前言¶

做短視頻或演示素材時，常見路徑是：自己寫英文提示詞、登錄即夢或同類平臺、等任務跑完再拷鏈接。若你已經在 Cursor、Claude Code 或 OpenClaw 裏用 Agent 處理日常任務，更希望用中文描述畫面，由技能自動優化提示詞並調 API 生成視頻。

下面介紹 SkillHub 社區技能 @user_4a79ecd6/texttovideo（頁面名稱「文字或語音生成視頻」）。它把「提示詞優化 + 即夢文生視頻」收成一條可在對話裏觸發的流程；與單純在網頁裏手填提示詞相比，差異在於 Agent 側有固定觸發詞和 SKILL.md 約定，便於在飛書、微信等接入 OpenClaw 的場景裏直接說需求。

這是什麼¶

一句話定位：輸入中文畫面描述，先經大模型把提示詞整理成適合即夢 3.0 的英文分鏡式提示，再調用火山引擎視覺側文生視頻接口，異步輪詢後返回視頻 URL。

維護與來源：SkillHub 座標 @user_4a79ecd6/texttovideo，分類 design-media，來源 community，當前版本 1.0.1，發佈者 user_4a79ecd6（頁面展示作者爲「阿霄」）。商店標籤含 requires_api_key=true，使用前需自行配置雲側 API 密鑰。

名稱說明：商店標題含「語音」，當前 1.0.1 包內 SKILL.md 與 skill.json 均以「文字生成視頻 / text2video」爲主，實現文件爲 main.py 的文本入口 run(user_input)，未包含獨立的語音轉寫或語音驅動視頻邏輯。若你需要語音輸入，需在 Agent 側先做 ASR，再把文本交給本技能，或關注後續版本是否補充語音能力。

核心功能¶

根據已發佈的技能包（SKILL.md、skill.json 與配套 Python 腳本），可覈實的能力如下。

1. 提示詞優化：通過火山方舟 Chat Completions（代碼中模型爲 Doubao-2.0-Pro，端點 https://ark.cn-beijing.volces.com/api/v3/chat/completions），把口語化中文描述轉成即夢可用的英文提示詞，並約束畫質與運鏡相關關鍵詞。
2. 文生視頻：調用火山引擎視覺 API（visual.cn-north-1.volcengineapi.com，動作 SubmitVideoGenerationTask / GetVideoGenerationTask），支持配置時長（默認 5 秒，代碼註釋支持 5/10 秒）、畫幅比例（默認 16:9，註釋支持 9:16、1:1）。
3. 對話觸發：skill.json 聲明觸發短語包括「生成視頻」「幫我生成視頻」「製作視頻」「做一個視頻」；在 OpenClaw 生態中可在飛書 / 微信裏用自然語言附帶畫面描述發起任務。
4. 返回結果：成功時返回 video_url、優化後的 optimized_prompt 與原始 user_input；失敗時區分超時與其它異常（main.py 中約 1～2 分鐘爲預期等待，輪詢最長約 200 秒）。

SKILL.md 寫明輸出爲高清視頻鏈接；實現裏默認 Resolution 爲 720p（註釋寫明正式可改爲 1080p），以實際代碼與即夢賬號權限爲準。

安裝與啓用¶

安裝 SkillHub CLI（未安裝時）¶

按 SkillHub 安裝說明 檢查 CLI：

command -v skillhub && skillhub --version

未安裝時可執行完整安裝（含默認 Skill）：

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

安裝本技能¶

安裝時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能不會被客戶端加載。

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

也可讓 Agent 按官方提示安裝：

請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_4a79ecd6/texttovideo`。

常見 skills 目錄（摘自 SkillHub 安裝文檔）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或項目下 .agents/skills/

安裝後按各客戶端要求重啓或刷新技能列表。

依賴與環境變量¶

Python 依賴見包內 requirements.txt：

requests>=2.28.0

skill.json 聲明需要：

• DEEPSEEK_API_KEY
• JIMENG_API_KEY

當前 1.0.1 源碼實際讀取的環境變量爲：

• VOLC_ARK_API_KEY（提示詞優化）
• VOLC_ACCESS_KEY_ID、VOLC_SECRET_ACCESS_KEY（即夢 / 火山視覺 API 簽名）

部署前請對照 prompt_optimizer.py 與 video_generator.py 配置密鑰，並確認 skill.json 與實現一致，避免只填聲明變量導致運行失敗。

典型用法¶

在 OpenClaw 對話中（官方示例）¶

SKILL.md 給出的說法示例：

幫我生成視頻：一隻貓在海邊散步，夕陽西下，慵懶溫暖的氛圍

生成視頻：夜晚城市街道，霓虹燈閃爍，人羣湧動，賽博朋克風格

Agent 應路由到技能入口 main.py 的 run(user_input)，user_input 爲冒號後的畫面描述（或你給出的整句描述，以 Agent 解析爲準）。

技能參數（skill.json）¶

適用場景與注意¶

適合誰

• 已在 Agent / OpenClaw 工作流裏做內容生產，希望用中文描述 + 自動英文提示詞生成短片素材的開發者或運營。
• 已有火山方舟與火山引擎視覺（即夢）API 權限、能接受異步等待（約 1～2 分鐘，最長輪詢約 200 秒）的團隊。

限制與注意

• API Key 與費用：標籤 requires_api_key=true；調用方舟與視覺 API 會產生雲側用量，需自行開通與計費。
• 名稱與實現：商店名含「語音」，當前包以文生視頻爲主；不要假設內置語音輸入。
• 元數據與代碼：Hub 版本 1.0.1，skill.json 內版本號爲 1.0.0；環境變量聲明與 Python 實現不一致時以代碼爲準並自行對齊。
• 商店數據（SkillHub 頁面，截至抓取）：評分 100000，下載 1189，安裝 6；數據會隨時間變化，以頁面爲準。

結尾¶

@user_4a79ecd6/texttovideo 把「中文意圖 → 即夢提示詞 → 文生視頻 URL」封裝成 Agent Skill，適合在已接入 SkillHub 的客戶端裏用固定觸發詞快速出片。官方入口：

• 技能頁：https://www.skillhub.cn/skills/user_4a79ecd6/texttovideo
• API 元數據：https://api.skillhub.cn/user_4a79ecd6/texttovideo