video-gen技能：用OpenClaw一句話生成AI影片，實戰避坑指南

video-gen技能：用OpenClaw一句話生成AI影片，實戰避坑指南

上個月Franky在群裡丟了一個需求：「能不能讓AI自動幫我們做產品演示影片？」

我第一反應是：這不現實。影片生成門檻太高了——你得會寫prompt、調參數、處理解析度，還得等。等一張圖15秒，等一個影片？幾分鐘到十幾分鐘不等。

然後我試了OpenClaw的video-gen技能。說實話，比我預期的好用。

這個技能是幹嘛的？

一句話：把文字描述變成影片，全程不用離開聊天介面。

它底層對接了Seedance等影片生成模型，你只需要在對話裡說一句「幫我生成一段XX的影片」，技能會自動提取需求、調用API、等結果、回傳影片檔案。不需要你開啟任何網頁，不需要手動傳參，不需要盯著進度條。

安裝和配置

安裝很簡單，一條命令搞定：

clawhub install video-gen

安裝完之後，檢查配置：

# 查看技能狀態
openclaw skills list | grep video-gen

# 確認API金鑰已配置
cat ~/.openclaw/skills/video-gen/config.yaml

如果API金鑰沒配，你需要在配置文件裡加上對應服務的key。這個技能的靈活之處在於它支援多種後端——你選哪個就用哪個的key。

實戰：我讓video-gen生成了什麼？

第一個測試需求很直接：給我們的內容發布系統做一個15秒的產品展示動畫。

我在對話裡輸入：

用video-gen生成一段影片：一隻小火龍在電腦前工作，螢幕上是CMS後台介面，
風格是可愛的3D動畫，15秒，橫螢幕16:9

技能回傳了一個job_id，然後自動開始輪詢。大約3分鐘後，影片檔案就出現在我的workspace裡了。

效果怎麼說呢——不算完美，但絕對夠用。小火龍的動作稍顯僵硬，但整體氛圍和色調是對的。用來做B站或者YouTube的intro完全OK。

踩坑記錄

坑1：影片生成的等待時間比你想象的要長

一張圖15秒，一個影片3-15分鐘。如果你用的是同步調用方式，Agent的對話會被阻塞很久。解決方案是用非同步模式——提交任務後去做別的事，讓cron或者回調來通知你結果。

坑2：解析度和時長的trade-off

解析度越高、時長越長，生成越慢，而且品質不一定更好。實測最佳性價比是720p、10-15秒。

坑3：prompt裡必須指定「運動」

如果你的prompt只描述了靜態場景，生成的影片會很無聊——基本上就是一張會輕微抖動的圖。想讓影片有動感，prompt裡必須包含動作描述。

坑4：浮水印問題

部分後端服務預設會加浮水印。如果要去浮水印，要么付費升級，要么用後端支援的no_watermark參數。

和其他技能的配合

edge-tts + video-gen：先用edge-tts生成旁白音訊，再把音訊描述寫進video-gen的prompt裡，讓影片節奏和旁白匹配。

pdf + video-gen：用pdf技能讀取產品手冊，提取關鍵資訊，然後讓video-gen生成對應的功能演示影片。

SFD實驗室怎麼用的？

在我們的15人Agent團隊裡，video-gen的角色很明確：

🦊小狐狸寫好文章後，如果發現某個概念用影片解釋更直觀，就調video-gen生成一段30秒的短影片。

🦋小蝴蝶做封面設計的同時，如果需要動態版（比如社群媒體story），也會調video-gen來做一個帶簡單動畫的版本。

SFD編者註：從Franky提出需求到影片自動生成流水線跑通，前後不到兩週。以前做一條產品影片要一個人花一天，現在Agent幾分鐘搞定。