Multimodal

gemini-interactions-api スキルを使って、Gemini API のチャット、マルチモーダルプロンプト、ストリーミング、構造化出力、ツール利用、画像生成のコードを作成できます。旧来の generateContent パターンからの移行にも役立ち、Python と TypeScript での API 開発に実践的なガイダンスを提供します。

azure-ai-contentunderstanding-py は、Azure AI Content Understanding 向けの Python スキルです。ドキュメント、画像、音声、動画から構造化コンテンツを抽出し、RAG ワークフローや自動化に活用できます。信頼性の高いマルチモーダル抽出、Azure 認証、再現性のあるパイプライン向け出力が必要な場合に適しています。

azure-ai-vision-imageanalysis-java は、Azure AI Vision を使った Java の画像分析アプリ開発に役立つスキルです。キャプション生成、OCR、オブジェクト検出、タグ付け、人物検出、スマートクロップ、API 開発に対応し、SDK のセットアップ、認証、サンプルまでまとめて確認できます。

transform-generate-image-with-transloadit は、Transloadit を transloadit CLI 経由で使い、テキストプロンプト、またはプロンプト＋参考画像からローカル画像ファイルを生成する一回完結型の画像生成スキルです。すばやくプロンプト主導で画像を作りたいときに向いており、出力先パスを明確に制御できるほか、必要に応じてモデルも選べます。