SuperAPI AI 工具集

video-generation

设计与创作

查看项目

更新于 10-16 09:54

技能介绍

用途:该技能用于在用户要求使用 Gemini 及 Python SDK 生成或延长视频时调用,覆盖文本生成视频、图像生成视频、参考图、首尾帧插值和视频延长等任务类型。

主要能力与任务类型:文本转视频、图像转视频、参考图、首尾帧插值、视频延长;还支持调整宽高比、4k 分辨率与负面提示词等调优项。

默认配置:默认模型为 veo-3.1-fast-generate-preview,默认分辨率为 720p,默认为 4 秒,除非用户另有要求或任务需要不同设置。

使用方式:先确认任务类型,确保 GEMINI_API_KEY 可用(环境变量或本地 .env),然后使用 Python SDK 调用 client.models.generate_videos(...),轮询操作直到完成,再下载并保存视频。处理图像时需传入 types.Image(imageBytes=..., mimeType=...),不要使用 PIL.Image 或 types.Part,以避免输入类型错误。若未返回视频,应给出明确错误并建议检查 API key、模型与配置。

限制与注意:1080p/4k、参考图、插值与视频延长需要 duration_seconds=8;视频延长仅限 720p 输入,且需要来自此前 Veo 生成的视频。视频生成可能耗时数分钟,运行命令时应允许更长的超时时间。参考资料按任务类型分为 overview、parameters、model-versions-and-limitations、prompt-guide 及各类示例文件。