--- read_when: - Videos über den Agenten generieren - Provider und Modelle für die Videogenerierung konfigurieren - Die Parameter des Tools `video_generate` verstehen sidebarTitle: Video generation summary: Generieren Sie mit video_generate Videos aus Text-, Bild- oder Videoreferenzen über 16 Provider-Backends hinweg. title: Videogenerierung x-i18n: generated_at: "2026-07-12T02:16:14Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: dd34232a3b1a340fcd7dd51a8c5517f976b2300d86a87b56b86a35102ac2d502 source_path: tools/video-generation.md workflow: 16 --- OpenClaw-Agenten erzeugen über `video_generate` Videos aus Texteingaben, Referenzbildern oder vorhandenen Videos. Sechzehn Provider-Backends werden unterstützt; der Agent wählt anhand der Konfiguration und der verfügbaren API-Schlüssel automatisch das passende aus. `video_generate` wird nur angezeigt, wenn mindestens ein Provider für die Videoerzeugung verfügbar ist. Falls es in Ihren Agentenwerkzeugen fehlt, legen Sie einen API-Schlüssel für einen Provider fest oder konfigurieren Sie `agents.defaults.videoGenerationModel`. `video_generate` verfügt über drei Laufzeitmodi, die anhand der Referenzeingaben im Aufruf bestimmt werden: - `generate` – keine Referenzmedien (Text-zu-Video). - `imageToVideo` – ein oder mehrere Referenzbilder. - `videoToVideo` – ein oder mehrere Referenzvideos. Provider können eine beliebige Teilmenge dieser Modi unterstützen. Das Werkzeug validiert den aktiven Modus vor dem Absenden und meldet die unterstützten Modi bei `action=list`. ## Schnellstart Legen Sie einen API-Schlüssel für einen beliebigen unterstützten Provider fest: ```bash export GEMINI_API_KEY="your-key" ``` ```bash openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1-fast-generate-preview" ``` > Erzeugen Sie ein fünf Sekunden langes filmisches Video eines freundlichen Hummers, der bei Sonnenuntergang surft. Der Agent ruft `video_generate` automatisch auf. Eine Positivliste für Werkzeuge ist nicht erforderlich. ## Funktionsweise der asynchronen Erzeugung Die Videoerzeugung erfolgt asynchron: 1. OpenClaw sendet die Anfrage an den Provider und gibt sofort eine Aufgaben-ID zurück. 2. Der Provider verarbeitet den Auftrag im Hintergrund (je nach Provider und Auflösung üblicherweise 30 Sekunden bis mehrere Minuten; langsame, warteschlangenbasierte Provider können bis zum konfigurierten Zeitlimit laufen). 3. Sobald das Video fertig ist, aktiviert OpenClaw dieselbe Sitzung mit einem internen Abschlussereignis. 4. Der Agent meldet es über den normalen sichtbaren Antwortmodus der Sitzung: als automatische abschließende Antwort oder über `message(action="send")`, wenn die Sitzung das Nachrichtenwerkzeug erfordert. Falls die anfragende Sitzung inaktiv ist oder ihre Aktivierung fehlschlägt und die erzeugten Medien weiterhin in der Abschlussantwort fehlen, sendet OpenClaw eine idempotente direkte Ausweichzustellung mit den Medien. Solange ein Auftrag ausgeführt wird, geben doppelte `video_generate`-Aufrufe in derselben Sitzung den aktuellen Aufgabenstatus zurück, anstatt eine weitere Erzeugung zu starten. Verwenden Sie `action: "status"`, um den Status abzufragen, ohne eine neue Erzeugung auszulösen, oder `openclaw tasks list` / `openclaw tasks show ` über die CLI (siehe [Hintergrundaufgaben](/de/automation/tasks)). Außerhalb sitzungsgebundener Agentenläufe (beispielsweise bei direkten Werkzeugaufrufen) fällt das Werkzeug auf die synchrone Erzeugung zurück und gibt den endgültigen Medienpfad im selben Durchlauf zurück. Erzeugte Videodateien werden im von OpenClaw verwalteten Medienspeicher abgelegt, wenn der Provider Binärdaten zurückgibt. Die Standardobergrenze beträgt 16 MB (das gemeinsame Medienlimit für Videos); `agents.defaults.mediaMaxMb` erhöht sie für größere Renderings. Wenn ein Provider außerdem eine gehostete Ausgabe-URL zurückgibt, stellt OpenClaw diese URL zu, anstatt die Aufgabe fehlschlagen zu lassen, falls die lokale Speicherung eine zu große Datei ablehnt. ### Aufgabenlebenszyklus | Status | Bedeutung | | ----------- | -------------------------------------------------------------------------------------------------------------- | | `queued` | Aufgabe erstellt; wartet darauf, dass der Provider sie annimmt. | | `running` | Der Provider verarbeitet sie (je nach Provider und Auflösung üblicherweise 30 Sekunden bis mehrere Minuten). | | `succeeded` | Video fertig; der Agent wird aktiviert und veröffentlicht es in der Unterhaltung. | | `failed` | Provider-Fehler oder Zeitüberschreitung; der Agent wird mit Fehlerdetails aktiviert. | Status über die CLI prüfen: ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` ## Unterstützte Provider | Provider | Standardmodell | Text | Bildreferenz | Videoreferenz | Authentifizierung | | --------------------- | ------------------------------- | :--: | ---------------------------------------------------- | ------------------------------------------------ | ----------------------------------------- | | Alibaba | `wan2.6-t2v` | ✓ | Ja (Remote-URL) | Ja (Remote-URL) | `MODELSTUDIO_API_KEY` | | BytePlus (1.0) | `seedance-1-0-pro-250528` | ✓ | Bis zu 2 Bilder (nur I2V-Modelle; erstes + letztes Bild) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 1.5 | `seedance-1-5-pro-251215` | ✓ | Bis zu 2 Bilder (erstes + letztes Bild über Rolle) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 2.0 | `dreamina-seedance-2-0-260128` | ✓ | Bis zu 9 Referenzbilder | Bis zu 3 Videos | `BYTEPLUS_API_KEY` | | ComfyUI | `workflow` | ✓ | 1 Bild | - | `COMFY_API_KEY` oder `COMFY_CLOUD_API_KEY` | | DeepInfra | `Pixverse/Pixverse-T2V` | ✓ | - | - | `DEEPINFRA_API_KEY` | | fal | `fal-ai/minimax/video-01-live` | ✓ | 1 Bild; bis zu 9 mit Seedance Referenz-zu-Video | Bis zu 3 Videos mit Seedance Referenz-zu-Video | `FAL_KEY` | | Google | `veo-3.1-fast-generate-preview` | ✓ | 1 Bild | 1 Video | `GEMINI_API_KEY` | | MiniMax | `MiniMax-Hailuo-2.3` | ✓ | 1 Bild | - | `MINIMAX_API_KEY` oder MiniMax OAuth | | OpenAI | `sora-2` | ✓ | 1 Bild | 1 Video | `OPENAI_API_KEY` | | OpenRouter | `google/veo-3.1-fast` | ✓ | Bis zu 4 Bilder (erstes/letztes Bild oder Referenzen) | - | `OPENROUTER_API_KEY` | | Qwen | `wan2.6-t2v` | ✓ | Ja (Remote-URL) | Ja (Remote-URL) | `QWEN_API_KEY` | | Runway | `gen4.5` | ✓ | 1 Bild | 1 Video | `RUNWAYML_API_SECRET` | | Together | `Wan-AI/Wan2.2-T2V-A14B` | ✓ | Nur `Wan-AI/Wan2.2-I2V-A14B` | - | `TOGETHER_API_KEY` | | Vydra | `veo3` | ✓ | 1 Bild (`kling`) | - | `VYDRA_API_KEY` | | xAI | `grok-imagine-video` | ✓ | Klassisch: 1 erstes Bild oder 7 Referenzen; 1.5: 1 Bild | Klassisch: 1 Video | `XAI_API_KEY` | Einige Provider akzeptieren zusätzliche oder alternative Umgebungsvariablen für API-Schlüssel. Einzelheiten finden Sie auf den jeweiligen [Provider-Seiten](#related). Führen Sie `video_generate action=list` aus, um die zur Laufzeit verfügbaren Provider, Modelle und Laufzeitmodi zu prüfen. ### Funktionsmatrix Der explizite Modusvertrag, den `video_generate`, Vertragstests und der gemeinsame Live-Testlauf verwenden: | Provider | `generate` | `imageToVideo` | `videoToVideo` | Derzeitige gemeinsame Live-Testläufe | | ---------- | :--------: | :------------: | :------------: | ----------------------------------------------------------------------------------------------------------------------------------------- | | Alibaba | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` wird übersprungen, da dieser Provider Remote-Video-URLs mit `http(s)` benötigt | | BytePlus | ✓ | ✓ | - | `generate`, `imageToVideo` | | ComfyUI | ✓ | ✓ | - | Nicht im gemeinsamen Testlauf; Workflow-spezifische Abdeckung erfolgt durch Comfy-Tests | | DeepInfra | ✓ | - | - | `generate`; native DeepInfra-Videoschemas sind im Plugin-Vertrag auf Text-zu-Video beschränkt | | fal | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` nur bei Verwendung von Seedance Referenz-zu-Video | | Google | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; gemeinsames `videoToVideo` wird übersprungen, da der aktuelle pufferbasierte Gemini/Veo-Testlauf diese Eingabe nicht akzeptiert | | MiniMax | ✓ | ✓ | - | `generate`, `imageToVideo` | | OpenAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; gemeinsames `videoToVideo` wird übersprungen, da dieser Organisations-/Eingabepfad derzeit Provider-seitigen Zugriff auf die Videobearbeitung benötigt | | OpenRouter | ✓ | ✓ | - | `generate`, `imageToVideo` | | Qwen | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` wird übersprungen, da dieser Provider Remote-Video-URLs mit `http(s)` benötigt | | Runway | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` wird nur ausgeführt, wenn das ausgewählte Modell `runway/gen4_aleph` ist | | Together | ✓ | ✓ | - | `generate`, `imageToVideo` | | Vydra | ✓ | ✓ | - | `generate`; gemeinsames `imageToVideo` wird übersprungen, da das enthaltene `veo3` nur Text unterstützt und das enthaltene `kling` eine Remote-Bild-URL erfordert | | xAI | ✓ | ✓ | ✓ | Klassisch unterstützt alle Modi; Video 1.5 unterstützt nur Bild-zu-Video; Remote-MP4-Eingaben schließen `videoToVideo` vom gemeinsamen Testlauf aus | ## Werkzeugparameter ### Erforderlich Textbeschreibung des zu erzeugenden Videos. Erforderlich für `action: "generate"`. ### Inhaltseingaben Einzelnes Referenzbild (Pfad oder URL). Mehrere Referenzbilder (bis zu 9). Optionale positionsbezogene Rollenhinweise parallel zur kombinierten Bilderliste. Kanonische Werte: `first_frame`, `last_frame`, `reference_image`. Einzelnes Referenzvideo (Pfad oder URL). Mehrere Referenzvideos (bis zu 4). Optionale positionsbezogene Rollenhinweise parallel zur kombinierten Videoliste. Kanonischer Wert: `reference_video`. Einzelne Referenzaudiodatei (Pfad oder URL). Wird für Hintergrundmusik oder als Stimmreferenz verwendet, wenn der Provider Audioeingaben unterstützt. Mehrere Referenzaudiodateien (bis zu 3). Optionale positionsbezogene Rollenhinweise parallel zur kombinierten Audioliste. Kanonischer Wert: `reference_audio`. Rollenhinweise werden unverändert an den Provider weitergeleitet. Die kanonischen Werte stammen aus der Union `VideoGenerationAssetRole`, Provider können jedoch zusätzliche Rollen-Zeichenfolgen akzeptieren. `*Roles`-Arrays dürfen nicht mehr Einträge als die zugehörige Referenzliste enthalten; Abweichungen um eins schlagen mit einer eindeutigen Fehlermeldung fehl. Verwenden Sie eine leere Zeichenfolge, um einen Eintrag nicht festzulegen. Legen Sie für xAI jede Bildrolle auf `reference_image` fest, um dessen Generierungsmodus `reference_images` zu verwenden; lassen Sie die Rolle weg oder verwenden Sie `first_frame` für die Bild-zu-Video-Generierung mit einem einzelnen Bild. ### Stilsteuerung Hinweis zum Seitenverhältnis wie `1:1`, `16:9`, `9:16`, `adaptive` oder ein Provider-spezifischer Wert. OpenClaw normalisiert oder ignoriert nicht unterstützte Werte je nach Provider. Hinweis zur Auflösung wie `360P`, `480P`, `540P`, `720P`, `768P`, `1080P`, `4K` oder ein Provider-spezifischer Wert. OpenClaw normalisiert oder ignoriert nicht unterstützte Werte je nach Provider. Zieldauer in Sekunden (auf den nächsten vom Provider unterstützten Wert gerundet). Hinweis zur Größe, wenn der Provider dies unterstützt. Aktiviert erzeugtes Audio in der Ausgabe, sofern unterstützt. Nicht mit `audioRef*` (Eingaben) gleichzusetzen. Schaltet die Wasserzeichen des Providers ein oder aus, sofern unterstützt. `adaptive` ist ein Provider-spezifischer Sentinel-Wert: Er wird unverändert an Provider weitergeleitet, die `adaptive` in ihren Fähigkeiten deklarieren (z. B. verwendet BytePlus Seedance ihn, um das Verhältnis automatisch aus den Abmessungen des Eingabebilds zu erkennen). Provider, die ihn nicht deklarieren, geben den Wert im Werkzeugergebnis über `details.ignoredOverrides` aus, damit das Verwerfen sichtbar ist. ### Erweitert `"status"` gibt die aktuelle Sitzungsaufgabe zurück; `"list"` prüft Provider. Überschreibung von Provider/Modell (z. B. `runway/gen4.5`). Hinweis zum Ausgabedateinamen. Optionale Zeitüberschreitung für den Provider-Vorgang in Millisekunden. Wenn nicht angegeben, verwendet OpenClaw den Wert `agents.defaults.videoGenerationModel.timeoutMs`, sofern konfiguriert, andernfalls den vom Plugin festgelegten Standardwert des Providers, sofern vorhanden. Provider-spezifische Optionen als JSON-Objekt (z. B. `{"seed": 42, "draft": true}`). Provider, die ein typisiertes Schema deklarieren, validieren die Schlüssel und Typen; unbekannte Schlüssel oder Abweichungen führen dazu, dass der Kandidat beim Fallback übersprungen wird. Provider ohne deklariertes Schema erhalten die Optionen unverändert. Führen Sie `video_generate action=list` aus, um zu sehen, was die einzelnen Provider akzeptieren. Nicht alle Provider unterstützen alle Parameter. OpenClaw normalisiert die Dauer auf den nächstgelegenen vom Provider unterstützten Wert und ordnet übersetzte Geometriehinweise wie Größe-zu-Seitenverhältnis neu zu, wenn ein Fallback-Provider eine andere Steuerungsoberfläche bereitstellt. Tatsächlich nicht unterstützte Überschreibungen werden nach bestem Bemühen ignoriert und als Warnungen im Werkzeugergebnis gemeldet. Harte Fähigkeitsgrenzen (etwa zu viele Referenzeingaben) führen vor der Übermittlung zu einem Fehler. Werkzeugergebnisse melden die angewendeten Einstellungen; `details.normalization` erfasst alle Übersetzungen von angeforderten zu angewendeten Werten. Referenzeingaben bestimmen den Laufzeitmodus: - Keine Referenzmedien -> `generate` - Beliebige Bildreferenz -> `imageToVideo` - Beliebige Videoreferenz -> `videoToVideo` - Referenzaudioeingaben ändern den ermittelten Modus **nicht**; sie werden zusätzlich zu dem Modus angewendet, den die Bild-/Videoreferenzen bestimmen, und funktionieren nur mit Providern, die `maxInputAudios` deklarieren. Gemischte Bild- und Videoreferenzen bilden keine stabile gemeinsame Fähigkeitsoberfläche. Bevorzugen Sie einen Referenztyp pro Anfrage. #### Fallback und typisierte Optionen Einige Fähigkeitsprüfungen erfolgen auf der Fallback-Ebene statt an der Werkzeuggrenze. Daher kann eine Anfrage, die die Grenzen des primären Providers überschreitet, weiterhin bei einem geeigneten Fallback ausgeführt werden: - Ein aktiver Kandidat, der kein `maxInputAudios` (oder `0`) deklariert, wird übersprungen, wenn die Anfrage Audioreferenzen enthält; der nächste Kandidat wird versucht. Dieselbe Prüfung gilt für die Anzahl der Bild- und Videoreferenzen im Verhältnis zu `maxInputImages`/`maxInputVideos`. - Liegt `maxDurationSeconds` des aktiven Kandidaten unter dem angeforderten `durationSeconds`, ohne dass eine Liste `supportedDurationSeconds` deklariert ist, wird der Kandidat übersprungen. - Enthält die Anfrage `providerOptions` und deklariert der aktive Kandidat ausdrücklich ein typisiertes `providerOptions`-Schema, wird er übersprungen, wenn bereitgestellte Schlüssel nicht im Schema enthalten sind oder Werttypen nicht übereinstimmen. Provider ohne deklariertes Schema erhalten die Optionen unverändert (abwärtskompatible Durchleitung). Ein Provider kann sämtliche Provider-Optionen ablehnen, indem er ein leeres Schema (`capabilities.providerOptions: {}`) deklariert, was zum gleichen Überspringen wie bei einer Typabweichung führt. Der erste Grund für das Überspringen in einer Anfrage wird mit `warn` protokolliert, damit Betreiber erkennen, wenn ihr primärer Provider übergangen wurde; weitere Überspringvorgänge werden mit `debug` protokolliert, damit lange Fallback-Ketten übersichtlich bleiben. Wenn jeder Kandidat übersprungen wird, enthält der zusammengefasste Fehler den jeweiligen Grund. ## Aktionen | Aktion | Funktion | | ---------- | -------------------------------------------------------------------------------------------------------------- | | `generate` | Standard. Erstellt aus der angegebenen Eingabeaufforderung und optionalen Referenzeingaben ein Video. | | `status` | Prüft den Status der laufenden Videoaufgabe für die aktuelle Sitzung, ohne eine weitere Generierung zu starten. | | `list` | Zeigt verfügbare Provider, Modelle und deren Fähigkeiten an. | ## Modellauswahl OpenClaw ermittelt das Modell in dieser Reihenfolge: 1. **Werkzeugparameter `model`** – falls der Agent beim Aufruf einen angibt. 2. **`videoGenerationModel.primary`** aus der Konfiguration. 3. **`videoGenerationModel.fallbacks`** in der angegebenen Reihenfolge. 4. **Automatische Erkennung** – Provider mit gültiger Authentifizierung, beginnend mit dem aktuellen Standard-Provider, anschließend die übrigen Provider in alphabetischer Reihenfolge. Wenn ein Provider fehlschlägt, wird automatisch der nächste Kandidat versucht. Wenn alle Kandidaten fehlschlagen, enthält der Fehler Details zu jedem Versuch. Legen Sie `agents.defaults.mediaGenerationAutoProviderFallback: false` fest, um nur die expliziten Einträge `model`, `primary` und `fallbacks` zu verwenden. ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"], timeoutMs: 180000, // optionale Zeitüberschreibung pro Werkzeug für Provider-Anfragen }, }, }, } ``` ## Hinweise zu Providern Verwendet den asynchronen Endpunkt von DashScope / Model Studio. Referenzbilder und -videos müssen entfernte `http(s)`-URLs sein. Provider-ID: `byteplus`. Modelle: `seedance-1-0-pro-250528` (Standard), `seedance-1-0-pro-t2v-250528`, `seedance-1-0-pro-fast-251015`, `seedance-1-0-lite-t2v-250428`, `seedance-1-0-lite-i2v-250428`. T2V-Modelle (`*-t2v-*`) akzeptieren keine Bildeingaben; I2V-Modelle und allgemeine `*-pro-*`-Modelle unterstützen ein einzelnes Referenzbild (erstes Bild). Übergeben Sie das Bild positionsbezogen oder legen Sie `role: "first_frame"` fest. T2V-Modell-IDs werden automatisch auf die entsprechende I2V-Variante umgestellt, wenn ein Bild bereitgestellt wird. Unterstützte Schlüssel für `providerOptions`: `seed` (Zahl), `draft` (boolescher Wert – erzwingt 480p), `camera_fixed` (boolescher Wert). Erfordert das Plugin [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) (extern, nicht enthalten). Provider-ID: `byteplus-seedance15`. Modell: `seedance-1-5-pro-251215`. Verwendet die vereinheitlichte `content[]`-API. Unterstützt höchstens zwei Eingabebilder (`first_frame` + `last_frame`). Alle Eingaben müssen entfernte `https://`-URLs sein. Legen Sie für jedes Bild `role: "first_frame"` / `"last_frame"` fest oder übergeben Sie die Bilder positionsbezogen. `aspectRatio: "adaptive"` erkennt das Verhältnis automatisch aus dem Eingabebild. `audio: true` wird auf `generate_audio` abgebildet. `providerOptions.seed` (Zahl) wird weitergeleitet. Erfordert das Plugin [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) (extern, nicht enthalten). Provider-ID: `byteplus-seedance2`. Modelle: `dreamina-seedance-2-0-260128`, `dreamina-seedance-2-0-fast-260128`. Verwendet die vereinheitlichte `content[]`-API. Unterstützt bis zu neun Referenzbilder, drei Referenzvideos und drei Referenzaudiodateien. Alle Eingaben müssen entfernte `https://`-URLs sein. Legen Sie `role` für jedes Asset fest – unterstützte Werte: `"first_frame"`, `"last_frame"`, `"reference_image"`, `"reference_video"`, `"reference_audio"`. `aspectRatio: "adaptive"` erkennt das Verhältnis automatisch aus dem Eingabebild. `audio: true` wird auf `generate_audio` abgebildet. `providerOptions.seed` (Zahl) wird weitergeleitet. Workflow-gesteuerte lokale oder Cloud-Ausführung. Unterstützt Text-zu-Video und Bild-zu-Video über den konfigurierten Graphen. Verwendet einen warteschlangenbasierten Ablauf für lang laufende Aufträge. OpenClaw wartet standardmäßig bis zu 20 Minuten, bevor ein noch laufender fal-Warteschlangenauftrag als zeitüberschritten behandelt wird. Die meisten fal-Videomodelle akzeptieren eine einzelne Bildreferenz. Seedance-2.0-Referenz-zu-Video- Modelle akzeptieren bis zu 9 Bilder, 3 Videos und 3 Audioreferenzen, mit insgesamt höchstens 12 Referenzdateien. Unterstützt eine Bild- oder eine Videoreferenz. Anfragen für generiertes Audio werden im Gemini-API-Pfad mit einer Warnung ignoriert, da diese API den Parameter `generateAudio` für die aktuelle Veo-Videogenerierung ablehnt. Nur eine einzelne Bildreferenz. MiniMax akzeptiert die Auflösungen `768P` und `1080P`; Anfragen wie `720P` werden vor der Übermittlung auf den nächstgelegenen unterstützten Wert normalisiert. Nur die Überschreibung `size` wird weitergeleitet. Andere Stilüberschreibungen (`aspectRatio`, `resolution`, `audio`, `watermark`) werden mit einer Warnung ignoriert. Verwendet die asynchrone `/videos`-API von OpenRouter. OpenClaw übermittelt den Auftrag, fragt `polling_url` regelmäßig ab und lädt entweder `unsigned_urls` oder den dokumentierten Inhaltsendpunkt des Auftrags herunter. Der mitgelieferte Standardwert `google/veo-3.1-fast` weist Dauern von 4/6/8 Sekunden, Auflösungen von `720P`/`1080P` und Seitenverhältnisse von `16:9`/`9:16` aus. Dasselbe DashScope-Backend wie Alibaba. Referenzeingaben müssen entfernte `http(s)`-URLs sein; lokale Dateien werden vorab abgelehnt. Unterstützt lokale Dateien über Daten-URIs. Video-zu-Video erfordert `runway/gen4_aleph`. Reine Textausführungen bieten die Seitenverhältnisse `16:9` und `9:16`. Nur eine einzelne Bildreferenz. Verwendet `https://www.vydra.ai/api/v1` direkt, um Weiterleitungen zu vermeiden, bei denen die Authentifizierung verworfen wird. `veo3` wird ausschließlich für Text-zu-Video mitgeliefert; `kling` erfordert eine entfernte Bild-URL. Das Standardmodell `grok-imagine-video` unterstützt Text-zu-Video, Bild-zu-Video mit einem einzelnen Startbild, bis zu 7 `reference_image`-Eingaben über die xAI-Option `reference_images` sowie Abläufe zum Bearbeiten und Verlängern entfernter Videos. Die Generierung verwendet standardmäßig `480P`; bei Bild-zu-Video mit einem einzelnen Bild wird das Seitenverhältnis der Quelle übernommen, wenn `aspectRatio` nicht angegeben ist. Beim Bearbeiten und Verlängern von Videos wird die Geometrie der Eingabe übernommen; Überschreibungen des Seitenverhältnisses oder der Auflösung werden nicht akzeptiert. Die Verlängerung akzeptiert 2–10 Sekunden. `grok-imagine-video-1.5` unterstützt ausschließlich Bild-zu-Video: Geben Sie genau ein Bild an. Das Modell unterstützt 1–15 Sekunden und `480P`, `720P` oder `1080P`, standardmäßig `480P`; lassen Sie `aspectRatio` weg, um das Seitenverhältnis des Quellbilds zu übernehmen. Die Vorschau- und datierten 1.5-Bezeichner unterliegen derselben Validierung und werden unverändert weitergeleitet. ## Provider-Fähigkeitsmodi Der gemeinsame Vertrag zur Videogenerierung unterstützt modusspezifische Fähigkeiten anstelle ausschließlich flacher Gesamtgrenzen. Neue Provider-Implementierungen sollten explizite Modusblöcke bevorzugen: ```typescript capabilities: { generate: { maxVideos: 1, maxDurationSeconds: 10, supportsResolution: true, }, imageToVideo: { enabled: true, maxVideos: 1, maxInputImages: 1, maxInputImagesByModel: { "provider/reference-to-video": 9 }, maxDurationSeconds: 5, }, videoToVideo: { enabled: true, maxVideos: 1, maxInputVideos: 1, maxDurationSeconds: 5, }, } ``` Flache Gesamtfelder wie `maxInputImages` und `maxInputVideos` reichen **nicht** aus, um die Unterstützung von Transformationsmodi auszuweisen. Provider sollten `generate`, `imageToVideo` und `videoToVideo` explizit deklarieren, damit Live- Tests, Vertragstests und das gemeinsame Werkzeug `video_generate` die Modusunterstützung deterministisch validieren können. Wenn ein Modell eines Providers eine umfassendere Unterstützung für Referenzeingaben als die übrigen Modelle bietet, verwenden Sie `maxInputImagesByModel`, `maxInputVideosByModel` oder `maxInputAudiosByModel`, anstatt die Grenze für den gesamten Modus anzuheben. ## Live-Tests Optional aktivierbare Live-Abdeckung für die gemeinsam mitgelieferten Provider: ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts ``` Repository-Wrapper: ```bash pnpm test:live:media video ``` Diese Live-Datei verwendet standardmäßig bereits exportierte Provider-Umgebungsvariablen vor gespeicherten Authentifizierungsprofilen und führt standardmäßig einen release-sicheren Smoke-Test aus: - `generate` für jeden Nicht-FAL-Provider im Durchlauf. - Einsekündige Hummer-Eingabeaufforderung. - Provider-spezifische Zeitbegrenzung für Vorgänge aus `OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS` (standardmäßig `180000`). FAL muss explizit aktiviert werden, da die providerseitige Warteschlangenlatenz die Release- Zeit dominieren kann: ```bash pnpm test:live:media video --video-providers fal ``` Setzen Sie `OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1`, um zusätzlich deklarierte Transformationsmodi auszuführen, die der gemeinsame Durchlauf mit lokalen Medien sicher testen kann: - `imageToVideo`, wenn `capabilities.imageToVideo.enabled`. - `videoToVideo`, wenn `capabilities.videoToVideo.enabled` und der Provider bzw. das Modell im gemeinsamen Durchlauf lokale, puffergestützte Videoeingaben akzeptiert. Derzeit deckt der gemeinsame `videoToVideo`-Live-Testlauf `runway` nur ab, wenn Sie `runway/gen4_aleph` auswählen. ## Konfiguration Legen Sie das standardmäßige Videogenerierungsmodell in Ihrer OpenClaw-Konfiguration fest: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "qwen/wan2.6-t2v", fallbacks: ["qwen/wan2.6-r2v-flash"], }, }, }, } ``` Oder über die CLI: ```bash openclaw config set agents.defaults.videoGenerationModel.primary "qwen/wan2.6-t2v" ``` ## Verwandte Themen - [Alibaba Model Studio](/de/providers/alibaba) - [Hintergrundaufgaben](/de/automation/tasks) – Aufgabenverfolgung für die asynchrone Videogenerierung - [BytePlus](/de/concepts/model-providers#byteplus-international) - [ComfyUI](/de/providers/comfy) - [Konfigurationsreferenz](/de/gateway/config-agents#agent-defaults) - [fal](/de/providers/fal) - [Google (Gemini)](/de/providers/google) - [MiniMax](/de/providers/minimax) - [Modelle](/de/concepts/models) - [OpenAI](/de/providers/openai) - [Qwen](/de/providers/qwen) - [Runway](/de/providers/runway) - [Together AI](/de/providers/together) - [Werkzeugübersicht](/de/tools) - [Vydra](/de/providers/vydra) - [xAI](/de/providers/xai)