前言¶
给商品图去背景、把人像抠成透明图、给短视频做透明通道，这些需求在开发里很常见。常见做法是自己搭 Python 环境，装 PyTorch，处理显存和 CUDA 版本，部署前要调通一长串依赖。对只想拿到一张透明 PNG 的开发者来说，这一步成本偏高。
下面介绍的 Skill「图片视频抠图」走的是另一条路径：把 BiRefNet 模型以 GGUF 形式跑在本地，不需要 Python、PyTorch 或 CUDA，直接输出透明 PNG、MOV 或 WebM。
这是什么¶
「图片视频抠图」是一个社区发布的 Skill，坐标 @user_26f7b237/nx-matting，由发布者 user_26f7b237 维护，当前版本 1.0.0，来源为 community，分类 design-media，标签 requires_api_key=false（不需要 API Key）。
它解决的问题是：在没有 GPU 推理环境、也不打算引入深度学习依赖的前提下，完成图片或视频的背景移除、人物抠图和主体分割，并拿到带透明通道的结果文件。
核心功能¶
根据官方页面提供的简介，已核实的能力有：
1、图片抠图：支持 JPG、PNG、BMP、WebP 图片，输出透明 PNG。
2、人物抠图与主体分割：针对人像和画面主体做分割，生成透明背景图。
3、视频抠图：支持 MP4、MOV、WebM 视频，输出 MOV 或 WebM 透明视频。
4、本地推理：使用 BiRefNet GGUF 模型在本地运行，不依赖外部 API。
5、零依赖：不需要 Python、PyTorch 或 CUDA。
上述第 1、2、3 条中的输入格式与输出格式来自官方简介原文，未在资料中看到更细的参数说明（如分辨率上限、时长限制、采样率、码率控制）。
安装与启用¶
已抓取资料中只给出了官方地址和坐标，没有提供安装命令、目录结构或配置文件字段：
官方地址：https://api.skillhub.cn/user_26f7b237/nx-matting
SkillHub 页面：https://www.skillhub.cn/skills/user_26f7b237/nx-matting
坐标：@user_26f7b237/nx-matting
本次尝试打开上述两个地址核实安装步骤，页面均未抓取成功，因此不在此推测命令。要启用该 Skill，以官方页面的说明为准；如果使用 Cursor、Codex CLI 或 Claude Code 等工具，导入方式按各自工具对通用 SKILL.md 格式的支持来处理，官方资料中未分别说明差异。
从标签看 requires_api_key=false，说明运行时不需要密钥；模型权重（GGUF 文件）的获取方式资料中没有提及，启用前需要先确认这一点。
典型用法¶
资料中没有给出可复现的调用示例、命令行参数或输出文件命名规则，这里不编造。从官方简介可以确认的触发方式是：当用户提到图片抠图、照片去背景、人像透明图、视频抠图、透明视频、BiRefNet，或给出 JPG/PNG/BMP/WebP 图片、MP4/MOV/WebM 视频时，该 Skill 对应的场景覆盖这些需求。
拿到结果后建议先核对一遍透明通道是否正确、边缘是否干净，再进入下游使用。
适用场景与注意¶
适合的场景：
1、需要在本地一次处理图片或短视频，不想配置 CUDA 和 PyTorch 的开发者。
2、不需要调用云端抠图服务、不想处理 API Key 和网络请求的场景。
3、设计、电商、内容工具里需要透明图或透明视频素材的集成需求。
需要注意的地方：
1、来源为 community，发布者 user_26f7b237，仓库或页面未提供团队背书，生产环境使用前建议先自行验证输出质量。
2、页面显示评分 100000，下载 2577，安装 0。安装数为 0 意味着公开资料中没有可参考的实际使用反馈。
3、视频抠图对算力和耗时的开销通常高于单张图片，资料中未给出性能数据，长视频或高分辨率输入前需要先测。
4、页面提供的联系方式为微信 zhijian_2026，资料中没有给出 issue 或文档入口。
结尾¶
这个 Skill 的价值在于把抠图这件事从「配环境 + 调模型」变成一次本地调用：不装 Python、PyTorch、CUDA，也不需要 API Key，图片能出透明 PNG，视频能出 MOV 或 WebM。对于明确在本地跑、且输入格式落在 JPG/PNG/BMP/WebP 或 MP4/MOV/WebM 范围内的需求，值得先试。
官方地址：https://api.skillhub.cn/user_26f7b237/nx-matting
需要提醒的是，本次无法从官方页面核实安装命令、参数细节和性能表现，这些内容以官方页面说明为准，不宜在未验证前直接用于生产流程。
