Videogen-Wan - 中国動画生成スキル
概要
3つのプロバイダー — Alibaba Cloud 百煉 (DashScope)、Volcengine Ark (Jimeng/即夢)、MiniMax (海螺 AI) — の中国語動画モデルを使用して、短い動画クリップを生成します。
提供する入力から自動選択される4つのモード:
| モード | 入力 | デフォルトモデル |
|---|---|---|
| t2v 文生视频 (テキスト→動画) | プロンプトのみ | wan2.7-t2v-2026-04-25 (Bailian) |
| i2v 图生视频 (画像→動画) | プロンプト + --image | wan2.6-i2v-flash (Bailian) |
| kf2v 首尾帧 (開始・終了フレーム) | プロンプト + --image + --last-frame | pixverse/pixverse-c1-kf2v (Bailian) |
| r2v 参考生视频 (参照画像→動画) | プロンプト + --ref (1-7枚の画像) | pixverse/pixverse-c1-r2v (Bailian) |
動画生成は非同期です。スクリプトがタスクを送信し、10秒ごとにポーリングし(長時間のジョブは10〜15分かかる場合があります)、MP4をダウンロードします。結果のURLは24時間で期限切れになるため、スクリプトは常にすぐにダウンロードします。
ローカル画像: Wan と HappyHorse は base64 データURIを直接受け入れます。PixVerse/Kling/Vidu は公開URLのみを受け入れるため、スクリプトはローカルファイルを自動的に DashScope の一時ストレージ(48時間の oss:// URL)にアップロードしてから送信します。Jimeng はローカルファイルを base64 に変換します。MiniMax はファイルAPIを介してアップロードします。
このスキルを使用するタイミング
- ユーザーが 生成视频 / 文生视频 / 图生视频 / 首尾帧 / 参考生视频 を要求したり、プロンプトや画像から動画クリップを作成するように依頼した場合
- ユーザーが中国語の動画モデル名(万相/Wan、爱诗/PixVerse、可灵/Kling、Vidu、HappyHorse、即梦/Jimeng、海螺/MiniMax)を指定した場合
- ユーザーがBロール、静止画のアニメーション、キャラクター一貫性のあるクリップ、または2つのフレーム間のトランジションを必要としている場合
ワークフロー
ステップ 0: プロンプトの洗練(対話型プロンプト磨き)
重要 — t2v/i2v 生成の場合は必ずこのステップを実行してください。 ユーザーのプロンプトは短すぎたり、曖昧だったり、動画モデルが必要とする重要な視覚的詳細が欠けていることがよくあります。Claude はプロンプトエンジニアとして機能し、生成前にプロンプトを磨き上げます。
0.1 ユーザーの生の入力を分析する
何があるか、何が欠けているかを抽出します:
| 次元 | 確認項目 |
|---|---|
| 被写体 | 誰/何が主な焦点か?外見、動作、表情を説明する |
| シーン | どこで行われるか?背景、環境、雰囲気 |
| 照明 | 時刻は?光の質は?(ゴールデンアワー、ネオン、柔らかな拡散光、逆光) |
| カメラ | ショットの種類は?(クローズアップ、ワイド、航空、追跡)。動きは?(押し込み、パン、オービット) |
| ムード/スタイル | 感情的なトーンは?視覚的なスタイルは?(映画的、アニメ、ドキュメンタリー、シュール) |
| 動き | 何が動くか?どのように?速度、方向、ダイナミクス |
| 時間的要素 | 一連の流れは?始まり→中間→終わり? |
0.2 3つの洗練されたバリエーションを生成する
それぞれ異なるクリエイティブな方向性を持つ 3つのバリエーション を表で提示します:
| # | スタイル方向 | 最適化後プロンプト | 推奨パラメータ |
|---|---------|-------------|---------|
| 1 | [スタイル名] | [完全な中国語プロンプト] | 5秒 / 16:9 / 1080P |
| 2 | [スタイル名] | [完全な中国語プロンプト] | 8秒 / 16:9 / 1080P |
| 3 | [スタイル名] | [完全な中国語プロンプト] | 5秒 / 9:16 / 1080P |
バリエーション設計の原則:
- バリエーション 1: 原意に忠実 — ユーザーのコアアイデアを維持し、豊かな視覚的詳細、映画的な品質を追加
- バリエーション 2: 創造的な発散 — 同じコアアイデアの別の芸術的解釈
- バリエーション 3: 実用主義 — 特定のプラットフォーム形式(縦型ショート動画、ループ可能なクリップなど)に最適化
動画モデルのプロンプト記述ルール:
- 中国語で記述する(サポートされているすべてのモデルは中国語に最適化されています)
- 被写体とコアアクションを前に持ってくる(最初の20文字が最も重要)
- 具体的な視覚的名詞(「金色麦田」)を使用し、抽象的な概念(「丰收的感觉」)は避ける
- 動きを明示的に記述する(「缓缓推近」、「随风飘动」、「从远到近奔跑」)
- 最後にカメラと照明の手がかりを追加する(「电影感镜头」、「逆光剪影」、「浅景深」)
- 150文字以内に収める — 動画プロンプトは小説ではありません
- Wan 2.7 マルチショットの場合:
第N个镜头[N-Ns]: 描述形式を使用
0.3 ユーザーフィードバックループ
3つのバリエーションを提示した後、ユーザーに選択またはフィードバックを求めます。以下の修正キーワードを受け入れます:
| ユーザーの発言 | アクション |
|---|---|
| 「用第N个」/「N」 | バリエーションNをそのまま使用 |
| 「更诗意」/「更浪漫」 | より詩的/叙情的なトーンで3つすべてを再生成 |
| 「更简洁」 | 必須項目のみに削減、短いプロンプト |
| 「加动态元素」 | より多くの動き、アクション、運動エネルギーを追加 |
| 「改为夜景」/「下雪」/など | 特定のシーン変更をすべてのバリエーションに適用 |
| 「混合1和3」 | 1の被写体と3のスタイルを組み合わせる |
| 「直接用」/「不改了」 | 洗練をスキップし、生のプロンプトを使用 |
| カスタムフィードバック | フィードバックを適用して再生成 |
ユーザーが明示的に承認するまで(「好」、「可以」、「用这个」、「生成吧」などと言う)繰り返し、その後ステップ1に進みます。
0.4 スキップ条件
以下の場合、洗練をスキップします:
- ユーザーが明示的に「直接生成」/「不用优化」/「skip」と言った場合
- プロンプトがすでに詳細である場合(視覚的な詳細がすでに存在する80文字以上)
- モードが kf2v/r2v の場合(参照画像が主な入力)
ステップ 1: モードとプロバイダーの決定
承認されたプロンプトと --image/--last-frame/--ref の入力から、以下を決定します:
- モード: t2v / i2v / kf2v / r2v(以前と同じ自動検出)
- プロバイダー:
--providerフラグを使用するか、モデル名から自動検出 - モデル:
--modelフラグ、またはプロバイダー/モデルのデフォルト - パラメータ: バリエーションの提案またはユーザーオーバーライドからの、長さ、解像度、アスペクト比
ステップ 2: 確認と生成
最終的なコマンドを表示し、ユーザーに確認します(特に長時間または高コストの生成の場合)。スクリプトを実行します。タスクが完了し、MP4が保存されるまでブロックします。
ステップ 3: 配信
出力パス、ファイルサイズ、生成時間を報告します。出力パスが指定されていない場合は、現在の作業ディレクトリに保存します。
コストに関する注意: 動画APIは出力1秒あたりに課金されます。長いクリップや多数のクリップの場合は、送信前にユーザーに確認してください。
プロバイダー
Alibaba Bailian 百煉
1つのAPIキー(DASHSCOPE_API_KEY)で5つのモデルファミリーすべてをカバーします。サードパーティモデル(PixVerse/Kling/Vidu/HappyHorse)は北京リージョン(cn)のみです。
Volcengine Ark (Jimeng 即夢)
ARK_API_KEY によるシンプルなBearerトークン認証。Arkコンテンツ生成API(https://ark.cn-beijing.volces.com/api/v3)を使用します。ネイティブオーディオ、リップシンク、カメラモーションコントロールを備えたt2vおよびi2vをサポートします。
MiniMax 海螺 AI
MINIMAX_API_KEY によるシンプルなBearerトークン認証。3ステップの非同期フロー(送信 → クエリ → ダウンロードURLの取得)。t2vとi2vをサポートします。
モデル
Wan 通义万相 (Alibaba Bailian)
| モデル | モード | 解像度 | 長さ | 備考 |
|---|---|---|---|---|
wan2.7-t2v-2026-04-25 | t2v | 720P/1080P | ≤15秒 | t2vのデフォルト。マルチショット: 第N个镜头[N-Ns]: ... |
wan2.5-t2v-preview | t2v | 480P-1080P | 5/10秒 | オーディオ生成、--no-audio 対応 |
wan2.2-t2v-plus | t2v | 480P/1080P | 5秒 | 安定した品質 |
wanx2.1-t2v-turbo / -plus | t2v | 480P-720P | 3-5秒 | 高速/低コスト |
wan2.6-i2v-flash | i2v | 720P/1080P | 2-15秒 | i2vのデフォルト、--no-audio 対応 |
wan2.6-i2v | i2v | 720P/1080P | 2-15秒 | 最高のi2v品質 |
wan2.5-i2v-preview | i2v | 480P-1080P | 5/10秒 | オーディオ |
wan2.2-i2v-plus / -flash | i2v | 480P-1080P | 5秒 | 無音 |
wanx2.1-i2v-turbo / -plus | i2v | 480P-720P | 3-5秒 | エフェクトテンプレート |
PixVerse 爱诗 (Bailian サードパーティ)
pixverse/pixverse-{c1,v6,v5.6}-{t2v,it2v,kf2v,r2v} — 例: pixverse/pixverse-c1-it2v
- c1/v6: 長さ1-15秒、360P-1080P; v5.6: 5/8/10秒(1080P: 5/8秒のみ)
- c1はダイナミックなシーン/戦闘/高速モーションに優れています; v5.6はレガシー
it2v= 最初のフレームi2v,kf2v= 最初+最後のフレーム,r2v= 1-7枚の参照画像と@ref_nameプロンプト構文- デフォルトでオーディオオフ、
--audioで有効化
Kling 可灵 (Bailian サードパーティ)
kling/kling-v3-video-generation, kling/kling-v3-omni-video-generation
- 1つのモデルコードでt2v/i2v/kf2vをカバー — モードは添付するメディアによって設定されます; omniは参照画像を追加します(
--ref) - 長さ3-15秒; 解像度はモード別: 1080P→
pro, それ以外はstd(720P); アスペクト比 16:9/9:16/1:1
Vidu (Bailian サードパーティ)
vidu/viduq3-{pro,turbo}_{text2video,img2video,start-end2video}, vidu/viduq2*
- q3: 1-16秒、オーディオ対応(
--audio); q2: 1-10秒、オーディオなし - 540P/720P/1080P;
start-end2video= 最初+最後のフレーム
HappyHorse (Bailian サードパーティ)
happyhorse-1.1-t2v, happyhorse-1.0-t2v, happyhorse-1.1-i2v, happyhorse-1.0-i2v
- 3-15秒、720P/1080P; t2vは多くのアスペクト比をサポート; i2vは入力画像のアスペクト比に一致
Jimeng 即夢 (Volcengine Ark)
| モデル | モード | 解像度 | 長さ | 備考 |
|---|---|---|---|---|
doubao-seedance-2-0-260128 | t2v/i2v | 最大2K | ≤15秒 | デフォルト。オーディオ、リップシンク、カメラ制御 |
doubao-seedance-2-0-fast-260128 | t2v/i2v | 最大1080P | ≤15秒 | 高速バリアント |
doubao-seedance-1-5-pro-251215 | t2v/i2v | 最大1080P | スマート | オーディオ、スマート長さ |
doubao-seedance-1-0-pro | t2v/i2v | 最大1080P | — | 標準v1 |
- 認証:
ARK_API_KEY(Bearerトークン) - API:
https://ark.cn-beijing.volces.com/api/v3 - ローカル画像はbase64データURIとして自動エンコード
- アスペクト比: 16:9, 9:16, 1:1, 21:9 など
MiniMax 海螺 AI
| モデル | モード | 解像度 | 長さ | 備考 |
|---|---|---|---|---|
video-01 | t2v/i2v | 720P | 6秒 | 両方のモードをカバー |
- 認証: Bearerトークン (
MINIMAX_API_KEY) - ローカル画像はMiniMaxファイルAPI経由で自動アップロード
- プロンプト最適化機能がデフォルトで有効
プロンプト洗練の例
これらの例は、ステップ0の対話型洗練が実際にどのように機能するかを示しています。
例 1: 曖昧な短いプロンプト
ユーザー: 「生成视频:一只猫」
Claudeの応答:
あなたの元のプロンプトは短いので、3つのバージョンに磨き上げました:
# スタイル方向 最適化後プロンプト 推奨パラメータ 1 温かい日常 窓辺に丸まるオレンジの猫、午後の日差しがレースのカーテン越しに毛に降り注ぎ、猫は目を細めてうたた寝、そよ風がカーテンを揺らす 5秒 / 16:9 2 活発で元気 庭で蝶を追いかける白黒の猫、機敏にジャンプし、花びらが舞い上がり、スローモーションのクローズアップ 5秒 / 16:9 3 サイバーパンク ネオンが輝く雨の夜の街を歩く光る機械の猫、ホログラムの魚がその周りを泳ぎ、SF映画の質感 5秒 / 9:16 どの方向性が好きですか?「更诗意」「改为雪景」「混合1和2」などと言うこともできます。
例 2: 反復的な洗練
ユーザー: 「第二个不错,但是我想改成在森林里」
Claudeはバリエーション2を森の設定で再生成し、場合によっては3つすべてを調整します:
はい、森をシーンにして磨き直しました:
# スタイル方向 最適化後プロンプト 推奨パラメータ 1 活気ある森 朝の森の光の中で軽やかに跳ねる白黒の猫、木々の葉の間から差し込む太陽の光が光線を作り、苔とシダ植物が周囲を取り巻き、スローモーション 5秒 / 16:9 2 神秘的な森 霧の森を優雅に歩く黒猫、光るキノコが小道を照らし、ホタルが空中に浮かび、ファンタジー映画の画風 8秒 / 16:9 3 雨上がりの森 雨上がりの原生林を探索するオレンジと白の子猫、葉の上の水滴がきらめき、ティンダル効果の光線が林冠を突き抜け、マクロレンズで追跡 5秒 / 16:9 どれがあなたのイメージに近いですか?
ユーザー: 「用第1个,生成吧」
Claudeは承認されたプロンプトでスクリプトを実行します。
使用法
テキストから動画へ
# Bailian (デフォルト)
python scripts/generate_video.py \
"柴犬が桜の木の下を走る、花びらが風に舞い、映画的なレンズ効果" shiba.mp4 \
--duration 5 --resolution 1080P --ratio 16:9
# Jimeng (即夢)
python scripts/generate_video.py "柴犬が桜の木の下を走る" shiba.mp4 \
--provider jimeng --duration 5
# MiniMax (海螺)
python scripts/generate_video.py "柴犬が桜の木の下を走る" shiba.mp4 \
--provider minimax --duration 6
画像から動画へ
python scripts/generate_video.py "カメラがゆっくりと押し寄せる、人物が微笑む" out.mp4 --image portrait.png
# またはサードパーティモデルで(ローカルファイルは自動アップロード):
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 "カメラがゆっくりと押し寄せる" out.mp4 \
--image portrait.png --provider jimeng
最初+最後のフレーム (kf2v)
python scripts/generate_video.py "つぼみがゆっくりと開き、満開の牡丹になる" bloom.mp4 \
--image bud.png --last-frame bloom.png
参照画像から動画へ (r2v)
python scripts/generate_video.py "@girl が @cafe でギターを弾く" out.mp4 \
--ref girl=girl.png --ref cafe=cafe.jpg
長時間実行タスクの再開
python scripts/generate_video.py --task-id <task-id> out.mp4
オプション
| フラグ | 意味 | デフォルト |
|---|---|---|
--provider | bailian / jimeng / minimax | 自動検出 |
-m/--model | モデル名 | モードにより自動 |
-i/--image | 最初のフレーム画像(パス/URL) | — |
--last-frame | 最後のフレーム画像 → kf2v | — |
--ref | 参照画像 name=path_or_url、繰り返し可能 → r2v | — |
-d/--duration | 秒数 | 5 |
-r/--resolution | 360P/480P/540P/720P/1080P | 1080P |
--ratio | 16:9 または 9:16 | 16:9 |
-s/--size | 正確な W*H(サイズベースモデル用) | 解像度+アスペクト比から |
-n/--negative | ネガティブプロンプト(Wanのみ) | — |
--no-prompt-extend | プロンプト書き換えを無効化(Wanのみ) | 拡張オン |
--audio | PixVerse/Kling/Viduでオーディオを有効化 | オフ |
--no-audio | Wanオーディオモデルで無音出力 | オーディオオン |
--seed | 再現性(Kling以外) | ランダム |
--task-id | 既存のタスクのポーリングを再開(Bailian) | — |
--list-models | モデル一覧を表示して終了 | — |
要件
pip install requests
環境変数
| 変数 | 必須 | プロバイダー | 目的 |
|---|---|---|---|
DASHSCOPE_API_KEY | はい (Bailian) | Bailian | Bailian APIキー (https://bailian.console.aliyun.com/) |
DASHSCOPE_API_BASE | いいえ | Bailian | cn (デフォルト) / sg / us または完全なURL |
DASHSCOPE_VIDEO_MODEL | いいえ | Bailian | デフォルトモデルの上書き |
ARK_API_KEY | はい (Jimeng) | Jimeng | Volcengine Ark APIキー (https://console.volcengine.com/ark/) |
MINIMAX_API_KEY | はい (MiniMax) | MiniMax | MiniMax APIキー (https://platform.minimax.io) |
Bailian 上のサードパーティモデル (PixVerse/Kling/Vidu/HappyHorse) は 北京リージョン(cn)のみ です。
モデル選択ガイド
| ユースケース | モデル | プロバイダー |
|---|---|---|
| 最高品質のt2v、マルチショットストーリー | wan2.7-t2v-2026-04-25 | Bailian |
| 高速アクション/戦闘シーン | pixverse/pixverse-c1-t2v | Bailian |
| スマートストーリーボード、ネイティブ視聴覚 | kling/kling-v3-video-generation | Bailian |
| オーディオ付き最大16秒の長尺クリップ | vidu/viduq3-pro_text2video | Bailian |
| Douyin/XHS ショート動画スタイル | doubao-seedance-2-0-260128 | Jimeng |
| 素早いプロトタイピング、低コスト | wanx2.1-t2v-turbo | Bailian |
| 安定したi2v、最高品質 | wan2.6-i2v | Bailian |
| キャラクター一貫性のある参照動画 | pixverse/pixverse-c1-r2v | Bailian |
| シンプルで信頼性の高いt2v/i2v | video-01 | MiniMax |