用途
sfd-model-provider 用于帮助用户为 video-director 视频制作流水线配置 AI 服务商。该流水线需要两类服务：音频服务（必需）和至少一个视频生成服务。技能会引导用户完成账号注册、API 密钥获取和环境变量设置，并说明各服务商与模型的适用场景。
主要能力
视频生成服务商
用户需从以下五家中选择一家，技能建议先询问用户偏好；若无偏好，默认推荐 KIE。
KIE（推荐）
- 对口播类内容最可靠，重试更少、音频更干净。
- 注册：访问 https://docs.kie.ai/ ，创建账号并进入 API 区域，在控制台生成 API 密钥。
- 环境变量：
export KIE_API_KEY=your_key_here - 模型：Kling 3.0 Pro 适合口播、产品演示，对语音最可靠、重试更少；Veo 3.1 适合电影感、生活方式类 B-roll，画面质量更好但对语音可靠性较低。除非是 B-roll 或生活方式内容，默认使用 Kling 3.0 Pro。
Wavespeed
- 适合快速交付以及带 webhook 回调的异步工作流。
- 注册：访问 https://wavespeed.ai/dashboard ，创建账号，在控制台进入 API Keys，生成新密钥。
- 环境变量：
export WAVESPEED_API_KEY=your_key_here - 模型：Veo 3.1 Fast 适合快速迭代与测试，比 KIE 更快但质量较低；Kling 2.1 适合预算有限的口播，模型较旧但质量可接受。
Fal
- 模型选择广，无服务器基础设施，按秒计费。
- 注册：访问 https://fal.ai ，注册后在控制台进入 Keys，创建新 API 密钥。
- 环境变量：
export FAL_KEY=your_key_here - 模型：可在 fal.ai/models 查看可用模型，按“video generation”筛选。模型可用性变化频繁，智能体应检查当前可用模型。
Higgsfield
- AI 视频与图像生成平台，通过单一界面访问多个模型（Kling 3.0、Sora 2、Veo 3.1、WAN 2.6），包含唇形同步工作室、运动控制和角色一致性工具。
- 注册：访问 https://higgsfield.ai ，注册并创建工作区，进入 API 设置，生成 API 密钥。
- 环境变量：
export HIGGSFIELD_API_KEY=your_key_here - 模型：Kling 3.0 适合口播、最长 15 秒片段；Sora 2 适合高质量电影感内容；Veo 3.1 适合生活方式、B-roll；WAN 2.6 为通用型。Higgsfield 还提供唇形同步工作室和运动控制，支持最长 30 秒的角色动作，适合较长口播内容。
Replicate
- 可访问开源与社区模型，按秒计费。
- 注册：访问 https://replicate.com ，注册后进入 Account Settings，复制 API token。
- 环境变量：
export REPLICATE_API_TOKEN=your_key_here - 模型：可在 replicate.com/collections/video-generation 查看可用模型。社区模型质量参差不齐，建议先用单个场景测试再投入完整制作。
音频服务：ElevenLabs（必需）
ElevenLabs 负责跨场景的语音校验与音色一致性：
- 语音转文本（STT）：校验生成的语音是否匹配预期台词（QA 关卡）。
- 语音转语音（STS）：对最终视频进行音色替换，保证跨场景音色一致。
注册：访问 https://elevenlabs.io ，注册后进入 Profile Settings，复制 API 密钥。
环境变量：export ELEVENLABS_API_KEY=your_key_here
模型：scribe_v1 用于语音转文本（STT），校验每个场景的台词准确性；eleven_english_sts_v2 用于语音转语音（STS），对拼接后的视频进行最终音色替换。
使用方式
设置密钥后，可通过以下命令验证：
echo $ELEVENLABS_API_KEY # required echo $KIE_API_KEY # or whichever video provider was chosen
若变量为空，可将其添加到 ~/.zshrc、~/.bashrc 或项目根目录的 .env 文件中。
关键行为
- ElevenLabs 始终必需，负责 STT 校验与音色替换，没有替代方案。
- 需询问用户偏好哪家视频服务商，不要自行假设。
- KIE 是默认推荐，对语音密集型内容最可靠。
- Wavespeed 是带 webhook 支持的异步工作流的不错替代。
- Fal 和 Replicate 提供更多模型，但需要智能体处理模型特定参数。
- 无论使用哪家视频服务商，video-director 流水线的工作方式相同：智能体发送提示词、获取片段、运行 QA。
- 若某服务商持续无法通过 QA 关卡，建议在消耗更多额度前更换服务商或模型。
适用场景
适用于为 video-director 视频制作流水线配置 AI 服务商的场景，尤其是需要口播、B-roll、生活方式类视频生成以及语音校验与音色统一的制作流程。
限制
资料未提供各服务商的具体收费价格、额度限制、并发上限或地域可用性等信息。Fal 与 Replicate 的模型可用性变化频繁，需实时查看官方页面。社区模型质量参差不齐，建议先小规模测试。