Agent Skills
返回列表
智盒万象视频制作

智盒万象视频制作

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_f918cff0/zhwx-video。

技能介绍

它解决什么问题

单个视频生成模型很难直接产出 15 秒以上、多镜头的完整短片:上游 duration 硬限制在 3~15 秒,长提示词会被直接拒绝;文生视频的角色每次抽签都变样;图生视频接上一段画面时,主体经常凭空消失或出现「两个爷爷」。zhwx-video 把这类工程问题一次性解决:把长片拆成可控的多段,用角色参考图与尾帧→首帧衔接保证连续性,最后用 ffmpeg 拼成一条成片。

核心能力与关键步骤

底层调用智盒万象代理的 /v1/video/generations,主力模型是 HappyHorse 1.1 系列,三种模式对应三类用法:

  • happyhorse-1.1-t2v:纯文生视频,适合空镜与开场
  • happyhorse-1.1-i2v:指定首帧生成,链式分镜的主力
  • happyhorse-1.1-r2v:1~9 张参考图 + [Image 1] 占位符生成,用来锁角色与画风

工作流分五步:收集需求 → LLM 改写分镜提示词 → 输出分镜给用户确认 → 逐段生成与拼接 → 交付成片路径与任务 ID。完整流水线由 story 子命令驱动,输入一份分镜 JSON(shots[].id、duration、mode、prompt、chain_from_prev 等字段)即可批量执行。几个针对连续性的专门设计值得注意:

  • 元素图先行:有固定角色时,先出立绘/场景图让用户确认再进视频,避免视频 token 烧完才发现角色不对
  • 逐段确认:story --dry-run 先过分镜草稿,每段生成后单独确认再拼下一段,坏段只重抽那一节
  • 三条 i2v 铁律:上一段尾帧必须包含下一段的全部主体、机位固定不推近、每段尾帧过视觉模型门控
  • 音频接缝:--audio-mode 支持 native / fade / first / bgm / mute,解决多段原生音轨硬切时的跳变
  • 小图直传:≤200KB 的 jpg/png/webp 自动转 base64 data URI 直传跳过图床,大图走 uguu → catbox → litterbox

适用边界与坑

这份技能不是万能钥匙,已知边界要先说清:

  • 对外付费:必须配置智盒万象 APIKey(ZHWX_API_KEY、~/.workbuddy/secrets/zhwxkey.txt 或 --key 三选一),技能不内置密钥,换新机器必须重新提供
  • r2v 的参考图参数实测被忽略:想接上一段画面只能用 i2v + 尾帧;链式续接段别再叠加场景参考图,否则容易出现重复角色
  • 规格陷阱:i2v 输出比例跟随首帧图,首帧不是 16:9 时拼接会被裁切;链式段必须等尾帧,不能并发
  • 续跑陷阱:脚本按 state.json 跳过已完成段,重做版本时务必用 v3/v4/v5 版本化输出目录隔离旧产物,否则会交付旧视频
  • 提示词纪律:只写动作/镜头/氛围,外貌交给参考图;具体台词要写进提示词,否则模型自行编造

使用场景

  • 创作者需要把 30 秒故事拆成多段生成,再拼接成一条完整短片
  • 教师要用一张首帧图生成动画,展示固定角色在场景中连续动作
  • 运营需要把品牌吉祥物的参考图转成视频,并保持角色外观不变
  • 开发团队要批量生成带原生音效的视频,再用背景音乐统一声音风格

适合人员

  • 视频创作者,需要把脚本拆成多段生成并拼接成连续故事
  • AI 应用工程师,要在业务系统中集成图片生成视频和分镜控制能力
  • 品牌内容运营,想用参考图固定 IP 形象并快速产出宣传短片
  • 动画或课程设计师,依赖提示词和首帧图生成多镜头连续画面