Videogen-Wan - 中國影片生成技能
概述
使用三個服務商的模型(阿里雲百煉、火山引擎運算(即夢)、MiniMax(海螺 AI))生成短影片剪輯。
四種模式,會根據您提供的輸入自動選擇:
| 模式 | 輸入 | 預設模型 |
|---|---|---|
| t2v 文生影片 | 僅提示詞 | wan2.7-t2v-2026-04-25(百煉) |
| i2v 圖生影片 | 提示詞 + --image | wan2.6-i2v-flash(百煉) |
| kf2v 首尾幀 | 提示詞 + --image + --last-frame | pixverse/pixverse-c1-kf2v(百煉) |
| r2v 參考生影片 | 提示詞 + --ref(1-7張圖片) | pixverse/pixverse-c1-r2v(百煉) |
影片生成是 非同步 的:腳本會提交任務,每10秒輪詢一次(長時間任務可能需要10-15分鐘),然後下載 MP4。結果 URL 在24小時後過期,因此腳本會立即下載。
本地圖片:萬相和 HappyHorse 可以直接接受 base64 資料 URI;愛詩/可靈/Vidu 只接受公開 URL,因此腳本會在提交前自動將本地檔案上傳至 DashScope 暫存空間(48小時的 oss:// URL)。即夢會將本地檔案轉換為 base64;MiniMax 則透過其檔案 API 上傳。
何時使用此技能
- 使用者要求 生成影片 / 文生影片 / 圖生影片 / 首尾幀 / 參考生影片,或希望根據提示詞或圖片製作影片剪輯
- 使用者提及中國影片模型:萬相(Wan)、愛詩(PixVerse)、可靈(Kling)、Vidu、HappyHorse、即夢(Jimeng)、海螺(MiniMax)
- 使用者需要 B-roll、動畫靜態圖、角色一致片段或兩幀之間的過渡
工作流程
步驟 0:提示詞打磨(交互式提示詞打磨)
關鍵 —— 對於 t2v/i2v 生成,務必執行此步驟。 使用者提示詞通常過短、模糊或缺少影片模型所需的關鍵視覺細節。Claude 扮演提示詞工程師,在生成前打磨提示詞。
0.1 分析使用者的原始輸入
提取已有的內容和缺失的部分:
| 維度 | 檢查 |
|---|---|
| 主體 | 主要焦點是誰/什麼?描述外觀、動作、表情 |
| 場景 | 發生在哪裡?背景、環境、氛圍 |
| 光線 | 一天中的時間?光線品質?(黃金時刻、霓虹燈、柔和擴散、逆光) |
| 鏡頭 | 鏡頭類型?(特寫、廣角、航拍、跟拍)。運鏡?(推拉、平移、環繞) |
| 情緒/風格 | 情感基調?視覺風格?(電影感、動漫、紀錄片、超現實) |
| 動態 | 什麼在動?如何動?速度、方向、動感 |
| 時間順序 | 是否有序列?開始→中間→結束? |
0.2 生成三個打磨後的變體
在表格中展示 3個變體,每個有不同的創作方向:
| # | 風格方向 | 優化後提示詞 | 建議參數 |
|---|---------|-------------|---------|
| 1 | [風格名] | [完整中文提示詞] | 5s / 16:9 / 1080P |
| 2 | [風格名] | [完整中文提示詞] | 8s / 16:9 / 1080P |
| 3 | [風格名] | [完整中文提示詞] | 5s / 9:16 / 1080P |
變體設計原則:
- 變體1: 忠於原意 — 保留使用者的核心想法,增加豐富的視覺細節,電影感品質
- 變體2: 創造性發散 — 對相同核心想法的不同藝術詮釋
- 變體3: 實用主義 — 針對特定平台格式最佳化(垂直短影音、可循環片段等)
給影片模型的提示詞撰寫規則:
- 使用中文(所有支援模型都能最佳化處理中文)
- 將主體和核心動作置於前面(前20個字元最重要)
- 使用具體的視覺名詞(