--- read_when: - Generowanie filmów za pomocą agenta - Konfigurowanie dostawców i modeli generowania wideo - Omówienie parametrów narzędzia video_generate sidebarTitle: Video generation summary: Generuj filmy za pomocą video_generate na podstawie tekstu, obrazów lub materiałów wideo w 16 backendach dostawców title: Generowanie wideo x-i18n: generated_at: "2026-07-12T15:42:04Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: dd34232a3b1a340fcd7dd51a8c5517f976b2300d86a87b56b86a35102ac2d502 source_path: tools/video-generation.md workflow: 16 --- Agenci OpenClaw generują filmy na podstawie promptów tekstowych, obrazów referencyjnych lub istniejących filmów za pomocą `video_generate`. Obsługiwanych jest szesnaście backendów dostawców; agent automatycznie wybiera właściwy na podstawie konfiguracji i dostępnych kluczy API. `video_generate` pojawia się tylko wtedy, gdy dostępny jest co najmniej jeden dostawca generowania filmów. Jeśli brakuje go w narzędziach agenta, ustaw klucz API dostawcy lub skonfiguruj `agents.defaults.videoGenerationModel`. `video_generate` ma trzy tryby działania, określane na podstawie danych referencyjnych w wywołaniu: - `generate` — brak multimediów referencyjnych (tekst na film). - `imageToVideo` — co najmniej jeden obraz referencyjny. - `videoToVideo` — co najmniej jeden film referencyjny. Dostawcy mogą obsługiwać dowolny podzbiór tych trybów. Narzędzie sprawdza aktywny tryb przed przesłaniem zadania i zgłasza obsługiwane tryby w `action=list`. ## Szybki start Ustaw klucz API dowolnego obsługiwanego dostawcy: ```bash export GEMINI_API_KEY="your-key" ``` ```bash openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1-fast-generate-preview" ``` > Wygeneruj 5-sekundowy film w kinowym stylu, przedstawiający przyjaznego homara surfującego o zachodzie słońca. Agent automatycznie wywołuje `video_generate`. Dodawanie narzędzia do listy dozwolonych nie jest wymagane. ## Jak działa generowanie asynchroniczne Generowanie filmów odbywa się asynchronicznie: 1. OpenClaw przesyła żądanie do dostawcy i natychmiast zwraca identyfikator zadania. 2. Dostawca przetwarza zadanie w tle (zwykle od 30 sekund do kilku minut, zależnie od dostawcy i rozdzielczości; powolni dostawcy korzystający z kolejek mogą działać do upływu skonfigurowanego limitu czasu). 3. Gdy film jest gotowy, OpenClaw wznawia tę samą sesję za pomocą wewnętrznego zdarzenia ukończenia. 4. Agent zgłasza wynik w zwykłym trybie widocznej odpowiedzi sesji: automatyczna odpowiedź końcowa lub `message(action="send")`, gdy sesja wymaga narzędzia wiadomości. Jeśli sesja żądającego jest nieaktywna albo jej wznowienie się nie powiedzie, a wygenerowanych multimediów nadal brakuje w odpowiedzi o ukończeniu, OpenClaw wysyła idempotentną bezpośrednią wiadomość awaryjną z multimediami. Gdy zadanie jest w toku, kolejne wywołania `video_generate` w tej samej sesji zwracają bieżący stan zadania zamiast rozpoczynać następne generowanie. Użyj `action: "status"`, aby sprawdzić stan bez wyzwalania nowego generowania, albo `openclaw tasks list` / `openclaw tasks show ` w CLI (zobacz [Zadania w tle](/pl/automation/tasks)). Poza uruchomieniami agenta powiązanymi z sesją (na przykład przy bezpośrednich wywołaniach narzędzia) narzędzie przechodzi na generowanie w ramach wywołania i zwraca ścieżkę do gotowych multimediów w tej samej turze. Gdy dostawca zwraca dane binarne, wygenerowane pliki filmowe są zapisywane w magazynie multimediów zarządzanym przez OpenClaw. Domyślny limit wynosi 16 MB (współdzielony limit multimediów wideo); `agents.defaults.mediaMaxMb` zwiększa go w przypadku większych renderów. Jeśli dostawca zwraca również hostowany adres URL wyniku, OpenClaw dostarcza ten adres URL zamiast oznaczać zadanie jako nieudane, gdy lokalny zapis odrzuci zbyt duży plik. ### Cykl życia zadania | Stan | Znaczenie | | ----------- | ------------------------------------------------------------------------------------------------------------- | | `queued` | Zadanie zostało utworzone i oczekuje na przyjęcie przez dostawcę. | | `running` | Dostawca przetwarza zadanie (zwykle od 30 sekund do kilku minut, zależnie od dostawcy i rozdzielczości). | | `succeeded` | Film jest gotowy; agent wznawia działanie i publikuje go w rozmowie. | | `failed` | Błąd dostawcy lub przekroczenie limitu czasu; agent wznawia działanie ze szczegółami błędu. | Sprawdź stan w CLI: ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` ## Obsługiwani dostawcy | Dostawca | Model domyślny | Tekst | Obraz referencyjny | Film referencyjny | Uwierzytelnianie | | --------------------- | -------------------------------- | :---: | ------------------------------------------------------------ | ------------------------------------------------------- | ---------------------------------------- | | Alibaba | `wan2.6-t2v` | ✓ | Tak (zdalny adres URL) | Tak (zdalny adres URL) | `MODELSTUDIO_API_KEY` | | BytePlus (1.0) | `seedance-1-0-pro-250528` | ✓ | Do 2 obrazów (tylko modele I2V; pierwsza i ostatnia klatka) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 1.5 | `seedance-1-5-pro-251215` | ✓ | Do 2 obrazów (pierwsza i ostatnia klatka za pomocą roli) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 2.0 | `dreamina-seedance-2-0-260128` | ✓ | Do 9 obrazów referencyjnych | Do 3 filmów | `BYTEPLUS_API_KEY` | | ComfyUI | `workflow` | ✓ | 1 obraz | - | `COMFY_API_KEY` lub `COMFY_CLOUD_API_KEY` | | DeepInfra | `Pixverse/Pixverse-T2V` | ✓ | - | - | `DEEPINFRA_API_KEY` | | fal | `fal-ai/minimax/video-01-live` | ✓ | 1 obraz; do 9 z trybem Seedance „referencja na film” | Do 3 filmów z trybem Seedance „referencja na film” | `FAL_KEY` | | Google | `veo-3.1-fast-generate-preview` | ✓ | 1 obraz | 1 film | `GEMINI_API_KEY` | | MiniMax | `MiniMax-Hailuo-2.3` | ✓ | 1 obraz | - | `MINIMAX_API_KEY` lub OAuth MiniMax | | OpenAI | `sora-2` | ✓ | 1 obraz | 1 film | `OPENAI_API_KEY` | | OpenRouter | `google/veo-3.1-fast` | ✓ | Do 4 obrazów (pierwsza/ostatnia klatka lub referencje) | - | `OPENROUTER_API_KEY` | | Qwen | `wan2.6-t2v` | ✓ | Tak (zdalny adres URL) | Tak (zdalny adres URL) | `QWEN_API_KEY` | | Runway | `gen4.5` | ✓ | 1 obraz | 1 film | `RUNWAYML_API_SECRET` | | Together | `Wan-AI/Wan2.2-T2V-A14B` | ✓ | Tylko `Wan-AI/Wan2.2-I2V-A14B` | - | `TOGETHER_API_KEY` | | Vydra | `veo3` | ✓ | 1 obraz (`kling`) | - | `VYDRA_API_KEY` | | xAI | `grok-imagine-video` | ✓ | Classic: 1 pierwsza klatka lub 7 referencji; 1.5: 1 klatka | Classic: 1 film | `XAI_API_KEY` | Niektórzy dostawcy akceptują dodatkowe lub alternatywne zmienne środowiskowe kluczy API. Szczegóły znajdziesz na poszczególnych [stronach dostawców](#related). Uruchom `video_generate action=list`, aby podczas działania sprawdzić dostępnych dostawców, modele i tryby działania. ### Macierz możliwości Jawna umowa trybów używana przez `video_generate`, testy umowy oraz współdzielony test środowiska rzeczywistego: | Dostawca | `generate` | `imageToVideo` | `videoToVideo` | Obecnie współdzielone ścieżki testów środowiska rzeczywistego | | ---------- | :--------: | :------------: | :------------: | --------------------------------------------------------------------------------------------------------------------------------------------------- | | Alibaba | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` pomijany, ponieważ ten dostawca wymaga zdalnych adresów URL filmów `http(s)` | | BytePlus | ✓ | ✓ | - | `generate`, `imageToVideo` | | ComfyUI | ✓ | ✓ | - | Brak we współdzielonym teście; zakres specyficzny dla przepływów pracy znajduje się w testach Comfy | | DeepInfra | ✓ | - | - | `generate`; natywne schematy filmów DeepInfra w umowie pluginu obsługują generowanie filmu z tekstu | | fal | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` tylko podczas korzystania z trybu Seedance „referencja na film” | | Google | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; współdzielony `videoToVideo` jest pomijany, ponieważ bieżący test Gemini/Veo oparty na buforze nie akceptuje tych danych wejściowych | | MiniMax | ✓ | ✓ | - | `generate`, `imageToVideo` | | OpenAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; współdzielony `videoToVideo` jest pomijany, ponieważ ta organizacja/ścieżka danych wejściowych wymaga obecnie dostępu do edycji filmów po stronie dostawcy | | OpenRouter | ✓ | ✓ | - | `generate`, `imageToVideo` | | Qwen | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` pomijany, ponieważ ten dostawca wymaga zdalnych adresów URL filmów `http(s)` | | Runway | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` działa tylko wtedy, gdy wybranym modelem jest `runway/gen4_aleph` | | Together | ✓ | ✓ | - | `generate`, `imageToVideo` | | Vydra | ✓ | ✓ | - | `generate`; współdzielony `imageToVideo` jest pomijany, ponieważ dołączony `veo3` obsługuje tylko tekst, a dołączony `kling` wymaga zdalnego adresu URL obrazu | | xAI | ✓ | ✓ | ✓ | Wariant Classic obsługuje wszystkie tryby; Video 1.5 obsługuje tylko generowanie filmu z obrazu; zdalne dane wejściowe MP4 wykluczają `videoToVideo` ze współdzielonego testu | ## Parametry narzędzia ### Wymagane Tekstowy opis filmu do wygenerowania. Wymagany dla `action: "generate"`. ### Dane wejściowe treści Pojedynczy obraz referencyjny (ścieżka lub adres URL). Wiele obrazów referencyjnych (maksymalnie 9). Opcjonalne wskazówki roli dla poszczególnych pozycji, odpowiadające połączonej liście obrazów. Wartości kanoniczne: `first_frame`, `last_frame`, `reference_image`. Pojedynczy film referencyjny (ścieżka lub adres URL). Wiele filmów referencyjnych (maksymalnie 4). Opcjonalne wskazówki roli dla poszczególnych pozycji, odpowiadające połączonej liście filmów. Wartość kanoniczna: `reference_video`. Pojedynczy dźwięk referencyjny (ścieżka lub adres URL). Używany jako muzyka w tle lub wzorzec głosu, gdy dostawca obsługuje wejścia audio. Wiele dźwięków referencyjnych (maksymalnie 3). Opcjonalne wskazówki roli dla poszczególnych pozycji, odpowiadające połączonej liście dźwięków. Wartość kanoniczna: `reference_audio`. Wskazówki roli są przekazywane dostawcy bez zmian. Wartości kanoniczne pochodzą z unii `VideoGenerationAssetRole`, ale dostawcy mogą akceptować dodatkowe ciągi ról. Tablice `*Roles` nie mogą zawierać więcej elementów niż odpowiadająca im lista referencyjna; błędy przesunięcia o jeden powodują niepowodzenie z jednoznacznym komunikatem. Użyj pustego ciągu, aby pozostawić pozycję nieustawioną. W przypadku xAI ustaw rolę każdego obrazu na `reference_image`, aby użyć trybu generowania `reference_images`; pomiń rolę lub użyj `first_frame` dla konwersji pojedynczego obrazu na film. ### Sterowanie stylem Wskazówka proporcji obrazu, na przykład `1:1`, `16:9`, `9:16`, `adaptive` lub wartość specyficzna dla dostawcy. OpenClaw normalizuje lub ignoruje nieobsługiwane wartości zależnie od dostawcy. Wskazówka rozdzielczości, na przykład `360P`, `480P`, `540P`, `720P`, `768P`, `1080P`, `4K` lub wartość specyficzna dla dostawcy. OpenClaw normalizuje lub ignoruje nieobsługiwane wartości zależnie od dostawcy. Docelowy czas trwania w sekundach (zaokrąglany do najbliższej wartości obsługiwanej przez dostawcę). Wskazówka rozmiaru, gdy dostawca ją obsługuje. Włącza generowany dźwięk w wyniku, gdy jest obsługiwany. Jest to opcja odrębna od `audioRef*` (wejść). Włącza lub wyłącza znak wodny dostawcy, gdy jest obsługiwany. `adaptive` jest wartością specjalną zależną od dostawcy: jest przekazywana bez zmian dostawcom, którzy deklarują `adaptive` w swoich możliwościach (np. BytePlus Seedance używa jej do automatycznego wykrywania proporcji na podstawie wymiarów obrazu wejściowego). Dostawcy, którzy jej nie deklarują, ujawniają tę wartość w `details.ignoredOverrides` w wyniku narzędzia, dzięki czemu jej odrzucenie jest widoczne. ### Zaawansowane `"status"` zwraca bieżące zadanie sesji; `"list"` sprawdza dostawców. Nadpisanie dostawcy/modelu (np. `runway/gen4.5`). Wskazówka nazwy pliku wyjściowego. Opcjonalny limit czasu operacji dostawcy w milisekundach. Jeśli zostanie pominięty, OpenClaw używa `agents.defaults.videoGenerationModel.timeoutMs`, jeśli skonfigurowano tę wartość, a w przeciwnym razie domyślnej wartości dostawcy określonej przez autora pluginu, jeśli taka istnieje. Opcje specyficzne dla dostawcy jako obiekt JSON (np. `{"seed": 42, "draft": true}`). Dostawcy deklarujący typowany schemat weryfikują klucze i typy; nieznane klucze lub niezgodności powodują pominięcie kandydata podczas przełączania awaryjnego. Dostawcy bez zadeklarowanego schematu otrzymują opcje bez zmian. Uruchom `video_generate action=list`, aby zobaczyć, jakie opcje akceptuje każdy dostawca. Nie wszyscy dostawcy obsługują wszystkie parametry. OpenClaw normalizuje czas trwania do najbliższej wartości obsługiwanej przez dostawcę i przekształca wskazówki geometrii, na przykład rozmiar na proporcje obrazu, gdy dostawca awaryjny udostępnia inny zestaw ustawień. Faktycznie nieobsługiwane nadpisania są w miarę możliwości ignorowane i zgłaszane jako ostrzeżenia w wyniku narzędzia. Twarde ograniczenia możliwości (takie jak zbyt wiele wejść referencyjnych) powodują błąd przed wysłaniem. Wyniki narzędzia podają zastosowane ustawienia; `details.normalization` rejestruje wszelkie przekształcenia wartości żądanych na zastosowane. Wejścia referencyjne wybierają tryb działania: - Brak multimediów referencyjnych -> `generate` - Dowolny obraz referencyjny -> `imageToVideo` - Dowolny film referencyjny -> `videoToVideo` - Referencyjne wejścia audio **nie** zmieniają wybranego trybu; są stosowane do trybu wybranego przez referencje obrazów lub filmów i działają wyłącznie z dostawcami deklarującymi `maxInputAudios`. Łączenie referencji obrazów i filmów nie stanowi stabilnego wspólnego zakresu możliwości. Preferuj jeden typ referencji na żądanie. #### Przełączanie awaryjne i typowane opcje Niektóre kontrole możliwości są wykonywane w warstwie przełączania awaryjnego, a nie na granicy narzędzia, dlatego żądanie przekraczające limity głównego dostawcy nadal może zostać obsłużone przez odpowiedniego dostawcę awaryjnego: - Aktywny kandydat, który nie deklaruje `maxInputAudios` (lub deklaruje `0`), jest pomijany, gdy żądanie zawiera referencje audio; następuje próba użycia kolejnego kandydata. Ta sama kontrola dotyczy liczby referencji obrazów i filmów względem `maxInputImages`/`maxInputVideos`. - Aktywny kandydat, którego `maxDurationSeconds` jest mniejsze od żądanego `durationSeconds` i który nie deklaruje listy `supportedDurationSeconds` -> zostaje pominięty. - Żądanie zawiera `providerOptions`, a aktywny kandydat jawnie deklaruje typowany schemat `providerOptions` -> zostaje pominięty, jeśli podanych kluczy nie ma w schemacie lub typy wartości są niezgodne. Dostawcy bez zadeklarowanego schematu otrzymują opcje bez zmian (przekazywanie zgodne wstecznie). Dostawca może zrezygnować ze wszystkich opcji dostawcy, deklarując pusty schemat (`capabilities.providerOptions: {}`), co powoduje takie samo pominięcie jak niezgodność typów. Pierwsza przyczyna pominięcia w żądaniu jest rejestrowana na poziomie `warn`, aby operatorzy widzieli, kiedy ich główny dostawca został pominięty; kolejne pominięcia są rejestrowane na poziomie `debug`, aby długie łańcuchy przełączania awaryjnego nie generowały nadmiernych komunikatów. Jeśli każdy kandydat zostanie pominięty, zbiorczy błąd zawiera przyczynę pominięcia każdego z nich. ## Akcje | Akcja | Działanie | | ---------- | -------------------------------------------------------------------------------------------------------------- | | `generate` | Domyślnie. Tworzy film na podstawie podanej instrukcji i opcjonalnych wejść referencyjnych. | | `status` | Sprawdza stan trwającego zadania generowania filmu dla bieżącej sesji bez uruchamiania kolejnego generowania. | | `list` | Wyświetla dostępnych dostawców, modele i ich możliwości. | ## Wybór modelu OpenClaw wybiera model w następującej kolejności: 1. **Parametr narzędzia `model`** — jeśli agent poda go w wywołaniu. 2. **`videoGenerationModel.primary`** z konfiguracji. 3. **`videoGenerationModel.fallbacks`** po kolei. 4. **Automatyczne wykrywanie** — dostawcy z prawidłowym uwierzytelnieniem, począwszy od bieżącego domyślnego dostawcy, a następnie pozostali dostawcy w kolejności alfabetycznej. Jeśli dostawca zawiedzie, automatycznie podejmowana jest próba użycia kolejnego kandydata. Jeśli wszyscy kandydaci zawiodą, błąd zawiera szczegóły każdej próby. Ustaw `agents.defaults.mediaGenerationAutoProviderFallback: false`, aby używać wyłącznie jawnych wpisów `model`, `primary` i `fallbacks`. ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"], timeoutMs: 180000, // opcjonalne nadpisanie limitu czasu żądania dostawcy dla poszczególnych narzędzi }, }, }, } ``` ## Uwagi dotyczące dostawców Korzysta z asynchronicznego punktu końcowego DashScope / Model Studio. Obrazy i filmy referencyjne muszą być zdalnymi adresami URL `http(s)`. Identyfikator dostawcy: `byteplus`. Modele: `seedance-1-0-pro-250528` (domyślny), `seedance-1-0-pro-t2v-250528`, `seedance-1-0-pro-fast-251015`, `seedance-1-0-lite-t2v-250428`, `seedance-1-0-lite-i2v-250428`. Modele T2V (`*-t2v-*`) nie przyjmują wejść obrazowych; modele I2V i ogólne modele `*-pro-*` obsługują pojedynczy obraz referencyjny (pierwszą klatkę). Przekaż obraz pozycyjnie lub ustaw `role: "first_frame"`. Po podaniu obrazu identyfikatory modeli T2V są automatycznie zamieniane na odpowiadający wariant I2V. Obsługiwane klucze `providerOptions`: `seed` (liczba), `draft` (wartość logiczna — wymusza 480p), `camera_fixed` (wartość logiczna). Wymaga pluginu [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) (zewnętrznego, niedołączonego). Identyfikator dostawcy: `byteplus-seedance15`. Model: `seedance-1-5-pro-251215`. Korzysta z ujednoliconego API `content[]`. Obsługuje maksymalnie 2 obrazy wejściowe (`first_frame` + `last_frame`). Wszystkie wejścia muszą być zdalnymi adresami URL `https://`. Ustaw `role: "first_frame"` / `"last_frame"` dla każdego obrazu albo przekaż obrazy pozycyjnie. `aspectRatio: "adaptive"` automatycznie wykrywa proporcje na podstawie obrazu wejściowego. `audio: true` jest mapowane na `generate_audio`. Wartość `providerOptions.seed` (liczba) jest przekazywana dalej. Wymaga pluginu [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) (zewnętrznego, niedołączonego). Identyfikator dostawcy: `byteplus-seedance2`. Modele: `dreamina-seedance-2-0-260128`, `dreamina-seedance-2-0-fast-260128`. Korzysta z ujednoliconego API `content[]`. Obsługuje maksymalnie 9 obrazów referencyjnych, 3 filmy referencyjne i 3 dźwięki referencyjne. Wszystkie wejścia muszą być zdalnymi adresami URL `https://`. Ustaw `role` dla każdego zasobu — obsługiwane wartości: `"first_frame"`, `"last_frame"`, `"reference_image"`, `"reference_video"`, `"reference_audio"`. `aspectRatio: "adaptive"` automatycznie wykrywa proporcje na podstawie obrazu wejściowego. `audio: true` jest mapowane na `generate_audio`. Wartość `providerOptions.seed` (liczba) jest przekazywana dalej. Lokalne wykonywanie lub wykonywanie w chmurze oparte na przepływach pracy. Obsługuje generowanie tekstu do wideo oraz obrazu do wideo za pomocą skonfigurowanego grafu. Używa przepływu opartego na kolejce do zadań długotrwałych. OpenClaw domyślnie czeka do 20 minut, zanim uzna trwające zadanie w kolejce fal za przekraczające limit czasu. Większość modeli wideo fal przyjmuje jedno odwołanie do obrazu. Modele Seedance 2.0 generujące wideo na podstawie materiałów referencyjnych przyjmują do 9 obrazów, 3 filmów i 3 materiałów audio, przy czym łączna liczba plików referencyjnych nie może przekraczać 12. Obsługuje jedno odwołanie do obrazu lub filmu. Żądania wygenerowania dźwięku są ignorowane z ostrzeżeniem w ścieżce API Gemini, ponieważ to API odrzuca parametr `generateAudio` dla bieżącego generowania wideo za pomocą Veo. Obsługuje tylko jedno odwołanie do obrazu. MiniMax przyjmuje rozdzielczości `768P` i `1080P`; żądania takie jak `720P` są przed wysłaniem normalizowane do najbliższej obsługiwanej wartości. Przekazywane jest tylko nadpisanie `size`. Inne nadpisania stylu (`aspectRatio`, `resolution`, `audio`, `watermark`) są ignorowane z ostrzeżeniem. Używa asynchronicznego API `/videos` usługi OpenRouter. OpenClaw wysyła zadanie, cyklicznie sprawdza `polling_url` i pobiera zasób z `unsigned_urls` albo z udokumentowanego punktu końcowego zawartości zadania. Dołączony domyślny model `google/veo-3.1-fast` deklaruje czasy trwania 4/6/8 sekund, rozdzielczości `720P`/`1080P` oraz proporcje obrazu `16:9`/`9:16`. Używa tego samego zaplecza DashScope co Alibaba. Dane referencyjne muszą być zdalnymi adresami URL `http(s)`; pliki lokalne są odrzucane przed rozpoczęciem. Obsługuje pliki lokalne za pomocą identyfikatorów URI danych. Generowanie wideo na podstawie wideo wymaga `runway/gen4_aleph`. Uruchomienia wyłącznie na podstawie tekstu udostępniają proporcje obrazu `16:9` i `9:16`. Obsługuje tylko jedno odwołanie do obrazu. Używa bezpośrednio `https://www.vydra.ai/api/v1`, aby uniknąć przekierowań usuwających dane uwierzytelniające. `veo3` jest dołączony wyłącznie do generowania tekstu do wideo; `kling` wymaga zdalnego adresu URL obrazu. Domyślny model `grok-imagine-video` obsługuje generowanie tekstu do wideo, generowanie obrazu do wideo na podstawie pojedynczego obrazu pierwszej klatki, do 7 danych wejściowych `reference_image` przez `reference_images` xAI oraz zdalne przepływy edycji i rozszerzania wideo. Generowanie domyślnie odbywa się w `480P`; generowanie obrazu do wideo z pojedynczego obrazu dziedziczy proporcje źródła, gdy pominięto `aspectRatio`. Edycja i rozszerzanie wideo dziedziczą geometrię wejściową i nie przyjmują nadpisań proporcji obrazu ani rozdzielczości. Rozszerzanie przyjmuje wartości od 2 do 10 sekund. `grok-imagine-video-1.5` obsługuje wyłącznie generowanie obrazu do wideo: podaj dokładnie jeden obraz. Obsługuje czas od 1 do 15 sekund oraz `480P`, `720P` lub `1080P`, domyślnie używając `480P`; pomiń `aspectRatio`, aby odziedziczyć proporcje obrazu źródłowego. Identyfikatory wersji zapoznawczej i wersji 1.5 z datą podlegają tej samej walidacji i są przekazywane bez zmian. ## Tryby możliwości dostawców Wspólny kontrakt generowania wideo obsługuje możliwości zależne od trybu zamiast wyłącznie płaskich limitów zbiorczych. Nowe implementacje dostawców powinny preferować jawne bloki trybów: ```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, }, } ``` Płaskie pola zbiorcze, takie jak `maxInputImages` i `maxInputVideos`, **nie** wystarczają do deklarowania obsługi trybów przekształcania. Dostawcy powinni jawnie deklarować `generate`, `imageToVideo` i `videoToVideo`, aby testy na żywo, testy kontraktowe i wspólne narzędzie `video_generate` mogły deterministycznie weryfikować obsługę trybów. Gdy jeden model dostawcy obsługuje więcej danych referencyjnych niż pozostałe, użyj `maxInputImagesByModel`, `maxInputVideosByModel` lub `maxInputAudiosByModel` zamiast zwiększać limit dla całego trybu. ## Testy na żywo Opcjonalne pokrycie testami na żywo dla wspólnych dołączonych dostawców: ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts ``` Skrypt opakowujący repozytorium: ```bash pnpm test:live:media video ``` Ten plik testów na żywo domyślnie używa już wyeksportowanych zmiennych środowiskowych dostawców przed zapisanymi profilami uwierzytelniania i domyślnie przeprowadza bezpieczny dla wydania test dymny: - `generate` dla każdego dostawcy innego niż FAL objętego przebiegiem testowym. - Jednosekundowe polecenie z homarem. - Limit czasu operacji dla każdego dostawcy określony przez `OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS` (domyślnie `180000`). FAL jest opcjonalny, ponieważ opóźnienie kolejki po stronie dostawcy może zdominować czas wydania: ```bash pnpm test:live:media video --video-providers fal ``` Ustaw `OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1`, aby uruchomić również zadeklarowane tryby przekształcania, które wspólny przebieg testowy może bezpiecznie wykonać przy użyciu lokalnych multimediów: - `imageToVideo`, gdy `capabilities.imageToVideo.enabled`. - `videoToVideo`, gdy `capabilities.videoToVideo.enabled`, a dostawca/model przyjmuje lokalne wejście wideo oparte na buforze we wspólnym przebiegu testowym. Obecnie wspólna ścieżka testów na żywo `videoToVideo` obejmuje tylko `runway`, gdy wybierzesz `runway/gen4_aleph`. ## Konfiguracja Ustaw domyślny model generowania wideo w konfiguracji OpenClaw: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "qwen/wan2.6-t2v", fallbacks: ["qwen/wan2.6-r2v-flash"], }, }, }, } ``` Lub za pomocą CLI: ```bash openclaw config set agents.defaults.videoGenerationModel.primary "qwen/wan2.6-t2v" ``` ## Powiązane materiały - [Alibaba Model Studio](/pl/providers/alibaba) - [Zadania w tle](/pl/automation/tasks) — śledzenie zadań asynchronicznego generowania wideo - [BytePlus](/pl/concepts/model-providers#byteplus-international) - [ComfyUI](/pl/providers/comfy) - [Dokumentacja konfiguracji](/pl/gateway/config-agents#agent-defaults) - [fal](/pl/providers/fal) - [Google (Gemini)](/pl/providers/google) - [MiniMax](/pl/providers/minimax) - [Modele](/pl/concepts/models) - [OpenAI](/pl/providers/openai) - [Qwen](/pl/providers/qwen) - [Runway](/pl/providers/runway) - [Together AI](/pl/providers/together) - [Przegląd narzędzi](/pl/tools) - [Vydra](/pl/providers/vydra) - [xAI](/pl/providers/xai)