anycap-gemini-omni-video-edit

AnyCap Gemini Omni 视频编辑

使用此技能通过 AnyCap 和 gemini-omni-flash-preview 编辑短视频。此技能针对实用的单次视频编辑进行了优化，适用于源视频基本保持不变、只更改一个元素的情况。

需要了解 CLI 语法、身份验证、模型发现约定和交付选项时，请阅读 anycap-cli 技能。

需要核实的证据

Gemini Omni Flash Preview 是预览模型，因此运行前请核实实时接口：

anycap status
anycap video models gemini-omni-flash-preview
anycap video models gemini-omni-flash-preview schema --operation generate --mode edit-video

模型行为相关时，也请查看 Google 官方文档：

• Gemini Omni Flash 指南：https://ai.google.dev/gemini-api/docs/omni
• Gemini API 视频概览：https://ai.google.dev/gemini-api/docs/video
• Gemini Omni Flash 模型卡：https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash

可运行的 CLI 参数以 AnyCap 实时架构为准。模型行为、限制和提示词指导以 Google 官方文档为准。

适用性检查

以下任务适合使用 Gemini Omni Flash Preview：

• 用自然语言编辑现有短视频
• 更改一个视觉元素，同时保留人物身份、摄像机运动、背景、手部、光照、时长和音频
• 使用一张或多张参考图像替换产品或道具
• 移除或隐藏可见物体
• 进行范围较小的场景级编辑，例如重新布光、改变风格或修改文字／标牌
• 在考虑使用控制力更强的视频模型前，快速迭代预览

以下任务可考虑使用其他视频模型或直接调用提供商 API：

• 扩展场景、插值首帧／末帧，或控制末帧
• 使用 Google 的 previous_interaction_id 精确控制多轮状态
• 严格的多视频推理
• 超出 AnyCap 实时架构支持范围的长视频生成
• 生成 AnyCap 实时架构未提供的输出质量／分辨率

工作流

1. 检查输入。 确认源视频路径或 URL、参考图像、所需编辑内容、宽高比、时长和输出文件名。
2. 检查架构。 运行上方的实时架构命令，仅使用受支持的参数。
3. 选择参考素材。 优先使用一个源视频。使用参考图像提供产品、主体、风格或材质细节。除非实时文档和任务有充分理由，否则避免使用多视频提示词。
4. 编写精炼的英文提示词。 英文是最稳妥的默认选择。明确说明要修改的内容，并告知模型哪些内容需要保留。
5. 生成。 使用 anycap video generate 和 --mode edit-video，并指定描述性 -o。
6. 检查视频质量。 使用 ffprobe、帧采样和 anycap actions video-read，然后人工检查运动、手部、物体稳定性及意外变化。
7. 有针对性地重试。 如果输出出现偏差，请缩短提示词、单独处理要修改的内容，并仅添加缺失的约束。

命令模式

anycap video generate \
  --model gemini-omni-flash-preview \
  --mode edit-video \
  --prompt "<narrow English editing instruction. Keep everything else the same.>" \
  --param videos=./source.mp4 \
  --param images=./reference.png \
  --param aspect_ratio=16:9 \
  --param duration=10 \
  --param resolution=720p \
  --param format=mp4 \
  -o ./edited-output.mp4

规则：

• 始终通过 --param videos=... 传入源视频。
• 架构支持多个参考素材时，使用 JSON 数组语法：

--param images='["./product-front.png","./product-side.png"]'

• 不要重复使用同一个 --param images= 键并期待它自动追加内容。
• 为文件名添加版本号：brief-v1.mp4、brief-v2.mp4、brief-final.mp4。
• 对于 URL 或本地文件，让 AnyCap 自动上传／解析参考素材。

提示词公式

编辑时使用以下结构：

<Action only on target>. Use <reference image(s)> as the exact reference for <product/subject/style/material>. Preserve <identity, hands, body, clothing, background, camera motion, lighting, shadows, audio, timing>. Make <physical integration details>. Keep everything else the same. Do not <common failure modes>.

好的编辑提示词应简短而具体。针对性编辑时，请加入“其他所有内容保持不变”。由于此工作流不提供模型级负面提示词，请将负面要求写入常规提示词。

场景模板请参阅 references/scenarios.md。 质量检查和重试模式请参阅 references/qa.md。

实用默认设置

• 默认使用一个源视频和一张产品／参考图片。
• 除非用户明确要求裁剪，否则将 aspect_ratio 与源视频保持一致。
• 如果源视频的时长符合当前 schema，则使用该时长；否则选择最接近的支持时长，并告知用户。
• 在工作区中使用稳定且描述清晰的输出路径。
• 先尝试尽可能小的编辑。组合的大幅编辑更容易改变身份、手部、背景或摄像机运动。

输出要求

返回：

• 本地输出视频路径
• 使用的确切命令或简洁的命令摘要
• 已运行的 QA 检查及检查结果
• 任何注意事项，例如身份漂移、手部伪影、闪烁、音频变化或 schema 限制

如果编辑效果不够好，请提供具体的后续提示词，而不是含糊地说“再试一次”。