layer-video

图层视频生成

概述

视频模型处理提示词的方式，就像导演处理镜头清单，而不是插画师处理创作简报。视频提示词描述的是片段中发生了哪些变化。如果提示词只描述场景，生成结果通常会像一张近乎静止、带有漂移伪影的图片，这是这里最常见的失败情况。

先选择使用场景：从无到有生成时使用 text_to_video，为现有画面添加动画时使用 image_to_video，延续片段时使用 video_extend，修改片段时使用 video_editing。循环流程和费用门槛见 layer 技能。将完成的片段组装成一个交付内容时，使用 layer-video-timeline。

如果你可用的技能中没有此处提到的同级技能，请让用户安装（npx skills add layerai/skills --skill <name>）；若无人值守，则根据工具架构继续操作，并指出这一缺失。

只要有图像，就以它为锚点

只要风格已经获批，image_to_video 几乎总是优于 text_to_video。第一帧会固定角色设计、配色和构图，因此模型可以把算力用于生成动作，而不是重新创造主体。根据模型接受的参数，将静帧作为 init_image 或 first_frame 附加；如果模型同时接受 first_frame 和 last_frame，两者都提供是控制镜头最终效果最可靠的方式。

使用 layer-image 生成关键帧，审核通过后再为其添加动画。

编写动作描述

按以下顺序说明三件事：

1. 主体动作：什么在移动、朝哪个方向、速度如何。“旗帜在阵风中骤然绷紧，随后逐渐平稳”是一个镜头。“一面旗帜”则是一张照片。
2. 镜头：固定、缓慢推进、环绕、手持漂移、向下摇臂移动。如果镜头必须保持不动，请明确写出“锁定镜头”，因为模型默认会添加漂移。
3. 节奏：缓慢、从容、突然，或在整个片段中逐渐变化。否则模型会自行选择一个不快不慢的节奏，效果不伦不类。

不同模型系列对提示词的惯用方式各不相同，因此请查看你所选模型的 get_base_model，不要照搬适用于其他模型系列的措辞。如果模型提供结构化的 video_effects（条目包含大写的 type，例如 ORBIT_360 或 DOLLY_IN，以及可选的 0 到 100 的 weight），请优先使用它，而不是用文字描述相同的运镜：这是模型针对其调优的参数。

时长、音频和口型同步

片段时长因模型而异，通常都很短，一般只有几秒。除非确认模型支持，否则不要计划通过一次生成制作 30 秒的作品。

有些模型会自行决定时长，完全忽略 duration_seconds。如果片段必须达到精确时长，请按 fixed_duration 筛选，以排除这类模型。否则模型可能直接返回不同长度的片段，而响应中不会显示任何错误。

generate_audio 是一项能力，因此如果片段需要原生音频，请按此筛选，不要假设之后可以补上静音。如果角色需要对白，则需使用单独的 lipsync 能力。filter.capabilities 是布尔值对象，而非名称列表：{generate_audio: true}。

视频生成受比图像更严格的速率限制：每位用户每分钟最多生成 60 次，其中视频最多 30 次。

多镜头作品

广告、预告片或过场动画都由多个镜头组成。在组装之前，请先确认模型是否能通过一次生成渲染完整内容，因为单次生成能保持自身的连贯性，而后期组装无法做到这一点。确实需要组装时：

1. 使用一张获批的静帧锁定整体风格。
2. 以与该静帧一致的画面为基础，将每个镜头生成为 image_to_video。
3. 使用 layer-video-timeline 将它们剪辑到一起。

如果镜头超过三个，请先制作分镜：参见 layer-art-direction。

循环

首先按 loop 能力筛选。它会选出能生成无缝循环的模型，而不只是描述循环的模型；这与在提示词中输入“循环”，然后得到一段剪辑点处画面跳变的视频，是两回事。如果循环必须达到特定时长，请同时使用 fixed_duration。

如果找不到这样的模型，就生成锚点帧，并在模型同时接受 first_frame 和 last_frame 时，将锚点帧同时用作这两个参数，这样至少能让运动回到起点。

无论哪种方式，都应让运动本身具有周期性（例如迎风飘动的旗帜、闪烁的火把、悬停待机），并避免单向运动，例如角色走出画面，因为无论怎样编写提示词，都无法让这种运动循环起来。

示例

“将这张已批准的角色关键帧制作成 5 秒的待机循环。”

1. 该帧来自之前的运行，因此已有 file_id。
2. 使用 list_base_models，设置 filter.use_case: "image_to_video" 和 filter.capabilities: {loop: true, fixed_duration: true}，因为视频必须无缝循环，时长也必须为 5 秒。取第一个结果，然后调用 get_base_model，查看它是否接受 last_frame 和结构化的 video_effects。
3. 只提示运动：“角色缓慢呼吸，斗篷在微风中飘动，重心在双脚之间轻微转移。固定镜头。动作轻柔、连贯，片段结束时姿势不变。”
4. 将同一个文件同时作为 first_frame 和 last_frame 传入，以闭合循环。
5. 估算费用。视频的定价远高于图像，因此费用通常会超过 20 CUs，需要明确确认。
6. 执行任务，以 poll_interval_seconds 轮询，并在称其为循环之前，检查剪辑点，确认片段结尾衔接到开头时足够自然。

常见错误

• 提示场景而不是运动，然后抱怨模型“几乎没动”。
• 已有获批的静帧，却仍使用 text_to_video。
• 未指定镜头，之后又要处理模型默认添加的镜头漂移。
• 模型提供了 video_effects，却在文字描述中编写镜头移动。
• 将较长作品规划为单个片段，却不检查模型的时长限制。
• 假设某个原本能原生生成音频的模型，之后还可以再添加音频。
• 提示模型生成循环，而不是按 loop 能力筛选。
• 片段必须达到精确时长，却未启用 fixed_duration。
• 未检查剪辑点，就称片段为循环。