用途：将音频（可配合起始图像）生成视频，适用于说话头像、口型同步、音频驱动视频等场景，模型为 fal.ai LTX-2.5 Pro（端点 lightricks/ltx-2.5/audio-to-video/pro）。仅提供图像、没有音频时改用 lightricks/ltx-2.5/image-to-video/pro，脚本会根据是否传入 --audio 自动选择端点。
主要能力与用法：在技能脚本目录运行 npx ts-node generate.ts --audio "/path/to/audio.mp3" --image "/path/to/frame.jpg" -d /tmp/output.mp4 "动作与运动的电影感描述"。常用参数：--audio/-a 支持 mp3、wav、ogg、m4a、aac；-d/--destination 为必填输出路径；--image/-i 起始帧（强烈建议）；--end-image 结束帧（仅图像转视频）；--size/-s 视频尺寸；--fps（24/25，仅图像转视频）；--quality（low=720p、high=1080p，仅图像转视频）；--guidance-scale 有图默认 9、无图默认 5。视频尺寸可选 landscape_16_9（默认）、portrait_16_9、landscape_4_3、square_hd、auto。
提示词建议包含主体动作、镜头运动、灯光事件、情绪能量与环境等要素，以驱动画面运动。
限制：Pro 模式每段音频最长 10 秒（API 范围 2–20 秒，Pro 上限 10 秒），较长镜头需拆分。API Key 使用 FAL_KEY，读取自 ~/.claude/skills/image-generation/scripts/.env。