AI 视频生成器

支持文本生成视频、图像生成视频、视频编辑与视频理解的专业级 AI 视频创作技能，基于阿里云 DashScope API 构建。

提示词设计指南

高质量视频提示词的核心公式：[场景概览] + [镜头设计] + [摄像机运动] + [光影与氛围] + [视觉风格]

关键要素：摄影语言（镜头大小、运动方式、角度）、镜头节奏设计、光影与氛围控制、视觉风格参考。对于多镜头视频，请使用镜头列表格式 Shot N [起始-结束时间] 镜头描述。

负面提示词模板：模糊、低质量、失真、故障、不自然的运动、跳跃剪辑、光照不一致、伪影、水印、文字叠加、画面静止、帧冻结、诡异谷效应

有关详细的摄影语言参考表、镜头列表模板、光影风格及完整提示词示例，请参阅 [references/prompt-guide.md](references/prompt-guide.md)

版本

v2.1.0 (2026-03-10)

功能列表

注意：DashScope qwen3.5-plus 模型的 image_url 类型仅支持静态图像分析，不支持直接上传视频文件。若需分析视频，请先提取关键帧，再使用图像分析功能。

前置条件

在执行任何任务前，必须完成以下检查：

1. 验证 API Key 可用性：运行 from api_key import get_api_key; api_key = get_api_key()。若 get_api_key() 抛出异常（包括“配额超限”、“AuthenticationError”、“InvalidApiKey”、“401”等），必须立即停止执行，并将错误信息展示给用户——不得跳过 API 调用，不得继续后续步骤，不得伪造执行结果。
2. 确认远程 API 可用性：本技能所有视频生成与内容分析任务均通过 DashScope 远程 API 完成，不依赖本地 GPU、PyTorch、Stable Diffusion 等工具。只要 API Key 有效，即可完整调用全部功能。不得因缺少本地工具而声称无法完成任务。
3. API Key 安全性：禁止在脚本文件、日志或终端输出中以明文形式写出完整 API Key。必须通过 api_key.py 模块或环境变量 os.environ.get("DASHSCOPE_API_KEY") 读取。调试时显示应为掩码形式（如 sk-***xxx）。

协同逻辑

涉及产品与服务

本技能中所有 API 均通过 阿里云 DashScope（百炼） 调用；不涉及其他云产品。

功能选择决策树

根据用户的 输入材料 和 意图 选择对应功能：

用户请求
│
├─ 用户有现有视频需要分析/理解？
│   └─ 是 → 视频理解（video_understanding.py, qwen3.5-plus）
│
├─ 用户有现有视频需要修改？
│   ├─ 修改局部区域（有掩码）？
│   │   └─ 是 → 视频区域编辑（video_local_edit.py, wanx2.1-vace-plus）
│   └─ 整体风格重绘？
│       └─ 是 → 视频编辑（video_edit.py, wanx2.1-vace-plus）
│
├─ 用户有多份参考素材（角色视频/图像）需要合成？
│   └─ 是 → 参考素材生成视频（reference_to_video.py, wan2.6-r2v-flash）
│
├─ 用户有一张图片需要生成视频？
│   └─ 是 → 图像生成视频（image_to_video.py, wan2.6-i2v）
│
└─ 用户仅有文本描述？
    └─ 是 → 文本生成视频（text_to_video.py, wan2.6-t2v）

快速参考表

调用流程

**必须直接运行 scripts/ 目录中的现有脚本完成任务。禁止从零创建新脚本作为替代。** 每个功能对应一个可执行脚本（见快速参考表）。只需传入正确参数并运行即可。脚本内部封装了完整的流程：API Key 获取、API 调用、轮询等待、结果输出。

所有功能共享统一调用模式，分为两类：

同步调用（视频理解）：

from dashscope import MultiModalConversation
response = MultiModalConversation.call(model="qwen3.5-plus", messages=[...])
# 直接返回分析结果

异步调用（所有视频生成/编辑任务）：

步骤 1 —— 创建任务（获取 task_id）：

response = requests.post(
    "https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis",
    headers={"Authorization": f"Bearer {api_key}", "X-DashScope-Async": "enable"},
    json={"model": "wan2.6-t2v", "input": {"prompt": prompt}, "parameters": {...}}
)
task_id = response.json()["output"]["task_id"]

步骤 2 —— 轮询任务状态（直到 SUCCEEDED 或 FAILED）：

import time
for _ in range(60):  # 最多轮询 60 次，每次间隔 10 秒
    result = requests.get(
        f"https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}",
        headers={"Authorization": f"Bearer {api_key}"}
    ).json()
    status = result["output"]["task_status"]
    if status == "SUCCEEDED":
        video_url = result["output"]["video_url"]
        break
    elif status == "FAILED":
        raise RuntimeError(result["output"].get("message", "任务失败"))
    time.sleep(10)

步骤 3 —— 验证结果：确认已获取有效的 video_url 或分析结果。在任务完成前不得提前结束执行。

核心编排规则

1. API Key 获取必须优先进行：所有脚本在模块加载时即调用 get_api_key()。若未获取到有效 Key，则立即抛出错误，不发起任何 API 请求。
2. 异步任务必须轮询：视频生成通常耗时 1–5 分钟，必须通过 poll_result() 轮询并等待任务完成。
3. 提示词优化建议：

- 文本转视频、图像转视频场景下，建议设置 prompt_extend=True，让模型自动优化提示词；

- 视频编辑或区域编辑场景下，应设为 False，避免模型重写偏离原始意图。

1. 视频编辑与区域编辑选择：

- 用户提供了掩码图像 → 使用区域编辑（Region Edit）

- 用户仅描述了新风格但未提供掩码 → 使用视频编辑（重绘，Repainting）

1. 控制条件选择（视频编辑场景）：

- 需保留面部表情 + 身体动作 → 选择 posebodyface

- 仅保留身体动作，更换面部 → 选择 posebody

- 保留构图和运动轨迹 → 选择 depth（默认值，最通用）

- 保留线稿结构 → 选择 scribble

约束条件

所有任务必须通过 DashScope 远程 API 完成。禁止使用本地工具（如 OpenCV、PyTorch、Stable Diffusion、FFmpeg 分析等）替代 DashScope API 进行视频生成或内容分析；禁止使用第三方替代服务（如 Pollinations.ai、RunwayML、Pika、Luma 等）替代 DashScope API。禁止声称“无视频生成能力”或“缺少工具”——只要 API Key 有效，本技能具备完整的远程视频生成与理解能力。

1. API Key 预检查：在任何 API 调用前，必须通过 get_api_key() 验证 API Key 已配置。若 get_api_key() 失败（包括“配额超限”、401、InvalidApiKey 等情况），必须立即停止并报告错误——不得跳过 API 调用，不得伪造后续结果。
2. 正确模型名称使用（禁止使用其他名称）：

1. 异步任务必须轮询至完成：创建任务后，必须持续轮询 task_status，直至返回 SUCCEEDED 或 FAILED。不得在任务完成前提前结束。若任务创建失败（如 401 错误），必须清晰报告错误，并提示用户检查 API Key——不得静默终止。
2. 最终结果必须验证：确认已获取有效的 video_url（视频生成）或分析文本（视频理解）。不得返回空结果。若 API 调用失败或未实际执行，必须如实报告错误。严禁伪造分析结果或虚构视频 URL。
3. API Key 安全性要求：严禁在生成的脚本、日志或终端命令中以明文形式写出完整 API Key。具体规定如下：

❌ 禁止行为（以下方式均不允许）：

   api_key = "sk-abc123..."                          # 禁止硬编码
   headers = {"Authorization": "Bearer sk-abc123..."}  # 禁止明文传递

   export DASHSCOPE_API_KEY="sk-abc123..."            # 禁止在脚本中明文导出

✅ 正确做法（必须采用以下方式）：

   from api_key import get_api_key
   api_key = get_api_key()                            # 通过模块安全获取
   # 或
   api_key = os.environ.get("DASHSCOPE_API_KEY")      # 通过环境变量获取

1. 禁止虚构结果：如果 DashScope API 调用未实际执行或执行失败，必须明确告知用户失败原因。不得虚构视频分析文本、伪造视频 URL，或在 api.json 为空时声称任务已完成。编写包含 API 调用代码 ≠ 实际执行 API 调用。判断标准：只有当脚本被实际运行，并且 DashScope API（例如 MultiModalConversation.call 或 dashscope.aliyuncs.com/api/v1/...）返回真实结果时，才能声称任务完成。API Key 管理类调用（如 ListWorkspaces、CreateApiKey）不视为任务完成。

1. 禁止使用第三方替代服务：所有视频生成与理解任务必须通过 DashScope API 完成。禁止调用 Pollinations.ai、RunwayML、Pika、Luma、Kling 或其他第三方服务作为替代方案。

1. 输出文件验证：在声称任务完成前，必须确认实际输出文件已写入磁盘（例如 video_analysis_result.txt、下载的视频文件等）。如果文件不存在或为空，必须报告失败。

1. 必须使用现有脚本并实际执行：请使用 scripts/ 目录中的现有脚本（例如 python scripts/video_understanding.py）。禁止从零开始创建新脚本作为替代。脚本必须实际执行（python scripts/xxx.py），并以真实的 stdout/stderr 输出作为结果依据。若脚本执行出错，必须显示真实的错误信息。

环境设置

1. 安装 FFmpeg（视频处理工具）

FFmpeg 用于视频格式转换、关键帧提取、视频剪辑/拼接等本地处理操作。

# macOS (Homebrew)
brew install ffmpeg

# Ubuntu/Debian
sudo apt update && sudo apt install ffmpeg

# Windows (Chocolatey)
choco install ffmpeg

# Windows (Scoop)
scoop install ffmpeg

验证安装：

ffmpeg -version

2. 安装 Python 依赖

pip install -r scripts/requirements.txt

3. 配置 API Key

API Key 通过统一的 scripts/api_key.py 模块管理，采用三级检索逻辑：

1. 读取 ~/.aliyun/config.json 当前配置文件中 dashscope.api_key → 若存在则返回
2. 读取环境变量 DASHSCOPE_API_KEY → 若存在则返回
3. 检测阿里云 CLI 是否可用 → 自动调用 generate_api_key() 创建 Key 并保存至配置 → 返回
4. 以上均失败 → 抛出错误（附带 CLI 安装指引）

# 所有脚本均采用此统一方式
from api_key import get_api_key
api_key = get_api_key()

手动配置环境变量：

export DASHSCOPE_API_KEY=sk-xxx

4. 阿里云 CLI 配置（API Key 自动生成/删除）

本技能的 scripts/api_key.py 使用 aliyun modelstudio 命令自动创建和删除 API Key。使用前请完成以下配置：

1. 启用 AI 模式并更新插件

# 启用 AI 模式（允许 Agent 调用 CLI）
aliyun configure ai-mode enable

# 设置 User-Agent
aliyun configure ai-mode set-user-agent --user-agent "AlibabaCloud-Agent-Skills/alibabacloud-bailian-video-creator"

# 更新插件至最新版本
aliyun plugin update

2. 安装 ModelStudio 插件（如尚未安装）

aliyun plugin install --names aliyun-cli-modelstudio --enable-pre

3. 任务完成后禁用 AI 模式

aliyun configure ai-mode disable

涉及的 CLI 命令：

目录结构

alibabacloud-bailian-video-creator/
├── scripts/           # 示例代码（7 个核心功能 + API Key 管理）
│   ├── requirements.txt
│   ├── api_key.py
│   ├── video_understanding.py
│   ├── text_to_video.py
│   ├── image_to_video.py
│   ├── image_to_video_sdk.py
│   ├── reference_to_video.py
│   ├── video_edit.py
│   └── video_local_edit.py
├── references/        # 参考资料
│   ├── prompt-guide.md
│   ├── api-docs.md
│   ├── models.md
│   └── error-codes.md
└── SKILL.md

说明：

• scripts/ - 仅包含官方示例代码，每个功能对应一个文件
• references/ - 包含提示词指南、API 文档、模型列表、错误码等参考资料

使用示例

直接运行任意脚本即可查看详细参数说明（python scripts/<脚本名称>.py）。

Alibabacloud Bailian Video Creator

功能列表

区域 API 地址

不同区域的 API 地址不同，请根据实际需求选择：

计费说明

视频生成计费

按成功生成视频的时长（秒）计费，请求失败不计费。

文本生成视频（wan2.6-t2v）

计费示例：

• 生成 10 秒 720P 视频 → ¥6.00
• 生成 10 秒 1080P 视频 → ¥10.00

图像生成视频 / 参考生成视频（wan2.6-i2v-flash / wan2.6-r2v-flash）

注意：参考生成视频按输入 + 输出总时长计费，输入视频最多按 5 秒计费。

视频编辑（wanx2.1-vace-plus）

查看账单：https://usercenter2.aliyun.com/finance/expense-center/overview

免费额度

新用户激活 Bailian 后可获得：

• 50 秒免费视频生成额度
• 有效期：激活后 90 天内有效

参考资料

• [文本生成视频 API 文档](https://help.aliyun.com/zh/model-studio/text-to-video-api-reference)
• [图像生成视频 API 文档](https://help.aliyun.com/zh/model-studio/image-to-video-api-reference)
• [视频编辑 API 文档](https://help.aliyun.com/zh/model-studio/wanx-vace-api-reference)
• [模型列表](https://help.aliyun.com/zh/model-studio/models)