用途：通过 Gemini API 调用 Google Veo 模型生成 AI 视频，支持纯文本提示词（文生视频）和带参考图的生成（图生视频）。
前提条件：需设置 GEMINI_API_KEY 环境变量；Google AI 账户需启用计费（Veo 要求）。
主要能力：文生视频；以本地图片作为参考帧生成视频；用 --image-prompt 先经 Imagen 4 生成参考图（保存为 {output}-ref.png）再作为 Veo 参考帧；可通过 --model 切换模型。可用模型包括 veo-2.0-generate-001、veo-3.0-generate-001（默认，质量最佳）、veo-3.0-fast-generate-001（更快、质量略低）、veo-3.1-generate-preview、veo-3.1-fast-generate-preview。
使用方式：文生视频示例：node skills/veo-video/scripts/veo-generate.js --prompt "..." --output my-video.mp4；图生视频加 --image /path/to/reference-photo.png；即时生成参考图加 --image-prompt "..."；切换模型加 --model veo-3.0-fast-generate-001。
输出与流程：stdout 输出保存视频的绝对路径，stderr 输出进度信息；成功退出码 0，错误退出码 1。典型输出为 8 秒、1280x720、h264+aac、约 1.7MB。流程为向 Veo 发送提示词（可选 base64 图片）并调用 predictLongRunning，每 10 秒轮询直到 done: true（通常 30-90 秒），再从响应 URI 下载视频并保存到指定路径。
参考图建议：使用清晰、光线良好的主体照片；视频会从参考图开始/匹配；发送前可缩小大图（宽 1280px 足够）；支持 PNG、JPEG、WebP；提示词描述动作，图片提供外观。
提示词建议：具体描述场景、光线和镜头运动；加入 cinematic 或 shallow depth of field 获得电影感；描述动作如 typing on keyboard；Veo 3 也会生成音频，可提及声音。
限制：需 API Key 与计费账户；生成耗时通常 30-90 秒；其他平台、价格与效果资料暂未提供。