Skill de Generación de Video
Esta skill guía la implementación de funcionalidad de generación de video usando el paquete z-ai-web-dev-sdk, permitiendo que modelos de IA creen videos a partir de descripciones de texto o imágenes mediante procesamiento asíncrono de tareas.
Ruta de la Skill
Ubicación de la Skill: {project_path}/skills/video-generation
Esta skill se encuentra en la ruta anterior dentro de tu proyecto.
Scripts de Referencia: Hay scripts de prueba de ejemplo disponibles en el directorio {Skill Location}/scripts/ para pruebas rápidas y referencia. Consulta {Skill Location}/scripts/video.ts para un ejemplo funcional.
Descripción General
La Generación de Video te permite construir aplicaciones que pueden crear contenido de video a partir de indicaciones de texto o imágenes, con parámetros personalizables como resolución, tasa de fotogramas, duración y configuraciones de calidad. La API utiliza un modelo de tarea asíncrona donde creas una tarea y sondeas los resultados.
IMPORTANTE: z-ai-web-dev-sdk DEBE usarse solo en código backend. Nunca lo uses en código del lado del cliente.
Prerrequisitos
El paquete z-ai-web-dev-sdk ya está instalado. Impórtalo como se muestra en los ejemplos a continuación.
Uso de la CLI (Para Tareas Sencillas)
Para tareas simples de generación de video, puedes usar la CLI de z-ai en lugar de escribir código. La CLI maneja la creación de tareas y el sondeo automáticamente, lo que la hace ideal para pruebas rápidas y automatización simple.
Texto a Video Básico
# Generar video con sondeo automático
z-ai video --prompt "Un gato jugando con una pelota" --poll
# Usando opciones cortas
z-ai video -p "Hermoso paisaje con montañas" --poll
Calidad y Configuración Personalizadas
# Modo de calidad (speed o quality)
z-ai video -p "Olas del océano al atardecer" --quality quality --poll
# Resolución y FPS personalizados
z-ai video \
-p "Time-lapse de ciudad" \
--size "1920x1080" \
--fps 60 \
--poll
# Duración personalizada (5 o 10 segundos)
z-ai video -p "Espectáculo de fuegos artificiales" --duration 10 --poll
Imagen a Video
IMPORTANTE: Para el parámetro image_url, se recomienda encarecidamente usar datos de imagen codificados en base64 en lugar de URLs. Este enfoque es más fiable y evita posibles problemas de red o restricciones de acceso.
Nota: Haz coincidir el tipo MIME en la URI de datos con tu formato de imagen real (image/jpeg, image/png, image/webp, etc.) para evitar problemas de decodificación.
# Generar video a partir de una sola imagen usando base64 (RECOMENDADO)
# Convierte tu imagen a base64 con el tipo MIME correcto
# Para imágenes PNG
IMAGE_BASE64=$(base64 -i imagen.png)
z-ai video \
--image-url "data:image/png;base64,${IMAGE_BASE64}" \
--prompt "Haz que la escena cobre vida" \
--poll
# Para imágenes JPEG
IMAGE_BASE64=$(base64 -i foto.jpg)
z-ai video \
--image-url "data:image/jpeg;base64,${IMAGE_BASE64}" \
--prompt "Haz que la escena cobre vida" \
--poll
# Para imágenes WebP
IMAGE_BASE64=$(base64 -i imagen.webp)
z-ai video \
--image-url "data:image/webp;base64,${IMAGE_BASE64}" \
--prompt "Haz que la escena cobre vida" \
--poll
# Usando URL (menos recomendado, puede tener problemas de fiabilidad)
z-ai video \
-i "https://ejemplo.com/foto.jpg" \
-p "Agrega movimiento a esta escena" \
--poll
Modo de Primer y Último Fotograma
IMPORTANTE: Para una mejor fiabilidad, usa imágenes codificadas en base64 en lugar de URLs. Asegúrate de que el tipo MIME coincida con tu formato de imagen real.
# Generar video entre dos fotogramas usando base64 (RECOMENDADO)
# Asegúrate de usar el tipo MIME correcto para cada imagen
# Ejemplo con imágenes PNG
START_BASE64=$(base64 -i inicio.png)
END_BASE64=$(base64 -i fin.png)
z-ai video \
--image-url "data:image/png;base64,${START_BASE64},data:image/png;base64,${END_BASE64}" \
--prompt "Transición suave entre fotogramas" \
--poll
# Ejemplo con imágenes JPEG
START_BASE64=$(base64 -i inicio.jpg)
END_BASE64=$(base64 -i fin.jpg)
z-ai video \
--image-url "data:image/jpeg;base64,${START_BASE64},data:image/jpeg;base64,${END_BASE64}" \
--prompt "Transición suave entre fotogramas" \
--poll
# Usando URLs (menos recomendado)
z-ai video \
--image-url "https://ejemplo.com/inicio.png,https://ejemplo.com/fin.png" \
--prompt "Transición suave entre fotogramas" \
--poll
Con Generación de Audio
# Generar video con efectos de audio generados por IA
z-ai video \
-p "Tormenta eléctrica acercándose" \
--with-audio \
--poll
Guardar Salida
# Guardar resultado de la tarea en un archivo JSON
z-ai video \
-p "Amanecer sobre las montañas" \
--poll \
-o resultado_video.json
Parámetros de Sondeo Personalizados
# Personalizar el comportamiento del sondeo
z-ai video \
-p "Robot bailando" \
--poll \
--poll-interval 10 \
--max-polls 30
# Crear tarea sin sondeo (obtener ID de tarea)
z-ai video -p "Animación de arte abstracto" -o tarea.json
Parámetros de CLI
--prompt, -p <texto>: Opcional - Descripción textual del video--image-url, -i <datos>: Opcional - Preferiblemente datos de imagen codificados en base64 (ej., "data:image/png;base64,iVBORw..."). También se admiten URLs pero es menos recomendado. Para dos imágenes, usa valores separados por comas.--quality, -q <modo>: Opcional - Modo de salida:speedoquality(predeterminado: speed)--with-audio: Opcional - Generar efectos de audio por IA (predeterminado: false)--size, -s <resolución>: Opcional - Resolución del video (ej., "1920x1080")--fps <tasa>: Opcional - Tasa de fotogramas: 30 o 60 (predeterminado: 30)--duration, -d <segundos>: Opcional - Duración: 5 o 10 segundos (predeterminado: 5)--model, -m <modelo>: Opcional - Nombre del modelo a usar--poll: Opcional - Sondeo automático hasta que la tarea se complete--poll-interval <segundos>: Opcional - Intervalo de sondeo (predeterminado: 5)--max-polls <número>: Opcional - Número máximo de intentos de sondeo (predeterminado: 60)--output, -o <ruta>: Opcional - Ruta del archivo de salida (formato JSON)
Resoluciones Soportadas
1024x1024768x1344864x11521344x7681152x8641440x720720x14401920x1080(y otras resoluciones estándar)
Verificar Estado de la Tarea Más Tarde
Si creas una tarea sin --poll, puedes verificar su estado más tarde:
# Obtén el ID de la tarea desde la respuesta inicial
z-ai async-result --id "id-de-la-tarea-aqui" --poll
Cuándo Usar CLI vs SDK
Usa CLI para:
- Pruebas rápidas de generación de video
- Creación simple de videos únicos
- Scripts de automatización en línea de comandos
- Probar diferentes indicaciones y configuraciones
Usa SDK para:
- Generación de video por lotes con lógica personalizada
- Integración con aplicaciones web
- Gestión de colas de tareas personalizadas
- Aplicaciones en producción con flujos de trabajo complejos
Flujo de Trabajo de Generación de Video
La generación de video sigue un patrón asíncrono de dos pasos:
- Crear Tarea: Envía una solicitud de generación de video y recibe un ID de tarea
- Sondear Resultados: Consulta el estado de la tarea hasta que se complete y recupera la URL del video
Implementación Básica de Generación de Video
Generación Simple de Texto a Video
import ZAI from 'z-ai-web-dev-sdk';
async function generateVideo(prompt) {
try {
const zai = await ZAI.create();
// Crear tarea de generación de video
const task = await zai.video.generations.create({
prompt: prompt,
quality: 'speed', // 'speed' o 'quality'
with_audio: false,
size: '1920x1080',
fps: 30,
duration: 5
});
console.log('ID de Tarea:', task.id);
console.log('Estado de Tarea:', task.task_status);
// Sondear resultados
let result = await zai.async.result.query(task.id);
let pollCount = 0;
const maxPolls = 60;
const pollInterval = 5000; // 5 segundos
while (result.task_status === 'PROCESSING' && pollCount < maxPolls) {
pollCount++;
console.log(`Sondeo ${pollCount}/${maxPolls}: El estado es ${result.task_status}`);
await new Promise(resolve => setTimeout(resolve, pollInterval));
result = await zai.async.result.query(task.id);
}
if (result.task_status === 'SUCCESS') {
// Obtener URL del video de varios campos posibles
const videoUrl = result.video_result?.[0]?.url ||
result.video_url ||
result.url ||
result.video;
console.log('URL del Video:', videoUrl);
return videoUrl;
} else {
console.log('La tarea falló o aún está procesando');
return null;
}
} catch (error) {
console.error('La generación de video falló:', error.message);
throw error;
}
}
// Uso
const videoUrl = await generateVideo('Un gato está jugando con una pelota.');
console.log('Video generado:', videoUrl);
Generación de Imagen a Video
IMPORTANTE: El parámetro image_url acepta tanto datos de imagen codificados en base64 como URLs, pero se recomienda encarecidamente la codificación base64 para una mejor fiabilidad y para evitar problemas relacionados con la red.
Crítico: Siempre haz coincidir el tipo MIME en tu URI de datos base64 con el formato de imagen real para evitar errores de decodificación.
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';
// Función auxiliar para detectar el tipo MIME desde la extensión del archivo
function getMimeType(filePath) {
const ext = path.extname(filePath).toLowerCase();
const mimeTypes = {
'.jpg': 'image/jpeg',
'.jpeg': 'image/jpeg',
'.png': 'image/png',
'.gif': 'image/gif',
'.webp': 'image/webp',
'.bmp': 'image/bmp'
};
return mimeTypes[ext] || 'image/jpeg'; // Predeterminado a JPEG si se desconoce
}
async function generateVideoFromImage(imagePath, prompt) {
const zai = await ZAI.create();
// Método 1: Usando imagen codificada en base64 (RECOMENDADO)
// Detectar automáticamente el tipo MIME desde la extensión del archivo
const imageBuffer = fs.readFileSync(imagePath);
const mimeType = getMimeType(imagePath);
const base64Image = `data:${mimeType};base64,${imageBuffer.toString('base64')}`;
const task = await zai.video.generations.create({
image_url: base64Image, // Cadena de datos base64 con el tipo MIME correcto
prompt: prompt,
quality: 'quality',
duration: 5,
fps: 30
});
return task;
}
// Método 2: Usando URL (menos recomendado)
async function generateVideoFromImageUrl(imageUrl, prompt) {
const zai = await ZAI.create();
const task = await zai.video.generations.create({
image_url: imageUrl, // Cadena de URL
prompt: prompt,
quality: 'quality',
duration: 5,
fps: 30
});
return task;
}
// Ejemplos de uso
const task1 = await generateVideoFromImage(
'./images/foto.jpg', // Funciona con JPEG
'Anima esta escena con movimiento suave'
);
const task2 = await generateVideoFromImage(
'./images/grafico.png', // Funciona con PNG
'Agrega movimiento dinámico'
);
const task3 = await generateVideoFromImage(
'./images/animacion.webp', // Funciona con WebP
'Dale vida a esto'
);
Imagen a Video con Fotograma Inicial y Final
IMPORTANTE: Para el modo de fotogramas clave, se recomienda encarecidamente usar imágenes codificadas en base64 en lugar de URLs para garantizar una generación de video consistente y fiable. Usa siempre el tipo MIME correcto para cada imagen.
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';
// Función auxiliar para detectar el tipo MIME desde la extensión del archivo
function getMimeType(filePath) {
const ext = path.extname(filePath).toLowerCase();
const mimeTypes = {
'.jpg': 'image/jpeg',
'.jpeg': 'image/jpeg',
'.png': 'image/png',
'.gif': 'image/gif',
'.webp': 'image/webp',
'.bmp': 'image/bmp'
};
return mimeTypes[ext] || 'image/jpeg';
}
async function generateVideoWithKeyframes(startImagePath, endImagePath, prompt) {
const zai = await ZAI.create();
// Método 1: Usando imágenes codificadas en base64 (RECOMENDADO)
// Detectar automáticamente el tipo MIME para cada imagen
const startBuffer = fs.readFileSync(startImagePath);
const endBuffer = fs.readFileSync(endImagePath);
const startMimeType = getMimeType(startImagePath);
const endMimeType = getMimeType(endImagePath);
const startBase64 = `data:${startMimeType};base64,${startBuffer.toString('base64')}`;
const endBase64 = `data:${endMimeType};base64,${endBuffer.toString('base64')}`;
const task = await zai.video.generations.create({
image_url: [startBase64, endBase64], // Array de cadenas base64 con tipos MIME correctos
prompt: prompt,
quality: 'quality',
duration: 10,
fps: 30
});
console.log('Tarea creada con fotogramas clave:', task.id);
return task;
}
// Método 2: Usando URLs (menos recomendado)
async function generateVideoWithKeyframesUrl(startImageUrl, endImageUrl, prompt) {
const zai = await ZAI.create();
const task = await zai.video.generations.create({
image_url: [startImageUrl, endImageUrl], // Array de cadenas de URL
prompt: prompt,
quality: 'quality',
duration: 10,
fps: 30
});
console.log('Tarea creada con fotogramas clave:', task.id);
return task;
}
// Ejemplos de uso con diferentes formatos
const task1 = await generateVideoWithKeyframes(
'./frames/inicio.jpg', // Fotograma inicial JPEG
'./frames/fin.jpg', // Fotograma final JPEG
'Transición suave entre estas escenas'
);
const task2 = await generateVideoWithKeyframes(
'./frames/inicio.png', // Fotograma inicial PNG
'./frames/fin.webp', // Fotograma final WebP - ¡formatos diferentes funcionan!
'Efecto de transformación entre imágenes'
);
Gestión de Resultados Asíncronos
Consultar Estado de la Tarea
import ZAI from 'z-ai-web-dev-sdk';
async function checkTaskStatus(taskId) {
try {
const zai = await ZAI.create();
const result = await zai.async.result.query(taskId);
console.log('Estado de Tarea:', result.task_status);
if (result.task_status === 'SUCCESS') {
// Extraer URL del video del resultado
const videoUrl = result.video_result?.[0]?.url ||
result.video_url ||
result.url ||
result.video;
if (videoUrl) {
console.log('URL del Video:', videoUrl);
return { success: true, url: videoUrl };
}
} else if (result.task_status === 'PROCESSING') {
console.log('La tarea aún se está procesando');
return { success: false, status: 'processing' };
} else if (result.task_status === 'FAIL') {
console.log('La tarea falló');
return { success: false, status: 'failed' };
}
} catch (error) {
console.error('Error al verificar el estado de la tarea:', error.message);
}
}
Mejores Prácticas
-
Usa codificación base64 para imágenes: La codificación base64 es más fiable que las URLs. Evita problemas de red y autenticación.
-
Verifica los tipos MIME: Siempre asegúrate de que el tipo MIME en tu URI de datos coincida con el formato de imagen real para evitar errores de decodificación.
-
Implementa un sondeo robusto: Siempre usa límites máximos de sondeo para evitar bucles infinitos. El valor predeterminado es 60 intentos con un intervalo de 5 segundos.
-
Extracción de URL: Al obtener la URL del video de la respuesta, verifica múltiples campos:
video_result[0].url,video_url,url,video. -
Uso en backend:
z-ai-web-dev-sdkestá diseñado para uso exclusivo en el backend. Nunca expongas claves API o el SDK en código del lado del cliente.