Generación de Video
Envía un trabajo de generación de video por llamada y devuelve un jobId. La gestión de trabajos (espera/estado) pertenece a track_progress; este skill no coloca videos en la línea de tiempo automáticamente.
Cuándo Usarlo
Cada vez que el usuario quiera generar un clip de video: texto a video, imagen a video, transición primer-último cuadro, generación basada en referencias, storyboard multi-toma, o editar/extender un video existente de forma generativa (produciendo nuevo metraje basado en un clip fuente; no recorte de línea de tiempo).
Modelos
| Modelo | Referencia | Fortalezas |
|---|---|---|
fal + falModel | referencias/fal.md | Catálogo explícito de Fal; consulta el esquema de la herramienta para límites por modelo |
seedance2 | referencias/seedance2.md | Predeterminado cuando está configurado. Referencias multimodales, primero/último, editar/extender/puente, 2–15s, 480p/720p/1080p/4k, controles de audio/seed/cámara/marca de agua/último cuadro/tarea. |
kling | referencias/kling.md | Cámara/rendimiento técnico; Omni multi-toma; imágenes ≤7 (≤4 con una característica refVideos); std/pro; 3–15s. |
hailuo | referencias/hailuo.md | MiniMax 海螺. T2V / I2V / primero+último; 6s o 10s; 512P (Hailuo-02), 720p→768P, 1080P (6s); sin multi-ref / multi-toma. |
grok-imagine-video | referencias/grok-imagine-video.md | xAI Grok Imagine. Solo texto a video; 1–15s; 480p/720p/1080p; pista de audio incluida. |
ofox | referencias/ofox.md | Puerta de enlace multi-modelo OFox (Seedance/Wan y más detrás de una clave). Texto/imagen a video, primer+último cuadro, hasta 9 referencias de imagen; 2–30s con límites de API por modelo; 480p/720p/1080p por modelo. |
IMPORTANTE: Antes de generar, LEE la referencia del modelo elegido para conocer capacidades, canales de entrada, modos, estructura de prompt y comportamiento específico del modelo. Nunca inventes parámetros que la referencia prohíba.
Selección de Modelo
Respeta los proveedores configurados del prompt de capacidades (solo llama a un modelo cuya clave esté activa).
- El usuario nombró un proveedor ("用海螺", "MiniMax", "Kling", "Seedance") → ese
model, si está configurado. - Si Fal.ai está seleccionado o solicitado, usa
model: "fal"y elfalModelsolicitado o el predeterminado de Fal guardado de las capacidades. Pregunta si no hay ningún FalModel seleccionado. Lee las restricciones del catálogo de Fal en el esquema de la herramienta; los límites nativos del proveedor a continuación no aplican. - Si no, por defecto
seedance2cuando Seedance está configurado. - Si no, si solo Kling está activo →
kling. Si solo MiniMax está activo →hailuo. Si solo xAI está activo →grok-imagine-video. Si solo OFox está activo →ofox. - Cambia del predeterminado cuando:
- Se necesita personalización/inteligencia multi-toma →
kling(confirma si no lo nombró el usuario). - Se necesitan referencias multimodales ricas (referencias de video/audio, editar/extender) →
seedance2. - Se necesita un único compás corto y solo MiniMax está disponible, o el usuario quiere Hailuo →
hailuocon duración 6 o 10.
- Se necesita personalización/inteligencia multi-toma →
Si el modelo requerido no está configurado, dilo y ofrece: otro proveedor de video configurado, subir, o Gráfico en Movimiento — no finjas que la API existe.
Informa brevemente al usuario qué vas a generar antes de enviar.
Parámetros de la Herramienta
| Parámetro | Valores | Predeterminado |
|---|---|---|
model | seedance2, kling, hailuo, grok-imagine-video, ofox, fal | seedance2 cuando esté disponible |
durationSeconds | específico del modelo | seedance/kling ~5; hailuo 6 o 10 (1080p → solo 6); grok 1–15; ofox 2–30 (límites de API por modelo) |
ratio | consulta docs del modelo | 16:9 (seedance/kling/grok/ofox); ignorado en hailuo |
resolution | 480p, 512p, 720p, 1080p, 4k | específico del proveedor; hailuo agrega 512p para Hailuo-02; grok: 480p/720p/1080p |
refVideoMode | feature, base | solo kling, con refVideos |
promptOptimizer / fastPretreatment | booleano | solo hailuo |
generateAudio, seed, cameraFixed, watermark | controles | solo seedance |
returnLastFrame, executionExpiresAfter, priority | controles | solo seedance; el último cuadro solicitado se convierte en otro activo de imagen |
name | nombre descriptivo del activo | requerido para buena UX del pool |
firstFrame | referencia de activo de imagen del proyecto | opcional |
lastFrame | referencia de activo de imagen del proyecto | seedance / kling / hailuo (requiere firstFrame; no con multi-ref en seedance) |
refImages / refVideos / refAudios | referencias de activos | seedance completo; kling: imágenes + 1 video de característica (sin audio); hailuo: ninguno (cuadros / sujeto S2V) |
mode / shotType / multiPrompts | Kling multi-toma | solo kling |
Parámetros específicos del modelo — consulta la referencia del modelo.
Resolución de Entrada
firstFrame / lastFrame / refImages / refVideos / refAudios toman una referencia de activo del proyecto. Prefiere un UUID completo o un prefijo corto de read_project; asset://<id> y las URLs de activos del mismo proyecto devueltas por read_project también se aceptan. Por tipo de ranura: ranuras de cuadro y refImages → imagen; refVideos → video; refAudios → audio.
No se aceptan URLs externas ni base64. Si la fuente es una URL pública, descárgala primero en el proyecto (download_media para video/audio, submit_image para imágenes) y pasa el id del activo resultante.
Flujo de Trabajo
Bucle de cuatro pasos. Para cada nueva generación, reinicia desde el Paso 1 si la intención del usuario ha cambiado.
Paso 1 — Alinear el alcance con el usuario
Antes de escribir cualquier prompt, alinea tres dimensiones:
-
Duración y segmentos — largo total, cuántas tomas, y si viven en un clip o varios.
Si el usuario ya ha indicado una dirección ("做一段", "in one video", "分别生成", "split into N shots", etc.), síguela — no la cuestiones.
De lo contrario, muestra las dos opciones y deja que el usuario elija:
- Multi-toma dentro de un clip (consulta ref del modelo) — inferencia única, el sujeto/iluminación/estilo es físicamente consistente entre subtomas; encaja en una narrativa coherente dentro del límite de duración por clip.
- Varios clips — cada clip es independientemente controlable y regenerable, pero la identidad y continuidad de estilo deben mantenerse con anclas; encaja en duraciones más allá del límite o cortes de escena duros.
Ofrece el equilibrio; no elijas por el usuario.
-
Contenido — qué representa cada clip. Resuma lo que entendiste, segmento por segmento. Cuando el contenido es vago (p. ej., "genera un video de una chica bailando"), el usuario típicamente no ha especificado uno o más de:
- Sujeto: quién / qué es el sujeto principal (apariencia, vestimenta, características definitorias)?
- Acción: qué están haciendo? (Para tomas de diálogo/emocionales, qué microexpresión?)
- Escena: dónde: entorno, hora del día, detalles ambientales?
- Iluminación / ambiente cromático: qué atmósfera?
- Cámara: preferencia de tamaño de plano / ángulo / movimiento?
- Estilo: estilo visual o referencia (cinematográfico / anime / documental / ...).
Concéntrate en los elementos que importan para esta solicitud específica y que no se pueden inferir de forma segura — no conviertas esto en un ejercicio de llenar espacios en blanco. Resume las partes entendidas al usuario antes de continuar.
-
Anclas de consistencia — solo cuando varias tomas reutilizan un personaje, objeto o escena: identifica qué ancla (imagen o video de referencia) fijar entre tomas. Para reglas de origen, consulta §Consistencia visual entre tomas más abajo.
Para cada dimensión, verifica las palabras del usuario:
- Claro — procede.
- Ambiguo o faltante — PREGUNTA al usuario. No adivines, no asumas tu propia interpretación. Una confirmación de ida y vuelta es más barata que una generación desperdiciada.
Qué NO hacer
- No "digas y luego envía" — anunciar "Haré esto como 2 clips" y enviar inmediatamente no es alineación, es una decisión unilateral con anuncio.
- No asumas dividir una solicitud de un solo video en varios clips. Un solo clip puede llevar múltiples subtomas (consulta ref del modelo), con sujeto / iluminación / estilo físicamente consistentes entre ellas. Muestra el equilibrio, luego deja que el usuario elija.
- No omitas la pregunta porque crees que la respuesta es obvia.
Anulaciones estrictas (la palabra explícita del usuario gana)
- "one clip / single clip / 一条 / 一个镜头 / in 1 clip" → nunca dividir, incluso si la descripción es objetivamente larga.
- "N shots / N 段 / N 个镜头" → genera exactamente N.
- "use this image / 用这张图" → usar como referencia, no sustituir.
Paso 2 — Escribir el prompt
Consulta la referencia del modelo elegido para la estructura del prompt y combinaciones de parámetros (p. ej., la estructura de 8 elementos y modos de Seedance; los consejos de prompt de Kling). Antes de enviar, verifica:
namees un nombre de activo descriptivo — lo suficientemente descriptivo para que el usuario (y tú en turnos posteriores) reconozca este activo en la biblioteca del proyecto. Evita nombres vagos como "Sin título" o "clip 1".- La combinación de parámetros coincide con la intención del usuario — consulta la sección Modos en la referencia del modelo.
- El audio del video generado no es un parámetro de la herramienta (del lado del proveedor). Hailuo no tiene ratio/multi-ref; no inventes esos parámetros.
- En caso de fallo de validación, lee el error y corrige las entradas — no reintentes ciegamente los mismos argumentos inválidos.
Paso 3 — Enviar uno, esperar, confirmar
Envía un trabajo de generación a la vez. A menos que el usuario haya solicitado explícitamente varios clips en paralelo, no envíes el siguiente clip hasta que el actual se complete y el usuario lo haya revisado. El envío en paralelo oculta problemas: si la primera toma tiene desviación o encuadre incorrecto, el usuario preferirá rehacerla una vez que tener varias tomas desalineadas para descartar.
submit_video.ratiocontrola solo el activo generado; no cambia el lienzo de la línea de tiempo del proyecto. Si el usuario solicitó una relación de aspecto final de salida (por ejemplo "9:16 vertical" o "16:9 apaisado"), establece el lienzo de la línea de tiempo a la misma relación conmanage_timelinesaction=update (p. ej. ratio:"9:16") antes de colocar el activo completado. Si el usuario pidió sin barras negras / a sangre completa, pasafit:"cover"al establecer el lienzo o al actualizar/añadir el elemento visual.- No uses este skill para la gestión de trabajos — usa la herramienta
track_progresspara estado/espera. - Después de enviar, termina tu turno (informa al usuario que el trabajo fue creado) a menos que ya haya una tarea de seguimiento en cola.
- Cuando el trabajo termine, muestra el resultado al usuario para revisión antes de proceder a la siguiente toma.
- Manejo de fallos específico del modelo — consulta la referencia del modelo.
Paso 4 — Iterar
Cuando el usuario quiera un siguiente clip, una revisión o una continuación:
- Si es la siguiente toma en una secuencia multi-toma — reutiliza el ancla establecida (consulta §Consistencia visual entre tomas más abajo para principios, ref del modelo para detalles de banderas).
- Si la retroalimentación del usuario es ambigua ("no se siente bien") — pregunta qué cambiar específicamente antes de regenerar.
- Si el mismo ajuste de prompt de texto ha fallado dos veces — deja de ajustar texto. Cambia a imágenes de referencia, o cambia al modo de edición donde el modelo lo soporte (consulta ref del modelo).
- Cada nueva generación reinicia el bucle en el Paso 1 — realinea si el alcance cambió.
Consistencia visual entre tomas
El texto solo no puede mantener de forma fiable la identidad visual entre tomas; las referencias visuales limitan la salida con mucha más precisión que las palabras.
Anclas: la piedra angular de la consistencia
Un ancla es una imagen o video de referencia fijado en cada toma que comparte el mismo personaje, objeto o estilo. Cualquier secuencia multi-toma con elementos visuales recurrentes necesita un ancla — no intentes reproducirlos desde texto.
Obtención de un ancla
Ten conciencia de referencias. Cuando la solicitud del usuario involucra un personaje / objeto / escena recurrente, piensa en qué ancla usar antes de escribir prompts:
- Primero revisa el proyecto. ¿Qué ha proporcionado o aprobado el usuario? Imágenes subidas, tomas previamente generadas y aprobadas, o activos anteriores del proyecto pueden servir como anclas.
- Coincide con la intención del usuario. Si el usuario señaló un activo específico ("usa esta foto", "像上一段那样"), úsalo. Si describieron un personaje solo con palabras, aún no existe un ancla y se debe establecer uno.
- En caso de duda, pregunta al usuario. No adivines qué activo fijar, y no generes silenciosamente un nuevo ancla cuando el usuario ya pueda tener uno en mente.
Establecimiento de un nuevo ancla (con consentimiento del usuario)
Cuando ningún activo existente encaje y sea necesario generar uno, propónselo al usuario primero — da forma a cada toma posterior. Rutas específicas del modelo — consulta la ref del modelo elegido.
Uso del ancla
- Pasa el ancla en cada toma que comparta el personaje / objeto / estilo. La(s) bandera(s) específica(s) a usar dependen del modelo — consulta la ref del modelo.
- Describe el ancla por apariencia en el prompt, no por nombre: "El AUTO DE CARRERAS NEGRO con escape cromado" limita mucho más que "Fleetmaster". Cuando sea probable confusión de roles, añade negaciones explícitas: "La motocicleta NO se transforma."
- Refiérete al ancla con
@Image1/@Video1en el prompt — no con frases vagas como "el mismo coche de antes". - Cuando una toma dependa de una generación anterior, espera a que el trabajo anterior se complete (a través de
track_progressconaction=wait) para obtener suassetId, luego pásalo como referencia de ancla. No envíes tomas dependientes en paralelo.
Proyectos con múltiples personajes
Cuando un proyecto tenga varios personajes nombrados con atributos distintos (p. ej., Faz con energía de fuego, Kev con energía de hielo), trata a cada personaje como un ancla separada — un activo de referencia por personaje. En cada prompt:
- Nombra al personaje activo y adjunta sus atributos distintivos ("Kev tiene energía eléctrica de hielo azul").
- Añade negaciones explícitas para los demás para evitar fuga de atributos ("NO energía de fuego rojo, NO el aspecto de Faz").
- Fija el ancla del personaje correcto (bandera específica del modelo — consulta ref del modelo). No reutilices el ancla de otro personaje por accidente.
La falta de atribución explícita o negación causa mezcla de atributos entre personajes.
Varios personajes en el mismo cuadro. Para tomas donde varios personajes aparecen juntos (especialmente mirando a la cámara), el modelo es propenso a intercambio de caras o recorte de cuerpos. Añade anclas de posición y vestimenta fuertes a cada personaje y prefiere una cámara fija...