视频生成
如果 submit_video 尚未加载,请在调用前使用 ToolSearch 加载它,以便使用其真实参数而非猜测。
每次调用提交一个视频生成任务,并返回一个 jobId。任务状态和后续检查属于 track_progress;此技能不会自动将视频放入时间线。
使用时机
只要用户想要生成视频片段——文生视频、图生视频、首尾帧过渡、基于参考的生成,或者对现有视频进行生成式编辑/扩展(基于源素材生成新内容,而非时间线修剪)。
模型
| 模型 | 参考 | 优势 |
|---|---|---|
seedance-2-5 | references/seedance25.md | 默认模型。4-30 秒,最多 50 个多模态参考,仅音频参考,时间戳控制,支持 mp4/mov 输出。新的生成、编辑和扩展时最强的 Seedance 选择。 |
seedance2 | references/seedance2.md | Seedance 2.0 完整模型。4-15 秒,丰富的多模态参考,最高支持 1080p 输出。 |
seedance2fast | references/seedance2.md | Seedance 2.0 快速版——输入与 seedance2 相同,范围为 4-15 秒,用时仅需几分钟而非十分钟,价格便宜约 20%,分辨率上限为 720p。当用户需要快速迭代且周转速度比最高保真度更重要时使用。 |
seedance2mini | references/seedance2.md | Seedance 2.0 迷你版——输入与 seedance2 相同,范围为 4-15 秒,价格便宜约 50%,分辨率上限为 720p。用于不需要完整模型保真度的廉价草稿和高批量批次。 |
kling | references/kling.md | 通过提示词进行摄像机控制语言;对角色镜头的精细情感/表演控制表现出色。通过 mode:"pro" 支持 1080p。 |
minimax-h3 | references/minimax-h3.md | MiniMax H3。4-15 秒,768p/2k,支持首尾帧,最多 9 张图片 + 3 个视频 + 3 个音频参考(共 12 个)。强大的多模态参考跟随能力。 |
minimax-h3-max | references/minimax-h3-max.md | MiniMax H3 Max。5-15 秒,480p/768p,支持文本或首尾帧生成。无参考模式或 2K 输出。 |
omni | references/omni.md | Gemini Omni 1.1 Flash。通过 continueFrom 进行定向编辑/扩展,支持首尾帧,以及廉价的 360p 草稿。3-10 秒;默认 720p,可放大至 1080p/4k。 |
重要: 在生成之前,请阅读所选模型的参考文档,了解其能力、输入通道、模式、提示结构和特定模型行为。
模型选择
对于新的生成,seedance-2-5 是默认模型。仅在以下情况切换:
- 用户明确指定了模型("用 Kling"、"use Kling"、"用 Omni"、"用 mini"、"/kling")——直接切换,无需再次询问。
- 用户明确要求使用 MiniMax H3 或需要结合图片/视频/音频参考引导,并可选 2K 输出——使用
minimax-h3。 - 用户明确要求使用 MiniMax H3 Max 或需要其最高保真度的文本/帧生成,无需多模态参考——使用
minimax-h3-max。 - Seedance 明显无法或不愿很好完成——当你遇到已知 Seedance 难以处理的情况时,建议切换到
kling并在提交前确认。 - 用户明确要求快速/廉价且打算修改的草稿——建议使用
omni(360p 草稿,≤10 秒,支持定向编辑)并在提交前确认。 - 用户需要 Seedance 输出 1080p——优先使用
seedance-2-5;它和完整版seedance2均支持 1080p。 - 用户希望以低成本使用 Seedance 2.0 输入,或一次生成多个片段,且接受 720p——建议使用
seedance2mini(4-15 秒,约为 2.0 完整模型成本的 50%)并在提交前确认。 - 用户正在迭代 2.0 风格的输出,且关心周转速度——建议使用
seedance2fast(480p 或 720p,4-15 秒,约为 2.0 完整模型成本的 80%,返回速度快得多)并在提交前确认。
否则继续使用 seedance-2-5。
对于修订已有片段,选择在第 4 步中做出——而非此处。修订请求不构成更改未来新鲜生成默认模型的理由。Omni 1.1 替代了之前的 Omni 版本;请保留 omni 别名,不要发明第二个旧版选择。
访问说明:全部八个模型都需要 ChatCut 付费视频生成权限(订阅或付费点数)。切勿将其他模型作为绕过订阅限制的免费解决方案;当用户要求免费路径时,应提供免费的运动图形动画作为替代。
工具参数
| 参数 | 值 | 默认值 |
|---|---|---|
prompt | 视频描述(必填) | — |
model | seedance-2-5, seedance2, seedance2fast, seedance2mini, kling, minimax-h3, minimax-h3-max, omni | seedance-2-5 |
durationSeconds | 秒 | 5 |
ratio | 参见模型文档 | 16:9 |
resolution | 模型相关;H3:768p/2k;H3 Max:480p/768p;Seedance:480p/720p/1080p;Omni:360p/720p/1080p/4k | 720p(H3 模型:768p) |
outputFormat | mp4, mov(仅 seedance-2-5) | mp4(生成);mov(编辑/扩展) |
taskMode | generate, edit, extend(仅 seedance-2-5 或 omni) | generate |
name | 描述性资产名称(必填) | — |
firstFrame | 项目资产引用 | — |
lastFrame | 项目资产引用 | — |
continueFrom | 视频资产引用——仅 omni,要编辑/扩展的源素材 | — |
模型特定参数(例如 Kling 的 mode,Seedance 的 refImages / refVideos / refAudios)——参见模型参考文档。
输入分辨率
firstFrame / lastFrame / refImages / refVideos / refAudios 均接受项目资产引用。优先使用完整的 UUID 或来自 browse_assets 的短前缀;asset://<id> 以及资产工具返回的同一项目资产 URL 也可接受。按槽位类型:帧槽和 refImages → 图片;refVideos → 视频;refAudios → 音频。
不接受外部 URL 和 base64。如果源素材是公共 URL,请将其下载到沙箱工作区中,通过 asset-import + push_asset 导入本地文件,然后传入生成的资产 ID。
工作流程
四步循环。对于每次新的生成,如果用户的意图发生转变,请从第 1 步重新开始。
第 1 步——与用户对齐范围
在编写任何提示词之前,在三方面进行对齐:
-
时长与分段——总长度、有多少个镜头,以及它们是在一个片段中还是多个片段中。
如果用户已经指明了方向("做一段"、"in one video"、"分别生成"、"split into N shots"等),请遵循——不要质疑。
否则,提出两种路径让用户选择:
- 一个片段内的多镜头(参见模型参考)——单次推理,子镜头之间主题/光照/风格物理一致性;适合连贯叙事,在片段时长限制内。
- 多个片段——每个片段独立可控且可重新生成,但身份和风格连续性需通过锚点维持;适合超出时长限制或硬性场景切换的情况。
提供权衡信息;不要代用户做决定。
-
内容——每个片段描绘什么。逐段总结你理解的内容。当内容模糊时(例如"生成一个女孩跳舞的视频"),用户通常未指定以下一项或多项:
- 主体:谁是/什么是主要主体(外观、服装、独特特征)?
- 动作:他们在做什么?(对于对话/情感镜头,有什么微表情?)
- 场景:在哪里——环境、时间、环境细节?
- 光照/色彩氛围:什么气氛?
- 摄像:是否有偏好的景别/角度/运动方式?
- 风格:视觉风格或参考(电影感/动漫/纪录片/...)。
聚焦于本特定请求中重要且无法安全推断的项目——不要将其变成填空练习。在继续之前向用户总结理解的部分。
-
一致性锚点——仅当多个镜头重复使用一个角色、物体或场景时:确定用于跨镜头固定的锚点(参考图片或视频)。关于来源规则,参见下方"跨镜头的视觉一致性"。
对于每个维度,检查用户的话:
- 明确——继续。
- 模糊或缺失——向用户询问。不要猜测,不要使用你自己的默认解释。一次来回确认比浪费一次生成更划算。
禁忌
- 不要"先说再提交"——宣布"我会分成 2 个片段"然后立即提交不是对齐,而是带有声明的单方面决定。
- 不要默认将单个视频请求拆分成多个片段。 一个片段可以携带多个子镜头(参见模型参考),且主题/光照/风格在跨镜头时物理一致。提供权衡信息,然后让用户选择。
- 不要因为认为答案显而易见而跳过询问。
硬性覆盖(用户明确的话优先)
- "one clip / single clip / 一条 / 一个镜头 / in 1 clip"——绝不拆分,即使描述客观上很长。
- "N shots / N 段 / N 个镜头"——精确生成 N 个。
- "use this image / 用这张图"——用作参考,不要替换。
第 2 步——编写提示词
参见所选模型的参考文档,了解提示结构和参数组合(例如 Seedance 的 8 元素结构和模式;Kling 的提示词技巧)。提交前检查:
name是一个描述性资产名称——足够详细,使用户(以及你在后续轮次中)能够在项目库中识别该资产。避免使用像"未命名"或"片段 1"这样的模糊名称。- 参数组合符合用户意图——参见模型参考中的"模式"部分。
- 生成的视频音频并非工具参数。Seedance 和 Kling 提交时默认启用音频。
- 验证失败时,读取错误信息并修正输入——不要盲目重试相同的无效参数。
第 3 步——依次提交,等待,确认
一次提交一个生成任务。 除非用户明确要求并行生成多个片段,否则在完成当前片段并获得用户审查之前,不要提交下一个片段。并行提交会隐藏问题:如果第一个镜头出现漂移或错误的取景,用户宁愿重做一次,也不愿意有多个不对齐的镜头需要丢弃。
submit_video.ratio仅控制生成的资产;它不会改变项目时间线画布。如果用户要求最终的输出宽高比(例如"9:16 竖屏"或"16:9 横屏"),在放置完成的资产之前,使用manage_timelines操作=更新将时间线画布设置为相同的比例(例如 ratio:"9:16")。如果用户要求无黑边/全出血,在设置画布或更新/添加视觉项目时传递fit:"cover"。- 不要使用此技能进行任务管理——使用
track_progress进行即时状态读取,并遵循其后续检查指导。 - 提交后,结束你的回合(告知用户任务已创建),除非后续任务已排队。
- 任务完成后,向用户展示结果以供审查,然后再进行下一个镜头。
- 对于 Omni 源编辑,在声称请求的更改成功之前,按照其参考文档进行首/中/尾帧审查。
- 特定模型的失败处理——参见模型参考文档。
第 4 步——迭代
当用户想要下一个片段、修订或继续时,使用 submit_video 并提交新的作业。在迭代步骤中,submit_video 是唯一使用的主要工具。
对于修订:如果用户想要调整已完成的视频,基于该视频使用 taskMode: 'edit'(seedance-2-5 或 omni)传递 continueFrom 或首尾帧(如果需要)来修改其内容或风格。对于扩展:使用 taskMode: 'extend' 延长片段。
如果你需要查看已完成片段以进行编辑/扩展,请使用 browse_assets 来确认资产 ID,以及 track_progress 来获取资产时间线位置。
跨镜头的视觉一致性
对于在多个镜头中出现的角色或物体:
- 用户提供了参考图片——将其用于所有包含该主体的镜头。
- 用户提供了参考视频——首选首帧或最关键帧作为图片参考;如果模型支持视频参考,也可使用整个视频。
- 用户仅提供了文字描述——在生成所有使用同一主体的镜头时,在提示词中嵌入该主体外貌的一致描述。不要仅依赖 Session 记忆。
当用户仅提供口头描述而无视觉参考时,在开始生成之前,主动建议生成一个主体参考图片;这显著提高了跨镜头的视觉一致性。