技能介绍

要解决什么问题

在 Agent 或自动化脚本里做视频，常见痛点是模型分散在不同厂商 API、参数与 App ID 不统一，文生视频、图生视频、口型同步和后期工具也很难串成一条流水线。本技能把能力收敛到 inference.sh（belt）CLI 一侧：用同一套调用方式访问文档里列出的 40+ 视频类应用，而不是为每个模型单独写集成。

技能如何工作

技能面向「选模型 → 用 CLI 跑 App → 拿结果」这条路径，并按场景分组说明可选模型（资料中的 App ID 即 belt 侧的应用标识）：

Text-to-Video：如 google/veo-3-1-fast、google/veo-3-1、pruna/p-video、bytedance/seedance-2-0、alibaba/happyhorse-1-0-t2v 等，覆盖速度、画质、可选音轨与分辨率差异。
Image-to-Video：如 falai/wan-2-5、pruna/wan-i2v、bytedance/seedance-2-0、HappyHorse 系列 I2V/R2V，用于静图动画化或参考图保角色。
Avatar / Lipsync：bytedance/omnihuman-1-5、falai/fabric-1-0、falai/pixverse-lipsync 等多角色或单角色对口型。
Video Editing：alibaba/happyhorse-1-0-video-edit 支持自然语言改片。
Utilities：infsh/hunyuanvideo-foley 补音效、falai/topaz-video-upscaler 超分、infsh/media-merger 合并与转场。

文档中还列举了 Veo、Grok Video、Seedance 2.0（含 ref-to-video）、HappyHorse 剪辑、PixVerse 口型等示例方向；更完整的应用列表需通过 belt app store 浏览。运行方式、流式进度与媒体流水线可参考 inference.sh 文档中的 Running Apps、Streaming Results、Content Pipeline Example。

适用边界与注意点

前置依赖：Quick Start 写明需要已安装 inference.sh CLI（belt）；未就绪时技能无法实际出片。
选型成本：同一任务可能在 Veo、Seedance、WAN、HappyHorse 等多条产品线间重复，需按「速度 / 成本 / 是否带音频 / 分辨率上限」对照表格自行取舍，技能本身不替你做统一计费或配额管理。
能力边界：各 App 的时长、分辨率、是否支持参考图等以 belt 商店与单 App 说明为准；Utilities 是后处理与合并，不替代上游生成模型的内容审核策略。