前置条件

在生成前安装并加载以下技能（如果已通过 @pruna 在上下文中，可跳过）：

技能	描述	安装命令
`generation-diversity`	在编写任何生成式提示词时使用 —— 随机种子仪式、显式结构、场景轴线和付费API调用前的质量门控。	`npx skills add PrunaAI/pruna-skills@generation-diversity -y`
`video-prompting`	为任何生成模型编排视频或运动提示词时使用 —— 戏剧结构、运镜、物理安全的运动、帧锚定和片段串联。	`npx skills add PrunaAI/pruna-skills@video-prompting -y`
`audio-prompting`	为任何音频生成模型（TTS、音乐或背景音）编排提示词时使用 —— 导演风格、歌曲结构和后期制作分层。	`npx skills add PrunaAI/pruna-skills@audio-prompting -y`
`pruna-api`	在任何Pruna或Replicate HTTP调用前使用 —— 凭证、上传/轮询/下载、并行批次和智能体安全。	`npx skills add PrunaAI/pruna-skills@pruna-api -y`

也可一次性安装完整套件：npx skills add PrunaAI/pruna-skills@pruna -y

请遵循每条技能的 生成前准备 / 编排章节 —— 此处不再重复指南内容。

智能体习惯

路由： `p-video-2` 是 1080p / 导入音频 / 草稿 片段生成器（文本/图像/音频）。`p-video-2-pro` 用于 电影级生成，配合生成的音频（480p/768p，首尾帧，不支持上传音频）。`p-video` 用于更简单、更快速的片段。仅含主持人（无原生场景音频）→ `p-video-avatar`。对现有视频进行指令编辑 → `p-video-edit`。

在 第一次回复 中，用反引号标出 `p-video-2`，确认 PRUNA_API_KEY（若无则提示注册链接，来自 pruna-api），然后询问所需输入。开始获取需求 → 在首次 POST 前进行 generation-diversity 澄清确认。当编写运动提示词时，请遵循 提示词编排（动态 + 忠实） 和 video-prompting（p-video-2-prompting）—— 不要粘贴技能示例。当 不适用时 的条件更匹配时，请引导用户使用更合适的技能。

提示词编排（动态 + 忠实）

每个 input.prompt 必须 新颖且具体，并且必须 符合用户的需求节奏。多样性永远不能覆盖需求要点。相对 p-video 的差异点：见 video-prompting（p-video-2-prompting）。

应该做	不应该做
执行 `generation-diversity` 的随机种子仪式；声明；当需求允许时，旋转≥2个自由轴（运镜变化、光照变化、纹理、节奏）	复制本技能中的curl示例（`sports car`、`person turns`等）或复用先前会话的提示词
首先固定用户要求的事实（主体、动作节奏、帧锚定时的 OPEN/MID/CLOSE、设置 `audio` 时的旁白同步）	为了“更酷”的片段而替换主体或动作，忽略原始请求
使用 `video-prompting` 的戏剧结构编排 —— 每个节拍一个冻结动作，稳定的相机适用于 I2V，物理安全的运动	模糊的情绪化字符串（`cinematic vibe, neon energy`）或极端的电影级运镜
当设置了 `audio`，运动和节奏必须与旁白/表演节拍匹配；将说话者控制在一个或两个	在VO播放时偏离到无关动作，或在片段中出现3个以上说话人脸
在用户未确认措辞前，在 `POST` 之前展示草拟的提示词及模式字段	以不同的主体或节拍静默重新生成，与已批准的内容不符

忠实度检查（付费前）： 如果你从提示词中删除了用户指定的主体/动作/场景，那么作业就是错误的 —— 请重写。自由轴只能填充需求中未指定的部分。

展示草拟提示词时，仍需标出 `p-video-2`（辅助技能帮助编排；此工具拥有调用权）。

技能边界

本技能 = 每次调用 一个 p-video-2 预测。

超出范围（不得通过本技能执行）：

多场景拼接、串联、子智能体编排或并行场景批次
电影级生成，配合生成的音频（无导入音轨）→ p-video-2-pro
从模板视频进行动作迁移 → p-video-animate
仅含主持人/口型同步主持人，无原生场景音频 → p-video-avatar
对现有视频进行指令编辑 → p-video-edit

如果请求超过一个片段，停止并推荐：image-to-video（一个叙事节拍），visual-transition-reel（多场景视觉），或 narrated-multi-scene（多场景 + VO）。

不适用时

请使用更合适的技能：

技能	描述	安装命令
`p-video-2-pro`	当用户需要从文本或首尾帧生成电影级片段时使用 —— 产品广告、纪录片镜头或带有生成音频的对白。不适用于1080p、导入音频轨或仅含主持人的口播视频。	`npx skills add PrunaAI/pruna-skills@p-video-2-pro -y`
`p-video`	当用户需要从文本或图像生成简单的短视频片段时使用 —— 快速B-roll、草稿或首尾帧动画。不适用于需要电影级生成、最高质量、紧密口型同步或1080p导入音频的场景。	`npx skills add PrunaAI/pruna-skills@p-video -y`
`p-video-avatar`	当用户想要一个人物在镜头前朗读脚本时使用 —— 口型同步主持人、发言人或基于头像照片的叙事化身。	`npx skills add PrunaAI/pruna-skills@p-video-avatar -y`
`p-video-animate`	当用户想要一张照片像另一段视频那样运动时使用 —— 动作迁移、舞蹈混剪或基于模板片段的表演变体。	`npx skills add PrunaAI/pruna-skills@p-video-animate -y`
`p-video-replace`	当用户想要在现有视频中替换人物、服装或产品，同时保持运镜和音频不变时使用。	`npx skills add PrunaAI/pruna-skills@p-video-replace -y`
`p-video-edit`	当用户想要通过文本指令编辑现有视频时使用 —— 重新着色、重新风格化、移除或添加物体、改变环境或光照、更新屏幕文本，或应用可选的参考引导的产品和配饰编辑。不适用于从头开始生成新片段或ffmpeg拼接。	`npx skills add PrunaAI/pruna-skills@p-video-edit -y`
`video-editing`	当使用ffmpeg组装或润色已渲染的片段时使用 —— 拼接、交叉淡入淡出、烧录字幕、文字/Logo叠加、前后对比滑块、背景音乐、平台导出 —— 或使用Hyperframes构建多层HTML组合视频。不适用于AI视频生成、提示词编排或基于模型的视频编辑。	`npx skills add PrunaAI/pruna-skills@video-editing -y`

HTTP (curl)

上传（用于图生视频/帧锚定）

curl -X POST "https://api.pruna.ai/v1/files" \
  -H "apikey: ${PRUNA_API_KEY}" \
  -F "content=@/path/to/first-frame.png"

将 urls.get 作为 input.image（首帧）和/或 input.last_frame_image（尾帧）传入。以相同方式上传 TTS/音乐作为 input.audio。

创建（异步文生视频 — 推荐）

curl -X POST 'https://api.pruna.ai/v1/predictions' \
  -H 'Content-Type: application/json' \
  -H "apikey: ${PRUNA_API_KEY}" \
  -H 'Model: p-video-2' \
  -d '{
    "input": {
      "prompt": "A sports car drifting through a neon-lit city at night, cinematic aerial shot",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "16:9"
    }
  }'

轮询并下载：遵循 pruna-api。

在编写提示词前先完成 generation-diversity 的随机种子仪式—— 不要将仪式字符串作为 API seed 传递。

计费按返回的秒数（而非请求的 duration）。速率限制：每分钟250次请求。

分辨率	`draft=false`	`draft=true`
720p	$0.025 / s	$0.015 / s
1080p	$0.05 / s	$0.03 / s

首/尾帧（视觉转场）

curl -X POST 'https://api.pruna.ai/v1/predictions' \
  -H 'Content-Type: application/json' \
  -H "apikey: ${PRUNA_API_KEY}" \
  -H 'Model: p-video-2' \
  -d '{
    "input": {
      "prompt": "OPEN: hold wide on wet alley, neon flicker. MID: slow dolly in, rain ticks on pavement. CLOSE: settle on end pose.",
      "image": "https://api.pruna.ai/v1/files/START_ID",
      "last_frame_image": "https://api.pruna.ai/v1/files/END_ID",
      "duration": 5,
      "resolution": "720p",
      "fps": 24
    }
  }'

场景锚定点三重组合（`image` + `last_frame_image` + `audio`）

curl -X POST 'https://api.pruna.ai/v1/predictions' \
  -H 'Content-Type: application/json' \
  -H "apikey: ${PRUNA_API_KEY}" \
  -H 'Model: p-video-2' \
  -d '{
    "input": {
      "prompt": "Close-up of a singer performing the uploaded track. Natural lip-sync, expressive face, stage lighting, camera holds steady on the performer.",
      "image": "https://api.pruna.ai/v1/files/SCENE_START",
      "last_frame_image": "https://api.pruna.ai/v1/files/SCENE_END",
      "audio": "https://api.pruna.ai/v1/files/SCENE_NARRATION",
      "resolution": "720p",
      "fps": 24,
      "save_audio": true
    }
  }'

当设置 audio 时，省略 duration。片段长度 = min(音频长度, 20s) —— 保持TTS ≤ ~19s（渲染前使用 ffprobe）。音频条件作业按音频长度计费。

创建（同步 — 仅限快速测试）

curl -X POST 'https://api.pruna.ai/v1/predictions' \
  -H 'Content-Type: application/json' \
  -H "apikey: ${PRUNA_API_KEY}" \
  -H 'Model: p-video-2' \
  -H 'Try-Sync: true' \
  -d '{
    "input": {
      "prompt": "A sports car drifting through a neon-lit city at night, cinematic aerial shot",
      "duration": 5,
      "resolution": "720p",
      "draft": true
    }
  }'

生成前准备

按顺序阅读前置条件指南（generation-diversity → video-prompting）。
执行随机种子仪式 → 草拟 动态 + 忠实 的运动提示词（见上文）→ 与用户确认模式（T2V / I2V / 帧对 / 音频）、duration（省略则让模型从提示词中自动选择，或音频驱动时省略）、resolution、fps、draft 和 prompt。
Pruna 备注： 当设置了 image，aspect_ratio 被忽略。当设置了 audio，省略 duration 并保持 save_audio: true（默认）以保留旁白。对于 镜头前说话，首选 T2V 原生语音（save_audio: true，无导入 audio）—— 停顿/台词/休息时的口型同步是相对 p-video 的质量提升。导入的 audio 保持更干净的面部；视位锁定效果不稳定 —— 不要将混音的 wav 视为口型同步演示。在 draft: true 下迭代，最终使用 draft: false。如果请求是多场景 —— 停止（见技能边界）。不支持原生4K。

必需输入

prompt (字符串)

常用可选字段

字段	作用
`image`	首帧 —— I2V 锚点；设置后 `aspect_ratio` 被忽略（支持 `jpg`, `jpeg`, `png`, `webp`）
`last_frame_image`	可选的结束状态静态图
`audio`	音频条件；时长跟随音频（上限 20s）；支持 flac/mp3/wav
`duration`	1–20s；留空让模型从提示词中选择长度；如果设置了 `audio` 则忽略
`resolution`	`720p`（默认）或 `1080p`
`fps`	`24`（默认）或 `48`
`aspect_ratio`	当无 `image` 时：`16:9`（默认），`9:16`，`4:3`，`3:4`，`3:2`，`2:3`，`1:1`
`draft`	`true` = 更便宜、更快的预览（720p 时 $0.015/s，1080p 时 $0.03/s）；`false`（默认）= 最终版
`save_audio`	保留模型生成或上传的音频在输出中（默认 `true`）
`prompt_upsampling`	增强提示词（默认 `true`）
`seed`, `disable_safety_filter`	可复现性 / 客户端策略

PrunaAI/pruna-skills

pruna-skills 是什么？

在你喜欢的 AI 中提问

文档