技能介绍

为什么需要这个技能

建筑行业的"图生视频"需求很具体：给一张立面图、室内效果图或景观渲染图，产出一段带运镜的建筑漫游片段。问题在于主流纯 prompt 的图生视频模型在横移（truck / pan）上几乎必失败——你写"镜头向左平移"，模型理解成环绕，画面开始转圈。这个技能把一组实测验证过的运镜模板固化下来，省去每次从零调 prompt 的成本。

核心能力

10 个运镜，中英命名一一对应：

推 dolly-in / 拉 dolly-out
环绕 orbit / 航拍 aerial
左平移 pan-left、右平移 pan-right（真横移，已验证有效）
摇臂 crane / 静止 static / 延时 timelapse
hero（缓推加微环绕的组合镜头）

每个运镜都有完整英文 prompt 模板，存放在 references/prompts.md。模板预留了 foreground / midground / background 三个占位符，按图面实际元素替换即可；模板末尾统一追加 Cinematic architectural visualization style. No camera equipment visible.

调用流程

底层依赖 WorkBuddy 内置的 VideoGen 工具，无对外 API，只能在对话内使用：

首次调用前用 ToolSearch 加载 VideoGen 的 schema。
通过 DeferExecuteTool 发起调用，主要参数：

- image：图片的本地路径或 HTTP URL
- prompt：从模板取对应运镜，替换占位符
- seconds：默认 5，可选 4–8
- resolution：720P（默认）或 1080P
- aspect_ratio：跟随原图比例，如 16:9
- watermark：false

视频默认落在工作区 generated-videos/，生成后用 present_files 交给用户。
一次要多个运镜时逐个调用，最后统一 present_files。

关键坑

横移必须写 TRUCK LEFT / TRUCK RIGHT，并强调 pure lateral translation, zero rotation, zero orbit。少了这段，模型就把横移变成环绕。
prompt 里绝不出现摄像机、滑轨、三脚架、无人机、摇臂等设备词，否则模型会把设备本身画进画面。描述运动用 the camera moves / performs 就够了。
横移的空间感靠前景 / 中景 / 背景的视差（parallax）体现，不是靠旋转。
想做成对外发布的 Web 产品不要用这个技能——VideoGen 无 API，做不成独立应用，需要走硅基流动或 MiniMax 的 API 方案。