDefender/multimodal

Multimodal Understanding Skill

使用智谱GLM-4.6V模型理解图片、视频、文档内容。

功能

图片理解：OCR、场景分析、物体检测、属性识别
视频理解：内容摘要、关键帧分析
文档理解：PDF、复杂表格解析
深度思考模式：开启后进行深层推理分析

使用方式

理解这张图片：[图片URL或本地路径]
分析这个视频：[视频URL]
这个PDF讲什么：[PDF URL]

技术细节

模型：GLM-4.6V (106B, 128K上下文)
API端点：https://open.bigmodel.cn/api/paas/v4/chat/completions
需要ZHIPU_API_KEY环境变量

限制

不支持同时处理图片+视频+文件（只能选一种模态）
视频URL需要公网可访问

调用脚本

调用 scripts/analyze.py 进行分析：

python scripts/analyze.py --type image|video|file --input <url_or_path> --prompt "你的问题"

参数：

--type: 输入类型 (image/video/file)
--input: URL或本地文件路径
--prompt: 分析提示词
--thinking: 启用深度思考模式
--stream: 流式输出

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open Registry Record Open in ClawHub

Related Skills

Related by shared tags or category signals.

General

baidu-search

Comprehensive search API integration for Baidu Qianfan Web Search. Use when Claude needs to perform web searches using Baidu Qianfan's enterprise search API....

Registry SourceRecently Updated

lsall357357

General

Self Memory Manager

管理 Claude 的记忆和工作流程优化。包括：(1) Context 使用管理 (2) 重要信息存档 (3) 定时总结 (4) 工作文件夹维护用于：context 超过 80%、重要信息需要记录、每日总结、清理旧 session

Registry SourceRecently Updated

hyk234

General

Seedance Video

Generate AI videos using ByteDance Seedance. Use when the user wants to: (1) generate videos from text prompts, (2) generate videos from images (first frame,...

Registry SourceRecently Updated

lovensky1992-wk