视频生成
用内置的 generate_video 工具把文本或参考媒体变成视频。
需要一段片段又不想离开聊天？吩咐智能体，它就会为你渲染一段。内置的视频生成工具接收一段提示词和可选的参考媒体（图片 / 视频 / 音频），在后台渲染视频，并把它直接放到智能体或空间 Drive（云盘）中的某个路径上——渲染期间你可以继续工作。
工作方式速览
- **异步。**调用会立即返回；视频渲染时你可以继续聊天。
- **写入 Drive。**成功后视频会落到你选定的路径上，消息气泡会显示一张预览卡片。
- **可取消。**排队中或运行中的任务可以从聊天界面停止。
启用该工具
打开 Agent Settings → Tools → Video 并把该分组打开。如果你的账户里看不到这个分组，说明视频生成在你当前的环境中不可用——请联系你的管理员。
输入参数
| 参数 | 必填 | 说明 |
|---|---|---|
prompt | 是 | 对视频的自然语言描述 |
file_path | 是 | 输出路径。相对路径落到智能体 Drive；/space/... 写入空间 Drive |
attachments | 否 | 参考媒体数组——每一项是一个 URL、资产 ID、Drive 路径字符串，或一个显式对象 { path? / url?, type?, role?, name?, mimeType? } |
model | 否 | 覆盖默认模型 |
durationSeconds | 否 | 4–15 秒 |
aspectRatio | 否 | adaptive / 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 |
resolution | 否 | 480p / 720p / 1080p（并非每个模型都支持 1080p） |
generateAudio | 否 | 默认开启 |
watermark | 否 | 默认关闭 |
returnLastFrame | 否 | 索取最后一帧，以便衔接下一段片段 |
webSearch | 否 | 为纯文本生视频的提示词允许参考性的网络搜索 |
attachments 中的 role 取值
| role | 媒体类型 | 典型用途 |
|---|---|---|
reference_image | 图片 | 通用参考（风格、主体） |
first_frame | 图片 | 视频的首帧 |
last_frame | 图片 | 末帧——与 first_frame 搭配用于首末帧模式 |
reference_video | 视频 | 用于编辑 / 延展流程的参考片段 |
reference_audio | 音频 | 用于配音或背景的参考音频 |
如果你省略 role，系统会根据媒体类型选取一个合理的默认值。
输出路径
- 相对路径（如
videos/demo.mp4）——写入智能体 Drive - 以
/space/开头的绝对路径——写入空间 Drive - 缺失的扩展名会被规范化为
.mp4 - 聊天气泡的视频卡片会直接从该路径渲染预览
能力矩阵
能力因模型档位而异——根据你的需要挑选一个：
| 档位 | 文生视频 | 首帧 | 首+末帧 | 多模态参考（图/视频/音频） | 编辑 | 延展 | 最高分辨率 | 时长 |
|---|---|---|---|---|---|---|---|---|
| Flagship | ✓ | ✓ | ✓ | 完整 | ✓ | ✓ | 1080p | 4–15s |
| Flagship fast | ✓ | ✓ | ✓ | 完整 | ✓ | ✓ | 720p | 4–15s |
| Pro | ✓ | ✓ | ✓ | 仅图片 | ✗ | ✗ | 1080p | 4–12s |
| Lite i2v | ✗ | ✓ | ✗ | 仅图片 | ✗ | ✗ | 720p | 2–12s |
| Lite t2v | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | 720p | 2–12s |
当 generateAudio: true 时，Flagship 档位可以输出音频。
媒体规格
图片——jpeg / png / webp / bmp / tiff / gif / heic / heif。每张 ≤ 30 MB，宽高比 0.4–2.5，边长 300–6000 px。数量：首帧 1 张，首+末帧 2 张，多模态参考 1–9 张，lite 参考 1–4 张。
视频——mp4 / mov，H.264 或 H.265 + AAC / MP3。每段 2–15 秒，最多 3 段，总计 ≤ 15 秒。480p / 720p / 1080p，24–60 fps。
音频——wav / mp3，每段 2–15 秒，最多 3 段，总计 ≤ 15 秒，每段 ≤ 15 MB。
提示词技巧
公式：主体 + 动作，场景 + 动作，镜头 + 动作。
- 具体一点。不要堆砌抽象的形容词。
- 把重要的部分（主体、动作、镜头）放在前面。
- 先迭代提示词，再加参考媒体；把模糊的措辞换成具体的描述。
- 文生视频方差很大——用它来试探创意；当你需要稳定的画面时，改用图生视频。
- 使用图生视频时，上传一张高质量的首帧；首帧质量对结果影响很大。
宽高比与裁剪
如果 aspectRatio 与输入图片不同，后端会沿较短的一边进行居中裁剪，使裁剪区域完全落在原图之内。把 aspectRatio 设得接近输入图片的比例，或使用 adaptive 让后端自动匹配。
取消任务
排队中或运行中的任务可以直接从消息气泡停止。状态会立即翻转为「cancelled」，后台不再继续任何工作。
限制
- 中间状态和临时视频 URL 会保留 24 小时然后被清理；已经写入 Drive 的视频不受影响。
- 含有真实人脸的参考媒体会被拒绝。
- 按账户的 RPM 与并发限制适用；如果你触发了速率限制，错误会显示在消息气泡里。
- 生成时间取决于时长、分辨率和模型——通常为 30 秒到几分钟。关闭会话会暂停状态更新；重新打开会话会恢复更新。