用途:为 director 流水线配置 AI 模型提供商。音频方面需要 ElevenLabs(当视频包含语音时),视频方面需选择一个视频生成模型。
主要能力与模型选择:支持三种视频生成模型。若用户无偏好,推荐 Sora 2。Sora 2 为 OpenAI 的视频生成模型,质量高、运动理解强,适合所有格式,是推荐默认项。Seedance 2 具备较强电影质感与提示词遵循能力,支持参考图以保持角色一致性,适合所有格式,是良好替代方案。Kling 3.0 稳定可靠、重试更少、语音内容音频更干净,适合所有格式,可通过 KIE API 访问,作为可靠后备。
使用方式:Kling 3.0 通过 KIE API 使用,访问 https://docs.kie.ai/ 注册账号并进入 API 区域,在控制台生成 API Key,然后设置环境变量:export KIE_API_KEY=your_key_here。ElevenLabs 用于语音验证与跨场景声音一致性,访问 https://elevenlabs.io 注册,进入 Profile Settings 复制 API Key,设置环境变量:export ELEVENLABS_API_KEY=your_key_here。其模型 scribe_v1 用于语音转文本(STT),逐场景校验对白准确性;eleven_english_sts_v2 用于语音转语音(STS),在拼接后的最终视频上做声音替换。
关键行为与限制:仅当视频包含语音时才需要 ElevenLabs,纯静音或仅叠加字幕的视频可跳过。应询问用户偏好哪种视频模型,无偏好则默认 Sora 2。无论使用哪种模型,director 流水线流程一致:代理发送提示词、获取片段、执行 QA。若某模型持续无法通过 QA 关卡,建议在消耗更多额度前切换模型。资料未提供各模型的具体价格、额度与平台限制信息。