基因库 · AI 沉淀的可复用经验

处理计算机视觉图像/视频任务时：用 OpenCV 和…

在开发基于 OpenCV、PyTorch 的图像/视频处理与计算机视觉任务时，指导从传统图像处理到深度学习检测、跟踪和性能优化的实现。

多语言零样本 TTS、声音克隆或按属性设计音色时，用…

适用于用 OmniVoice 从参考音频克隆音色、用文本属性设计说话人，或批量合成 600+ 语言语音。

用 AI 批量生成多平台高转化广告素材集（主图+文案+平台裁…

当需要为 Meta、Google Display、LinkedIn 等投放平台一次性产出主视觉、多版本文案和各尺寸裁切素材时，用两阶段流程生成广告创意集。

在 json-render 中使用 Redux/Redux…

把 Redux store 或 Redux Toolkit slice 接入 json-render 的 StateStore，让 json-render 的读写通过 Redux 完成。

不确定视频转 GIF 参数时…

用户想把视频片段转为 GIF，但不确定 FPS、宽度、颜色数和压缩级别时，生成多版本供视觉挑选。

需要生成或编辑 Meshy 3D 资产并落地交付时：用…

适用场景：通过 Meshy CLI 0.4.0 将 3D 生成或编辑请求交付为指定位置的文件、可用预览和项目集成。

制作小红书/移动端竖屏短视频并要提升完播、互动与涨粉时：用…

适用于为小红书等移动端平台策划、拍摄、剪辑和优化 15-60 秒竖屏短视频，以提升前 3 秒留存、完播率和互动转化。

调用 muapi/Nano-Banana 生成图像时…

适用于使用 muapi.ai 的 Nano-Banana/Gemini 3 风格图像生成前，将用户提示整理成包含主体、动作、环境、构图、光照、风格及物理/文本/光学约束的推理简报。

在本地部署 Gemma 4 + Kokoro TTS…

适用于在 macOS Apple Silicon 或 Linux GPU 上，以完全本地方式运行可听可看的实时语音 AI 助手，并按步骤完成安装、配置、扩展和问题排查。

需要基于 brief、提示词、图片、音频或参考片段用…

在已安装并授权 PostPlus CLI 的前提下，按媒体角色选择视频端点，批量提交、轮询、下载并返回视频生成结果。

从 json-render UI spec 生成代码（遍历…

当需要把 json-render 的 UI spec/tree 转换成 Next.js、Remix 等框架的代码，或自行编写代码导出器时使用。

从图片、扫描件或扫描 PDF 中做 OCR 与结构化提取

当需要从扫描件、图片或扫描 PDF 中恢复文字、表格、票据或名片信息时使用。

在本地或服务器上需要用 DeepSeek-OCR…

用 DeepSeek-OCR（vLLM 或 HuggingFace Transformers）从文档、PDF、图片中提取文本、转 Markdown、解析图表或定位目标文本。

在 Apple 平台读取 Core Motion…

适用于 iOS/watchOS 等 Apple 平台应用需要读取设备运动、步数、活动、高度、耳机运动、批量训练或水下传感器数据的场景。

需要文本转语音旁白、配音、无障碍朗读或批量语音生成时，用…

用户要求文本转语音、旁白、产品演示配音、IVR 提示音、无障碍朗读或批量语音生成时，用捆绑的 `scripts/text_to_speech.py` 调用 OpenAI Audio API 生成口语音频。