即梦豆包创意视频生成

要解决什么问题

在 Agent 里接视频生成，常见痛点是：提示词只描述画面、不描述运动，图生视频时构图被「乱动」；同时即梦与豆包在画幅、分辨率、时长上的参数模型不同，还要等异步任务结束并确认文件真的落盘。

本技能基于 UnityClaw，把 即梦（jimeng） 与 豆包（doubao） 统一成一条可校验的生成链路：定义镜头 → 选提供商 → 执行并验收本地结果。

核心工作流

1. 定义一个可完成的镜头：从主体、动作、场景、构图、运镜、光照、风格、节奏等抽出要素，写成运动感知（motion-aware）提示——说明什么在动、镜头怎么动、什么保持稳定；图生视频时要显式写预期运动并保留关键构图。
2. 选择提供商：

- 即梦：适合相对简单的文生/图生视频，画幅选 16:9、9:16 或 1:1。
- 豆包：需要控制分辨率、画幅比例与时长时用；比例含 adaptive、16:9、9:16、1:1、4:3、3:4、21:9 等。
- CLI 无附件时推断为 t2v，仅一张参考图时为 i2v；只能挂一个附件。

1. 执行与校验：通过 scripts/generate.js 并加 --json 与明确的 --output-dir；用户输入值需正确引用。仅在 success 为 true、且每个输出文件路径存在且字节数大于 0 时视为完成；返回本地视频及 provider、模式与输出设置。仅当 error.retryable 为 true 时重试，不要在技术上已有效时自动重生成。

适用边界与注意点

• 需配置环境变量 UNITYCLAW_KEY；运行时依赖 @unityclaw/sdk。
• 生成可能很慢，默认超时约 30 分钟（--timeout 可调）；避免重复并发提交同一任务。
• 横屏常用 16:9，竖屏短视频常用 9:16；豆包默认分辨率 1080p、时长默认 5 秒，可按参数调整。