Image To Video

Image to Video

Overview

以图片为驱动生成动态视频。3 类场景：单图生成视频（支持音频/比例/分辨率，默认 toffee 失败兜底 bonbon）、多图参考融合（1–9 图）、首尾帧过渡（1–2 图）。时长 4–15s。

API Mapping

• 单图默认：video_toffee_i2v_v20
• 单图兜底：video_bonbon_img2vid_v30（支持智能分镜/多镜头，不支持 aspect_ratio）
• 多图参考融合（1–9 图）：video_toffee_mi2v_v20
• 首尾帧过渡（1–2 图）：video_toffee_flf_v20
• mode 映射：auto（默认）/i2v/mi2v/flf
• model 映射：auto（默认）/toffee/bonbon
• mode 与 model 同时指定且冲突时，mode 优先

Dependencies

• meitu-cli: >=2.0.6
• 凭证：CONFIG AKSK → meitu tools update；EXEC AKSK → 实际执行（见根 CONFIG.md）
• 环境变量：MEITU_OPENAPI_TOOL_TASK_MODE=command

> 路径别名：$VISUAL = {OPENCLAW_HOME}/workspace/visual/

Core Workflow

Preflight → Execute → Deliver

Preflight

1. meitu --version ≥ 2.0.6
2. 已用 CONFIG AKSK 跑过 meitu tools update
3. 当前 AKSK = EXEC，MEITU_OPENAPI_TOOL_TASK_MODE=command
4. output_dir：openclaw.yaml → ./output/ ｜else → $VISUAL/output/image-to-video/；mkdir -p

Execute

触发信号 / 路由规则

核心维度：mode（优先） → 图片数量 + 意图。

| 条件 | 图片数 | 路由 | |---|---|---| | mode=i2v | 任意 | video_toffee_i2v_v20 → 失败兜底 video_bonbon_img2vid_v30 | | mode=mi2v | 任意 | video_toffee_mi2v_v20 | | mode=flf | 任意 | video_toffee_flf_v20 | | mode=auto，1 张，"参考元素/角色/风格" | 1 | video_toffee_mi2v_v20 | | mode=auto，1 张，其他（默认） | 1 | video_toffee_i2v_v20 → 兜底 video_bonbon_img2vid_v30 | | mode=auto，2 张，未说融合（默认） | 2 | video_toffee_flf_v20 | | mode=auto，2 张，说了融合/参考 | 2 | video_toffee_mi2v_v20 | | mode=auto，3–9 张 | 3–9 | video_toffee_mi2v_v20 |

参数定义（统一工具层）

| 参数 | 类型 | 必填 | 范围 | 默认 | 说明 | |------|------|------|------|------|------| | image_list | ARRAY[STRING] | 是 | 1–9 张 | -- | 输入图片 URL 列表 | | prompt | STRING | 是 | -- | -- | 视频内容描述 | | mode | STRING | 否 | auto / i2v / mi2v / flf | auto | 路由模式；与 model 冲突时 mode 优先 | | model | STRING | 否 | auto / toffee / bonbon | auto | 底层模型 | | aspect_ratio | STRING | 否 | adaptive/1:1/3:4/4:3/9:16/16:9/21:9 | adaptive | 画面比例（i2v/mi2v/flf 支持；bonbon 不支持） | | video_duration | NUMBER | 否 | 4–15 | 5 | 时长（秒）。bonbon 默认 5；i2v/mi2v/flf 内部默认 10 | | sound | STRING | 否 | off / on | off | 是否生成音频 | | multi_shot | BOOLEAN | 否 | true/false | true | 多镜头切换（仅 bonbon 生效） |

其余参数（shot_type/resolution/reference_video_list/reference_audio_list 等）由 combo-tool 内部管理，不对外暴露。

API 映射关键点：

• video_toffee_i2v_v20：sound→generate_audio（on→true/off→false BOOL），aspect_ratio→ratio，resolution 内部默认 720p
• video_bonbon_img2vid_v30：image_list[0]→image_url，sound 直传 STRING，aspect_ratio 不支持降级时静默丢弃
• video_toffee_mi2v_v20：image_list 直传（≤9），sound→generate_audio BOOL
• video_toffee_flf_v20：image_list 1–2 张（[0]=首帧，[1]=尾帧可选）

工具调用

meitu image-to-video --image_list [,,...] --prompt "" [--mode auto] [--video_duration 5] [--sound off] [--aspect_ratio adaptive] --json --download-dir {output_dir} --skill_name skill_image-to-video

错误降级

| 场景 | 处理方式 | |------|------| | mode 非法 | 回退 auto | | model 非法 | 回退 auto | | mode=flf 但图片数 >2 | 提示"首尾帧模式最多 2 张图片，当前 {n} 张" | | prompt 缺失 | 提示"请描述你想生成的视频内容" | | 无图片输入 | 拒绝，能力范围外 | | 图片数 >9 | 拒绝，能力范围外 | | 时长 15s | 钳位 15s | | 智能分镜 + i2v/mi2v/flf | 静默忽略分镜参数 | | video_toffee_i2v_v20 调用失败 | 降级到 video_bonbon_img2vid_v30（aspect_ratio 丢弃，image_list[0]→image_url） | | 任一 API 调用失败（含兜底） | 同一 API 重试 1 次 → 仍失败返回错误 | | 超时（>600s） | 降低时长/尺寸重试 1 次 → 仍失败返回错误 | | 部分图片不可访问 | 过滤不可访问，用剩余图片重新匹配子能力 | | 全部图片不可访问 | 返回错误 | | mode + model 冲突 | mode 优先 | | mode=i2v + 多图 | 取 image_list[0]，忽略多余图片 | | 内容合规拦截 | 直接返回合规提示，不重试、不降级 |

Deliver

• 使用 Preflight 解析的 output_dir
• 从 downloaded_files[0].saved_path 读取已下载的视频文件路径
• mv {downloaded_files[0].saved_path} {output_dir}/{YYYY-MM-DD}_{descriptive}_image-to-video.mp4

Output

• 格式：MP4
• 位置：项目 → ./output/，一次性 → $VISUAL/output/image-to-video/

基线 Task ID

见 references/task-id-baseline.md 中对应行。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: meitu
• Source: meitu/meitu-skills
• License: MIT

Install and usage instructions live in the source repository linked above.