Synthèse automatique
Ajuste la luminosité, le contraste et la saturation d'une photo à partir d'une description en langage naturel, en s'appuyant sur GPT-5 pour interpréter la demande.
Points forts
- Interprétation flexible des consignes en langage naturel
- Styles prédéfinis (vif, naturel, dramatique) pour des résultats cohérents
- Jamais d'écrasement du fichier original
- Gestion des erreurs avec valeurs par défaut sécurisées
Limites
- Nécessite une clé API OpenRouter et une connexion à GPT-5
- Le résultat peut varier selon la qualité de l'analyse de la photo
- Limité aux formats JPG/PNG et à des multiplicateurs entre 0.5 et 2.0
Utilisez cette compétence pour modifier rapidement l'apparence d'une photo avec des instructions simples, sans outil graphique.
Évitez-la pour des retouches précises nécessitant un contrôle pixel par pixel ou des formats non supportés.
Analyse de sécurité
SûrThe skill only processes images locally using Python, calls an external text API for suggestions, and applies safe color adjustments. It never overwrites original files and validates multipliers within a safe range. No destructive or exfiltrating actions are present.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Make the colors much more vibrant and vividCreate a dramatic cinematic look with high contrastFix the washed out appearance and add warmthname: photo-color description: Adjust photo brightness, contrast, and saturation based on natural language prompts using GPT-5 text analysis. Use when the user asks to adjust brightness, change contrast, modify saturation, apply a specific style, or fix photo issues like washed out colors.
Photo Color
When to Use
Use this skill when the user asks to:
- Adjust brightness (e.g., "make it brighter", "darken the photo")
- Change contrast (e.g., "increase contrast", "make it more dramatic")
- Modify saturation (e.g., "make colors more vibrant", "desaturate")
- Apply a specific style (e.g., "cinematic look", "natural enhancement")
- Fix photo issues (e.g., "fix washed out colors", "add warmth")
Instructions
This skill uses GPT-5 text API to interpret natural language and calculate color adjustments. Always:
- Validate input - Ensure photo exists and is JPG/PNG format
- Analyze photo - Calculate current brightness, contrast, saturation scores
- Call GPT-5 - Get enhancement suggestions based on user's prompt and photo analysis
- Select best match - Choose suggestion that best matches prompt keywords (vivid/natural/dramatic)
- Apply enhancements - Adjust colors and save to new file (never overwrite original)
- Report results - Show multipliers applied and GPT-5's reasoning
Usage
from photo_color import main
result = main(
photo_path="photo.jpg",
prompt="Make the colors more vibrant and warm"
)
# Returns: "photo-enhanced.jpg"
Command Line
python photo_color.py <photo_path> "<prompt>" [output_path]
Examples
Vivid colors:
Make the colors much more vibrant and vivid
Increase saturation by 50%
Make colors pop
Natural enhancement:
Apply a subtle natural enhancement
Keep it looking natural and soft
Cinematic/dramatic:
Create a dramatic cinematic look with high contrast
Make it bold and intense
Fix issues:
Fix the washed out appearance
Increase saturation to make colors more realistic
Add warmth to the photo
Specific adjustments:
Brighten and increase contrast
Make it darker and more moody
Output
- Returns path to enhanced photo
- Never overwrites original
- Format:
{original_name}-enhanced.{ext} - Multipliers in safe range (0.5-2.0)
- Displays style name and GPT-5's reasoning
Enhancement Styles
GPT-5 suggests these style categories:
- Vivid: High saturation (1.3-1.5), increased brightness and contrast
- Natural: Subtle adjustments (1.05-1.2), minimal changes
- Dramatic: High contrast (1.5-1.8), bold adjustments
- Custom: Tailored to specific prompt requirements
Error Handling
- Falls back to safe defaults (×1.2 saturation, ×1.1 brightness, ×1.1 contrast) if GPT-5 unavailable
- Validates multipliers (0.5-2.0 range)
- Clear error messages for missing files or invalid formats
Requirements
- OPENROUTER_API_KEY environment variable must be set
- Photo must be JPG or PNG format
- Photo under 50MB recommended
Technical Implementation
See references/implementation.md for:
- GPT-5 text API integration
- Photo analysis algorithms
- Color enhancement styles
- Prompt matching strategy
Examples
See examples/common-use-cases.md for:
- Vivid color enhancement
- Natural subtle adjustment
- Dramatic cinematic look
- Fix washed out photos
- Add warmth
- Before/after comparisons
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/photo-color-adjustment-mmbizkpp' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/photo-color-adjustment-mmbizkpp/download' --output '.skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md.part' && mv '.skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md.part' '.skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Extrait original : Requirements
- OPENROUTER_API_KEY environment variable must be set
- Photo must be JPG or PNG format
- Photo under 50MB recommended
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md' && test -s '.skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/photo-color' && cp -R '.skill-downloads/photo-color-adjustment-mmbizkpp' '.claude/skills/photo-color'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/photo-color-adjustment-mmbizkpp'openskills read 'photo-color-adjustment-mmbizkpp'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/photo-color-adjustment-mmbizkpp/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Fragments d'écriture
Contenu
Extrayez des fragments d'écriture bruts via un entretien intensif, sans imposer de structure. Capturez idées, citations et mots porteurs pour une utilisation ultérieure.
Rédaction UI et audit
Contenu
Rédigez ou auditez les textes d'interface (boutons, erreurs, états vides, infobulles) dans le monorepo, en suivant la source de vérité du design system.
Extraction MIDI/score
Contenu
Extrait le MIDI ou la partition d'une production musicale existante via l'outil MCP CogMusic et confirme la disponibilité du fichier.