video-gen

视频生成

如果尚未加载 submit_video，请先使用 ToolSearch 加载它，再调用它，以便使用真实参数，而不是猜测参数。

每次调用都会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由 track_progress 负责；此技能不会自动将视频放到时间线上。

适用场景

只要用户想要生成视频片段，就使用此技能——文本生成视频、图像生成视频、首尾帧过渡、基于参考内容生成，或以生成方式编辑／扩展现有视频（根据源片段生成新的素材；不包括时间线裁剪）。

模型

模型	参考	优势
seedance-2-5	references/seedance25.md	默认选项。支持 4-30 秒、最多 50 个多模态参考内容、仅音频参考、时间戳控制，以及 mp4/mov 输出。最适合用于新生成、编辑和扩展的 Seedance 模型。
seedance2	references/seedance2.md	Seedance 2.0 完整模型。支持 4-15 秒、丰富的多模态参考内容，最高可输出 1080p。
seedance2fast	references/seedance2.md	Seedance 2.0 Fast——输入内容和 4-15 秒时长范围与 seedance2 相同，几分钟即可返回，而非约十分钟；价格低约 20%，最高为 720p。适合用户需要反复迭代且周转速度比最高保真度更重要的情况。
seedance2mini	references/seedance2.md	Seedance 2.0 mini——输入内容和 4-15 秒时长范围与 seedance2 相同；价格低约 50%，最高为 720p。适合低成本草稿和大批量生成，尤其是在不需要完整模型保真度时。
kling	references/kling.md	可通过提示词使用镜头控制语言；在角色镜头的细腻情绪／表演控制方面表现出色。使用 mode:"pro" 可生成 1080p 视频。
minimax-h3	references/minimax-h3.md	MiniMax H3。支持 4-15 秒、768p/2k、首尾帧，以及最多 9 张图像 + 3 段视频 + 3 段音频参考（共 12 个）。多模态参考遵循能力出色。
minimax-h3-max	references/minimax-h3-max.md	MiniMax H3 Max。支持 5-15 秒、480p/768p，以及文本生成或首尾帧生成。不支持参考模式或 2K 输出。
omni	references/omni.md	Gemini Omni 1.1 Flash。支持通过 continueFrom 定向编辑／扩展、首尾帧，以及低成本 360p 草稿。支持 3-10 秒；默认 720p，可升频至 1080p/4k。

**重要：**生成前，请阅读所选模型的参考文档，了解其功能、输入通道、模式、提示词结构和特定行为。

模型选择

生成新内容时，默认使用 seedance-2-5。只有在以下情况才切换：

• 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，或需要结合图像／视频／音频参考的指导，并可选择 2K 输出——使用 minimax-h3。
• 用户明确要求使用 MiniMax H3 Max，或希望在没有多模态参考的情况下获得其最高保真度的文本／帧生成效果——使用 minimax-h3-max。
• Seedance 明显无法胜任，或效果不佳——遇到 Seedance 已知表现不佳的情况时，提议切换到 kling，并在提交前确认。
• 用户明确要求快速／低成本草稿，并且预期会进行修改——提议使用 omni（360p 草稿，≤10s，支持定向编辑），并在提交前确认。
• 用户需要 Seedance 以 1080p 输出——优先使用 seedance-2-5；它和完整的 seedance2 都支持 1080p。
• 用户想以较低成本使用 Seedance 2.0 的输入，或一次生成多个片段，并且接受 720p——提议使用 seedance2mini（4-15s，费用约为完整 2.0 模型的 50%），并在提交前确认。
• 用户正在迭代 2.0 风格的输出，并且重视周转速度——提议使用 seedance2fast（480p 或 720p，4-15s，费用约为完整 2.0 模型的 80%，返回速度快得多），并在提交前确认。

其他情况均继续使用 seedance-2-5。

修改已有片段时，应在步骤 4 中选择模型，而不是在此处选择。修改请求并不构成更改后续新内容默认模型的理由。Omni 1.1 取代了此前的 Omni 选择；保留 omni 别名，不要另行创建旧版选项。

访问说明：这八种模型都需要 ChatCut 付费视频生成权限（订阅或付费点数）。绝不要把其他模型说成是绕过订阅限制的免费替代方案；用户询问免费方案时，应提供免费的 Motion Graphic 动画。

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	因模型而异；H3：768p/2k；H3 Max：480p/768p；Seedance：480p/720p/1080p；Omni：360p/720p/1080p/4k	720p（H3 模型为 768p）
outputFormat	mp4、mov（仅限 seedance-2-5）	mp4（生成）；mov（编辑/延长）
taskMode	generate、edit、extend（seedance-2-5 或 omni）	generate
name	描述性素材名称（必填）	—
firstFrame	项目素材引用	—
lastFrame	项目素材引用	—
continueFrom	视频素材引用 — 仅限 omni，要编辑/延长的源素材	—

模型专属参数（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 均接受项目素材引用。建议使用 browse_assets 返回的完整 UUID 或短前缀；也接受 asset://<id> 和素材工具返回的同项目素材 URL。各槽位的类型：帧槽位和 refImages → 图像；refVideos → 视频；refAudios → 音频。

不接受外部 URL 和 base64。如果源文件是公开 URL，请将其下载到沙盒工作区，通过 asset-import + push_asset 导入本地文件，并传入生成的素材 ID。

工作流

四步循环。每次生成新内容时，如果用户意图发生变化，请从步骤 1 重新开始。

步骤 1 — 与用户对齐范围

在编写任何提示词之前，先在三个方面达成一致：

1. 时长与分段 — 总时长、镜头数量，以及这些镜头是放在一个片段中还是拆成多个片段。

   如果用户已经明确了方向（如“做一段”“in one video”“分别生成”“split into N shots”等），就按用户的要求执行，不要再反复确认。

   否则，列出两种方案供用户选择：

   • 一个片段中的多镜头（参见模型参考）——一次推理，子镜头之间的主体／光线／风格保持物理一致；适合在单片段时长上限内讲述连贯的故事。
   • 多个片段——每个片段都可以独立控制和重新生成，但需要借助锚点维持身份与风格的连贯性；适合时长超过上限或场景切换明显的情况。

   说明两种方案的取舍，但不要替用户做决定。

2. 内容 — 每个片段呈现什么。按片段总结你对用户需求的理解。当内容较模糊时（例如“生成一段女孩跳舞的视频”），用户通常没有说明以下一项或多项内容：

   • 主体：主要主体是谁／是什么（外貌、服装、鲜明特征）？
   • 动作：主体在做什么？（对于对话／情绪镜头，微表情如何？）
   • 场景：地点在哪里——环境、时段、周围细节？
   • 光线／色彩氛围：想要什么氛围？
   • 摄像机：对景别／角度／运动有何偏好？
   • 风格：视觉风格或参考（电影感／动漫／纪录片／……）。

   重点关注对当前需求重要、且无法安全推断的项目——不要把这变成逐项填空。继续之前，先向用户复述你已理解的内容。

3. 一致性锚点 — 仅当多个镜头重复使用同一角色、物体或场景时，才确定要在哪些镜头中固定使用哪个锚点（参考图像或视频）。锚点来源规则见下文 §镜头间的视觉一致性。

对于每个方面，都要检查用户的表述：

• 明确 — 继续执行。
• 模糊或缺失 — 向用户提问。不要猜测，也不要自行设定默认解释。往返确认的成本远低于生成失败。

不要做的事

• 不要“告知后直接提交”——宣布“我会把它做成 2 个片段”后立即提交，这不是对齐，而是单方面做决定并告知用户。
• **不要默认把单视频需求拆成多个片段。**一个片段可以包含多个子镜头（参见模型参考），并在镜头间保持主体／光线／风格的物理一致性。先说明两种方案的取舍，再让用户选择。
• 不要因为觉得答案显而易见就跳过提问。

强制优先遵循的规则（以用户明确表述为准）

• “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” → 严格生成 N 个。
• “use this image / 用这张图” → 将其用作参考，不要替换。

步骤 2 — 编写提示词

参照所选模型的提示词结构和参数组合说明（例如 Seedance 的 8 要素结构和模式、Kling 的提示技巧）。提交前检查：

• name 是一个描述性资源名称——要足够具体，让用户（以及你在后续对话中）能在项目库中识别此资源。避免使用“未命名”或“片段 1”等模糊名称。
• 参数组合符合用户意图——参见模型参考中的模式部分。
• 生成视频的音频不是工具参数。Seedance 和 Kling 通过后端提交时均会启用音频。
• 验证失败时，阅读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 — 提交一个，等待并确认

一次只提交一个生成任务。 除非用户明确要求并行生成多个片段，否则在当前片段完成且用户审核后，再提交下一个片段。并行提交会掩盖问题：如果第一个镜头出现偏移或取景错误，用户宁愿只重做一次，也不愿丢弃多个对不齐的镜头。

• submit_video.ratio 仅控制生成的素材，不会更改项目时间线画布。如果用户要求最终输出采用特定宽高比（例如“9:16 竖屏”或“16:9 横屏”），请在放置已完成的素材前，使用 manage_timelines action=update 将时间线画布设为相同的宽高比（例如 ratio:"9:16"）。如果用户要求无黑边／全幅显示，请在设置画布或更新／添加视觉项时设置 fit:"cover"。
• 不要使用此技能管理任务；如需立即读取状态，请使用 track_progress，并遵循其中后续回查的指引。
• 提交后，结束当前轮次（告知用户任务已创建），除非已有后续任务排队等待处理。
• 任务完成后，先向用户展示结果供其审核，再继续处理下一个镜头。
• 对于 Omni 源编辑，在确认请求的更改成功前，请按照其参考资料检查首帧、中间帧和末帧。
• 模型特定的失败处理方式——请参阅该模型的参考资料。

步骤 4 — 迭代

当用户想要下一个片段、修改或续接时，首先判断现有片段在下一次调用中是什么：

现有片段是……	路径
要修改的对象 — 针对性更改；不要求像素级精确保留	omni + continueFrom
重新生成的来源 — 新动作 / 镜头、整体片段风格变化、延长、衔接	seedance-2-5 + refVideos；编辑 / 延长时设置 taskMode
不可复用 — 意图已改变	重新生成，从步骤 1 重新开始

局部更改默认使用 omni + continueFrom。 对于明确选择的 Omni 续接，使用 taskMode:"extend" + continueFrom；对于两张图像之间的转场，使用 firstFrame + lastFrame。除此之外，通常将 Seedance 2.5 作为编辑 / 延长路径。无需等用户说“其他内容都保持不变”——“把气球改成黄色” / “移除角落里的文字”本身就已表达这一要求。只有当更改确实需要重新推断（动作、镜头、时长、整体片段风格）时，才转到 seedance-2-5，不要仅仅因为你更熟悉 Seedance 就这么做。

omni 源编辑 / 延长要求项目视频不超过 10 秒。对于更长的视频源，使用 seedance-2-5 + refVideos，或先要求用户裁剪。此集成是无状态的：不要承诺上游的 40 秒多轮工作流。

任何生成式编辑都无法无损完成。 Omni 1.1 支持升频至 1080p/4k，但更高分辨率并不能保证细节或像素保持不变。替换时间线项目之前，请检查结果；原始素材仍可使用。

然后遵循以下规则：

• 如果这是多镜头序列中的下一个镜头 — 复用已确立的锚点（原则见下文“镜头间的视觉一致性”，标志级别的详细信息请参阅模型参考）。
• 如果用户的反馈含糊不清（“感觉不太对”）— 重新生成前，先询问具体要更改什么。
• 如果同一文本提示词调整已失败两次 — 停止调整文本。改用参考图像，或切换到编辑路径（针对性更改使用 omni continueFrom，重新生成使用 seedance refVideos）。
• 每次新生成都会从步骤 1 重新开始循环——如果范围发生变化，请重新对齐。
• submit_video 会报告 omni 编辑轮次；如果它警告链深度，请将建议转告用户，而不是悄无声息地继续。

镜头间的视觉一致性

仅凭文本无法可靠地维持不同镜头间的视觉身份；视觉参考比文字更能精确约束输出。

锚点：一致性的基石

锚点是贯穿所有共享同一角色、物体或风格的镜头的参考图像或视频。任何包含重复视觉元素的多镜头序列都需要锚点——不要尝试仅凭文本复现它们。

获取锚点

保持对参考素材的关注。当用户的请求涉及重复出现的角色 / 物体 / 场景时，在编写提示词之前先考虑使用什么锚点：

• 先检查项目。 用户已经提供或批准了什么？上传的图像、之前生成并获批的镜头，或较早的项目素材都可以作为锚点。
• 符合用户意图。 如果用户指明了特定素材（“用这张照片”、“像上一段那样”），就使用它。如果用户只用文字描述了角色，则目前还没有锚点，必须先建立一个。
• 有疑问时，询问用户。 不要猜测要固定哪个素材，也不要在用户可能已有心仪素材时，悄悄生成新的锚点。

建立新的锚点（需征得用户同意）

如果没有合适的现有素材且必须生成新素材，请先向用户提议——这会消耗额度，并影响后续的每个镜头。模型专属路径请参阅所选模型的参考文档。

使用锚点

• 每个与角色、物体或风格相关的镜头都要传入锚点。具体使用哪些标志取决于模型——请参阅模型的参考文档。
• 在提示词中按外观描述锚点，而不是使用名称：“带镀铬排气管的黑色赛车”比“Fleetmaster”限制得更明确。如果角色混淆的可能性较大，请添加明确的否定描述：“这辆摩托车不会变形。”
• 在提示词中使用 @Image1 / @Video1 指代锚点，不要使用“之前那辆车”之类含糊的说法。
• 如果某个镜头依赖于之前生成的素材，请使用 track_progress action=wait 等待，并按照结果进行操作（支持时自动进行后续轮次，否则稍后再次检查），直到任务进入终态，然后将其 outputAssetId 用作锚点引用。这两个操作都不会阻塞。不要并行提交有依赖关系的镜头。

多角色项目

如果项目中有多个具有不同属性的命名角色（例如，拥有火焰能量的 Faz、拥有冰霜能量的 Kev），请将每个角色视为一个单独的锚点——每个角色对应一个参考素材。在每条提示词中：

• 指定当前角色并添加其鲜明属性（“Kev 拥有蓝色冰霜电能”）。
• 添加明确的否定描述，排除其他角色，防止属性串用（“不是红色火焰能量，不是 Faz 的外观”）。
• 固定使用正确角色的锚点（模型专属标志——请参阅模型参考文档）。不要误用其他角色的锚点。

如果缺少明确的属性归属或否定描述，就会导致角色之间的属性混杂。

同一画面中的多个角色。 多个角色同时出现的镜头（尤其是面朝镜头时）容易出现模型换脸或身体裁切问题。为每个角色添加明确的位置和服装锚点，并尽量让该镜头使用固定摄像机：

• “画面左侧的角色穿着灰蓝色战术夹克，留着短胡子，戴着银耳环”
• “画面右侧的角色披着镶金边的红色斗篷，留着长辫子”
• “固定摄像机，中景，两个角色清晰分开”

位置词（左侧／右侧／前景／背景）加上鲜明的服装颜色，能为模型提供足够的信息，让角色保持区分。

文本调整无效时升级处理

如果同一镜头经过两次提示词文本调整后，视觉身份问题（角色错误、外观漂移、颜色不匹配）仍然存在，请停止调整文本。文本不能替代锚点。请升级处理：

• 添加或更换锚点。
• 在模型支持时使用编辑模式（调用方式请参阅模型参考文档）。

遇到同一一致性问题时，不要第三次仅调整文本并重试。

何时跳过锚点

简单、一次性或探索性请求不需要锚点——直接生成即可。

运行

// Text-to-video (Seedance 2.5 default)
submit_video({
  model: "seedance-2-5",
  prompt: "A cat walks across a sunny windowsill",
  name: "Cat on windowsill",
});

// Image-to-video with Seedance 2.5 — pass the project asset id directly
submit_video({
  model: "seedance-2-5",
  prompt: "The scene comes to life, gentle breeze rustles the curtains",
  firstFrame: "abc12345",
  name: "Living room animation",
});

// Kling text-to-video — only after Model Selection check
submit_video({
  model: "kling",
  prompt: "A sports car drifts around a wet corner",
  name: "Car drift shot",
});

提交后，返回 jobId，默认结束本轮。只有在用户询问状态时（action=status），或某个依赖步骤需要已完成的素材时（action=wait，然后按照结果进行操作），才调用 track_progress。两者都会立即返回；不要循环调用。

配置模式

对于复杂的多模态任务，请预先构建完整的 args 对象，并在一次调用中传入：

submit_video({
  model: "seedance-2-5",
  prompt: "...",
  name: "...",
  refImages: ["def67890", "ghi24680"],
  refVideos: ["abc99999"],
  refAudios: ["jkl55555"],
  durationSeconds: 8,
  ratio: "9:16",
});

规则

• 始终提供 name，并为素材指定描述性名称。
• 默认只提交任务。提交后结束本轮，除非已安排后续任务。
• 不要尝试通过 submit_video 管理任务——状态和后续检查应使用 track_progress。
• 生成会消耗额度。提交前，简要告知用户即将生成的内容。