前言¶

做短视频或演示素材时，常见路径是：自己写英文提示词、登录即梦或同类平台、等任务跑完再拷链接。若你已经在 Cursor、Claude Code 或 OpenClaw 里用 Agent 处理日常任务，更希望用中文描述画面，由技能自动优化提示词并调 API 生成视频。

下面介绍 SkillHub 社区技能 @user_4a79ecd6/texttovideo（页面名称「文字或语音生成视频」）。它把「提示词优化 + 即梦文生视频」收成一条可在对话里触发的流程；与单纯在网页里手填提示词相比，差异在于 Agent 侧有固定触发词和 SKILL.md 约定，便于在飞书、微信等接入 OpenClaw 的场景里直接说需求。

这是什么¶

一句话定位：输入中文画面描述，先经大模型把提示词整理成适合即梦 3.0 的英文分镜式提示，再调用火山引擎视觉侧文生视频接口，异步轮询后返回视频 URL。

维护与来源：SkillHub 坐标 @user_4a79ecd6/texttovideo，分类 design-media，来源 community，当前版本 1.0.1，发布者 user_4a79ecd6（页面展示作者为「阿霄」）。商店标签含 requires_api_key=true，使用前需自行配置云侧 API 密钥。

名称说明：商店标题含「语音」，当前 1.0.1 包内 SKILL.md 与 skill.json 均以「文字生成视频 / text2video」为主，实现文件为 main.py 的文本入口 run(user_input)，未包含独立的语音转写或语音驱动视频逻辑。若你需要语音输入，需在 Agent 侧先做 ASR，再把文本交给本技能，或关注后续版本是否补充语音能力。

核心功能¶

根据已发布的技能包（SKILL.md、skill.json 与配套 Python 脚本），可核实的能力如下。

1. 提示词优化：通过火山方舟 Chat Completions（代码中模型为 Doubao-2.0-Pro，端点 https://ark.cn-beijing.volces.com/api/v3/chat/completions），把口语化中文描述转成即梦可用的英文提示词，并约束画质与运镜相关关键词。
2. 文生视频：调用火山引擎视觉 API（visual.cn-north-1.volcengineapi.com，动作 SubmitVideoGenerationTask / GetVideoGenerationTask），支持配置时长（默认 5 秒，代码注释支持 5/10 秒）、画幅比例（默认 16:9，注释支持 9:16、1:1）。
3. 对话触发：skill.json 声明触发短语包括「生成视频」「帮我生成视频」「制作视频」「做一个视频」；在 OpenClaw 生态中可在飞书 / 微信里用自然语言附带画面描述发起任务。
4. 返回结果：成功时返回 video_url、优化后的 optimized_prompt 与原始 user_input；失败时区分超时与其它异常（main.py 中约 1～2 分钟为预期等待，轮询最长约 200 秒）。

SKILL.md 写明输出为高清视频链接；实现里默认 Resolution 为 720p（注释写明正式可改为 1080p），以实际代码与即梦账号权限为准。

安装与启用¶

安装 SkillHub CLI（未安装时）¶

按 SkillHub 安装说明 检查 CLI：

command -v skillhub && skillhub --version

未安装时可执行完整安装（含默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

安装本技能¶

安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被客户端加载。

skillhub install texttovideo --namespace user_4a79ecd6 --dir <你的 skills 目录>

也可让 Agent 按官方提示安装：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_4a79ecd6/texttovideo`。

常见 skills 目录（摘自 SkillHub 安装文档）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下 .agents/skills/

安装后按各客户端要求重启或刷新技能列表。

依赖与环境变量¶

Python 依赖见包内 requirements.txt：

requests>=2.28.0

skill.json 声明需要：

• DEEPSEEK_API_KEY
• JIMENG_API_KEY

当前 1.0.1 源码实际读取的环境变量为：

• VOLC_ARK_API_KEY（提示词优化）
• VOLC_ACCESS_KEY_ID、VOLC_SECRET_ACCESS_KEY（即梦 / 火山视觉 API 签名）

部署前请对照 prompt_optimizer.py 与 video_generator.py 配置密钥，并确认 skill.json 与实现一致，避免只填声明变量导致运行失败。

典型用法¶

在 OpenClaw 对话中（官方示例）¶

SKILL.md 给出的说法示例：

帮我生成视频：一只猫在海边散步，夕阳西下，慵懒温暖的氛围

生成视频：夜晚城市街道，霓虹灯闪烁，人群涌动，赛博朋克风格

Agent 应路由到技能入口 main.py 的 run(user_input)，user_input 为冒号后的画面描述（或你给出的整句描述，以 Agent 解析为准）。

技能参数（skill.json）¶

适用场景与注意¶

适合谁

• 已在 Agent / OpenClaw 工作流里做内容生产，希望用中文描述 + 自动英文提示词生成短片素材的开发者或运营。
• 已有火山方舟与火山引擎视觉（即梦）API 权限、能接受异步等待（约 1～2 分钟，最长轮询约 200 秒）的团队。

限制与注意

• API Key 与费用：标签 requires_api_key=true；调用方舟与视觉 API 会产生云侧用量，需自行开通与计费。
• 名称与实现：商店名含「语音」，当前包以文生视频为主；不要假设内置语音输入。
• 元数据与代码：Hub 版本 1.0.1，skill.json 内版本号为 1.0.0；环境变量声明与 Python 实现不一致时以代码为准并自行对齐。
• 商店数据（SkillHub 页面，截至抓取）：评分 100000，下载 1189，安装 6；数据会随时间变化，以页面为准。

结尾¶

@user_4a79ecd6/texttovideo 把「中文意图 → 即梦提示词 → 文生视频 URL」封装成 Agent Skill，适合在已接入 SkillHub 的客户端里用固定触发词快速出片。官方入口：

• 技能页：https://www.skillhub.cn/skills/user_4a79ecd6/texttovideo
• API 元数据：https://api.skillhub.cn/user_4a79ecd6/texttovideo