统一多模态解析器，支持图像、PDF、DOCX及音频的自动OCR识别与语音转录，输出结构化文本供LLM处理
codeskills install multimodal-parser该技能详情正在完善中。
查看原文获取完整内容快速上手这个技能
可配置的选项
| 参数 | 说明 | 默认值 |
|---|---|---|
parser | 统一多模态解析器，支持图像、PDF、DOCX及音频的自动OCR识别与语音转录，输出结构化文本供LLM处理 | 无 |
基于分类和标签推荐
使用 summarize CLI 总结 URL 或文件（网页、PDF、图片、音频、YouTube），支持 50+ 模型进行图像生成、视频生成、文本转语音
集成OpenAI API，支持聊天补全、嵌入、图像生成、音频转录、文件管理、微调及助手功能。
使用 markitdown 将 PDF、Word(.docx)、PowerPoint(.pptx)、Excel(.xlsx/.xls)、HTML、CSV、JSON、XML、图片(含EXIF/OCR)、音频(含转录)、ZIP压缩包、YouTube链接或EPub转换为Markdown格式，便于LLM处理或文本分析。
使用summarize CLI总结URL或文件（支持网页、PDF、图片、音频、YouTube）。