AI创作工作台·视频图片音乐

要解决的具体问题

在多媒体内容创作中，用户经常需要从文本描述或现有素材快速生成高质量的视频、图片和音乐。传统工作流程往往涉及多个工具切换、手动配置复杂参数，且缺乏对创意需求的智能解析能力，导致创作过程繁琐、耗时，并可能因参数错误或模型不兼容而产生意外成本。此外，本地媒体文件的安全上传、异步任务的状态追踪以及付费边界的明确控制也是常见痛点。

技能如何工作

本技能通过集成 Beatra 工作流，提供了一套自动化、可定制的创作解决方案。其核心能力与关键步骤包括：

• 需求分析与路径选择：使用宿主的原生文本与视觉理解能力，分析用户意图或源媒体内容。根据创作类型（图片、视频、音乐、语音），自动选择最小化路径，例如调用 beatra.images.generate 生成图片、beatra.videos.generate 制作视频或 beatra.music.generate 创作音乐。
• 媒体管理与生成：复用对话中已有的发布渠道、提示词、格式等信息，减少重复询问。对于本地文件，通过 beatra.assets.upload 安全上传，遵守大小限制。生成请求通过随包客户端 scripts/mcp_client.py 执行，确保所有操作经由统一通道，并自动处理缓存和注册。
• 任务与付费控制：创建唯一的 client_request_id 标识每次付费操作，并使用 beatra.tasks.get 轮询任务状态。明确区分免费操作（如需求规划、模型浏览）和付费生成（如视频创建、声音克隆），并在执行前展示费用估算。任务完成后，交付实际返回的结果，包括链接、时长、文件大小等细节。

适用边界与注意点

该技能强调严格的工作流边界，用户需注意：

• 客户端限制：所有 Beatra 操作必须通过随包 scripts/mcp_client.py 执行，不支持使用宿主 Beatra Connector 或 REST/OpenAPI 作为降级方案，以确保一致性和安全性。
• 付费与恢复：付费仅在实际生成请求验证后触发；如果任务因 insufficient_balance 失败，需充值后使用原 client_request_id 重试。任务恢复时，必须比对 task.input 与原始载荷，避免创建重复任务。
• 媒体与授权：声音克隆需用户明确授权；本地上传不暴露文件路径，且普通媒体上传不需额外权利声明。更新随包客户端静默进行，但失败不会影响当前任务执行。
• 输出交付：仅返回任务实际产生的内容，不推测状态或链接。对于非文件成果（如克隆声音），提供 voice_id；对于文件，包含完整元数据。