Communitygithub.com

FilippTrigub/abra

基于 Higgsfield 多模型云平台,通过文本或图片生成视频。支持 Kling、Seedance、DOP 和 DOP-Preview 模型。内置创意预设层,自动检测文本转视频或图片转视频模式。无需 GPU。

abra 是什么?

该技能是一个基于云端的视频生成工具,通过 Higgsfield 平台聚合了 6 种以上领先的视频生成模型,用户只需一个 API 密钥即可按需选择模型,平衡成本与质量。技能核心功能包括:文本转视频(无输入图片时)和图片转视频(输入图片时),并自动检测模式。内置了 6 种创意预设(如电影、社交短剧、电商广告等),可快速设置默认模型、画面比例、时长和提示词前缀。支持 Kling、Seedance、DOP 和 DOP-Preview 模型,其中 Kling 注重真实运动与成本效率,Seedance 支持原生音频同步,DOP 系列则提供高端光学物理效果。该技能完全在云端运行,无需本地 GPU,适合快速生成用于社交媒体、广告、品牌故事等场景的短视频。用户只需通过配置文件或命令行参数指定模式、预设、模型、提示词等,技能会自动处理生成请求并返回 MP4 文件。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FilippTrigub/abra/tree/HEAD/skills/video-generator

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

video-generator — 多模型云端视频生成 (Higgsfield)

通过 Higgsfield 生成视频片段——该平台聚合了 6 个以上领先模型,统一 API 和计费账户。根据成本与质量权衡选择合适的模型,其余界面完全相同。

技能目录(此 SKILL.md 所在目录)下文简称为 $SKILL_DIR。

云端运行。 无需本地 GPU。需要 Higgsfield 账户和 API 密钥,可从 cloud.higgsfield.ai 获取。


模式

模式触发条件效果
text-to-videoinput/ 中无图片仅根据提示词生成视频
image-to-videoinput/ 中有图片将每张图片动画化为一个片段
auto(默认)—自动选择上述模式

预设

技能使用预设作为同一视频引擎上的薄覆盖层。预设可以设置默认模型、画面比例、时长和提示词前缀。显式配置值仍优先。

预设最佳用途默认模型默认比例
cinematic(默认)通用电影级视频kling16:9
social-hook吸引眼球的短视频seedance9:16
motion-design-adSaaS/产品动态广告kling16:9
ecommerce-ad产品促销片段kling9:16
brand-story创始人/品牌叙事kling16:9
product-360孤立产品展示kling1:1

工作流规则:

  • 在编辑 config.json 之前先选择预设
  • 确认预设与期望的输出风格匹配
  • 如果用户未选择,保留默认预设并在配置中记录
  • 不要重复叠加相同风格;如果提示词已匹配预设,保持提示词不变

模型

键完整模型 ID最佳用途
kling(默认)kling-video/v2.1/pro/image-to-video真实运动,成本高效
seedancebytedance/seedance/v1/pro/image-to-video原生音频同步
dophiggsfield-ai/dop/standard影院工作室光学物理效果
dop-previewhiggsfield-ai/dop/preview影院工作室(预览版)

以上是官方文档确认的模型 ID。更多模型(Sora、Veo、Wan 等)可在 cloud.higgsfield.ai/explore 找到。 要添加新模型,请将其插入 generate.py 中的 MODEL_IDS 并添加一个 --model 别名。

仅成功生成才计费;失败和 NSFW 请求会退款。


设置(仅首次运行)

cd "$SKILL_DIR" && uv sync

从 cloud.higgsfield.ai 获取凭据(API 密钥 + API 秘密),然后使用以下一种形式导出:

# 选项 A — 合并(推荐)
export HF_KEY="your-api-key:your-api-secret"

# 选项 B — 分开变量
export HF_API_KEY="your-api-key"
export HF_API_SECRET="your-api-secret"

代理工作流

1. 询问用户

在生成视频之前,我需要了解以下信息:

🎬 模式
   - text-to-video(仅提示词)或 image-to-video(将图片放入 input/)
   - 默认:自动检测

🎛️ 预设(默认:cinematic)
   - cinematic · social-hook · motion-design-ad · ecommerce-ad · brand-story · product-360
   - 在写入 config.json 前确认选择
   - 如果省略,保留默认预设并记录该选择

🤖 模型(默认:kling)
   kling · seedance · dop · dop-preview
   建议:kling 用于速度/成本,seedance 用于质量

💬 提示词(必填)
   描述运动或场景,例如:
   “缓慢电影推近,温暖金色光线,微妙的相机漂移”

⚙️ 设置
   - duration     — 视频长度(秒)(默认:6,范围:3–16)
   - aspect_ratio — 16:9 · 9:16 · 1:1(默认:16:9)
   - resolution   — 720p · 1080p(默认:1080p)

等待用户响应后再继续。

2. 编辑 config.json

根据用户的选择写入或更新 $SKILL_DIR/config.json。即使使用默认预设,也要显式设置 preset。

3.(仅图片转视频)放置图片

将源图片复制到 $SKILL_DIR/input/。支持的格式:.jpg .jpeg .png .webp

4. 运行

cd "$SKILL_DIR" && uv run python scripts/generate.py --config config.json

5. 报告结果

告知用户:

  • output/ 中的输出文件路径
  • 使用的模型和大致信用点成本
  • 视频时长和分辨率

配置参考

键值默认值描述
input_dir路径./input源图片目录(仅图片转视频)
output_dir路径./outputMP4 输出目录
modeauto · text-to-video · image-to-videoauto生成模式
presetcinematic · social-hook · motion-design-ad · ecommerce-ad · brand-story · product-360cinematic创意预设覆盖
modelkling · seedance · dop · dop-previewkling使用的模型
prompt字符串(必填)运动或场景描述
duration整数 3–165视频长度(秒)
aspect_ratio16:9 · 9:16 · 1:116:9输出画面比例
extra_params对象{}透传给模型 API 的附加参数

常见调用

# 文本转视频,使用默认模型 (kling)
cd "$SKILL_DIR" && uv run python scripts/generate.py \
  --prompt "日出时迷雾山峦上的无人机镜头" --duration 8

# 图片转视频,使用 Kling(先将图片放入 input/)
cd "$SKILL_DIR" && uv run python scripts/generate.py \
  --prompt "缓慢电影推近,金色光线" --model kling

# 更高质量:Seedance
cd "$SKILL_DIR" && uv run python scripts/generate.py \
  --prompt "黎明时雾城上方的拉远航拍" --model seedance

# 竖屏视频,适用于 Reels/TikTok
cd "$SKILL_DIR" && uv run python scripts/generate.py \
  --prompt "讲述者头部特写,自然虚化背景" \
  --aspect-ratio 9:16 --model kling

# 快速草图:更低分辨率,更短剪辑
cd "$SKILL_DIR" && uv run python scripts/generate.py \
  --prompt "深色背景上的产品展示" \
  --resolution 720p --duration 4 --model dop-preview

输出

每个任务将生成一个 .mp4 文件到 output_dir:

  • 文本转视频:output.mp4
  • 图片转视频:每张输入图片生成一个 <图片文件名_stem>.mp4

对比 animate-image

animate-imagevideo-generator
提供商fal.aiHiggsfield
模式仅图片→视频文本→视频 + 图片→视频
模型LTX-2.3 Fast(固定)Kling、Sora、Veo、Wan、Seedance、MiniMax
速度非常快取决于模型
最大分辨率4K1080p
电影控制否通过 extra_params

使用 animate-image 用于从图片快速、廉价、高分辨率地生成视频片段。 使用 video-generator 当你需要文本转视频、模型选择或 Higgsfield 影院工作室物理控制时。


API 说明

该技能直接与 Higgsfield REST API(cloud.higgsfield.ai)通信。模型端点路径在 generate.py 顶部的 MODEL_ENDPOINTS 中定义。如果 Higgsfield 更新了路由,通过配置中的 "extra_params" 覆盖或更新常量——无需其他更改。

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

FilippTrigub/abra

>- Animate a still image into a short video clip using fal.ai's LTX-2.3 Fast image-to-video model in the cloud. No GPU required - runs entirely on fal.ai serverless infrastructure.

FilippTrigub/abra

>- Auto-describe and caption images using a local vision-language model. Writes a JSON sidecar per image containing a one-sentence description, a suggested Instagram caption with hashtags, and detected content tags.

FilippTrigub/abra

>- Animated caption pipeline. Use this skill when the user wants to burn word-by-word animated captions into videos — using Whisper for transcription and pycaps for rendering. Supports default minimalist style or a futuristic CSS theme with alternating gold/magenta glowing words.

FilippTrigub/abra

>- Cut videos into segments, rearrange them, and produce an output video with a specific cuts-per-second rate. Uses MoviePy for video manipulation. Prioritizes audio transcription for timestamped cutting, falls back to adaptive scene detection.

FilippTrigub/abra

>- Edit a region of a video using a text prompt via Wan2.1-VACE inpainting. Supports two modes: background (auto-segment via rembg) or region (rectangle defined by fractions). Requires a CUDA GPU with at least 8 GB free VRAM.

FilippTrigub/abra

>- Video enhancement pipeline. Use this skill when the user wants to sharpen, colour grade, warm, or normalise the audio of videos — including presets for natural, cinematic, or vivid looks.

FilippTrigub/abra

>- Remove the background from every frame of a video using AI (BiRefNet-general via rembg). Outputs transparent-background video or composites onto a solid colour or image. Requires a CUDA GPU with at least 3 GB free VRAM.

相关技能