用途：从文本描述生成完整视频，覆盖图像生成、视频合成、配音与剪辑的端到端流程，也可单独将图像序列转为视频或为已有视频添加旁白。
主要能力：图像生成支持 DALL-E 3、Stable Diffusion、Flux；视频生成支持 LumaAI、Runway、Replicate 模型；配音支持 OpenAI TTS 与 ElevenLabs；剪辑使用 FFmpeg 完成组装、转场与叠加。脚本包括 generate_video.py（端到端生成）、images_to_video.py（图像序列转视频）、add_voiceover.py（添加旁白）、multi_scene.py（多场景）、edit_video.py（特效、转场、叠加）。
使用方式：先安装依赖 pip install openai requests pillow replicate python-dotenv，并在环境变量或 .env 中配置密钥。密钥按需选择：图像用 OPENAI_API_KEY 或 REPLICATE_API_TOKEN；视频用 LUMAAI_API_KEY、RUNWAY_API_KEY 或 REPLICATE_API_TOKEN；配音用 OPENAI_API_KEY 或 ELEVENLABS_API_KEY。示例命令：python skills/ai-video-gen/generate_video.py --prompt "A sunset over mountains" --output sunset.mp4；python skills/ai-video-gen/images_to_video.py --images img1.png img2.png --output result.mp4；python skills/ai-video-gen/add_voiceover.py --video input.mp4 --text "Your narration" --output final.mp4。也支持多场景与指定时长、帧率、旁白等参数。
适用场景：文本转视频、多场景短片、图像序列动画、为现有视频配音。
限制：需自备并配置对应平台 API 密钥，否则无法调用付费服务；部分能力依赖外部平台与网络；FFmpeg 需可用。资料给出参考费用：DALL-E 3 约每图 $0.04-0.08，Replicate 约每次 $0.01-0.10，LumaAI 每 5 秒 $0-0.50（有免费额度），Runway 约每秒 $0.05，OpenAI TTS 约每千字符 $0.015，ElevenLabs 约每千字符 $0.30。其余细节暂未提供。