---
name: skill-video
description: 触发词:生成视频、做视频、AI视频、文生视频、图生视频、Veo、Sora。用 Veo 3.1 生成视频，含费用预估与省钱策略（按官方2倍计价）。
---

# skill-video · Veo 3.1 视频生成

## 一、先看这段（必读）

**网关 `api.fmode.cn/v1/video/generations` 目前不可用。**
new-api 的 Google Veo 插件（`plugins/tasks/google/plugin.js` 第 44 行）用 GET 查任务，而 Google 要求 POST `:fetchPredictOperation`，所以永远返回 `upstream task not found (HTTP 404)`。

**本技能绕过网关，直连上游 closeai。** 通道已验证可出片（H.264 / 1280×720 / 8s）。

- 上游 base：`https://api.openai-proxy.org/google`
- 凭据：`/opt/data/.fmode/secrets/closeai.key`（渠道 3 的 key，勿外传）
- 模型：`veo-3.1-generate-001`（标准）、`veo-3.1-fast-generate-001`（快速）

---

## 二、完整调用流程（三步）

### 第 1 步：提交生成

```bash
KEY=$(cat /opt/data/.fmode/secrets/closeai.key)
curl -s -X POST "https://api.openai-proxy.org/google/v1beta/models/veo-3.1-generate-001:predictLongRunning" \
  -H "Authorization: Bearer $KEY" -H "Content-Type: application/json" \
  -d '{"instances":[{"prompt":"你的提示词"}],"parameters":{"aspectRatio":"16:9","durationSeconds":8}}'
```

返回：
```json
{"name":"projects/wv-s-gemini0910/locations/global/publishers/google/models/veo-3.1-generate-001/operations/xxxx"}
```

### 第 2 步：轮询（★ 关键，别用 GET）

```bash
OP="刚才返回的完整 name"
curl -s -X POST "https://api.openai-proxy.org/google/v1beta/models/veo-3.1-generate-001:fetchPredictOperation" \
  -H "Authorization: Bearer $KEY" -H "Content-Type: application/json" \
  -d "{\"operationName\":\"$OP\"}"
```

**必须是 POST + `:fetchPredictOperation`。** GET 查会 404。

判断：
- `"done": false` 或字段不存在 → 继续等（间隔 15-20 秒）
- `"done": true` → 完成了，取视频

### 第 3 步：取视频

```json
{"done":true,"response":{"raiMediaFilteredCount":0,"videos":[{"bytesBase64Encoded":"...","mimeType":"video/mp4"}]}}
```

base64 解码写 mp4。**注意 curl 要设 `--max-time 300`**，视频有 2-3MB，默认超时会截断 JSON。

### 安全过滤

- `raiMediaFilteredCount > 0` → 有内容被安全策略拦了，看 `raiMediaFilteredReasons`
- 视频为空 = 触发了内容审核，不扣费但也没结果

---

## 三、参数详解

### instances（必填）

| 参数 | 类型 | 说明 |
|---|---|---|
| `prompt` | string | 文本提示词，英文效果更稳 |
| `image` | object | 图生视频：`{"bytesBase64Encoded":"...","mimeType":"image/png"}` |

**命令行图生视频：**

```bash
# 用关键帧生成视频（锁定构图与人物）
node scripts/gen.mjs \
  --prompt "..." \
  --image /path/to/keyframe.png \
  --model standard --duration 8 \
  --out /path/to/clip.mp4
```

`--image` 支持 `.png` / `.jpg`，脚本会自动 base64 编码并识别 MIME。

### parameters（影响费用，重点看）

| 参数 | 可选值 | 默认 | 对费用影响 |
|---|---|---|---|
| `aspectRatio` | `16:9` / `9:16` | 16:9 | 不影响 |
| `durationSeconds` | **4 / 6 / 8** | 8 | **★ 核心变量，按秒计费** |
| `resolution` | `720p` / `1080p` | 720p | 1080p 更贵 |
| `sampleCount` | 1-4 | 1 | **★ 成倍增加费用** |
| `generateAudio` | true/false | — | 可能额外计费 |
| `negativePrompt` | string | — | 不影响 |
| `personGeneration` | `allow_adult` / `dont_allow` | — | 含人物时注意合规 |

---

## 四、费用计算（★ 技能必须自动算给用户看）

### 计价基准

| 模型 | 官方基础价 | 我方倍率 | 实际扣费 |
|---|---|---|---|
| veo-3.1-generate-001 | **$1.38 / 次（8s, 720p）** | 2.0× | **$2.76** |
| veo-3.1-fast-generate-001 | **$0.35 / 次（8s, 720p）** | 2.0× | **$0.70** |

> **倍率说明**：new-api 渠道当前 `group_ratio=2.5`，用户要求按 **官方 2 倍** 计。技能按 2.0 报预算，实际扣费以网关为准。

### 估算公式

```
单条费用 ≈ 基础价 × (durationSeconds / 8) × (1080p ? 1.8 : 1.0) × sampleCount × 倍率
```

### 常用组合预算表（美元，已含 2 倍）

| 组合 | 标准版 | 快速版 |
|---|---|---|
| 8s · 720p · 1条 | $2.76 | $0.70 |
| 8s · 720p · 4条 | $11.04 | $2.80 |
| 4s · 720p · 1条 | $1.38 | $0.35 |
| 8s · 1080p · 1条 | $4.97 | $1.26 |
| 6s · 720p · 1条 | $2.07 | $0.53 |

### ★ 省钱四原则（技能要主动建议）

1. **先 fast 试稿，定稿再用标准版** —— 省 75%。提示词没调好前，fast 足够看效果
2. **时长按需缩短** —— 4s 比 8s 便宜一半。叙事能压到 4s 就压
3. **一次多备选不如先出 1 条** —— 确认方向对了再加 `sampleCount`
4. **1080p 留到最后** —— 720p 定稿再出高清，差 1.8 倍

### 技能必须做的费用前置动作

**任何一次生成前，先报预估费用和替代方案：**

```
本次预估：8s · 720p · 标准版 · 1条 = $2.76（约 ¥20）
省钱替代：先用 fast 试稿 $0.70，确认后再用标准版 = 合计 $3.46（比直接出 2 条标准版省 37%）
是否继续？
```

---

## 五、常见错误

| 报错 | 原因 | 解决 |
|---|---|---|
| `upstream task not found (HTTP 404)` | 用 GET 查了 | 改 POST `:fetchPredictOperation` |
| `Invalid task protocol request` | 走了网关 `/v1/videos` | 直连上游，用 `/v1beta/models/{m}:predictLongRunning` |
| `json.decoder.JSONDecodeError` | curl 超时截断 | `--max-time 300` |
| `raiMediaFilteredCount > 0` | 触发安全审核 | 改提示词，避开人物/暴力/违禁 |
| 401 | key 不对 | 重取 `/opt/data/.fmode/secrets/closeai.key` |

---

## 六、提示词写法

Veo 对英文更敏感。**中文提示词也能用，但英文出片质量更稳。**

### 6.1 两档用法：动态场景 vs 一场戏

**A 档｜动态场景**（一条素材、一个动作）

```
[主体] + [动作] + [环境] + [镜头] + [光线] + [风格]
```

```
A golden retriever running on the beach at sunset, tracking shot,
warm golden hour light, cinematic, shallow depth of field
```

适用：产品展示、氛围空镜、单动作素材。

**B 档｜一场戏**（有情节、有人物关系、能连着看）★ 做剧集必须用这档

只写"一个人在做一件事"，出片就是一张会动的画。**要让人看懂发生了什么事，必须写全时序和对白。**

```
【场景】具体空间 + 光线条件 + 氛围
【开场状态】第一个瞬间画面是什么样
【人物】外观 + 姿态 + 在做什么（多人分别写）
【动作时序】按秒拆：
  0-2s: ...
  2-5s: ...
  5-8s: ...
【对白】"说话人：台词"（Veo 3.1 会生成原生音频和口型）
【运镜】起始机位 → 结束机位
【光线】No sunlight, no cast shadows, flat diffused light
【风格】Cinematic 3D realistic style
```

**实例：**

```
A dark stone hut interior at night, the only light is a thin cold
phosphorescent glow seeping through a crack in the wall.

0-2s: Camera tilts down slowly from the glowing crack to the stone
floor, revealing a gaunt young man lying on his side, eyes open.

2-5s: His pupils slowly focus. His fingers twitch against the gravel.
He pushes himself up slowly, body weak.

5-8s: He sits up, head turning toward the wooden door on the left.
Outside, a low rumbling sound vibrates through the stone floor.

Dialogue: (none, only breathing)

Camera: tilt down from ceiling to floor level, ending in medium shot.

No sunlight. No cast shadows. Flat diffused cold grey light.
Cinematic 3D realistic style, shallow depth of field.
```

**B 档的六个关键点：**

| 要点 | 说明 |
|---|---|
| **动作分秒写** | 0-2s / 2-5s / 5-8s，Veo 才能排出节奏 |
| **写对白** | 用 `说话人："台词"`，Veo 生成原生语音 + 口型 |
| **写反应** | 一方说完，另一方给什么反应，这才是"戏" |
| **运镜写起止** | "从天花板下摇到地面"，不是只写"推镜" |
| **多人分别写** | 每个人的位置、姿态、动作都要描述 |
| **时长用 8 秒** | 4 秒装不下一场戏 |

### 6.2 图生视频能锁住什么

传 `--image` 后，Veo 会**保持参考图的构图、人物外观、光影**，只让画面动起来。

| 传参考图 | 不传参考图 |
|---|---|
| 人物长相稳定、构图可控 | AI 自由发挥，容易跑偏 |
| 光影风格一致 | 光效可能突变 |
| 适合连续剧集 | 适合单条素材 |

**做剧集的标准流程**：先用图像模型（如 `gemini-2.5-flash-image`）出关键帧 → 确认画面 → 再用 `--image` 让关键帧动起来。

### 6.3 让多个片段能连着看

**多段拼成一条片子，观众能看懂，靠这四件事：**

1. **人物一致**：所有片段用同一张人物参考图
2. **动作衔接**：上一段结尾的动作 = 下一段开场的状态
3. **情绪曲线**：平静 → 不安 → 恐惧 → 收束，不能全是平的
4. **时长够**：8 秒/段，4 秒只会出"动图"

**自检**：把 N 段拼起来放一遍，观众能说出"发生了什么事"才算成立；只能说"看了几张画"就是失败。

---

## 七、脚本

`scripts/gen.mjs` —— 一条命令完成 提交→轮询→下载：

```bash
node scripts/gen.mjs --prompt "..." --duration 8 --ratio 16:9 --model fast --out /path/to.mp4
```

参数：
- `--prompt` 必填
- `--duration` 4/6/8（默认 8）
- `--ratio` 16:9 / 9:16
- `--model` standard / fast（默认 fast，省钱）
- `--resolution` 720p / 1080p
- `--count` 1-4（默认 1）
- `--estimate-only` 只算钱不生成
---

## 八、网关支持情况的实测结论（2026-11-05 验证）

**网关 `api.fmode.cn` 的视频模型只有 2 个，且当前都不可用：**

| 模型 | 状态 |
|---|---|
| `veo-3.1-generate-001` | ❌ 任务查询 404（插件 bug） |
| `veo-3.1-fast-generate-001` | ❌ 同上 |

**以下模型网关均未接入**（全部返回 503，不是名字写错，是通道不存在）：

`jimeng-3.0` / `jimeng-video` / `seedance-1.0` / `seedance-pro` /
`doubao-seedance-1-0-pro` / `doubao-seedance-1-0-lite` /
`kling-v2` / `minimax-hailuo-02` / `wan-2.5`

> 有人会说「即梦的 Seedance」，注意区分：
> **Seedream（doubao-seedream-4-0）是图像模型，网关支持且正常**（走 `/v1/images/generations`）。
> **Seedance 是视频模型，网关没有。**

**结论：视频生成只能用 Veo 3.1，且必须直连上游 closeai，不能走网关。**

### 图像走网关，视频走上游

如果任务需要「图片 + 视频」混合：

| 类型 | 走哪里 | 端点 |
|---|---|---|
| 图像 | 网关（走计费） | `POST https://api.fmode.cn/v1/images/generations`，模型 `doubao-seedream-4-0-250828` |
| 视频 | 上游直连（不走计费） | 本文档第二节流程 |