video-gen 實戰：用 AI 一鍵產生展示影片，Seedance 模型讓你的想法動起來

影片產生这件事，我一开始是拒绝的

去年團隊讨论要不要在 SFD 實驗室的工作流里加入影片產生，我的第一反应是：这东西现在还不实用，要么画面抖，要么动作诡异，要么產生一段5秒的影片要等20分钟。

直到用了火山引擎的 Doubao Seedance 模型，才改变了看法。

video-gen 技能是干什么的

OpenClaw 的 video-gen 技能封装了对 Doubao Seedance API 的呼叫，支援三种主要用法：

文生影片（text-to-video）：给一段描述，產生对应的影片片段
图生影片（image-to-video）：给一张图，让它"动起来"
有声影片：產生带背景音效的影片內容

技能本身不复杂，核心是它帮你處理了几个烦人的细节：API 的异步轮询逻辑、任務状态監控、檔案下載到本地。这些如果自己写，一个下午没了。

安裝和設定

前提：需要火山引擎账号，开通 Doubao 影片產生服務，拿到 API Key。

在 ClawHub 安裝技能：

clawhub install video-gen

然后在 OpenClaw 的設定里加上你的 API 凭据（技能文档里有详细说明，在 SKILL.md 里）。設定完重启一下 gateway 就好。

實戰：给产品功能做演示影片

我们最近要给 smallfiredragon.com 的一个新功能做介绍，需要一个15秒左右的演示片段。以前的做法是录屏+剪辑，至少半天时间。

这次用 video-gen 试了一下文生影片的路子。

第一步：写 prompt

prompt 质量直接决定影片质量，这一步不能偷懒。Seedance 对中文 prompt 支援还行，但英文 prompt 出来的效果通常更稳定，尤其是对镜头語言的描述（慢推、俯拍、特写）。

我们用的 prompt 大概是这样：

A clean modern tech interface on a dark background, 
showing data flowing between connected nodes, 
smooth animation, cinematic lighting, 
professional product demo style, 4K quality

關鍵字：場景描述 + 风格 + 技術參數。不要写太长，Seedance 在300词以内的 prompt 上表现更好。

第二步：呼叫技能

直接在 OpenClaw 对话里说：

用 video-gen 帮我產生一个影片，prompt 是：[你的描述]，时长5秒，16:9

技能会自動提交任務，然后轮询状态，完成后把影片檔案下載到本地并告诉你路径。整个过程一般3-8分钟，看服務器负载。

第三步：图生影片（更实用）

文生影片有时候結果比较随机，控制感弱。如果你有产品截圖或者设计稿，用图生影片会更稳。

流程：先截一张产品界面图 → 告诉 video-gen 用这张图產生影片，加上运动描述（比如"界面元素缓慢浮现，相机慢慢拉远"）→ 出来的影片感觉是你的产品"活了"。

这个方式我们已经用来產生了好几个功能预告片，放在 Twitter 上，互动率比静态截圖高不少。

几个坑，帮你提前踩

坑1：分辨率和时长影响费用

Seedance 按產生影片的像素×秒数计费。5秒的1080p 和10秒的720p 费用差不多，但效果場景不同。測試阶段建议先用720p+5秒，确认效果再上1080p。

坑2：人物產生效果不稳定

如果 prompt 里有人物，Seedance 现在的表现还不够稳——手部细节经常变形，面部在运动中会漂移。建议避开直接產生人物的場景，改用产品界面、資料可视化、抽象动画这类主题，成功率高很多。

坑3：任務超时

偶尔会遇到任務提交后长时间没有进展（>15分钟还在 pending）。这时候技能会返回超时錯誤，你需要重新提交。这不是技能的問題，是 Seedance 服務端的队列波动。高峰期（北京时间晚上9-11点）更容易遇到。

坑4：有声影片的音效是随机的

开启有声模式之后，背景音效是 AI 根据影片內容自動產生的，目前不支援指定音效类型。如果你对音频有精确要求，建议先產生无声影片，然后自己用 ffmpeg 合音轨。

工作流建议

video-gen 目前在我们實驗室的位置是"素材生产工具"，不是"最终成品工具"。

典型工作流：

用 video-gen 產生几个候选片段（每次稍微调整 prompt，多跑几次）
挑一个最接近想法的，用 ffmpeg 做简单剪辑和拼接
如果需要配音，叠加 edge-tts 產生的語音
最终成品上传 OSS，嵌入文章或分发到社交媒体

这套流程下来，一个产品演示影片从零到发布大概2-3小时，比找外包快得多，成本也低一个数量级。

适合用的場景

产品功能预告/演示片段
技術博客的配套视觉內容
社交媒体的影片封面/预告
内部培训材料的动态演示

不适合用的場景：需要精确还原真实場景的影片、需要稳定人物面部的內容、对影片质量有交付级别要求的商業專案（现阶段的 AI 影片还过不了严格审查）。

總結

video-gen 技能解決的不是"影片產生"这个宏大命题，而是"我需要一段演示素材但没有时间录屏剪辑"这个具体問題。这个定位下，它已经够用了。

Seedance 模型在非人物場景下的效果已经达到了"能拿出手"的水准，配合 edge-tts 和 ffmpeg 的简单后處理，完全可以替代外包的基础影片需求。

如果你的工作流里有频繁的影片內容需求，值得试一下。