SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场Nano Banana Video Generation

Nano Banana Video Generation

设计与创作

查看项目

更新于 10-16 02:05

技能介绍

用途

Nano Banana Video Generation 用于借助 nano-banana CLI 调用 Google Veo 3.1 模型生成视频。适用于用户要求创建、生成、动效化或制作 AI 视频的场景。

前提条件

  • 必须设置 GEMINI_API_KEY 环境变量。
  • CLI 通过 npx @the-focus-ai/nano-banana 安装。

环境变量设置方式：

export GEMINI_API_KEY="your-api-key-here"

或在项目根目录创建 .env 文件：

GEMINI_API_KEY=your-api-key-here

主要能力

文本生成视频

nano-banana --video "A sunset over mountains, slow dolly-in, cinematic lighting"

为已有图片添加动效

nano-banana --video "The character slowly turns and smiles" --file portrait.png

成本优化的开发模式

nano-banana --video "Quick test scene" --video-fast --no-audio --resolution 720p

指定输出路径

nano-banana --video "A cat playing" --output cat-video.mp4

完整参数控制

nano-banana --video "Dramatic reveal scene" --duration 8 --aspect 16:9 --resolution 1080p --seed 42

使用方式

选项参数

  • --video：启用视频模式（必需）。
  • --video-model <name>：使用的 Veo 模型，默认为 veo-3.1-generate-001。
  • --video-fast：使用快速/低成本模型，默认为高级模型。
  • --duration <sec>：4、6 或 8 秒，默认 8 秒。
  • --aspect <ratio>：16:9 或 9:16，默认 16:9。
  • --resolution <res>：720p、1080p 或 4K，默认 1080p。
  • --audio：生成音频（默认启用）。
  • --no-audio：禁用音频。
  • --seed <number>：可复现随机种子，默认随机。
  • --output <file>：输出路径，默认 output/video-.mp4。
  • --file <image>：要添加动效的输入图片。

提示词公式

视频提示词采用五段式结构：

[镜头运动] + [主体] + [动作] + [环境] + [音频/风格]

较弱的提示词示例：

"a person walking"

较强的提示词示例：

"Slow dolly-in shot. A woman in her 30s, shoulder-length wavy black hair, green jacket, walks confidently through a sunlit park. Golden hour lighting, warm color grading. Ambient sounds: birds chirping, distant traffic. Cinematic, aspirational mood. No subtitles, no text overlay."

建议原则：

  1. 以镜头运动开头（dolly、pan、static、tracking）。
  2. 详细描述主体（外貌、服装、表情）。
  3. 说明动作并给出时间线索。
  4. 包含光照与环境。
  5. 添加音频设计（对白、音效、环境音）。
  6. 始终以 "No subtitles, no text overlay, no captions" 结尾。

生成前需澄清的要素

  • 核心场景：主要动作或主体是什么？
  • 镜头运动：静止、dolly、pan、tracking、crane？
  • 风格：电影感、纪录片、广告、随性？
  • 音频：对白？音效？环境音？音乐？
  • 时长：4、6 或 8 秒？
  • 画幅方向：横屏（16:9）还是竖屏（9:16）？

工作流程

  1. 编写提示词（可参考 prompting-guide.md）。
  2. 考虑成本：视频生成成本显著高于图片。
    • veo-3.1-generate-001：每秒 $0.40，8 秒视频 $3.20。
    • veo-3.1-fast-generate-001：每秒 $0.15，8 秒视频 $1.20。 开发流程建议：先用 --video-fast --no-audio（最便宜）迭代，再用 --video-fast 测试并添加音频，最后用默认模型做最终渲染（高级质量）。
  3. 执行生成命令：

nano-banana --video "your detailed prompt here"

生成过程耗时 2-4 分钟，进度显示在终端中。

  1. 迭代：若结果不理想，可细化镜头运动（如 "slow dolly-in over 8 seconds"）、添加负向指引、简化内容（每个片段聚焦一个主要动作）、或尝试不同时长（4 秒或 6 秒可能更适合快速动作）。

镜头运动参考

  • Static：无运动。示例 "Static shot on tripod. A coffee cup steaming..."
  • Pan：水平旋转。示例 "Slow pan left across the city skyline..."
  • Tilt：垂直旋转。示例 "Tilt down from face to hands..."
  • Dolly In：镜头靠近。示例 "Slow dolly-in from medium to close-up..."
  • Dolly Out：镜头远离。示例 "Dolly-out revealing the vast landscape..."
  • Tracking：与主体平行。示例 "Tracking shot following character walking..."
  • Crane：大幅垂直运动。示例 "Crane shot ascending from ground level..."
  • Handheld：真实抖动。示例 "Handheld camera, documentary style..."

注意：每个镜头只使用一种主要运动方式，不要组合多种运动。

对白格式

对白使用冒号格式：

Character description says: "Exact dialogue here."

示例：

"A friendly young woman, excited and cheerful, says: 'Welcome to our store!' Standing in bright retail environment. Natural lip-sync. No subtitles."

对白准则：8 秒视频的对白控制在 6-12 个词；描述说话者的语气与情绪；始终添加 "No subtitles, no text overlay"。

音频设计

按层级组织音频：

  1. 对白（最高优先级）——始终清晰。
  2. 音效——具体、有时间的动作。
  3. 环境音——最多 3-5 个背景元素。
  4. 音乐——最低优先级，"ducks under dialogue"。

示例：

"Sound effects: Door closing at 2-second mark, footsteps on wood. Ambient sounds: Quiet office hum, distant typing. Background music: Soft jazz, low volume, ducks under dialogue."

适用场景与最佳实践

  • 前置重要信息——镜头、主体、动作放最前。
  • 使用电影术语——"35mm lens"、"shallow depth of field"、"golden hour"。
  • 光照描述要具体——如 "Soft window light from left"，而非仅 "good lighting"。
  • 描述情绪——"intimate"、"epic"、"suspenseful"、"uplifting"。
  • 包含负向指引——说明要避免的内容。

图生视频场景：

  • 与图片匹配——描述与图片内容相符的运动。
  • 从细微开始——小幅运动效果好于剧烈变化。
  • 保持光照一致——不要描述与图片不同的光照变化。

多镜头一致性：创建角色描述并完全复用；保持光照风格一致；使用同一类镜头运动风格；使用 --seed 提高结果可复现性。

使用限制与故障排查

  • 视频生成超时：生成可能需 2-4 分钟；若持续出现，尝试更简单的提示词或使用 --video-fast。
  • 质量差或内容错误：添加更具体的描述、包含负向指引、改用高级模型而非快速模型。
  • 视频中出现字幕：始终在提示词中包含 "No subtitles, no text overlay, no captions"；Veo 训练素材包含字幕，容易自行添加。
  • 音频与视频不匹配：更具体说明声音出现的时机，使用 "Sound effect: X at Y-second mark"，并简化音频层级。
  • 安全过滤被拒：避免暴力、武器、露骨内容；改写歧义词汇；尝试更通用的描述。

成本优化示例

开发（最便宜）：约 $1.20/视频

nano-banana --video "test prompt" --video-fast --no-audio --resolution 720p

带音频测试：约 $1.20/视频

nano-banana --video "test prompt" --video-fast

生产质量：约 $3.20/视频

nano-banana --video "final prompt" --resolution 1080p

示例提示词

examples/ 目录包含完整提示词示例：cinematic-shots.md（镜头运动）、dialogue-and-audio.md（语音与音效）、image-to-video.md（为图片添加动效）。