Skill de Geração de Vídeo
Esta skill orienta a implementação de funcionalidade de geração de vídeo usando o pacote z-ai-web-dev-sdk, permitindo que modelos de IA criem vídeos a partir de descrições textuais ou imagens por meio de processamento assíncrono de tarefas.
Caminho da Skill
Localização da Skill: {project_path}/skills/video-generation
Esta skill está localizada no caminho acima em seu projeto.
Scripts de Referência: Scripts de teste de exemplo estão disponíveis no diretório {Skill Location}/scripts/ para testes rápidos e consulta. Veja {Skill Location}/scripts/video.ts para um exemplo funcional.
Visão Geral
A Geração de Vídeo permite que você construa aplicações que podem criar conteúdo de vídeo a partir de prompts de texto ou imagens, com parâmetros personalizáveis como resolução, taxa de quadros, duração e configurações de qualidade. A API usa um modelo de tarefas assíncronas onde você cria uma tarefa e faz polling pelos resultados.
IMPORTANTE: O z-ai-web-dev-sdk DEVE ser usado apenas em código de backend. Nunca o utilize em código do lado do cliente.
Pré-requisitos
O pacote z-ai-web-dev-sdk já está instalado. Importe-o conforme mostrado nos exemplos abaixo.
Uso via CLI (Para Tarefas Simples)
Para tarefas simples de geração de vídeo, você pode usar a CLI z-ai em vez de escrever código. A CLI gerencia a criação de tarefas e o polling automaticamente, tornando-a ideal para testes rápidos e automação simples.
Texto-para-Vídeo Básico
# Gerar vídeo com polling automático
z-ai video --prompt "Um gato brincando com uma bola" --poll
# Usando opções curtas
z-ai video -p "Linda paisagem com montanhas" --poll
Qualidade e Configurações Personalizadas
# Modo de qualidade (speed ou quality)
z-ai video -p "Ondas do mar ao pôr do sol" --quality quality --poll
# Resolução e FPS personalizados
z-ai video \
-p "Time-lapse da cidade" \
--size "1920x1080" \
--fps 60 \
--poll
# Duração personalizada (5 ou 10 segundos)
z-ai video -p "Show de fogos de artifício" --duration 10 --poll
Imagem-para-Vídeo
IMPORTANTE: Para o parâmetro image_url, é fortemente recomendado usar dados de imagem codificados em base64 em vez de URLs. Essa abordagem é mais confiável e evita possíveis problemas de rede ou restrições de acesso.
Nota: Corresponda o tipo MIME na URI de dados ao formato real da sua imagem (image/jpeg, image/png, image/webp, etc.) para evitar problemas de decodificação.
# Gerar vídeo a partir de uma única imagem usando base64 (RECOMENDADO)
# Converta sua imagem para base64 com o tipo MIME correto
# Para imagens PNG
IMAGE_BASE64=$(base64 -i imagem.png)
z-ai video \
--image-url "data:image/png;base64,${IMAGE_BASE64}" \
--prompt "Faça a cena ganhar vida" \
--poll
# Para imagens JPEG
IMAGE_BASE64=$(base64 -i foto.jpg)
z-ai video \
--image-url "data:image/jpeg;base64,${IMAGE_BASE64}" \
--prompt "Faça a cena ganhar vida" \
--poll
# Para imagens WebP
IMAGE_BASE64=$(base64 -i imagem.webp)
z-ai video \
--image-url "data:image/webp;base64,${IMAGE_BASE64}" \
--prompt "Faça a cena ganhar vida" \
--poll
# Usando URL (menos recomendado, pode ter problemas de confiabilidade)
z-ai video \
-i "https://exemplo.com/foto.jpg" \
-p "Adicione movimento a esta cena" \
--poll
Modo Primeiro-Último Quadro
IMPORTANTE: Para maior confiabilidade, use imagens codificadas em base64 em vez de URLs. Certifique-se de que o tipo MIME corresponda ao formato real da sua imagem.
# Gerar vídeo entre dois quadros usando base64 (RECOMENDADO)
# Certifique-se de usar o tipo MIME correto para cada imagem
# Exemplo com imagens PNG
INICIO_BASE64=$(base64 -i inicio.png)
FIM_BASE64=$(base64 -i fim.png)
z-ai video \
--image-url "data:image/png;base64,${INICIO_BASE64},data:image/png;base64,${FIM_BASE64}" \
--prompt "Transição suave entre os quadros" \
--poll
# Exemplo com imagens JPEG
INICIO_BASE64=$(base64 -i inicio.jpg)
FIM_BASE64=$(base64 -i fim.jpg)
z-ai video \
--image-url "data:image/jpeg;base64,${INICIO_BASE64},data:image/jpeg;base64,${FIM_BASE64}" \
--prompt "Transição suave entre os quadros" \
--poll
# Usando URLs (menos recomendado)
z-ai video \
--image-url "https://exemplo.com/inicio.png,https://exemplo.com/fim.png" \
--prompt "Transição suave entre os quadros" \
--poll
Com Geração de Áudio
# Gerar vídeo com efeitos de áudio gerados por IA
z-ai video \
-p "Tempestade se aproximando" \
--with-audio \
--poll
Salvar Saída
# Salvar resultado da tarefa em arquivo JSON
z-ai video \
-p "Nascer do sol sobre montanhas" \
--poll \
-o resultado_video.json
Parâmetros Personalizados de Polling
# Personalizar comportamento de polling
z-ai video \
-p "Robô dançando" \
--poll \
--poll-interval 10 \
--max-polls 30
# Criar tarefa sem polling (obter ID da tarefa)
z-ai video -p "Animação de arte abstrata" -o tarefa.json
Parâmetros da CLI
--prompt, -p <texto>: Opcional - Descrição textual do vídeo--image-url, -i <dados>: Opcional - Preferencialmente dados de imagem codificados em base64 (ex.: "data:image/png;base64,iVBORw..."). URLs também são suportadas, mas menos recomendadas. Para duas imagens, use valores separados por vírgula.--quality, -q <modo>: Opcional - Modo de saída:speedouquality(padrão: speed)--with-audio: Opcional - Gerar efeitos de áudio IA (padrão: false)--size, -s <resolução>: Opcional - Resolução do vídeo (ex.: "1920x1080")--fps <taxa>: Opcional - Taxa de quadros: 30 ou 60 (padrão: 30)--duration, -d <segundos>: Opcional - Duração: 5 ou 10 segundos (padrão: 5)--model, -m <modelo>: Opcional - Nome do modelo a ser usado--poll: Opcional - Polling automático até a tarefa ser concluída--poll-interval <segundos>: Opcional - Intervalo de polling (padrão: 5)--max-polls <contagem>: Opcional - Número máximo de tentativas de polling (padrão: 60)--output, -o <caminho>: Opcional - Caminho do arquivo de saída (formato JSON)
Resoluções Suportadas
1024x1024768x1344864x11521344x7681152x8641440x720720x14401920x1080(e outras resoluções padrão)
Verificando o Status da Tarefa Depois
Se você criar uma tarefa sem --poll, poderá verificar seu status posteriormente:
# Obter o ID da tarefa a partir da resposta inicial
z-ai async-result --id "id-da-tarefa-aqui" --poll
Quando Usar CLI vs SDK
Use CLI para:
- Testes rápidos de geração de vídeo
- Criação simples e única de vídeos
- Scripts de automação em linha de comando
- Testar diferentes prompts e configurações
Use SDK para:
- Geração de vídeo em lote com lógica personalizada
- Integração com aplicações web
- Gerenciamento personalizado de fila de tarefas
- Aplicações de produção com fluxos de trabalho complexos
Fluxo de Trabalho de Geração de Vídeo
A geração de vídeo segue um padrão assíncrono de duas etapas:
- Criar Tarefa: Enviar solicitação de geração de vídeo e receber um ID de tarefa
- Polling de Resultados: Consultar o status da tarefa até a conclusão e recuperar a URL do vídeo
Implementação Básica de Geração de Vídeo
Geração Simples de Texto-para-Vídeo
import ZAI from 'z-ai-web-dev-sdk';
async function generateVideo(prompt) {
try {
const zai = await ZAI.create();
// Criar tarefa de geração de vídeo
const task = await zai.video.generations.create({
prompt: prompt,
quality: 'speed', // 'speed' ou 'quality'
with_audio: false,
size: '1920x1080',
fps: 30,
duration: 5
});
console.log('ID da Tarefa:', task.id);
console.log('Status da Tarefa:', task.task_status);
// Polling pelos 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(`Polling ${pollCount}/${maxPolls}: Status é ${result.task_status}`);
await new Promise(resolve => setTimeout(resolve, pollInterval));
result = await zai.async.result.query(task.id);
}
if (result.task_status === 'SUCCESS') {
// Obter URL do vídeo de vários campos possíveis
const videoUrl = result.video_result?.[0]?.url ||
result.video_url ||
result.url ||
result.video;
console.log('URL do Vídeo:', videoUrl);
return videoUrl;
} else {
console.log('Tarefa falhou ou ainda em processamento');
return null;
}
} catch (error) {
console.error('Falha na geração de vídeo:', error.message);
throw error;
}
}
// Uso
const videoUrl = await generateVideo('Um gato está brincando com uma bola.');
console.log('Vídeo gerado:', videoUrl);
Geração de Imagem-para-Vídeo
IMPORTANTE: O parâmetro image_url aceita tanto dados de imagem codificados em base64 quanto URLs, mas a codificação base64 é fortemente recomendada para maior confiabilidade e para evitar problemas relacionados à rede.
Crítico: Sempre corresponda o tipo MIME na sua URI de dados base64 ao formato real da imagem para evitar erros de decodificação.
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';
// Função auxiliar para detectar o tipo MIME a partir da extensão do arquivo
function getMimeType(filePath) {
const ext = path.extname(filePath).toLowerCase();
const mimeTypes = {
'.jpg': 'image/jpeg',
'.jpeg': 'image/jpeg',
'.png': 'image/png',
'.gif': 'image/gif',
'.webp': 'image/webp',
'.bmp': 'image/bmp'
};
return mimeTypes[ext] || 'image/jpeg'; // Padrão para JPEG se desconhecido
}
async function generateVideoFromImage(imagePath, prompt) {
const zai = await ZAI.create();
// Método 1: Usando imagem codificada em base64 (RECOMENDADO)
// Detecta automaticamente o tipo MIME a partir da extensão do arquivo
const imageBuffer = fs.readFileSync(imagePath);
const mimeType = getMimeType(imagePath);
const base64Image = `data:${mimeType};base64,${imageBuffer.toString('base64')}`;
const task = await zai.video.generations.create({
image_url: base64Image, // String de dados base64 com tipo MIME correto
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, // String de URL
prompt: prompt,
quality: 'quality',
duration: 5,
fps: 30
});
return task;
}
// Exemplos de uso
const task1 = await generateVideoFromImage(
'./images/foto.jpg', // Funciona com JPEG
'Anime esta cena com movimento suave'
);
const task2 = await generateVideoFromImage(
'./images/grafico.png', // Funciona com PNG
'Adicione movimento dinâmico'
);
const task3 = await generateVideoFromImage(
'./images/animacao.webp', // Funciona com WebP
'Dê vida a isso'
);
Imagem-para-Vídeo com Quadros de Início e Fim
IMPORTANTE: No modo de quadro-chave, imagens codificadas em base64 são altamente recomendadas em vez de URLs para garantir geração de vídeo consistente e confiável. Sempre use o tipo MIME correto para cada imagem.
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';
// Função auxiliar para detectar o tipo MIME a partir da extensão do arquivo
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 imagens codificadas em base64 (RECOMENDADO)
// Detecta automaticamente o tipo MIME para cada imagem
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 strings base64 com tipos MIME corretos
prompt: prompt,
quality: 'quality',
duration: 10,
fps: 30
});
console.log('Tarefa criada com quadros-chave:', 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 strings de URL
prompt: prompt,
quality: 'quality',
duration: 10,
fps: 30
});
console.log('Tarefa criada com quadros-chave:', task.id);
return task;
}
// Exemplos de uso com diferentes formatos
const task1 = await generateVideoWithKeyframes(
'./quadros/inicio.jpg', // Quadro inicial JPEG
'./quadros/fim.jpg', // Quadro final JPEG
'Transição suave entre estas cenas'
);
const task2 = await generateVideoWithKeyframes(
'./quadros/inicio.png', // Quadro inicial PNG
'./quadros/fim.webp', // Quadro final WebP - formatos diferentes funcionam!
'Efeito de metamorfose entre imagens'
);
Gerenciamento de Resultados Assíncronos
Consultar Status da Tarefa
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('Status da Tarefa:', result.task_status);
if (result.task_status === 'SUCCESS') {
// Extrair URL do vídeo do resultado
const videoUrl = result.video_result?.[0]?.url ||
result.video_url ||
result.url ||
result.video;
if (videoUrl) {
console.log('URL do Vídeo:', videoUrl);
return { success: true, url: videoUrl };
}
} else if (result.task_status === 'PROCESSING') {
console.log('A tarefa ainda está em processamento');
return { success: false, status: 'processing' };
} else if (result.task_status === 'FAIL') {
console.log('A tarefa falhou');
return { success: false, status: 'failed' };
}
} catch (error) {
console.error('Erro ao consultar status da tarefa:', error.message);
throw error;
}
}
Tratamento de Erros e Timeout
Sempre implemente tratamento de erros e mecanismos de timeout para o polling, conforme demonstrado nos exemplos acima. A implementação padrão com maxPolls e pollInterval garante que seu aplicativo não fique em loop infinito.
Conclusão
A Geração de Vídeo usando z-ai-web-dev-sdk fornece uma maneira poderosa e flexível de criar conteúdo de vídeo programaticamente. Ao usar o modelo de tarefas assíncronas, os desenvolvedores podem integrar a geração de vídeo em seus aplicativos com gerenciamento adequado de polling e tratamento de erros. A habilidade suporta vários formatos de entrada (texto, imagem única, quadros duplos) e oferece parâmetros extensos para controle de qualidade, resolução e áudio.