Img-Video — Puente de generación de activos (multiproveedor)
Claude no puede generar píxeles directamente, pero puede invocar servicios de modelos externos. Este Skill encapsula este flujo en un script:
Dar un prompt → Obtener imagen/video → Almacenar en assets/ → Imprimir la ruta relativa, lista para usar en HTML, PPT, Markdown o un diseño.
La capa de modelos es intercambiable: por defecto usa la pasarela jiekou.ai (接口AI). Si alguna clave falla o no está configurada, automáticamente cambia a los proveedores de respaldo en cadena:
Jimeng / Kling / Gemini etc. La lista completa está en references/providers.md.
Cuándo usarlo
Cuando el resultado final debería contener una imagen o un video y un marcador de posición o texto plano no es apropiado, usa este Skill para generarlo. Casos típicos:
- Páginas web / landing pages / plantillas de correo: Banner, hero, imágenes de acompañamiento, fondos de iconos.
- PPT / diapositivas: Portada, separadores, imágenes de contenido.
- Diseño gráfico: Carteles, portadas, tarjetas para redes sociales, miniaturas.
- Prototipos UI: Diagramas, marcadores de posición para capturas de pantalla de producto.
- Videos cortos: Fondos dinámicos, demostraciones de producto, animaciones a partir de una imagen.
Regla de oro: no dejes espacios en blanco ni escribas "(colocar imagen aquí)"; genérala directamente.
Requisito previo: Configuración
Antes del primer uso, prepara un archivo config.json en el directorio raíz del Skill (si no existe, el script mostrará un error):
- Copia la plantilla:
cp config.example.json config.json - Configura al menos un proveedor — las claves deben solicitarse al usuario, nunca inventarlas. Para cada uno completa:
type: Tipo de proveedor (ver tabla más abajo).base_url: Dirección de la API (puede omitirse si tiene valor por defecto).- Credenciales: normalmente
api_key; para Kling esaccess_key+secret_key. image_model/video_model: Nombre del modelo (dejarnullsi no se necesita esa capacidad).
- Establece
default_provider(principal) yfallback(cadena de respaldo, un array).
Las claves se almacenan solo en el archivo local config.json (ignorado por .gitignore). No las incluyas en código, SKILL.md ni en el repositorio.
Verifica la disponibilidad antes de empezar (confirma claves/capacidades y el orden de prueba):
python <skill>/scripts/generate.py providers
Uso
Ejecuta desde el directorio de trabajo del proyecto para que las rutas relativas de salida assets/ puedan referenciarse directamente desde páginas web/PPT.
Texto a imagen
python <skill>/scripts/generate.py image \
--prompt "Ilustración plana de la página hero de una empresa tecnológica, gradiente azul-violeta, espacio en blanco minimalista" \
--size 1024x1024 --n 1 --output-dir assets/images
| Parámetro | Obligatorio | Predeterminado | Descripción |
|---|---|---|---|
--prompt | ✅ | — | Sé específico (estilo + sujeto + tono + composición) para mejores resultados. |
--size | 1024x1024 | Algunas pasarelas escalan la imagen según la proporción; se convertirá automáticamente a 1:1, etc. | |
--n | 1 | Número de imágenes a generar. | |
--output-dir | assets/images | Directorio de salida. | |
--provider | Según cadena de respaldo | Forzar un proveedor específico, saltando la cadena de respaldo. |
Imagen a video
python <skill>/scripts/generate.py video \
--image assets/images/xxxx.png \
--prompt "Cámara lenta hacia adelante, destellos de luz flotando suavemente en el fondo" --output-dir assets/videos
| Parámetro | Obligatorio | Predeterminado | Descripción |
|---|---|---|---|
--image | ✅ | — | Ruta local o URL http(s). |
--prompt | Vacío | Descripción del movimiento/escena; se recomienda completarlo. | |
--output-dir | assets/videos | Directorio de salida. | |
--provider | Según cadena de respaldo | Forzar un proveedor específico. |
La generación de imagen a video suele ser asíncrona; el script espera automáticamente hasta que se complete.
Especificar / cambiar de proveedor
- Sin
--provider: se intenta automáticamente en ordendefault_provider → fallback(saltando aquellos sin clave o sin soporte). - Con
--provider <nombre>(ej.kling/ark/gemini/relay): fuerza un proveedor específico, saltando la cadena de respaldo. Ejemplo: el usuario dice "usa Kling" →--provider kling.
Servicios de modelo compatibles
type | Servicio | Texto a imagen | Imagen a video |
|---|---|---|---|
jiekou | Pasarela jiekou.ai (agrega Midjourney/Flux/Seedance/Kling/Sora/Veo, predeterminado) | ✅ | ✅ |
ark / jimeng | ByteDance Jimeng Seedream/Seedance (conexión directa) | ✅ | ✅ |
kling | Kuaishou Kling (conexión directa) | ✅ | ✅ |
gemini | Google Imagen/Veo (conexión directa) | ✅ | ✅ |
relay | Otras pasarelas compatibles con OpenAI | ✅ | ⚠️ Depende de la pasarela |
Combinaciones recomendadas (jiekou): Texto a imagen: mj-txt2img (Midjourney, genera 4 imágenes de una vez), flux-2-pro;
Imagen a video: veo-3.1-generate-img2video (Veo 3.1, con audio nativo), sora-2-img2video, seedance-v1-pro-i2v.
⚠️ Al cambiar de modelo: los nombres de campos de prompt, enumeraciones de duración/resolución y campos obligatorios varían entre modelos (Midjourney usa
text, Veo usaduration_seconds+generate_audio). Cambiar solo el nombre del modelo sin ajustar estos campos provocará un error 400. El config ya incluye interruptores (prompt_field/send_aspect_ratio/duration/resolution/video_extra), consulta la tabla "Diferencias de campos por modelo" enreferences/providers.md.
Salida
- Las imágenes se guardan en
assets/images/, los videos enassets/videos/. - Nomenclatura:
{timestamp}_{primeros caracteres del prompt}.{png|jpg|mp4|…}(se identifica el formato real por la cabecera del archivo, evitando sobrescritura). - Al final se imprime la lista de rutas relativas de los archivos generados — listos para usar en
<img src="assets/images/…">, marcadores de posición en PPT o Markdown.
Flujo de trabajo típico
- Usa el subcomando
providerspara confirmar servicios disponibles y el orden de prueba. - Planifica qué imágenes/videos necesita el producto final, sus respectivos usos y estilos.
- Genera uno por uno con
image(o primeroimagey luegovideo), añadiendo--providersi es necesario. - Recoge las rutas relativas impresas e intégralas en el producto final.
Ejemplo: El usuario dice "Crea una landing page para una marca de café"
→ image --prompt "Primer plano de café vertido manualmente con luz cálida de la mañana, poca profundidad de campo" genera el hero
→ luego genera dos imágenes de acompañamiento de producto → usa esos assets/images/*.png para escribir el HTML.
Excepciones y respaldo (ya integrados en el script)
- Falta
config.json/ sección de proveedores: error y solicita configuración. - Proveedor principal sin clave o sin modelo configurado: se salta automáticamente y prueba el siguiente.
- Fallo en la ejecución (4xx/5xx/timeout): para 5xx y errores de red, reintenta con retroceso exponencial; si sigue fallando, degrada al siguiente proveedor en la cadena de respaldo; solo si todos fallan se reporta un error, resumiendo las causas de cada uno.
- Timeout en video: superado
poll_timeout, se reporta un timeout claro. - La imagen de entrada no existe (imagen a video): error directo, verifica
--image.
Dependencias y extensión
- Dependencias: Python 3 +
requests(pip install requests). La autenticación JWT de Kling se implementa con la biblioteca estándar, sin dependencias adicionales. - Añadir nuevos proveedores: en
scripts/providers.py, crea una subclase deProviderque implementegenerate_image/generate_video, y regístrala enREGISTRY. La cadena de respaldo, guardado, nomenclatura, etc., no requieren cambios. Consulta el final dereferences/providers.mdpara más detalles.