Video Gen
呼び出しごとに1つの動画生成ジョブを送信し、jobId を返します。ジョブ管理(待機/ステータス)は track_progress に属します。このスキルは、動画をタイムラインに自動的に配置しません。
使用するタイミング
ユーザーが動画クリップを生成したい場合(テキスト-to-動画、画像-to-動画、最初-最後フレーム遷移、参照ベース生成、マルチショットストーリーボード、または既存の動画を生成的に編集/延長(新たな生成映像をソースクリップに基づいて生成する場合。タイムラインのトリミングではありません))。
モデル
| モデル | リファレンス | 強み |
|---|---|---|
fal + falModel | references/fal.md | 明示的なFalカタログ。ツールスキーマでモデルごとの制限を確認 |
seedance2 | references/seedance2.md | 設定されている場合のデフォルト。マルチモーダル参照、最初/最後、編集/延長/ブリッジ、2~15秒、480p/720p/1080p/4K、オーディオ/シード/カメラ/透かし/最終フレーム/タスク制御 |
kling | references/kling.md | 技術的なカメラ制御/パフォーマンス。Omniマルチショット。画像最大7枚(1つの機能refVideosを使用時は最大4枚)。std/pro。3~15秒 |
hailuo | references/hailuo.md | MiniMax 海螺。T2V / I2V / 最初+最後。6秒または10秒。512P(Hailuo-02)、720p→768P、1080P(6秒)。マルチ参照/マルチショット不可 |
grok-imagine-video | references/grok-imagine-video.md | xAI Grok Imagine。テキスト-to-動画のみ。1~15秒。480p/720p/1080p。オーディオトラック含む |
ofox | references/ofox.md | OFoxマルチモデルゲートウェイ(単一キーでSeedance/Wanなど)。テキスト/画像-to-動画、最初+最後フレーム、最大9枚の画像参照。2~30秒(モデルごとのAPI制限あり)。モデルごとに480p/720p/1080p |
重要: 生成する前に、選択したモデルのリファレンスを読み、機能、入力チャンネル、モード、プロンプト構造、モデル固有の動作を理解してください。リファレンスで禁止されているパラメータを決して発明しないでください。
モデル選択
機能プロンプトからの設定されたベンダーを尊重します(キーが有効なモデルのみを呼び出します)。
- ユーザーがベンダーを指定した場合("用海螺"、"MiniMax"、"Kling"、"Seedance") → その
model(設定されている場合)。 - Fal.ai が選択または要求された場合、
model: "fal"と要求されたfalModelまたは機能から保存されたFalデフォルトを使用します。Falモデルが選択されていない場合は質問します。ツールスキーマのFalカタログ制約を読んでください。以下のネイティブプロバイダーの制限は適用されません。 - それ以外でデフォルトの
seedance2(Seedanceが設定されている場合)。 - それ以外でKlingのみ有効 →
kling。MiniMaxのみ有効 →hailuo。xAIのみ有効 →grok-imagine-video。OFoxのみ有効 →ofox。 - 以下の場合、デフォルトから切り替えます:
- マルチショットのカスタマイズ/インテリジェンスが必要 →
kling(ユーザーが指定していない場合確認)。 - リッチなマルチモーダル参照(動画/オーディオ参照、編集/延長)が必要 →
seedance2。 - 短い単一ビートが必要で、MiniMaxのみ利用可能、またはユーザーがHailuoを希望 →
hailuo(持続時間6または10)。
- マルチショットのカスタマイズ/インテリジェンスが必要 →
必要なモデルが設定されていない場合は、その旨を伝え、他の設定済み動画ベンダー、アップロード、またはモーショングラフィックを提案します。APIが存在するふりをしないでください。
送信する前に、生成する内容をユーザーに簡単に伝えてください。
ツールパラメータ
| パラメータ | 値 | デフォルト |
|---|---|---|
model | seedance2, kling, hailuo, grok-imagine-video, ofox, fal | seedance2(利用可能な場合) |
durationSeconds | モデル固有 | seedance/kling ~5; hailuo 6 または 10(1080p → 6のみ); grok 1–15; ofox 2–30(モデルごとのAPI制限) |
ratio | モデルドキュメントを参照 | 16:9(seedance/kling/grok/ofox); hailuoでは無視 |
resolution | 480p, 512p, 720p, 1080p, 4k | プロバイダー固有。hailuoはHailuo-02用に512pを追加。grok: 480p/720p/1080p |
refVideoMode | feature, base | klingのみ、refVideosと併用 |
promptOptimizer / fastPretreatment | ブール値 | hailuoのみ |
generateAudio, seed, cameraFixed, watermark | 制御 | seedanceのみ |
returnLastFrame, executionExpiresAfter, priority | 制御 | seedanceのみ。要求された最終フレームは別の画像アセットになります |
name | 説明用アセット名 | 優れたプールUXのために必須 |
firstFrame | プロジェクト画像アセット参照 | オプション |
lastFrame | プロジェクト画像アセット参照 | seedance / kling / hailuo(firstFrame必須。seedanceでマルチ参照時は不可) |
refImages / refVideos / refAudios | アセット参照 | seedanceフル。kling: 画像 + 1 つの機能動画(オーディオなし)。hailuo: なし(フレーム / S2V被写体) |
mode / shotType / multiPrompts | Klingマルチショット | klingのみ |
モデル固有のパラメータについては、モデルのリファレンスを参照してください。
入力解像度
firstFrame / lastFrame / refImages / refVideos / refAudios はすべてプロジェクトアセット参照を取ります。read_project からの完全なUUIDまたは短いプレフィックスを優先します。asset://<id> および read_project によって返された同じプロジェクトのアセットURLも受け入れられます。スロットタイプごと:フレームスロットと refImages → 画像。refVideos → 動画。refAudios → オーディオ。
外部URLとbase64は受け入れられません。ソースが公開URLである場合、最初にプロジェクトにダウンロードし(動画/オーディオには download_media、画像には submit_image)、結果のアセットIDを渡します。
ワークフロー
4ステップのループ。新しい生成ごとに、ユーザーの意図が変わった場合はステップ1から再開します。
ステップ 1 — ユーザーとスコープを合わせる
プロンプトを作成する前に、以下の3つの次元について調整します。
-
持続時間とセグメント — 全長、ショット数、それらが1つのクリップにあるか複数にあるか。
ユーザーがすでに方向性を述べている場合("做一段"、"in one video"、"分别生成"、"split into N shots" など)、それに従います — 疑ってかからないでください。
それ以外の場合、2つの選択肢を提示し、ユーザーに選ばせます:
- 1つのクリップ内のマルチショット(モデルリファレンス参照) — 単一推論。サブショット間で被写体/照明/スタイルが物理的に一貫。クリップあたりの持続時間上限内で一貫したナラティブに適合。
- 複数のクリップ — 各クリップは個別に制御可能で再生成可能。ただし、アイデンティティとスタイルの継続性はアンカーによって維持する必要がある。持続時間上限を超える場合やハードなシーンの切れ目に適合。
トレードオフを提示します。ユーザーに代わって選択しないでください。
-
コンテンツ — 各クリップが何を描くか。理解した内容をセグメントごとに要約して返します。コンテンツが曖昧な場合(例:「踊っている女の子の動画を生成して」)、ユーザーは通常、以下のうち1つ以上を指定していません:
- 被写体:誰/何が主な被写体か(外見、服装、特徴)?
- アクション:何をしているか?(会話/感情的なショットの場合、どんなマイクロ表情?)
- シーン:どこで — 設定、時間帯、環境の詳細?
- 照明/色のムード:どんな雰囲気?
- カメラ:ショットサイズ/アングル/動きの好みは?
- スタイル:視覚スタイルまたはリファレンス(シネマティック/アニメ/ドキュメンタリー/...)。
この特定のリクエストに関係し、安全に推測できない項目に焦点を当てます — これを空白埋め練習にしないでください。理解した部分を進める前にユーザーに要約して返します。
-
一貫性アンカー — 複数のショットがキャラクター、オブジェクト、またはシーンを再利用する場合のみ:どのアンカー(参照画像または動画)をショット間で固定するかを特定します。ソーシングルールについては、以下の「ショット間の視覚的一貫性」を参照してください。
各次元について、ユーザーの言葉を確認します:
- 明確 — 続行。
- 曖昧または欠落 — ユーザーに尋ねてください。推測したり、自分の解釈をデフォルトにしないでください。ラウンドトリップ確認は、無駄な生成よりもコストが低いです。
やってはいけないこと
- 「言ってから送信」しないでください — 「これを2つのクリップにします」とアナウンスしてすぐに送信することは、調整ではなく、アナウンスを伴う片方の決定です。
- 単一動画リクエストを複数クリップに分割することをデフォルトにしないでください。 単一クリップは複数のサブショットを運ぶことができ(モデルリファレンス参照)、被写体/照明/スタイルがそれらの間で物理的に一貫します。トレードオフを提示し、ユーザーに選択させてください。
- 答えが明白だと思うからといって、尋ねることをスキップしないでください。
ハードオーバーライド(ユーザーの明示的な言葉が優先)
- "one clip / single clip / 一条 / 一个镜头 / in 1 clip" → 決して分割しない。たとえ説明が客観的に長くても。
- "N shots / N 段 / N 个镜头" → 正確にN個生成。
- "use this image / 用这张图" → 参照として使用。代用しない。
ステップ 2 — プロンプトを作成する
選択したモデルのリファレンスを参照して、プロンプト構造とパラメータの組み合わせを確認します(例:Seedanceの8要素構造とモード、Klingのプロンプトヒント)。送信する前に、以下を確認します:
nameは説明用のアセット名であること — ユーザー(および後のターンのあなた)がプロジェクトライブラリでこのアセットを認識できるほど十分に説明的であること。「Untitled」や「clip 1」のような曖昧な名前は避けてください。- パラメータの組み合わせがユーザーの意図と一致していること — モデルのリファレンスのモードセクションを参照してください。
- 生成された動画のオーディオはツールパラメータではありません(プロバイダー側)。Hailuoには比率/マルチ参照がありません。それらのパラメータを発明しないでください。
- 検証に失敗した場合、エラーを読み、入力を修正してください — 同じ無効な引数を盲目的に再試行しないでください。
ステップ 3 — 1つ送信、待機、確認
一度に1つの生成ジョブを送信します。 ユーザーが明示的に複数のクリップを並行して要求した場合を除き、現在のクリップが完了し、ユーザーがレビューするまで次のクリップを送信しないでください。並行送信は問題を隠します:最初のショットにドリフトや間違ったフレーミングがある場合、ユーザーは複数の位置ずれしたショットを破棄するよりも、一度やり直すことを好みます。
submit_video.ratioは生成されたアセットのみを制御します。プロジェクトのタイムラインキャンバスは変更しません。ユーザーが最終出力のアスペクト比を要求した場合(例えば「9:16 縦」や「16:9 横」)、完了したアセットを配置する前に、manage_timelinesaction=update でタイムラインキャンバスを同じ比率に設定します(例:ratio:"9:16")。ユーザーが黒枠なし/全画面表示を要求した場合、キャンバスを設定するか、ビジュアルアイテムを更新/追加する際にfit:"cover"を渡します。- ジョブ管理にはこのスキルを使用しないでください — ステータス/待機には
track_progressツールを使用します。 - 送信後、フォローアップタスクがすでにキューに入っていない限り、ターンを終了します(ジョブが作成されたことをユーザーに伝えます)。
- ジョブが完了したら、次のショットに進む前に、結果をユーザーに提示してレビューを促します。
- モデル固有の失敗処理については、モデルのリファレンスを参照してください。
ステップ 4 — 反復
ユーザーが次のクリップ、修正、または続きを希望する場合:
- マルチショットシーケンスの次のショットである場合 — 確立されたアンカーを再利用します(以下の「ショット間の視覚的一貫性」の原則と、モデルリファレンスのフラグレベルの詳細を参照)。
- ユーザーのフィードバックが曖昧な場合(「なんかしっくりこない」) — 再生成する前に具体的に何を変更するか尋ねます。
- 同じテキストプロンプトの調整が2回失敗した場合 — テキストの調整をやめます。参照画像に切り替えるか、モデルがサポートしている場合は編集モードに切り替えます(モデルリファレンス参照)。
- 新しい生成ごとにループをステップ1から再開します — スコープが変わった場合は再調整します。
ショット間の視覚的一貫性
テキストだけでは、ショット間で視覚的アイデンティティを確実に維持できません。視覚的参照は、言葉よりもはるかに正確に出力を制約します。
アンカー:一貫性の基礎
アンカーとは、同じキャラクター、オブジェクト、またはスタイルを共有するすべてのショットにわたって固定される参照画像または動画です。繰り返し視覚要素があるマルチショットシーケンスにはアンカーが必要です — テキストからそれらを再現しようとしないでください。
アンカーのソーシング
参照認識を持ちます。ユーザーのリクエストに繰り返し登場するキャラクター/オブジェクト/シーンが含まれる場合、プロンプトを作成する前に使用するアンカーについて考えます:
- 最初にプロジェクトを確認します。 ユーザーはすでに何を提供または承認しましたか?アップロードされた画像、以前に生成され承認されたショット、または以前のプロジェクトアセットはすべてアンカーとして機能します。
- ユーザーの意図に一致させます。 ユーザーが特定のアセットを指さした場合(「この写真を使って」、「像上一段那样」)、それを使用します。キャラクターを言葉だけで説明しただけの場合、アンカーはまだ存在せず、確立する必要があります。
- 疑わしい場合は、ユーザーに尋ねます。 どのアセットを固定するか推測しないでください。また、ユーザーがすでに念頭に置いている可能性があるのに、静かに新しいアンカーを生成しないでください。
新しいアンカーの確立(ユーザーの同意を得て)
既存のアセットが適合せず、生成する必要がある場合、最初にそれをユーザーに提案します — それは後続のすべてのショットを形作ります。モデル固有のパスについては、選択したモデルのリファレンスを参照してください。
アンカーの使用
- キャラクター/オブジェクト/スタイルを共有するすべてのショットでアンカーを渡します。使用する特定のフラグはモデルによって異なります — モデルのリファレンスを参照してください。
- アンカーを名前ではなく、プロンプト内の外観で説明します:「クロムエキゾーストパイプの黒いレーシングカー」は「Fleetmaster」よりもはるかに制約します。役割の混乱が生じそうな場合は、明示的な否定を追加します:「オートバイは変形しません」。
- プロンプト内のアンカーを
@Image1/@Video1で参照します — 「以前と同じ車」のような曖昧なフレーズは使わないでください。 - ショットが以前の生成に依存する場合、以前のジョブが完了するのを待って(
track_progressでaction=waitを使用)、そのassetIdを取得し、それをアンカー参照として渡します。依存するショットを並行して送信しないでください。
マルチキャラクタープロジェクト
プロジェクトに異なる属性を持つ複数の名前付きキャラクターがいる場合(例:火のエネルギーを持つFaz、氷のエネルギーを持つKev)、各キャラクターを別々のアンカーとして扱います — キャラクターごとに1つの参照アセット。すべてのプロンプトで:
- アクティブなキャラクターに名前を付け、その特徴的な属性を添えます(「Kevは青い氷の電気エネルギーを持っている」)。
- 他のキャラクターに対して明示的な否定を追加し、属性の漏洩を防ぎます(「赤い火のエネルギーではない、Fazの外見ではない」)。
- 正しいキャラクターのアンカーを固定します(モデル固有のフラグ — モデルリファレンス参照)。誤って別のキャラクターのアンカーを再利用しないでください。
明示的な属性または否定のいずれかが欠如していると、キャラクター間の属性混合が発生します。
同じフレーム内の複数キャラクター。 複数のキャラクターが一緒に表示されるショット(特にカメラに向かっている場合)では、モデルは顔のすり替えや身体のクリッピングを起こしやすいです。各キャラクターに強い位置+服装アンカーを追加し、固定カメラを優先します。
アンカーの再利用性
一度確立されたアンカーは、プロジェクト内の後続のすべてのショットで使用できます。それを失わないでください。
注:元のSKILL.mdはこの時点で切れています。翻訳は提供されたテキストに基づいています。