AI图转视频专家

图转视频

适用场景

把图片素材生成短视频。这个 Skill 只负责视频 agent 内的业务模式识别、参数校验和底层能力路由；实际网关调用、响应处理与媒体转存必须委托通用底层能力 linkfox-aigc-videogen / linkfox-aigc-videogen-multi，不得在本 Skill 重复实现。

不适用

• 带货口播、真人自拍口播、达人讲解视频：使用 linkfox-aigc-videogen-sale。
• 图片生成或改图：使用对应图片 Skill。
• 文本生成、商品文案、脚本方案：使用文本或编排 Skill。
• 复杂剪辑、字幕、配乐、转场包装：需要单独的视频编排 Skill。

输入参数

完整工具网关接口字段、模型支持与响应结构见 references/api.md。

模型路由

模型参数

声音与尾帧规则

• 参考图模式：seedance2.0、seedance2.0fast、wan2.6 允许传 voice，不传默认 true；HappyHorse 不给用户选择声音，脚本固定提交 voice=true；可灵Omni、海螺2.3 不给用户选择声音，脚本固定提交 voice=false。
• 首尾帧模式：seedance2.0、seedance2.0fast、可灵2.6 允许传 voice，不传默认 true。
• 首尾帧模式所有模型的 lastFrameImageUrl 都是选填；如果没有尾帧但需要进入首尾帧模式，调用方必须显式传 mode:"first_last_frame"。
• 可灵2.6 首尾帧特殊规则：只有 resolution=1080p 时可选择声音；resolution=720p 固定 voice=false。尾帧选填，但只有 resolution=1080p 且 voice=false 时允许传 lastFrameImageUrl。
• 若要在可灵2.6 首尾帧模式下开声音，调用方需显式传 mode:"first_last_frame"、resolution:"1080p"、voice:true，且不要传 lastFrameImageUrl。

比例默认值与自适应

• aspectRatio 不传，或传 default / 默认 / 按模型：使用脚本内置模型默认比例；当前默认是参考图 wan2.6 和首尾帧可灵2.6 为 adaptive，其它模型为 9:16。
• aspectRatio 传 adaptive / 自适应 / auto / adapt：明确请求自适应，只在该模型支持 adaptive 时通过校验。
• aspectRatio 传 16:9 / 9:16 / 1:1：表示用户明确选择该比例，Skill 不会自动改成 adaptive。

已有任务查询

当用户询问“刚才那个视频的进度 / 状态 / 是否完成 / 结果 / 失败原因”时，必须先走已有任务查询，不得进入下方生成流水线。

• 先在 workspace 的 /linkfox///data/ 查找底层任务记录：linkfox-aigc-videogen-task-*.json 或 linkfox-aigc-videogen-multi-task-*.json。
• 根据任务记录里的 skill 字段，委托对应底层能力的查询模式：linkfox-aigc-videogen 用 --query-task，linkfox-aigc-videogen-multi 用 --query-task。
• 若用户直接提供 taskId，只调用底层能力的查询模式；不得重新提交图片、prompt 或模型参数。
• 查询返回 PROCESSING 时只说明仍在生成；SUCCESS 时展示底层返回的本地视频路径；FAILED 时读取 errorMsg 做用户可读说明，不自动重试、不换模型、不重建任务。

流水线步骤

步骤 1：识别模式

• 输入：用户提供的 JSON 参数。
• 操作：先确认 entry 严格等于 img2video；缺失或其它入口直接报错。然后优先读取 mode；没有 mode 时，存在 lastFrameImageUrl 判为 first_last_frame，否则存在 imageList 或 imageUrl 判为 reference。
• 输出：reference、first_last_frame，或 { "error": true, "message": "..." }。
• 用途：被步骤 2 用来选择模型校验规则、图片校验规则和底层 skill。

步骤 2：校验并规范化参数

• 输入：步骤 1 的模式和用户参数。
• 操作：校验必填字段、字段类型、模型枚举、时长范围、图片数量和图片 URL；把业务模型名归一成工具网关枚举。
• 输出：合法参数对象，或 { "error": true, "message": "..." }。
• 用途：合法参数进入步骤 3；错误对象直接返回给 Agent 做用户可读说明。

步骤 3：调用通用底层视频能力

• 输入：步骤 2 的合法参数。
• 操作：按模式和模型直接调用底层 skill（唯一调用方式，禁止改用脚本、HTTP 或其它视频 skill）：
  1. 参考图模式中，seedance2.0、seedance2.0fast、可灵Omni、HappyHorse 调用 skill linkfox-aigc-videogen-multi，传 imageList、videoType、videoTime、prompt、promptOptimizer、isPro、voice、camera、aspectRatio、resolution。
  2. 参考图模式海螺2.3、wan2.6 调用 skill linkfox-aigc-videogen，传单张 imageUrl、对应 videoType、videoTime、prompt、promptOptimizer、isPro、voice、camera、aspectRatio、resolution；wan2.6 不传 imageList。
  3. 首尾帧模式调用 skill linkfox-aigc-videogen，传 imageUrl，可选 lastFrameImageUrl，以及 videoType、videoTime、prompt、promptOptimizer、isPro、voice、camera、aspectRatio、resolution。
  4. 底层 skill 输出原封不动透传：linkfox-aigc-videogen / linkfox-aigc-videogen-multi 自行完成网关调用、响应落盘和视频下载，本 Skill 不做二次包装、不截取、不重新输出。
• 输出：底层 skill stdout；成功通常包含 Saved full response: ["...mp4"]，失败可能包含 Saved full response: xxx.json 或错误说明。
• 用途：业务层只负责选择底层 skill 和组装参数，不接触工具网关鉴权、HTTP 请求、响应落盘和视频下载细节。

步骤 4：读取底层能力交付结果

• 输入：步骤 3 的底层 skill stdout。
• 操作：按底层 skill 输出判定成败；成功则收集 Saved full response: 后的本地视频路径，失败则读取其落盘 JSON 中的 errcode / errmsg / error / status / errorMsg 做用户可读说明。若响应出现 status=FAILED 且 errorMsg 为“图片审核不通过”或其它审核、侵权、人脸、明星/名人肖像相关失败，立即停止；不得重新上传同一素材、换模型、换底层 skill、改 prompt 或继续调用工具绕过。
• 输出：media_paths。
• 用途：Agent 只把本地视频路径展示给用户。

步骤 5：返回最终交付

• 输入：步骤 4 的 media_paths 或失败原因。
• 操作：成功时只展示本地视频路径、所用模式/模型和必要说明；失败时简短说明原因和可修正参数。
• 输出：面向用户的短回复。
• 用途：完成交付，不生成报告，不输出原始响应。

输出规则

• 只向用户展示 media_paths 中的本地视频路径。
• 不要 Read 视频文件，不要展示 base64 内容。
• 不要把原始 API 返回的临时 URL 直接给用户。
• 图片审核不通过是终止型业务失败；只提示用户更换有授权、无明星/名人肖像或侵权风险的合规图片。

执行自检

每次执行后，Agent 在收尾时确认：

• 成功时 mode 与用户输入一致。
• 已按当前模型调用对应的 linkfox-aigc-videogen 或 linkfox-aigc-videogen-multi skill。
• 成功时 voice 符合声音与尾帧规则；尤其可灵2.6 只有 1080p + voice=false 才能带 lastFrameImageUrl。
• 成功时优先展示底层 skill 返回的本地视频路径；若为空，说明视频 URL 缺失或下载失败，并提示用户查看底层 skill 的落盘 JSON。
• 图片审核不通过时立即停止，并返回用户可读的合规换图提示；不重试、不绕路。
• 用户询问已有任务进度时，已使用 task 记录或 taskId 查询，没有重新调用生成流程。
• 错误时按底层 skill 返回的业务原因说明，不展示 Python traceback。
• 没有读取或输出视频文件正文/base64。

已知局限

• 本 Skill 不负责上传本地图片；进入脚本前，前端或上游 Agent 需要先把图片转换成可访问的 http(s) URL。
• 真实视频生成由底层能力完成，需要有效 LINKFOX_AGENT_API_KEY，并可能耗时 100-600 秒。
• 本 Skill 不包含带货口播、数字人、配音、字幕、剪辑包装。
• 失败时不自动重试。