Communitygithub.com

Videogen-Wan - Generación de Video China

Skill de Claude Code para generar videoclips con modelos chinos de video: Wan, PixVerse, Kling, Vidu, HappyHorse, Jimeng y MiniMax. Modos: texto-a-video, imagen-a-video, primer/último fotograma y referencia-a-video.

¿Qué es Videogen-Wan - Generación de Video China?

Esta skill de Claude Code permite generar videoclips utilizando modelos de video chinos de última generación a través de múltiples proveedores: Alibaba Cloud Bailian (DashScope), Volcengine Ark (Jimeng) y MiniMax (Hailuo). Soporta cuatro modos de generación: texto a video (t2v), imagen a video (i2v), primer y último fotograma (kf2v) y video por referencia (r2v), seleccionando automáticamente el modo adecuado según las entradas del usuario. La generación de video es asíncrona: el script envía la tarea, consulta cada 10 segundos (las tareas largas pueden tardar entre 10 y 15 minutos) y descarga el MP4 inmediatamente, ya que las URL de resultado expiran después de 24 horas. La skill es especialmente útil para desarrolladores y creadores de contenido que necesitan generar clips en chino, con un flujo de trabajo interactivo para refinar prompts que incluye análisis detallado y tres variantes creativas para optimizar la calidad visual y semántica del resultado.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add Agents365-ai/videogenCN

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Videogen-Wan - Skill de Generación de Video China

Descripción General

Genera videoclips cortos utilizando modelos de video chinos de tres proveedores: Alibaba Cloud Bailian (DashScope), Volcengine Ark (Jimeng/即梦) y MiniMax (海螺 AI).

Cuatro modos, seleccionados automáticamente según las entradas proporcionadas:

ModoEntradasModelo predeterminado
t2v 文生视频solo promptwan2.7-t2v-2026-04-25 (Bailian)
i2v 图生视频prompt + --imagewan2.6-i2v-flash (Bailian)
kf2v 首尾帧prompt + --image + --last-framepixverse/pixverse-c1-kf2v (Bailian)
r2v 参考生视频prompt + --ref (1-7 imágenes)pixverse/pixverse-c1-r2v (Bailian)

La generación de video es asíncrona: el script envía una tarea, consulta cada 10 segundos (los trabajos largos pueden tardar entre 10 y 15 minutos) y luego descarga el MP4. Las URL de resultado caducan después de 24 horas, por lo que el script siempre descarga inmediatamente.

Imágenes locales: Wan y HappyHorse aceptan directamente URI de datos base64; PixVerse/Kling/Vidu solo aceptan URL públicas, por lo que el script carga automáticamente archivos locales al almacenamiento temporal de DashScope (URL oss:// durante 48 horas) antes de enviar. Jimeng convierte archivos locales a base64; MiniMax carga mediante su API de archivos.

Cuándo Usar Esta Skill

  • El usuario solicita 生成视频 / 文生视频 / 图生视频 / 首尾帧 / 参考生视频, o hacer un videoclip a partir de un prompt o imagen
  • El usuario menciona un modelo de video chino: 万相/Wan, 爱诗/PixVerse, 可灵/Kling, Vidu, HappyHorse, 即梦/Jimeng, 海螺/MiniMax
  • El usuario necesita material de archivo (B-roll), animaciones de imágenes fijas, clips con consistencia de personaje o transiciones entre dos fotogramas

Flujo de Trabajo

Paso 0: Refinamiento del Prompt (交互式提示词打磨)

CRÍTICO — ejecute siempre este paso para generación t2v/i2v. Los prompts del usuario suelen ser demasiado cortos, vagos o carecen de detalles visuales clave que los modelos de video necesitan. Claude actúa como ingeniero de prompts para pulir el prompt antes de la generación.

0.1 Analizar la entrada original del usuario

Extraer lo que está presente y lo que falta:

DimensiónVerificar
Sujeto¿Quién/qué es el foco principal? Describir apariencia, acción, expresión
Escena¿Dónde ocurre? Fondo, entorno, atmósfera
Iluminación¿Hora del día? ¿Calidad de luz? (hora dorada, neón, difusa suave, contraluz)
Cámara¿Tipo de plano? (primer plano, gran angular, aéreo, seguimiento). ¿Movimiento? (zoom, paneo, órbita)
Estado de ánimo/Estilo¿Tono emocional? ¿Estilo visual? (cinematográfico, anime, documental, surrealista)
Movimiento¿Qué se mueve? ¿Cómo? Velocidad, dirección, dinámica
Temporal¿Hay secuencia? ¿Inicio→medio→fin?

0.2 Generar tres variantes refinadas

Presentar 3 variantes en una tabla, cada una con una dirección creativa diferente:

| # | 风格方向 | 优化后提示词 | 建议参数 |
|---|---------|-------------|---------|
| 1 | [Nombre del estilo] | [Prompt completo en chino] | 5s / 16:9 / 1080P |
| 2 | [Nombre del estilo] | [Prompt completo en chino] | 8s / 16:9 / 1080P |
| 3 | [Nombre del estilo] | [Prompt completo en chino] | 5s / 9:16 / 1080P |

Principios de diseño de variantes:

  • Variante 1: 忠于原意 — preservar la idea central del usuario, agregar detalles visuales ricos, calidad cinematográfica
  • Variante 2: 创造性发散 — una interpretación artística diferente de la misma idea central
  • Variante 3: 实用主义 — optimizada para un formato de plataforma específico (video corto vertical, clip en bucle, etc.)

Reglas de escritura de prompts para modelos de video:

  • Escribir en chino (todos los modelos compatibles optimizan para el chino)
  • Anteponer el sujeto y la acción central (los primeros 20 caracteres son los más importantes)
  • Usar sustantivos visuales concretos ("金色麦田") no conceptos abstractos ("丰收的感觉")
  • Describir el movimiento explícitamente ("缓缓推近", "随风飘动", "从远到近奔跑")
  • Agregar indicaciones de cámara e iluminación al final ("电影感镜头", "逆光剪影", "浅景深")
  • Mantener dentro de 150 caracteres — los prompts de video no son novelas
  • Para Wan 2.7 multi-shot: usar formato 第N个镜头[N-Ns]: 描述

0.3 Bucle de retroalimentación del usuario

Después de presentar las tres variantes, preguntar al usuario que elija o dé retroalimentación. Aceptar estas palabras clave de modificación:

El usuario diceAcción
"用第N个" / "N"Usar variante N tal cual
"更诗意" / "更浪漫"Regenerar las tres con un tono más poético/lírico
"更简洁"Reducir a lo esencial, prompts más cortos
"加动态元素"Agregar más movimiento, acción, energía cinética
"改为夜景" / "下雪" / etc.Aplicar cambio de escena específico a todas las variantes
"混合1和3"Combinar el sujeto de 1 con el estilo de 3
"直接用" / "不改了"Omitir refinamiento, usar prompt original
Retroalimentación personalizadaAplicar retroalimentación y regenerar

Iterar hasta que el usuario apruebe explícitamente un prompt (diga "好", "可以", "用这个", "生成吧", etc.), luego continuar al Paso 1.

0.4 Condiciones de omisión

Omitir el refinamiento cuando:

  • El usuario dice explícitamente "直接生成" / "不用优化" / "skip"
  • El prompt ya es detallado (>80 caracteres con detalles visuales ya presentes)
  • El modo es kf2v/r2v (las imágenes de referencia son la entrada principal)

Paso 1: Decidir modo y proveedor

A partir del prompt aprobado y cualquier entrada --image/--last-frame/--ref, determinar:

  • Modo: t2v / i2v / kf2v / r2v (misma detección automática que antes)
  • Proveedor: usar la bandera --provider o detectar automáticamente desde el nombre del modelo
  • Modelo: usar la bandera --model, o los valores predeterminados del proveedor/modelo
  • Parámetros: duración, resolución, relación de aspecto según la sugerencia de la variante o la anulación del usuario

Paso 2: Confirmar y generar

Mostrar el comando final y confirmar con el usuario (especialmente para generaciones largas/caras). Ejecutar el script; se bloquea hasta que la tarea finaliza y guarda el MP4.

Paso 3: Entregar

Informar la ruta de salida, el tamaño del archivo y el tiempo de generación. Si no se proporcionó una ruta de salida, guardar en el directorio de trabajo actual.

Nota de costo: las API de video facturan por segundo de salida. Para clips largos o muchos, confirmar con el usuario antes de enviar.

Proveedores

Alibaba Bailian 百炼

Una clave API (DASHSCOPE_API_KEY) cubre las cinco familias de modelos. Los modelos de terceros (PixVerse/Kling/Vidu/HappyHorse) son solo para la región de Beijing (cn).

Volcengine Ark (Jimeng 即梦)

Autenticación simple con token Bearer mediante ARK_API_KEY. Utiliza la API de generación de contenido de Ark (https://ark.cn-beijing.volces.com/api/v3). Soporta t2v e i2v con audio nativo, sincronización de labios y control de movimiento de cámara.

MiniMax 海螺 AI

Autenticación simple con token Bearer (MINIMAX_API_KEY). Flujo asíncrono de tres pasos (enviar → consultar → recuperar URL de descarga). Soporta t2v e i2v.

Modelos

Wan 通义万相 (Alibaba Bailian)

ModeloModoResoluciónDuraciónNotas
wan2.7-t2v-2026-04-25t2v720P/1080P≤15st2v predeterminado. Multi-shot: 第N个镜头[N-Ns]: ...
wan2.5-t2v-previewt2v480P-1080P5/10sGenera audio, se admite --no-audio
wan2.2-t2v-plust2v480P/1080P5sCalidad estable
wanx2.1-t2v-turbo / -plust2v480P-720P3-5sRápido/barato
wan2.6-i2v-flashi2v720P/1080P2-15si2v predeterminado, se admite --no-audio
wan2.6-i2vi2v720P/1080P2-15sMejor calidad i2v
wan2.5-i2v-previewi2v480P-1080P5/10sAudio
wan2.2-i2v-plus / -flashi2v480P-1080P5sSilencioso
wanx2.1-i2v-turbo / -plusi2v480P-720P3-5sPlantillas de efectos

PixVerse 爱诗 (Tercero en Bailian)

pixverse/pixverse-{c1,v6,v5.6}-{t2v,it2v,kf2v,r2v} — p. ej. pixverse/pixverse-c1-it2v

  • c1/v6: duración 1-15s, 360P-1080P; v5.6: 5/8/10s (1080P: solo 5/8s)
  • c1 destaca en escenas dinámicas/combate/movimiento de alta velocidad; v5.6 es heredado
  • it2v = i2v de primer fotograma, kf2v = primer y último fotograma, r2v = 1-7 imágenes de referencia con sintaxis de prompt @ref_name
  • Audio desactivado por defecto, activar con --audio

Kling 可灵 (Tercero en Bailian)

kling/kling-v3-video-generation, kling/kling-v3-omni-video-generation

  • Un código de modelo cubre t2v/i2v/kf2v — el modo se establece según qué medio se adjunte; omni añade imágenes de referencia (--ref)
  • Duración 3-15s; resolución según modo: 1080P→pro, sino std (720P); relación 16:9/9:16/1:1

Vidu (Tercero en Bailian)

vidu/viduq3-{pro,turbo}_{text2video,img2video,start-end2video}, vidu/viduq2*

  • q3: 1-16s, se admite audio (--audio); q2: 1-10s, sin audio
  • 540P/720P/1080P; start-end2video = primer y último fotograma

HappyHorse (Tercero en Bailian)

happyhorse-1.1-t2v, happyhorse-1.0-t2v, happyhorse-1.1-i2v, happyhorse-1.0-i2v

  • 3-15s, 720P/1080P; t2v admite muchas relaciones de aspecto; i2v coincide con la relación de la imagen de entrada

Jimeng 即梦 (Volcengine Ark)

ModeloModoResoluciónDuraciónNotas
doubao-seedance-2-0-260128t2v/i2vhasta 2K≤15sPredeterminado. Audio, sincronización de labios, control de cámara
doubao-seedance-2-0-fast-260128t2v/i2vhasta 1080P≤15sVariante rápida
doubao-seedance-1-5-pro-251215t2v/i2vhasta 1080PinteligenteAudio, duración inteligente
doubao-seedance-1-0-prot2v/i2vhasta 1080P—Estándar v1
  • Autenticación: ARK_API_KEY (token Bearer)
  • API: https://ark.cn-beijing.volces.com/api/v3
  • Las imágenes locales se codifican automáticamente como URI de datos base64
  • Relación de aspecto: 16:9, 9:16, 1:1, 21:9, etc.

MiniMax 海螺 AI

ModeloModoResoluciónDuraciónNotas
video-01t2v/i2v720P6sCubre ambos modos
  • Autenticación: token Bearer (MINIMAX_API_KEY)
  • Las imágenes locales se cargan automáticamente a través de la API de archivos de MiniMax
  • El optimizador de prompts está activado por defecto

Ejemplos de Refinamiento de Prompt

Estos ejemplos muestran el refinamiento interactivo del Paso 0 en acción.

Ejemplo 1: Prompt corto y vago

Usuario: "生成视频:一只猫"

Claude responde con:

Tu prompt original es bastante corto, he pulido tres versiones:

#风格方向优化后提示词建议参数
1温馨日常一只橘猫蜷缩在窗台上,午后阳光透过纱帘洒在毛发上,猫咪眯着眼睛打盹,微风轻拂窗帘5s / 16:9
2灵动活泼一只黑白奶牛猫在花园里追逐蝴蝶,敏捷跳跃,花瓣被带起在空中飞舞,慢动作特写5s / 16:9
3赛博朋克一只发光机械猫在霓虹闪烁的雨夜街头行走,全息投影的鱼在它周围游动,科幻电影质感5s / 9:16

¿Qué dirección te gusta? También puedes decir "更诗意" "改为雪景" "混合1和2", etc.

Ejemplo 2: Refinamiento iterativo

Usuario: "El segundo está bien, pero quiero cambiarlo a un bosque"

Claude regenera la variante 2 con escenario de bosque, quizás ajustando las tres:

De acuerdo, reelaborado con el bosque como escena:

#风格方向优化后提示词建议参数
1灵动森林一只黑白毛色的猫咪在晨光森林中轻盈跳跃,透过树叶的阳光形成光束,苔藓和蕨类植物环绕,慢动作5s / 16:9
2神秘森林黑猫在迷雾森林中优雅行走,发光的蘑菇照亮小径,萤火虫在空气中浮动,奇幻电影画风8s / 16:9
3雨后森林橘白色小猫在雨后的原始森林中探索,叶片上的水珠闪烁,丁达尔光束穿透树冠,微距镜头跟拍5s / 16:9

¿Cuál se acerca más a lo que buscas?

Usuario: "Usa el 1, genera"

Claude ejecuta el script con el prompt aprobado.

Uso

Texto a Video

# Bailian (predeterminado)
python scripts/generate_video.py \
  "一只柴犬在樱花树下奔跑,花瓣随风飘落,电影感镜头" shiba.mp4 \
  --duration 5 --resolution 1080P --ratio 16:9

# Jimeng (即梦)
python scripts/generate_video.py "一只柴犬在樱花树下奔跑" shiba.mp4 \
  --provider jimeng --duration 5

# MiniMax (海螺)
python scripts/generate_video.py "一只柴犬在樱花树下奔跑" shiba.mp4 \
  --provider minimax --duration 6

Imagen a Video

python scripts/generate_video.py "镜头缓缓推近,人物微笑" out.mp4 --image portrait.png
# O con un modelo de terceros (archivo local subido automáticamente):
python scripts/generate_video.py "cinematic dolly-in" out.mp4 \
  --image portrait.png -m pixverse/pixverse-c1-it2v
# Jimeng i2v:
python scripts/generate_video.py "镜头缓缓推近" out.mp4 \
  --image portrait.png --provider jimeng

Primer y Último Fotograma (kf2v)

python scripts/generate_video.py "花苞缓缓绽放成盛开的牡丹" bloom.mp4 \
  --image bud.png --last-frame bloom.png

Video por Referencia (r2v)

python scripts/generate_video.py "@girl 在 @cafe 里弹吉他" out.mp4 \
  --ref girl=girl.png --ref cafe=cafe.jpg

Reanudar una Tarea de Larga Duración

python scripts/generate_video.py --task-id <id-de-tarea> out.mp4

Opciones

BanderaSignificadoPredeterminado
--providerbailian / jimeng / minimaxdetección automática
-m/--modelnombre del modeloautomático según modo
-i/--imageimagen del primer fotograma (ruta/URL)—
--last-frameimagen del último fotograma → kf2v—
--refimagen de referencia nombre=ruta_o_url, repetible → r2v—
-d/--durationsegundos5
-r/--resolution360P/480P/540P/720P/1080P1080P
--ratio16:9 o 9:1616:9
-s/--sizeW*H exacto para modelos basados en tamañode resolución+relación
-n/--negativeprompt negativo (solo Wan)—
--no-prompt-extenddeshabilitar reescritura de prompt (solo Wan)extend activado
--audiohabilitar audio en PixVerse/Kling/Vidudesactivado
--no-audiosalida silenciosa en modelos Wan con audioaudio activado
--seedreproducibilidad (no Kling)aleatorio
--task-idreanudar consulta de una tarea existente (Bailian)—
--list-modelslistar modelos y salir—

Requisitos

pip install requests

Variables de Entorno

VariableRequeridaProveedorPropósito
DASHSCOPE_API_KEYsí (Bailian)BailianClave API de Bailian (https://bailian.console.aliyun.com/)
DASHSCOPE_API_BASEnoBailiancn (predeterminado) / sg / us o una URL completa
DASHSCOPE_VIDEO_MODELnoBailianAnulación del modelo predeterminado
ARK_API_KEYsí (Jimeng)JimengClave API de Volcengine Ark (https://console.volcengine.com/ark/)
MINIMAX_API_KEYsí (MiniMax)MiniMaxClave API de MiniMax (https://platform.minimax.io)

Los modelos de terceros en Bailian (PixVerse/Kling/Vidu/HappyHorse) son solo para la región de Beijing (cn).

Guía de Selección de Modelos

Caso de usoModeloProveedor
Mejor calidad t2v, historia multi-shotwan2.7-t2v-2026-04-25Bailian
Acción rápida / escenas de combatepixverse/pixverse-c1-t2vBailian
Storyboard inteligente, audiovisual nativokling/kling-v3-video-generationBailian
Clips largos hasta 16s con audiovidu/viduq3-pro_text2videoBailian
Estilo video corto Douyin/XHSdoubao-seedance-2-0-260128Jimeng
Calidad i2v superiorwan2.6-i2vBailian
Generación rápida/baratawanx2.1-t2v-turboBailian
Referencia de personaje (r2v)pixverse/pixverse-c1-r2vBailian
Primer+último fotograma (kf2v)pixverse/pixverse-c1-kf2vBailian
Generaciñon de video MiniMax (6s, 720P)video-01MiniMax

Skills relacionados