服装造型转换视频生成

三大节奏驱动型钩子（hook）：

• 一秒剪辑（One-second cuts）：每个造型仅呈现一瞬——节奏即内容本身
• 风格跃迁（Style jumps）：睡衣→礼服、运动休闲→赛博风——风格落差越大，传播力越强
• 细节节拍（Detail beats）：道具入画、高跟鞋踏地、墨镜精准落位——所有动作卡在节拍点上

主角为猫 / 兔子 / 熊猫；用户只需提供一句造型数量与整体氛围描述，直出成片。

依赖项：WERYAI_API_KEY + Node.js 18+。运行 CLI 前，scripts/video_gen.js 文件必须存在；WERYAI_VIDEO_API.md 文件必须位于 resources/ 目录下（可通过发布流程或预使用组装方式提供）。完整命令与 JSON 字段定义详见 resources/WERYAI_VIDEO_API.md。不依赖其他 Cursor 技能。默认参数 与模型层级见下方表格；实时 API 限流策略遵循 weryai 模型规则。安装或运行前，请务必审阅所附带的 video_gen.js 脚本，确认其满足您的实际需求。如脚本支持本地文件路径，请特别关注其对本地图像的处理逻辑，确保该行为与本技能面向 image-to-video 请求的预期工作流一致。

前置条件

• 运行 video_gen.js 前，WERYAI_API_KEY 必须已设置于环境变量中。
• 需 Node.js 18+。优先使用公开的 https 图像 URL。若组装后的 scripts/video_gen.js 支持本地文件路径，请先审阅并验证脚本逻辑，再在明确获得用户 显式授权 后，读取本地图像并上传至 WeryAI 以获取公开 URL。
• 每次成功执行 wait 均消耗 WeryAI 积分；重复运行将创建新的付费任务。

安全、密钥与 API 主机

• WERYAI_API_KEY：应视为敏感密钥。仅当您信任本技能来源时才进行配置；该密钥已在 OpenClaw 元数据中标记为 requires.env / primaryEnv，以便安装器知晓其为运行时必需项（切勿将其提交至技能包内）。
• API 主机（硬编码于 video_gen.js 中）：视频任务使用 https://api.weryai.com；模型列表接口使用 https://api-growth-agent.weryai.com。仅从环境变量中读取 WERYAI_API_KEY ——请勿依赖任何与 URL 相关的环境变量。
• 本地图像处理说明：优先使用公开的 https 图像 URL。若组装后的 scripts/video_gen.js 支持本地文件路径，则可能读取本地图像并上传至 WeryAI 以获取公开 URL；启用该路径前须经人工审阅 / 验证，并取得用户 显式授权。
• 更高保障建议：在短期存活或隔离环境中（独立账号或容器）执行生成任务，并在生产环境使用前审阅 scripts/video_gen.js（含 HTTPS 提交 + 轮询循环逻辑）。请验证运行时是否具备读取本地图像文件并上传至 WeryAI 的能力，并在启用该路径前取得用户 显式授权。

提示词扩展（强制要求）

video_gen.js 不执行 提示词扩展。在每次调用 wait --json 前，须将用户提供的简短或模糊需求转化为一份完整的英文制作级 prompt。

适用场景：用户仅提供关键词、单行描述或宽泛意图，或主动请求更丰富的视频语言表达。例外情况：用户直接粘贴一段已完成的长提示词，且该提示词长度未超出所选模型的 prompt_length_limit，并明确要求 不重写；此时仍须在确认表中展示 完整原文。

必须包含（视频语言要素）：镜头景别与角度；摄像机运动或固定拍摄；光线品质与布光动机；主体动作严格匹配 duration 时长；针对本细分场景设计的 一个清晰视觉落点（payoff）；当本技能默认输出竖屏时，须明确声明 9:16 竖屏比例。

长度控制：若本文档中列出了所选 model_key 对应的 prompt_length_limit，则须严格遵守；删减时优先去除冗余形容词，而非核心动作、镜头或布光描述。

确认机制：提交前的参数确认表 必须 包含 完整展开后的 prompt（不得仅为单行摘要）。须等待用户回复 “confirm” 或提出修改意见后方可继续。

细分场景检查清单

• 造型节拍（Outfit beat）：需明确指定转场机制（跳切、旋转、帷幕开合、手指打响等），确保 造型 A → 造型 B 在单条竖屏视频中清晰可辨。
• 时尚感知（Fashion read）：体现面料垂坠感、廓形轮廓、配饰细节；背景须按用户要求设为镜面或街景。
• 节奏控制（Pacing）：严格同步短竖屏钩子节奏；根据需要采用全身或三分之二构图。

### 示例提示词 位于本文档顶部，仅为简短触发词——始终须基于用户实际输入进行扩展。

工作流

1. 确认用户请求符合本技能适用场景（按文档定义的 text-to-video 和/或 image-to-video）。
2. 收集用户 简要需求、可选图像 URL、模型层级（best / good / fast）或显式指定的 model 键值。
3. 提示词扩展（强制要求）：除非用户已提供完成度高的长提示词并明确要求不重写，否则须依据下方 ## Prompt expansion (mandatory) 规则，将简要需求扩展为完整英文制作级 prompt。禁止 仅用用户原始简短文字直接调用 API。
4. 将 已扩展 的 prompt 与本文档中冻结表格所列对应模型的 prompt_length_limit 进行比对（若存在）；必要时进行精简。
5. 对照本文档冻结表格及 WERYAI_VIDEO_API.md，校验 duration、aspect_ratio、resolution、generate_audio、negative_prompt 等字段的合法性。
6. 展示包含 完整扩展后 prompt 的提交前参数表；等待用户 确认 或提出修改。
7. 获得确认后，执行 node scripts/video_gen.js wait --json '...'，传入 已扩展 的提示词。
8. 解析 stdout 返回的 JSON，返回视频 URL；若失败，则透出 errorCode / errorMessage 并建议参数修正方案。

CLI 参考

node scripts/video_gen.js wait --json '{"model":"…","prompt":"…","duration":5,"aspect_ratio":"9:16"}'
node scripts/video_gen.js wait --json '…' --dry-run
node scripts/video_gen.js status --task-id 

完整参考：WERYAI_VIDEO_API.md。

完成标准

当用户收到至少一个可播放的视频 URL（来自 API 响应），或收到明确的失败原因说明及后续操作建议时，视为完成。所有使用的参数 必须 属于本文档中所选模型允许的取值集合。提交的 prompt 必须 是 已扩展 的制作级提示词，除非用户显式提供了已完成的长提示词并要求不重写。

边界范围（不包含事项）

• 我们不审核平台合规性、版权或肖像权问题；亦不保证输出内容具备商业可用性。
• 我们不提供 WeryAI 以外的离线渲染能力、传统非线性编辑（NLE）工程文件，或本文档及 WERYAI_VIDEO_API.md 未明确记录的 API 字段组合。
• 请勿链接至 weryai-model-capabilities.md 或共享的 ../references/ 路径；CLI/API 细节请统一查阅 resources/WERYAI_VIDEO_API.md。
• 本文档中请勿硬编码绝对路径；所有操作均须从技能包根目录（与 SKILL.md 同级）执行，以确保 scripts/ 和 resources/ 路径可正确解析。

示例提示词

• Cat, four looks, snap-cut each, vertical fashion beat
• From this pajama photo: one-tap cyber outfit transition
• Heel down + sunglasses on two accent frames, fast tempo
• Outfit transition montage 9:16, hard cuts on beat

默认参数

API 有效性说明（默认 KLING_V3_0_PRO）：文生视频（text-to-video）：仅支持 duration 值为 5 / 10 / 15，aspect_ratio 仅支持 9:16、1:1、16:9；图生视频（image-to-video）：aspect_ratio 仅支持 9:16、16:9、1:1；不支持 resolution 字段——请勿发送。 快速 VEO 层级：文本模型为 VEO_3_1_FAST，图像模型为 CHATBOT_VEO_3_1_FAST，duration 固定为 8，aspect_ratio 仅支持 9:16 或 16:9。对于其他 model_key 值，请严格遵循本文档所列允许值集及上方 API 有效性说明；禁止发送 resolution 等不支持字段。

多造型快速剪辑

用户描述角色形象及造型数量 / 风格方向；按节奏生成快速造型切换。

收集角色 + 风格方向；其余参数固定——提交前须确认：

即将使用以下参数生成：

• model: KLING_V3_0_PRO
• aspect_ratio: 9:16
• duration: 5
• generate_audio: false
• seamless loop: off（如需生成可无缝循环的造型视频，请回复 “loop”）

在需求中嵌入一句话描述角色与数量，例如：“kitten, five commuter looks” 或 “panda, ten hoodies”——各造型的视觉细节由系统自动填充。

扩展后提示词：须在生成时依据用户实际简要需求，按 ## Prompt expansion (mandatory) 规则动态构建——禁止复用固定示例段落。

参数：

单造型：配饰细节特写

单套造型，聚焦细节节拍：戒指戴上、腰带扣紧、墨镜落位、鞋带系好——此类特写帧较全身镜头更具传播优势。

明确说明配饰 + 角色气质；直接生成。

须以表格形式展示全部参数，并在提交前等待用户显式确认：

📋 准备就绪，即将生成——请确认：

字段	本次运行值	备注
model	KLING_V3_0_PRO	最佳层级默认值；快速层级：文本模型 VEO_3_1_FAST，图像模型 CHATBOT_VEO_3_1_FAST（duration 固定为 8）；均衡层级 → KLING_V3_0_STA；或直接指定模型名称
aspect_ratio	9:16	KLING 默认支持 9:16、1:1、16:9；若更换模型，请查阅对应行的 aspect_ratios 等限制
duration	5s	KLING 系列：仅支持 5 / 10 / 15；VEO 快速层级：仅支持 duration=8
generate_audio	false	是否自动生成音频
prompt	完整扩展后的英文提示词（本次运行所用全文）	确认前可修改
seamless loop	off	回复 “loop” 即可添加无缝循环支持

请回复 “confirm” 开始生成，或列出需调整的参数项。

示例提示词：

猫爪特写序列，完整呈现一套造型的配饰装配过程，系列紧凑微距镜头按节奏剪辑——第一帧：一枚金色叠戴戒指滑入纤细指尖；第二帧：皮质腰带于腰间收紧，金属扣发出清脆闭合声（慢动作）；第三帧：超大号玳瑁纹墨镜镜腿展开并稳稳落于鼻梁，画面微微泛起琥珀色调；终帧：踝带高跟鞋搭扣锁紧，脚掌前伸、足跟抬起——全套造型完成，暖金色黄昏侧光，时尚大片能量感，全程背景虚化

节拍技巧提示：使用 transitions timed to invisible beat（转场精确卡在隐性节拍点）或 single frame cut between each look（每套造型间仅用单帧跳切），可使节奏更贴近专业剪辑节拍。若需呈现五套造型，请加入 5 complete looks in succession（五套造型连续呈现），确保时间合理分配至每套造型。