Seedance 视频生成 Skill

使用火山引擎方舟平台的 Seedance 2.0 系列 AI 模型生成高质量视频。

支持的模型

工作流程

Step 1: 准备请求参数

根据用户需求构建 API 请求体：

必需参数：

• model: 模型名称（从上表选择）
• content: 多模态内容数组，至少包含一个 text 类型元素

可选参数：

• generate_audio: 是否同时生成音频/语音 (true/false)
• ratio: 视频比例 "16:9" | "9:16" | "1:1"（默认 16:9）
• duration: 视频时长秒数，范围 5-11（默认 10）
• watermark: 是否添加水印 (true/false)

Step 2: 构建 content 数组

content 数组支持以下类型的多模态输入：

{
  "content": [
    // 1. 文本提示词（必需）
    {
      "type": "text",
      "text": "详细的视频描述提示词..."
    },

    // 2. 参考图片（可选，可多个）
    {
      "type": "image_url",
      "image_url": { "url": "https://example.com/image.jpg" },
      "role": "reference_image"
    },

    // 3. 参考视频（可选，用于参考运镜/构图风格）
    {
      "type": "video_url",
      "video_url": { "url": "https://example.com/video.mp4" },
      "role": "reference_video"
    },

    // 4. 参考音频/背景音乐（可选）
    {
      "type": "audio_url",
      "audio_url": { "url": "https://example.com/audio.mp3" },
      "role": "reference_audio"
    }
  ]
}

注意: 图片、视频、音频 URL 必须是公网可访问的地址。如果用户提供本地文件，需要先上传到 OSS 或使用 Base64 编码。

Step 3: 提交生成任务

调用 scripts/generate_video.py 脚本提交异步任务：

python3 ~/.workbuddy/skills/seedance-video-gen/scripts/generate_video.py \
  --model doubao-seedance-2-0-fast-260128 \
  --prompt "你的视频描述" \
  --ratio 16:9 \
  --duration 10 \
  [--image-url "https://..."] \
  [--video-url "https://..."] \
  [--audio-url "https://..."] \
  [--generate-audio] \
  [--no-watermark]

或者直接使用 curl 调用 API（见 references/api_reference.md）。

API 返回任务 ID：

{ "id": "cgt-20260410162021-xxxxx" }

Step 4: 轮询任务状态

提交后任务为异步处理，需轮询查询状态：

python3 ~/.workbuddy/skills/seedance-video-gen/scripts/query_task.py \x3Ctask_id>

或直接 curl：

curl -X GET "{ARK_API_URL}/api/v3/contents/generations/tasks/{task_id}" \
  -H "Authorization: Bearer {API_KEY}"

状态值：

完成时的响应包含：

• video_result.video_url: 生成的视频地址
• video_result.cover_image_url: 封面图地址

Step 5: 下载并展示结果

任务完成后：

1. 下载视频文件到工作目录
2. 使用 preview_url 或 open_result_view 展示给用户
3. 告知用户视频路径和基本信息

提示词撰写建议

参考 references/prompt_guide.md 获取完整的提示词撰写指南。核心原则：

1. 明确主体和动作: 描述清楚谁在做什么
2. 指定镜头语言: 运镜方式（推拉摇移）、视角（第一人称/俯拍等）
3. 时间轴描述: 用时间戳分段描述不同时段的画面变化，如 0-2 秒：xxx；3-5 秒：xxx
4. 风格关键词: 明确视觉风格（写实/动漫/电影感等）
5. 音效描述: 如果 generate_audio=true，可在提示词中描述音效和配音需求
6. 参考素材说明: 当有图片/视频参考时，在提示词中指明如何使用这些素材

环境配置

脚本从环境变量读取以下配置：

确保在使用前已设置 ARK_API_KEY 环境变量。