用途：封装 FAL 的 bytedance/seedance-2.0/reference-to-video 端点，输入 1-N 张公开参考图（通常为人像、产品、可选场景）与结构化提示词，输出 4-15 秒视频，带原生唇形同步配音与环境音。适合需要出镜口播头像讲解或演示产品、需要原生对白、以图像参考锁定人物身份、竖版 9:16 或多图条件（人脸+产品）的片段。不适合超过 15 秒的片段（应拆分多次调用再拼接）、无出镜人物的纯电影感运镜、无人物纯产品 B-roll，以及需要视频参考做连续性的场景。
主要能力：单次 15 秒调用内可渲染多个内部剪辑（如 WIDE HOOK / PRODUCT HERO / SIDESTEP / REACTION 子场景结构），无需 Soul ID。支持分辨率 480p/720p/1080p（默认 1080p）、时长 4-15 秒（默认 15，须传整数）、宽高比（默认 9:16）、--generate-audio 布尔（默认 true）、--seed 复现。
使用方式：python3 scripts/generate.py --prompt "$(cat prompt-scene-1.txt)" --output /path/to/scene-1.mp4 --image-url "https://<hosted>/portrait.png" --image-url "https://<hosted>/product.png" --resolution 1080p --duration 15 --aspect-ratio 9:16 --generate-audio。参考图须为公开 URL，顺序决定 @Image1 等指代；本地文件需先经 MCP 上传托管。脚本经内置 media_proxy.py 走 GooseWorks FAL 代理计费，使用 ~/.gooseworks/credentials.json，无需 FAL key。输出 MP4 及同名 .meta.json（含提示词、参考图、视频 URL、seed、时长、费用估算）。
限制与注意：命名品牌产品必须搭配该产品真实参考图，否则模型会臆造外形；服装需完整指定上衣、下装、发型、配饰；锁定场景建议传入背景参考图；产品参考图含配件时应先清理。AI 生成视频不可作为 video_urls（会触发内容策略拒绝）；多调用连续性应复用 seed 而非传上一段视频。NSFW 拒绝时须停止并上报，不得自动重试。端点路径须为 bytedance/seedance-2.0/reference-to-video，无 fal-ai/ 前缀。费用（2026-05）：720p 15 秒约 $4.54，1080p 15 秒约 $10.20，1080p 8 秒约 $5.44，1080p 4 秒约 $2.72；fast 档约便宜 20% 但上限 720p。