openclaw/docs
openclaw/docs
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

chore(i18n): refresh zh-CN translations

Browse Source
This commit is contained in:
openclaw-docs-i18n[bot] 2026-04-06 22:52:41 +00:00
parent 35e990fbe3
commit ca4d7760e3
3 changed files with 206 additions and 209 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

72
docs/zh-CN/tools/image-generation.md
View File

@ -6,17 +6,17 @@ read_when:
summary: 使用已配置的提供商（OpenAI、Google Gemini、fal、MiniMax、ComfyUI、Vydra）生成和编辑图像
title: 图像生成
x-i18n:
generated_at: "2026-04-06T22:24:48Z"
generated_at: "2026-04-06T22:52:16Z"
model: gpt-5.4
provider: openai
source_hash: 359ee3d697658cf783891c615e2901b6edaf160aa17dc8e6ffac326ccab76060
source_hash: 8f7303c199d46e63e88f5f9567478a1025631afb03cb35f44344c12370365e57
source_path: tools/image-generation.md
workflow: 15
---
# 图像生成
`image_generate` 工具让智能体能够使用你已配置的提供商创建和编辑图像。生成的图像会自动作为媒体附件附加在智能体的回复中。
`image_generate` 工具让智能体能够使用你已配置的提供商创建和编辑图像。生成的图像会自动作为媒体附件随智能体的回复一并发送。
<Note>
只有在至少有一个图像生成提供商可用时，此工具才会显示。如果你在智能体的工具中看不到 `image_generate`，请配置 `agents.defaults.imageGenerationModel` 或设置提供商 API 密钥。
@ -39,20 +39,20 @@ x-i18n:
}
```
3. 向智能体提出请求：_“生成一张友好的龙虾吉祥物图像。”_
3. 向智能体提问：_“生成一张友好的龙虾吉祥物图像。”_
智能体会自动调用 `image_generate`。无需将其加入工具允许列表 —— 只要提供商可用，它默认启用。
智能体会自动调用 `image_generate`。无需将工具加入允许列表——当有可用提供商时，它默认启用。
## 支持的提供商
| 提供商 | 默认模型 | 编辑支持 | API 密钥 |
| ------ | -------------------------------- | ---------------------------------- | ------------------------------------------------------- |
| OpenAI | `gpt-image-1` | 是（最多 5 张图像） | `OPENAI_API_KEY` |
| Google | `gemini-3.1-flash-image-preview` | 是 | `GEMINI_API_KEY` 或 `GOOGLE_API_KEY` |
| fal | `fal-ai/flux/dev` | 是 | `FAL_KEY` |
| MiniMax| `image-01` | 是（主体参考） | `MINIMAX_API_KEY` 或 MiniMax OAuth（`minimax-portal`） |
| ComfyUI| `workflow` | 是（1 张图像，由工作流配置） | 云端使用 `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY` |
| Vydra | `grok-imagine` | 否 | `VYDRA_API_KEY` |
| 提供商 | 默认模型 | 编辑支持 | API 密钥 |
| ------ | -------------------------------- | ---------------------------------- | ------------------------------------------------------ |
| OpenAI | `gpt-image-1` | 是（最多 5 张图像） | `OPENAI_API_KEY` |
| Google | `gemini-3.1-flash-image-preview` | 是 | `GEMINI_API_KEY` 或 `GOOGLE_API_KEY` |
| fal | `fal-ai/flux/dev` | 是 | `FAL_KEY` |
| MiniMax | `image-01` | 是（主体参考） | `MINIMAX_API_KEY` 或 MiniMax OAuth（`minimax-portal`） |
| ComfyUI | `workflow` | 是（1 张图像，由工作流配置） | 云端使用 `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY` |
| Vydra | `grok-imagine` | 否 | `VYDRA_API_KEY` |
使用 `action: "list"` 可在运行时查看可用的提供商和模型：
@ -75,7 +75,9 @@ x-i18n:
| `count` | number | 要生成的图像数量（1–4） |
| `filename` | string | 输出文件名提示 |
并非所有提供商都支持全部参数。当回退提供商支持的是接近的几何选项而不是你精确请求的选项时，OpenClaw 会在提交前重映射到最接近的受支持尺寸、宽高比或分辨率。真正不受支持的覆盖项仍会在工具结果中报告。
并非所有提供商都支持全部参数。当回退提供商支持的是接近的几何选项而不是精确请求的选项时，OpenClaw 会在提交前重新映射到最接近的受支持尺寸、宽高比或分辨率。确实不受支持的覆盖项仍会在工具结果中报告。
工具结果会报告实际应用的设置。当 OpenClaw 在提供商回退期间重新映射几何参数时，返回的 `size`、`aspectRatio` 和 `resolution` 值会反映实际发送的内容，而 `details.normalization` 会记录从请求值到应用值的转换。
## 配置
@ -101,29 +103,33 @@ x-i18n:
1. 工具调用中的 **`model` 参数**（如果智能体指定了）
2. 配置中的 **`imageGenerationModel.primary`**
3. 按顺序使用 **`imageGenerationModel.fallbacks`**
4. **自动检测** —— 仅使用有凭证支持的提供商默认值：
- 当前默认提供商优先
- 其余已注册的图像生成提供商，按 provider-id 顺序
4. **自动检测** —— 仅使用基于认证的提供商默认值：
- 先使用当前默认提供商
- 然后按提供商 ID 顺序使用其余已注册的图像生成提供商
如果某个提供商失败（凭证错误、速率限制等），会自动尝试下一个候选项。如果全部失败，错误中会包含每次尝试的详细信息。
如果某个提供商失败（认证错误、速率限制等），系统会自动尝试下一个候选项。如果全部失败，错误中会包含每次尝试的详细信息。
说明：
- 自动检测会感知凭证状态。只有当 OpenClaw 实际能够验证该提供商时，该提供商默认值才会进入候选列表。
- 自动检测默认启用。如果你希望图像生成只使用显式的 `model`、`primary` 和 `fallbacks` 条目，请设置 `agents.defaults.mediaGenerationAutoProviderFallback: false`。
- 使用 `action: "list"` 查看当前已注册的提供商、它们的默认模型以及凭证环境变量提示。
- 自动检测会感知认证状态。只有当 OpenClaw 实际能够验证该提供商时，
该提供商默认值才会进入候选列表。
- 自动检测默认启用。如果你希望图像生成仅使用显式的 `model`、`primary` 和 `fallbacks`
条目，请设置
`agents.defaults.mediaGenerationAutoProviderFallback: false`。
- 使用 `action: "list"` 可查看当前已注册的提供商、它们的
默认模型以及认证环境变量提示。
### 图像编辑
OpenAI、Google、fal、MiniMax 和 ComfyUI 支持编辑参考图像。传入参考图像路径或 URL：
```
"Generate a watercolor version of this photo" + image: "/path/to/photo.jpg"
"把这张照片生成为水彩风格版本" + image: "/path/to/photo.jpg"
```
OpenAI 和 Google 通过 `images` 参数最多支持 5 张参考图像。fal、MiniMax 和 ComfyUI 支持 1 张。
MiniMax 图像生成可通过两种内置的 MiniMax 凭证路径使用：
MiniMax 图像生成可通过两种内置的 MiniMax 认证路径使用：
- `minimax/image-01`，用于 API 密钥配置
- `minimax-portal/image-01`，用于 OAuth 配置
@ -132,7 +138,7 @@ MiniMax 图像生成可通过两种内置的 MiniMax 凭证路径使用：
| 能力 | OpenAI | Google | fal | MiniMax | ComfyUI | Vydra |
| --------------------- | -------------------- | -------------------- | ------------------- | -------------------------- | ---------------------------------- | ------- |
| 生成 | 是（最多 4 张） | 是（最多 4 张） | 是（最多 4 张） | 是（最多 9 张） | 是（由工作流定义输出） | 是（1 张） |
| 生成 | 是（最多 4 张） | 是（最多 4 张） | 是（最多 4 张） | 是（最多 9 张） | 是（输出由工作流定义） | 是（1 张） |
| 编辑/参考 | 是（最多 5 张图像） | 是（最多 5 张图像） | 是（1 张图像） | 是（1 张图像，主体参考） | 是（1 张图像，由工作流配置） | 否 |
| 尺寸控制 | 是 | 是 | 是 | 否 | 否 | 否 |
| 宽高比 | 否 | 是 | 是（仅生成） | 是 | 否 | 否 |
@ -140,12 +146,12 @@ MiniMax 图像生成可通过两种内置的 MiniMax 凭证路径使用：
## 相关内容
- [工具概览](/zh-CN/tools) —— 所有可用的智能体工具
- [fal](/zh-CN/providers/fal) —— fal 图像和视频提供商设置
- [ComfyUI](/zh-CN/providers/comfy) —— 本地 ComfyUI 和 Comfy Cloud 工作流设置
- [Google (Gemini)](/zh-CN/providers/google) —— Gemini 图像提供商设置
- [MiniMax](/zh-CN/providers/minimax) —— MiniMax 图像提供商设置
- [OpenAI](/zh-CN/providers/openai) —— OpenAI Images 提供商设置
- [Vydra](/zh-CN/providers/vydra) —— Vydra 图像、视频和语音设置
- [配置参考](/zh-CN/gateway/configuration-reference#agent-defaults) —— `imageGenerationModel` 配置
- [模型](/zh-CN/concepts/models) —— 模型配置和故障切换
- [工具概览](/zh-CN/tools) — 所有可用的智能体工具
- [fal](/zh-CN/providers/fal) — fal 图像和视频提供商设置
- [ComfyUI](/zh-CN/providers/comfy) — 本地 ComfyUI 和 Comfy Cloud 工作流设置
- [Google (Gemini)](/zh-CN/providers/google) — Gemini 图像提供商设置
- [MiniMax](/zh-CN/providers/minimax) — MiniMax 图像提供商设置
- [OpenAI](/zh-CN/providers/openai) — OpenAI Images 提供商设置
- [Vydra](/zh-CN/providers/vydra) — Vydra 图像、视频和语音设置
- [配置参考](/zh-CN/gateway/configuration-reference#agent-defaults) — `imageGenerationModel` 配置
- [模型](/zh-CN/concepts/models) — 模型配置和故障转移

132
docs/zh-CN/tools/music-generation.md
View File

@ -1,27 +1,27 @@
---
read_when:
- 通过智能体生成音乐或音频
- 配置音乐生成提供商和模型
- 了解 `music_generate` 工具参数
- 通过智能体生成音乐或音频时
- 配置音乐生成提供商和模型时
- 了解 `music_generate` 工具参数时
summary: 通过共享提供商生成音乐，包括基于工作流的插件
title: 音乐生成
x-i18n:
generated_at: "2026-04-06T22:24:58Z"
generated_at: "2026-04-06T22:52:28Z"
model: gpt-5.4
provider: openai
source_hash: 3b45ce03388e26e2e332851d2460bdf88661bf584d156f5f0b25aac4cde4d059
source_hash: ce8da8dfc188efe8593ca5cbec0927dd1d18d2861a1a828df89c8541ccf1cb25
source_path: tools/music-generation.md
workflow: 15
---
# 音乐生成
`music_generate` 工具让智能体能够通过共享音乐生成能力，借助已配置的提供商（例如 Google、MiniMax 和通过工作流配置的 ComfyUI）创建音乐或音频。
`music_generate` 工具允许智能体通过共享音乐生成功能，使用已配置的提供商（例如 Google、MiniMax 和通过工作流配置的 ComfyUI）来创建音乐或音频。
对于由共享提供商支持的智能体会话，OpenClaw 会将音乐生成作为后台任务启动，在任务台账中跟踪它，然后在音轨准备就绪后再次唤醒智能体，以便智能体将完成的音频发布回原始渠道。
对于由共享提供商支持的智能体会话，OpenClaw 会将音乐生成作为后台任务启动，在任务账本中跟踪它，然后在音轨准备好后再次唤醒智能体，以便智能体将完成的音频发回原始渠道。
<Note>
只有在至少有一个音乐生成提供商可用时，内置共享工具才会出现。如果你在智能体工具中看不到 `music_generate`，请配置 `agents.defaults.musicGenerationModel` 或设置提供商 API 密钥。
只有当至少有一个音乐生成提供商可用时，内置共享工具才会显示。如果你在智能体工具中看不到 `music_generate`，请配置 `agents.defaults.musicGenerationModel` 或设置提供商 API 密钥。
</Note>
## 快速开始
@ -43,9 +43,9 @@ x-i18n:
}
```
3. 向智能体提问：_“生成一段关于夜晚驾驶穿过霓虹都市的欢快 synthpop 音轨。”_
3. 向智能体提问：_“生成一首关于夜间驾车穿越霓虹城市的欢快 synthpop 音轨。”_
智能体会自动调用 `music_generate`。不需要工具允许列表。
智能体会自动调用 `music_generate`。无需工具允许列表。
对于没有会话支持的智能体运行的直接同步上下文，内置工具仍会回退为内联生成，并在工具结果中返回最终媒体路径。
@ -59,13 +59,13 @@ Generate a cinematic piano track with soft strings and no vocals.
Generate an energetic chiptune loop about launching a rocket at sunrise.
```
### 由工作流驱动的 Comfy 生成
### 工作流驱动的 Comfy 生成
内置的 `comfy` 插件通过音乐生成提供商注册表接入共享 `music_generate` 工具。
内置的 `comfy` 插件通过音乐生成提供商注册表接入共享的 `music_generate` 工具。
1. 使用工作流 JSON 以及提示词/输出节点配置 `models.providers.comfy.music`。
2. 如果你使用 Comfy Cloud，请设置 `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY`。
3. 向智能体请求生成音乐，或直接调用该工具。
3. 请求智能体生成音乐，或直接调用该工具。
示例：
@ -78,26 +78,26 @@ Generate an energetic chiptune loop about launching a rocket at sunrise.
| 提供商 | 默认模型 | 参考输入 | 支持的控制项 | API 密钥 |
| ------ | ---------------------- | ------------- | --------------------------------------------------------- | -------------------------------------- |
| ComfyUI | `workflow` | 最多 1 张图片 | 由工作流定义的音乐或音频 | `COMFY_API_KEY`, `COMFY_CLOUD_API_KEY` |
| Google | `lyria-3-clip-preview` | 最多 10 张图片 | `lyrics`、`instrumental`、`format` | `GEMINI_API_KEY`, `GOOGLE_API_KEY` |
| MiniMax | `music-2.5+` | 无 | `lyrics`、`instrumental`、`durationSeconds`、`format=mp3` | `MINIMAX_API_KEY` |
| Google | `lyria-3-clip-preview` | 最多 10 张图片 | `lyrics`, `instrumental`, `format` | `GEMINI_API_KEY`, `GOOGLE_API_KEY` |
| MiniMax | `music-2.5+` | 无 | `lyrics`, `instrumental`, `durationSeconds`, `format=mp3` | `MINIMAX_API_KEY` |
### 已声明的能力矩阵
这是 `music_generate`、契约测试和共享实时扫描所使用的显式模式契约。
这是 `music_generate`、契约测试以及共享实时扫描所使用的显式模式契约。
| 提供商 | `generate` | `edit` | 编辑上限 | 共享实时测试通道 |
| ------ | ---------- | ------ | ---------- | ---------------------------------------------------------------------- |
| ComfyUI | 是 | 是 | 1 张图片 | 不在共享扫描中；由 `extensions/comfy/comfy.live.test.ts` 覆盖 |
| Google | 是 | 是 | 10 张图片 | `generate`、`edit` |
| MiniMax | 是 | 否 | 无 | `generate` |
| 提供商 | `generate` | `edit` | 编辑上限 | 共享实时通道 |
| ------ | ---------- | ------ | ---------- | ------------------------------------------------------------------------ |
| ComfyUI | 是 | 是 | 1 张图片 | 不在共享扫描中；由 `extensions/comfy/comfy.live.test.ts` 覆盖 |
| Google | 是 | 是 | 10 张图片 | `generate`, `edit` |
| MiniMax | 是 | 否 | 无 | `generate` |
使用 `action: "list"` 可在运行时检查可用的共享提供商和模型：
使用 `action: "list"` 可在运行时查看可用的共享提供商和模型：
```text
/tool music_generate action=list
```
使用 `action: "status"` 可检查当前由会话支持的活动音乐任务：
使用 `action: "status"` 可查看当前由会话支持的活动音乐任务：
```text
/tool music_generate action=status
@ -111,39 +111,41 @@ Generate an energetic chiptune loop about launching a rocket at sunrise.
## 内置工具参数
| 参数 | 类型 | 描述 |
| ----------------- | -------- | ------------------------------------------------------------------------------------------------ |
| `prompt` | string | 音乐生成提示词（`action: "generate"` 时必填） |
| `action` | string | `"generate"`（默认）、当前会话任务的 `"status"`，或用于检查提供商的 `"list"` |
| `model` | string | 提供商/模型覆盖，例如 `google/lyria-3-pro-preview` 或 `comfy/workflow` |
| `lyrics` | string | 当提供商支持显式歌词输入时，可选的歌词 |
| `instrumental` | boolean | 当提供商支持时，请求仅器乐输出 |
| `image` | string | 单个参考图片路径或 URL |
| `images` | string[] | 多个参考图片（最多 10 张） |
| `durationSeconds` | number | 当提供商支持时长提示时，以秒为单位的目标时长 |
| `format` | string | 当提供商支持时，输出格式提示（`mp3` 或 `wav`） |
| `filename` | string | 输出文件名提示 |
| 参数 | 类型 | 描述 |
| ----------------- | -------- | ---------------------------------------------------------------------------------------------- |
| `prompt` | string | 音乐生成提示词（`action: "generate"` 时必填） |
| `action` | string | `"generate"`（默认）、当前会话任务的 `"status"`，或用于查看提供商的 `"list"` |
| `model` | string | 提供商/模型覆盖值，例如 `google/lyria-3-pro-preview` 或 `comfy/workflow` |
| `lyrics` | string | 当提供商支持显式歌词输入时，可选的歌词 |
| `instrumental` | boolean | 当提供商支持时，请求仅器乐输出 |
| `image` | string | 单个参考图片路径或 URL |
| `images` | string[] | 多个参考图片（最多 10 张） |
| `durationSeconds` | number | 当提供商支持时，以秒为单位的目标时长提示 |
| `format` | string | 当提供商支持时的输出格式提示（`mp3` 或 `wav`） |
| `filename` | string | 输出文件名提示 |
并非所有提供商都支持所有参数。OpenClaw 仍会在提交前验证硬性限制，例如输入数量。当提供商支持时长但其最大值短于请求值时，OpenClaw 会自动限制到最接近的受支持时长。对于真正不支持的可选提示，如果所选提供商或模型无法满足，会在给出警告后忽略。
并非所有提供商都支持所有参数。OpenClaw 仍会在提交前验证输入数量等硬性限制。当提供商支持时长但其最大值短于请求值时，OpenClaw 会自动限制到最接近的受支持时长。对于真正不受支持的可选提示，当所选提供商或模型无法处理时，会忽略这些提示并给出警告。
工具结果会报告实际应用的设置。当 OpenClaw 在提供商回退期间限制时长时，返回的 `durationSeconds` 反映的是已提交的值，而 `details.normalization.durationSeconds` 会显示从请求值到实际应用值的映射。
## 共享提供商支持路径的异步行为
- 由会话支持的智能体运行：`music_generate` 会创建一个后台任务，立即返回 started/task 响应，并稍后在后续智能体消息中发布完成的音轨。
- 防止重复：当该后台任务仍处于 `queued` 或 `running` 状态时，同一会话中后续的 `music_generate` 调用会返回任务状态，而不是启动另一次生成。
- 状态查询：使用 `action: "status"` 可检查当前由会话支持的活动音乐任务，而不会启动新任务。
- 任务跟踪：使用 `openclaw tasks list` 或 `openclaw tasks show <taskId>` 检查生成任务的排队、运行中和终态状态。
- 完成唤醒：OpenClaw 会将内部完成事件注入回同一会话，让模型自行写出面向用户的后续回复。
- 提示词提醒：当某个音乐任务已经在处理中时，同一会话中的后续用户/手动轮次会收到一个小型运行时提示，这样模型就不会盲目再次调用 `music_generate`。
- 无会话回退：没有真实智能体会话的直接/本地上下文仍会以内联方式运行，并在同一轮中返回最终音频结果。
- 由会话支持的智能体运行：`music_generate` 会创建一个后台任务，立即返回 started/task 响应，并在稍后的后续智能体消息中发布完成的音轨。
- 防重复：当该后台任务仍为 `queued` 或 `running` 时，同一会话中后续的 `music_generate` 调用会返回任务状态，而不是启动新的生成。
- 状态查询：使用 `action: "status"` 可查看当前由会话支持的活动音乐任务，而不会启动新任务。
- 任务跟踪：使用 `openclaw tasks list` 或 `openclaw tasks show <taskId>` 可查看该生成任务的排队、运行中和终态状态。
- 完成唤醒：OpenClaw 会将一个内部完成事件注入回同一会话，以便模型自行编写面向用户的后续消息。
- 提示词提示：当同一会话中已经有音乐任务在进行时，后续用户/手动轮次会收到一个小型运行时提示，这样模型就不会盲目再次调用 `music_generate`。
- 无会话回退：在没有真实智能体会话的直接/本地上下文中，仍会以内联方式运行，并在同一轮中返回最终音频结果。
### 任务生命周期
每个 `music_generate` 请求都会经历四个状态：
每个 `music_generate` 请求都会经历四种状态：
1. **queued** -- 任务已创建，等待提供商接受。
1. **queued** -- 任务已创建，正在等待提供商接受。
2. **running** -- 提供商正在处理（通常为 30 秒到 3 分钟，取决于提供商和时长）。
3. **succeeded** -- 音轨已就绪；智能体被唤醒并将其发布到对话中。
4. **failed** -- 提供商错误或超时；智能体会带着错误详情被唤醒。
4. **failed** -- 提供商错误或超时；智能体被唤醒并附带错误详情。
从 CLI 检查状态：
@ -153,7 +155,7 @@ openclaw tasks show <taskId>
openclaw tasks cancel <taskId>
```
防止重复：如果当前会话的音乐任务已处于 `queued` 或 `running` 状态，`music_generate` 会返回现有任务状态，而不是启动新任务。使用 `action: "status"` 可以显式检查，而不触发新的生成。
防重复：如果当前会话的音乐任务已经处于 `queued` 或 `running` 状态，`music_generate` 会返回现有任务状态，而不是启动新任务。使用 `action: "status"` 可在不触发新生成的情况下显式检查。
## 配置
@ -176,31 +178,31 @@ openclaw tasks cancel <taskId>
生成音乐时，OpenClaw 会按以下顺序尝试提供商：
1. 工具调用中的 `model` 参数（如果智能体指定了该参数）
1. 工具调用中的 `model` 参数（如果智能体指定了）
2. 配置中的 `musicGenerationModel.primary`
3. 按顺序使用 `musicGenerationModel.fallbacks`
4. 仅使用基于凭证的提供商默认值进行自动检测：
- 当前默认提供商优先
- 剩余已注册的音乐生成提供商，按 provider-id 顺序
- 其余已注册的音乐生成提供商按 provider-id 顺序
如果某个提供商失败，会自动尝试下一个候选项。如果全部失败，错误信息会包含每次尝试的详情。
如果某个提供商失败，会自动尝试下一个候选项。如果全部失败，错误中会包含每次尝试的详情。
如果你希望音乐生成只使用显式的 `model`、`primary` 和 `fallbacks` 条目，请设置 `agents.defaults.mediaGenerationAutoProviderFallback: false`。
如果你希望音乐生成仅使用显式的 `model`、`primary` 和 `fallbacks` 条目，请设置 `agents.defaults.mediaGenerationAutoProviderFallback: false`。
## 提供商说明
- Google 使用 Lyria 3 批量生成。当前内置流程支持提示词、可选歌词文本和可选参考图片。
- MiniMax 使用批量 `music_generation` 端点。当前内置流程支持提示词、可选歌词、器乐模式、时长控制和 mp3 输出。
- ComfyUI 支持由工作流驱动，并取决于已配置的图以及提示词/输出字段的节点映射。
- MiniMax 使用批量 `music_generation` 端点。当前内置流程支持提示词、可选歌词、器乐模式、时长引导和 mp3 输出。
- ComfyUI 支持由工作流驱动，并依赖已配置的图以及提示词/输出字段的节点映射。
## 提供商能力模式
共享音乐生成契约现在支持显式模式声明：
- `generate` 用于仅基于提示词的生成
- 当请求包含一个或多个参考图片时，使用 `edit`
- 当请求包含一个或多个参考图片时使用 `edit`
新的提供商实现应优先使用显式模式块：
新的提供商实现应优先采用显式模式块：
```typescript
capabilities: {
@ -218,17 +220,17 @@ capabilities: {
}
```
像 `maxInputImages`、`supportsLyrics` 和 `supportsFormat` 这样的旧版平面字段，不足以声明编辑支持。提供商应显式声明 `generate` 和 `edit`，以便实时测试、契约测试以及共享 `music_generate` 工具能够以确定性的方式验证模式支持。
旧版平面字段（例如 `maxInputImages`、`supportsLyrics` 和 `supportsFormat`）不足以声明编辑支持。提供商应显式声明 `generate` 和 `edit`，以便实时测试、契约测试以及共享 `music_generate` 工具能够以确定性方式验证模式支持。
## 选择合适的路径
- 当你需要模型选择、提供商故障切换以及内置异步任务/状态流时，请使用共享提供商支持路径。
- 当你需要自定义工作流图，或需要使用不属于共享内置音乐能力的提供商时，请使用插件路径，例如 ComfyUI。
- 如果你在调试 ComfyUI 特定行为，请参阅 [ComfyUI](/zh-CN/providers/comfy)。如果你在调试共享提供商行为，请从 [Google (Gemini)](/zh-CN/providers/google) 或 [MiniMax](/zh-CN/providers/minimax) 开始。
- 当你需要模型选择、提供商故障转移以及内置异步任务/状态流程时，请使用共享提供商支持路径。
- 当你需要自定义工作流图，或需要不属于共享内置音乐能力的提供商时，请使用插件路径，例如 ComfyUI。
- 如果你正在调试 ComfyUI 特定行为，请参阅 [ComfyUI](/zh-CN/providers/comfy)。如果你正在调试共享提供商行为，请先从 [Google (Gemini)](/zh-CN/providers/google) 或 [MiniMax](/zh-CN/providers/minimax) 开始。
## 实时测试
共享内置提供商的可选实时覆盖：
共享内置提供商的选择加入式实时覆盖：
```bash
OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/music-generation-providers.live.test.ts
@ -240,7 +242,7 @@ OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/music-generation-providers.liv
pnpm test:live:media music
```
该实时测试文件会从 `~/.profile` 加载缺失的提供商环境变量，默认优先使用实时/环境 API 密钥而不是已存储的认证配置文件，并在提供商启用编辑模式时运行 `generate` 和已声明的 `edit` 覆盖。
此实时文件会从 `~/.profile` 加载缺失的提供商环境变量，默认优先使用实时/环境 API 密钥而不是存储的凭证配置文件，并在提供商启用编辑模式时同时运行 `generate` 和已声明的 `edit` 覆盖。
当前这意味着：
@ -248,20 +250,20 @@ pnpm test:live:media music
- `minimax`：仅 `generate`
- `comfy`：单独的 Comfy 实时覆盖，不属于共享提供商扫描
内置 ComfyUI 音乐路径的可选实时覆盖：
内置 ComfyUI 音乐路径的选择加入式实时覆盖：
```bash
OPENCLAW_LIVE_TEST=1 COMFY_LIVE_TEST=1 pnpm test:live -- extensions/comfy/comfy.live.test.ts
```
如果相关部分已配置，Comfy 实时测试文件还会覆盖 comfy 图片和视频工作流。
当这些部分已配置时，Comfy 实时文件还会覆盖 comfy 图片和视频工作流。
## 相关内容
- [后台任务](/zh-CN/automation/tasks) - 分离式 `music_generate` 运行的任务跟踪
- [后台任务](/zh-CN/automation/tasks) - 用于分离式 `music_generate` 运行的任务跟踪
- [配置参考](/zh-CN/gateway/configuration-reference#agent-defaults) - `musicGenerationModel` 配置
- [ComfyUI](/zh-CN/providers/comfy)
- [Google (Gemini)](/zh-CN/providers/google)
- [MiniMax](/zh-CN/providers/minimax)
- [模型](/zh-CN/concepts/models) - 模型配置和故障切换
- [模型](/zh-CN/concepts/models) - 模型配置和故障转移
- [工具概览](/zh-CN/tools)

211
docs/zh-CN/tools/video-generation.md
View File

@ -3,33 +3,32 @@ read_when:
- 通过智能体生成视频
- 配置视频生成提供商和模型
- 了解 `video_generate` 工具参数
summary: 使用 12 个提供商后端，从文本、图片或现有视频生成视频
summary: 使用 12 个提供商后端，通过文本、图片或现有视频生成视频
title: 视频生成
x-i18n:
generated_at: "2026-04-06T22:25:20Z"
generated_at: "2026-04-06T22:52:40Z"
model: gpt-5.4
provider: openai
source_hash: 59f65bf406cbf2b858523f94461251ee93c1f270cdd63dbe796e55f620574951
source_hash: bf1224c59a5f1217f56cf2001870aca710a09268677dcd12aad2efbe476e47b7
source_path: tools/video-generation.md
workflow: 15
---
# 视频生成
OpenClaw 智能体可以根据文本提示、参考图片或现有视频生成视频。支持 12 个提供商后端，每个后端具有不同的模型选项、输入模式和功能集。智能体会根据你的配置和可用的 API 密钥自动选择合适的提供商。
OpenClaw 智能体可以根据文本提示、参考图片或现有视频生成视频。支持 12 个提供商后端，每个后端都有不同的模型选项、输入模式和功能集。智能体会根据你的配置和可用的 API 密钥自动选择合适的提供商。
<Note>
仅当至少有一个视频生成提供商可用时，`video_generate` 工具才会显示。如果你在智能体工具中看不到它，请设置提供商 API 密钥或配置 `agents.defaults.videoGenerationModel`。
只有在至少有一个视频生成提供商可用时，`video_generate` 工具才会显示。如果你没有在智能体工具中看到它，请设置提供商 API 密钥或配置 `agents.defaults.videoGenerationModel`。
</Note>
OpenClaw 将视频生成视为三种运行时模式：
- `generate` 用于没有参考媒体的文生视频请求
- `imageToVideo` 用于请求包含一个或多个参考图片时
- `videoToVideo` 用于请求包含一个或多个参考视频时
- `generate`：用于没有参考媒体的文生视频请求
- `imageToVideo`：当请求包含一个或多个参考图片时使用
- `videoToVideo`：当请求包含一个或多个参考视频时使用
提供商可以支持这些模式中的任意子集。该工具会在提交前验证当前
模式，并在 `action=list` 中报告支持的模式。
提供商可以支持这些模式中的任意子集。工具会在提交前验证当前模式，并在 `action=list` 中报告支持的模式。
## 快速开始
@ -47,31 +46,31 @@ openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1
3. 向智能体发出请求：
> 生成一个 5 秒钟的电影感视频，内容是一只友好的龙虾在日落时分冲浪。
> 生成一段 5 秒钟的电影感视频，内容是一只友善的龙虾在夕阳下冲浪。
智能体会自动调用 `video_generate`。无需配置工具 allowlist。
智能体会自动调用 `video_generate`。无需对工具进行 allowlist 配置。
## 生成视频时会发生什么
## 当你生成视频时会发生什么
视频生成是异步的。当智能体在一个会话中调用 `video_generate` 时：
视频生成是异步的。当智能体在会话中调用 `video_generate` 时：
1. OpenClaw 会将请求提交给提供商，并立即返回一个任务 ID。
2. 提供商会在后台处理该任务（通常需要 30 秒到 5 分钟，具体取决于提供商和分辨率）。
3. 当视频准备就绪时，OpenClaw 会通过内部完成事件唤醒同一会话。
4. 智能体会将生成完成的视频发布回原始对话中。
3. 当视频准备好后，OpenClaw 会通过内部完成事件唤醒同一个会话。
4. 智能体会将生成完成的视频发回原始对话中。
当任务正在进行时，同一会话中的重复 `video_generate` 调用不会启动新的生成，而是返回当前任务状态。使用 `openclaw tasks list` 或 `openclaw tasks show <taskId>` 可以通过 CLI 查看进度。
当任务正在处理中时，在同一会话中重复调用 `video_generate` 不会启动新的生成任务，而是返回当前任务状态。你可以使用 `openclaw tasks list` 或 `openclaw tasks show <taskId>` 在 CLI 中检查进度。
在没有会话支持的智能体运行场景之外（例如直接调用工具），该工具会回退为内联生成，并在同一轮中返回最终媒体路径。
在没有会话支撑的智能体运行之外（例如直接调用工具），该工具会回退为内联生成，并在同一轮中返回最终媒体路径。
### 任务生命周期
每个 `video_generate` 请求会经历四种状态：
每个 `video_generate` 请求都会经过四个状态：
1. **queued** -- 任务已创建，正在等待提供商接受。
1. **queued** -- 任务已创建，等待提供商接受。
2. **running** -- 提供商正在处理（通常需要 30 秒到 5 分钟，具体取决于提供商和分辨率）。
3. **succeeded** -- 视频已就绪；智能体会被唤醒并将其发布到对话中。
4. **failed** -- 提供商错误或超时；智能体会被唤醒并附带错误详情。
4. **failed** -- 提供商错误或超时；智能体会带着错误详情被唤醒。
通过 CLI 检查状态：
@ -81,62 +80,60 @@ openclaw tasks show <taskId>
openclaw tasks cancel <taskId>
```
防止重复：如果当前会话已有视频任务处于 `queued` 或 `running` 状态，`video_generate` 会返回现有任务状态，而不是启动新任务。使用 `action: "status"` 可以显式查询状态，而不会触发新的生成。
防止重复：如果当前会话已有视频任务处于 `queued` 或 `running` 状态，`video_generate` 会返回现有任务状态，而不是启动新任务。使用 `action: "status"` 可以显式检查状态，而不会触发新的生成。
## 支持的提供商
| 提供商 | 默认模型 | 文本 | 图片参考 | 视频参考 | API 密钥 |
| ------ | ------------------------------- | ---- | ----------------- | ---------------- | ---------------------------------------- |
| Alibaba | `wan2.6-t2v` | 是 | 是（远程 URL） | 是（远程 URL） | `MODELSTUDIO_API_KEY` |
| BytePlus（国际版） | `seedance-1-0-lite-t2v-250428` | 是 | 1 张图片 | 否 | `BYTEPLUS_API_KEY` |
| ComfyUI | `workflow` | 是 | 1 张图片 | 否 | `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY` |
| fal | `fal-ai/minimax/video-01-live` | 是 | 1 张图片 | 否 | `FAL_KEY` |
| Google | `veo-3.1-fast-generate-preview` | 是 | 1 张图片 | 1 个视频 | `GEMINI_API_KEY` |
| MiniMax | `MiniMax-Hailuo-2.3` | 是 | 1 张图片 | 否 | `MINIMAX_API_KEY` |
| OpenAI | `sora-2` | 是 | 1 张图片 | 1 个视频 | `OPENAI_API_KEY` |
| Qwen | `wan2.6-t2v` | 是 | 是（远程 URL） | 是（远程 URL） | `QWEN_API_KEY` |
| Runway | `gen4.5` | 是 | 1 张图片 | 1 个视频 | `RUNWAYML_API_SECRET` |
| Together | `Wan-AI/Wan2.2-T2V-A14B` | 是 | 1 张图片 | 否 | `TOGETHER_API_KEY` |
| Vydra | `veo3` | 是 | 1 张图片（`kling`） | 否 | `VYDRA_API_KEY` |
| xAI | `grok-imagine-video` | 是 | 1 张图片 | 1 个视频 | `XAI_API_KEY` |
| ------ | ------------------------------- | ---- | ----------------- | ---------------- | ----------------------------------------- |
| Alibaba | `wan2.6-t2v` | 是 | 是（远程 URL） | 是（远程 URL） | `MODELSTUDIO_API_KEY` |
| BytePlus | `seedance-1-0-lite-t2v-250428` | 是 | 1 张图片 | 否 | `BYTEPLUS_API_KEY` |
| ComfyUI | `workflow` | 是 | 1 张图片 | 否 | `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY` |
| fal | `fal-ai/minimax/video-01-live` | 是 | 1 张图片 | 否 | `FAL_KEY` |
| Google | `veo-3.1-fast-generate-preview` | 是 | 1 张图片 | 1 个视频 | `GEMINI_API_KEY` |
| MiniMax | `MiniMax-Hailuo-2.3` | 是 | 1 张图片 | 否 | `MINIMAX_API_KEY` |
| OpenAI | `sora-2` | 是 | 1 张图片 | 1 个视频 | `OPENAI_API_KEY` |
| Qwen | `wan2.6-t2v` | 是 | 是（远程 URL） | 是（远程 URL） | `QWEN_API_KEY` |
| Runway | `gen4.5` | 是 | 1 张图片 | 1 个视频 | `RUNWAYML_API_SECRET` |
| Together | `Wan-AI/Wan2.2-T2V-A14B` | 是 | 1 张图片 | 否 | `TOGETHER_API_KEY` |
| Vydra | `veo3` | 是 | 1 张图片（`kling`） | 否 | `VYDRA_API_KEY` |
| xAI | `grok-imagine-video` | 是 | 1 张图片 | 1 个视频 | `XAI_API_KEY` |
某些提供商接受额外或替代的 API 密钥环境变量。详情请参阅各个[提供商页面](#related)。
某些提供商接受额外或替代的 API 密钥环境变量。详情请参见各个[提供商页面](#related)。
运行 `video_generate action=list` 可在运行时检查可用的提供商、模型和
运行时模式。
运行 `video_generate action=list` 可在运行时检查可用的提供商、模型和运行时模式。
### 声明的能力矩阵
### 声明式能力矩阵
这是 `video_generate`、契约测试
以及共享 live sweep 使用的显式模式契约。
这是 `video_generate`、契约测试和共享实时扫描所使用的显式模式契约。
| 提供商 | `generate` | `imageToVideo` | `videoToVideo` | 当前共享 live 通道 |
| ------ | ---------- | -------------- | -------------- | ---------------------------------------------------------------------------------------------------------------------------------------- |
| Alibaba | 是 | 是 | 是 | `generate`、`imageToVideo`；`videoToVideo` 被跳过，因为该提供商需要远程 `http(s)` 视频 URL |
| BytePlus（国际版） | 是 | 是 | 否 | `generate`、`imageToVideo` |
| ComfyUI | 是 | 是 | 否 | 不在共享 sweep 中；特定于 workflow 的覆盖位于 Comfy 测试中 |
| fal | 是 | 是 | 否 | `generate`、`imageToVideo` |
| Google | 是 | 是 | 是 | `generate`、`imageToVideo`；共享 `videoToVideo` 被跳过，因为当前基于 buffer 的 Gemini/Veo sweep 不接受该输入 |
| MiniMax | 是 | 是 | 否 | `generate`、`imageToVideo` |
| OpenAI | 是 | 是 | 是 | `generate`、`imageToVideo`；共享 `videoToVideo` 被跳过，因为此组织/输入路径当前需要提供商侧 inpaint/remix 访问 |
| Qwen | 是 | 是 | 是 | `generate`、`imageToVideo`；`videoToVideo` 被跳过，因为该提供商需要远程 `http(s)` 视频 URL |
| Runway | 是 | 是 | 是 | `generate`、`imageToVideo`；仅当所选模型为 `runway/gen4_aleph` 时才运行 `videoToVideo` |
| Together | 是 | 是 | 否 | `generate`、`imageToVideo` |
| Vydra | 是 | 是 | 否 | `generate`；共享 `imageToVideo` 被跳过，因为内置 `veo3` 仅支持文本，而内置 `kling` 需要远程图片 URL |
| xAI | 是 | 是 | 是 | `generate`、`imageToVideo`；`videoToVideo` 被跳过，因为该提供商当前需要远程 MP4 URL |
| 提供商 | `generate` | `imageToVideo` | `videoToVideo` | 当前共享实时通道 |
| ------ | ---------- | -------------- | -------------- | ------------------------------------------------------------------------------------------------------------------------------------- |
| Alibaba | 是 | 是 | 是 | `generate`、`imageToVideo`；跳过 `videoToVideo`，因为该提供商需要远程 `http(s)` 视频 URL |
| BytePlus | 是 | 是 | 否 | `generate`、`imageToVideo` |
| ComfyUI | 是 | 是 | 否 | 不在共享扫描中；特定于工作流的覆盖由 Comfy 测试负责 |
| fal | 是 | 是 | 否 | `generate`、`imageToVideo` |
| Google | 是 | 是 | 是 | `generate`、`imageToVideo`；共享 `videoToVideo` 已跳过，因为当前基于缓冲区的 Gemini/Veo 扫描不接受该输入 |
| MiniMax | 是 | 是 | 否 | `generate`、`imageToVideo` |
| OpenAI | 是 | 是 | 是 | `generate`、`imageToVideo`；共享 `videoToVideo` 已跳过，因为当前此组织/输入路径需要提供商侧的 inpaint/remix 访问权限 |
| Qwen | 是 | 是 | 是 | `generate`、`imageToVideo`；跳过 `videoToVideo`，因为该提供商需要远程 `http(s)` 视频 URL |
| Runway | 是 | 是 | 是 | `generate`、`imageToVideo`；仅当所选模型为 `runway/gen4_aleph` 时才运行 `videoToVideo` |
| Together | 是 | 是 | 否 | `generate`、`imageToVideo` |
| Vydra | 是 | 是 | 否 | `generate`；共享 `imageToVideo` 已跳过，因为内置 `veo3` 仅支持文本，而内置 `kling` 需要远程图片 URL |
| xAI | 是 | 是 | 是 | `generate`、`imageToVideo`；跳过 `videoToVideo`，因为该提供商目前需要远程 MP4 URL |
## 工具参数
### 必填
| 参数 | 类型 | 说明 |
| ---- | ------ | ---------------------------------------------------------------------------- |
| `prompt` | string | 要生成的视频的文本描述（`action: "generate"` 时必填） |
| 参数 | 类型 | 描述 |
| --------- | ------ | ------------------------------------------------------------------------- |
| `prompt` | string | 要生成的视频文本描述（`action: "generate"` 时必填） |
### 内容输入
| 参数 | 类型 | 说明 |
| ---- | -------- | ---------------------------- |
| 参数 | 类型 | 描述 |
| --------- | -------- | ---------------------------- |
| `image` | string | 单个参考图片（路径或 URL） |
| `images` | string[] | 多个参考图片（最多 5 张） |
| `video` | string | 单个参考视频（路径或 URL） |
@ -144,53 +141,54 @@ openclaw tasks cancel <taskId>
### 样式控制
| 参数 | 类型 | 说明 |
| ---- | ------- | ------------------------------------------------------------------------ |
| 参数 | 类型 | 描述 |
| ----------------- | ------- | ------------------------------------------------------------------------ |
| `aspectRatio` | string | `1:1`、`2:3`、`3:2`、`3:4`、`4:3`、`4:5`、`5:4`、`9:16`、`16:9`、`21:9` |
| `resolution` | string | `480P`、`720P`、`768P` 或 `1080P` |
| `durationSeconds` | number | 目标时长（秒）（会四舍五入到最接近的提供商支持值） |
| `resolution` | string | `480P`、`720P`、`768P` 或 `1080P` |
| `durationSeconds` | number | 目标时长（秒，四舍五入到最接近的提供商支持值） |
| `size` | string | 当提供商支持时使用的尺寸提示 |
| `audio` | boolean | 在支持时启用生成音频 |
| `watermark` | boolean | 在支持时切换提供商水印 |
### 高级
| 参数 | 类型 | 说明 |
| ---- | ------ | ----------------------------------------------- |
| `action` | string | `"generate"`（默认）、`"status"` 或 `"list"` |
| `model` | string | 提供商/模型覆盖（例如 `runway/gen4.5`） |
| `filename` | string | 输出文件名提示 |
| 参数 | 类型 | 描述 |
| ---------- | ------ | ----------------------------------------------- |
| `action` | string | `"generate"`（默认）、`"status"` 或 `"list"` |
| `model` | string | 提供商/模型覆盖（例如 `runway/gen4.5`） |
| `filename` | string | 输出文件名提示 |
并非所有提供商都支持所有参数。OpenClaw 已经会将时长规范化到最接近的提供商支持值，并且当回退提供商暴露出不同的控制面时，它也会重新映射已转换的几何提示，例如从 size 到 aspect-ratio。真正不受支持的覆盖项会尽力忽略，并在工具结果中作为警告报告。硬性能力限制（例如参考输入过多）会在提交前失败。
并非所有提供商都支持所有参数。OpenClaw 已经会将时长规范化到最接近的提供商支持值，也会在回退提供商暴露不同控制面时，重映射诸如尺寸到宽高比之类的几何提示。真正不受支持的覆盖项会尽力忽略，并在工具结果中报告为警告。硬性能力限制（例如参考输入过多）会在提交前直接失败。
参考输入还会选择运行时模式：
工具结果会报告实际应用的设置。当 OpenClaw 在提供商回退期间重映射时长或几何参数时，返回的 `durationSeconds`、`size`、`aspectRatio` 和 `resolution` 值反映的是实际提交的内容，而 `details.normalization` 会记录从请求值到应用值的转换。
- 无参考媒体：`generate`
参考输入还会决定运行时模式：
- 没有参考媒体：`generate`
- 任意图片参考：`imageToVideo`
- 任意视频参考：`videoToVideo`
混合图片和视频参考并不是稳定的共享能力表面。
每次请求最好仅使用一种参考类型。
混合图片和视频参考并不是稳定的共享能力面。
建议每次请求只使用一种参考类型。
## 操作
- **generate**（默认）-- 根据给定提示和可选参考输入生成视频。
- **generate**（默认）-- 根据给定提示和可选参考输入创建视频。
- **status** -- 检查当前会话中正在进行的视频任务状态，而不启动新的生成。
- **list** -- 显示可用的提供商、模型及其能力。
- **list** -- 显示可用提供商、模型及其能力。
## 模型选择
生成视频时，OpenClaw 会按以下顺序解析模型：
1. **`model` 工具参数** -- 如果智能体在调用中指定了该参数。
1. **`model` 工具参数** -- 如果智能体在调用中指定了它。
2. **`videoGenerationModel.primary`** -- 来自配置。
3. **`videoGenerationModel.fallbacks`** -- 按顺序尝试。
4. **自动检测** -- 使用具有有效身份验证的提供商，从当前默认提供商开始，然后按字母顺序尝试其余提供商。
4. **自动检测** -- 使用具有有效认证的提供商，从当前默认提供商开始，然后按字母顺序尝试其余提供商。
如果某个提供商失败，会自动尝试下一个候选项。如果所有候选项都失败，错误中会包含每次尝试的详细信息。
如果某个提供商失败，会自动尝试下一个候选项。如果所有候选项都失败，错误中会包含每次尝试的详情。
如果你希望视频生成仅使用显式的 `model`、`primary` 和 `fallbacks`
条目，请设置 `agents.defaults.mediaGenerationAutoProviderFallback: false`。
如果你希望视频生成只使用显式的 `model`、`primary` 和 `fallbacks` 条目，请设置 `agents.defaults.mediaGenerationAutoProviderFallback: false`。
```json5
{
@ -209,24 +207,22 @@ openclaw tasks cancel <taskId>
| 提供商 | 说明 |
| ------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Alibaba | 使用 DashScope/Model Studio 异步端点。参考图片和视频必须是远程 `http(s)` URL。 |
| BytePlus（国际版） | 仅支持单张参考图片。 |
| ComfyUI | 由 workflow 驱动的本地或云端执行。通过已配置的图形支持文生视频和图生视频。 |
| fal | 对长时间运行的任务使用基于队列的流程。仅支持单张参考图片。 |
| Google | 使用 Gemini/Veo。支持一个图片参考或一个视频参考。 |
| MiniMax | 仅支持单张参考图片。 |
| OpenAI | 仅转发 `size` 覆盖项。其他样式覆盖项（`aspectRatio`、`resolution`、`audio`、`watermark`）会被忽略并给出警告。 |
| Qwen | 与 Alibaba 使用相同的 DashScope 后端。参考输入必须是远程 `http(s)` URL；本地文件会在前期直接被拒绝。 |
| Runway | 通过 data URI 支持本地文件。视频转视频需要 `runway/gen4_aleph`。纯文本运行暴露 `16:9` 和 `9:16` 长宽比。 |
| Together | 仅支持单张参考图片。 |
| Vydra | 直接使用 `https://www.vydra.ai/api/v1` 以避免身份验证丢失的重定向。`veo3` 内置为仅文生视频；`kling` 需要远程图片 URL。 |
| xAI | 支持文生视频、图生视频，以及基于远程视频的编辑/扩展流程。 |
| Alibaba | 使用 DashScope/Model Studio 异步端点。参考图片和视频必须是远程 `http(s)` URL。 |
| BytePlus | 仅支持单张参考图片。 |
| ComfyUI | 由工作流驱动的本地或云端执行。通过已配置的图支持文生视频和图生视频。 |
| fal | 对长时间运行的任务使用基于队列的流程。仅支持单张参考图片。 |
| Google | 使用 Gemini/Veo。支持一个图片参考或一个视频参考。 |
| MiniMax | 仅支持单张参考图片。 |
| OpenAI | 仅转发 `size` 覆盖项。其他样式覆盖（`aspectRatio`、`resolution`、`audio`、`watermark`）会被忽略，并附带警告。 |
| Qwen | 与 Alibaba 使用相同的 DashScope 后端。参考输入必须是远程 `http(s)` URL；本地文件会在前置检查时被拒绝。 |
| Runway | 通过数据 URI 支持本地文件。视频到视频需要 `runway/gen4_aleph`。纯文本运行公开 `16:9` 和 `9:16` 宽高比。 |
| Together | 仅支持单张参考图片。 |
| Vydra | 直接使用 `https://www.vydra.ai/api/v1`，以避免认证在重定向时丢失。内置 `veo3` 仅支持文生视频；`kling` 需要远程图片 URL。 |
| xAI | 支持文生视频、图生视频以及远程视频编辑/扩展流程。 |
## 提供商能力模式
共享视频生成契约现在允许提供商声明特定于模式的
能力，而不只是扁平的聚合限制。新的提供商
实现应优先使用显式模式块：
共享视频生成契约现在允许提供商声明特定模式的能力，而不仅仅是扁平的聚合限制。新的提供商实现应优先使用显式模式块：
```typescript
capabilities: {
@ -250,15 +246,11 @@ capabilities: {
}
```
像 `maxInputImages` 和 `maxInputVideos` 这样的扁平聚合字段
不足以声明变换模式支持。提供商应显式声明
`generate`、`imageToVideo` 和 `videoToVideo`，以便 live 测试、
契约测试以及共享 `video_generate` 工具能够以确定性的方式
验证模式支持。
像 `maxInputImages` 和 `maxInputVideos` 这样的扁平聚合字段不足以声明变换模式支持。提供商应显式声明 `generate`、`imageToVideo` 和 `videoToVideo`，这样实时测试、契约测试以及共享 `video_generate` 工具才能以确定性的方式验证模式支持。
## Live 测试
## 实时测试
为共享内置提供商启用可选的 live 覆盖：
为共享内置提供商启用自选实时覆盖：
```bash
OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts
@ -270,18 +262,15 @@ OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.liv
pnpm test:live:media video
```
这个 live 文件会从 `~/.profile` 加载缺失的提供商环境变量，默认优先使用
live/env API 密钥，而不是已存储的身份验证配置文件，并运行它能够使用本地媒体安全执行的
声明模式：
该实时测试文件会从 `~/.profile` 加载缺失的提供商环境变量，默认优先使用实时/环境 API 密钥而不是已存储的认证配置文件，并运行它能够使用本地媒体安全覆盖的声明模式：
- 为 sweep 中的每个提供商运行 `generate`
- 为扫描中的每个提供商运行 `generate`
- 当 `capabilities.imageToVideo.enabled` 时运行 `imageToVideo`
- 当 `capabilities.videoToVideo.enabled` 且提供商/模型
在共享 sweep 中接受基于 buffer 的本地视频输入时运行 `videoToVideo`
- 当 `capabilities.videoToVideo.enabled` 且提供商/模型在共享扫描中接受基于缓冲区的本地视频输入时运行 `videoToVideo`
目前共享 `videoToVideo` live 通道涵盖：
目前共享 `videoToVideo` 实时通道覆盖：
- `runway`，且仅当你选择 `runway/gen4_aleph` 时
- 仅 `runway`，且仅当你选择 `runway/gen4_aleph`
## 配置