text-to-video

Text To Video（文生视频）

Overview

纯文字驱动生成动态视频，涵盖 2 类场景：

1. 高画质默认模式：创意视频、广告素材、文案可视化、概念演示；4–15s，比例 adaptive/16:9/4:3/1:1/3:4/9:16/21:9，480p/720p，音频默认 on。
2. 高动态快速模式：追求动态效果 / 画面生动、或需 3s 短时长；3–15s，仅 16:9/1:1/9:16，720p，音频默认 off，动态效果更强。

不处理：图片驱动生成视频、音频驱动生成、视频编辑、视频加特效/改风格。

API Mapping

场景	后端 API
高画质默认模式	video_toffee_t2v_v20
高动态快速模式	video_bonbon_txt2vid_v30

model 映射：

• auto（默认）/ 不传 → 按路由规则决策
• toffee → video_toffee_t2v_v20
• bonbon → video_bonbon_txt2vid_v30
• 互相降级：一方失败切另一方重试

Dependencies

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

Core Workflow

Preflight → Execute → Deliver

Preflight

1. meitu --version ≥ 2.0.6
2. meitu auth verify --json
3. 确认 registry 含 text-to-video
4. 解析 output_dir：openclaw.yaml → ./output/；else → ~/.openclaw/workspace/visual/output/text-to-video/
5. 时长钳位：用户要 <3s → 钳位 3s 并告知

Execute

触发信号 / 路由规则

决策顺序：

1. 时长 <3s → 钳位 3s
2. 动态优先 / 3s 短时长 命中 → 候选 video_bonbon_txt2vid_v30
3. 若比例为 4:3/3:4/21:9/adaptive → 比例优先，切回 video_toffee_t2v_v20
4. 无特殊要求 → video_toffee_t2v_v20（默认）

场景	判定关键词	路由
动态优先	动态、生动	video_bonbon_txt2vid_v30
3s 短时长	3 秒	video_bonbon_txt2vid_v30
默认 / 无特殊要求	通用	video_toffee_t2v_v20
特殊比例（4:3/3:4/21:9/adaptive）	--	强制 video_toffee_t2v_v20（比例优先）
要 480p	--	video_toffee_t2v_v20（bonbon 不支持 480p）

参数定义

通用参数：

参数	类型	必填	范围	默认值	说明
prompt	STRING	是	--	--	视频内容描述。缺失 → 追问
video_duration	NUMBER	是	3–15	按 API 不同	toffee: 4–15，默认 10；bonbon: 3–15，默认 5
sound	STRING / BOOL	是	on/off 或 true/false	按 API 不同	toffee: BOOL generate_audio，默认 true；bonbon: STRING on/off，默认 off
aspect_ratio	STRING	是	adaptive / 16:9 / 1:1 / 9:16 / 4:3 / 3:4 / 21:9	按 API 不同	toffee 全比例支持，默认 adaptive；bonbon 仅 16:9/1:1/9:16，默认 16:9
resolution	STRING	否	480p / 720p	720p	仅 toffee 支持；bonbon 固定 720p

各 API 参数映射：

video_toffee_t2v_v20（高画质默认）

统一参数	API 参数	映射规则
prompt	prompt	直传
video_duration	video_duration	clamp(4, 15)，默认 10
sound	generate_audio	on→true / off→false；默认 true
aspect_ratio	ratio	全比例直传，默认 adaptive
resolution	resolution	480p/720p，默认 720p

video_bonbon_txt2vid_v30（高动态快速）

统一参数	API 参数	映射规则
prompt	prompt	直传
video_duration	video_duration	clamp(3, 15)，默认 5
sound	sound	on/off 直传，默认 off
aspect_ratio	aspect_ratio	支持 16:9/1:1/9:16；其他比例切 toffee

工具调用

默认高画质：

meitu text-to-video \
  --skill_name skill_text-to-video \
  --prompt "{video_description}" \
  --video_duration 10 \
  --aspect_ratio adaptive \
  --resolution 720p \
  --sound true \
  --json --download-dir {output_dir}

高动态快速（3s）：

meitu text-to-video \
  --skill_name skill_text-to-video \
  --prompt "{dynamic_scene}" \
  --model bonbon \
  --video_duration 3 \
  --aspect_ratio 16:9 \
  --sound off \
  --json --download-dir {output_dir}

错误降级

场景	处理方式
prompt 缺失	提示"请描述你想生成的视频内容"
时长 <3s	钳位 3s，告知"文生视频最短支持 3 秒"
时长 <4s + 默认模式	toffee 最短 4s → 降级 video_bonbon_txt2vid_v30
特殊比例 + 快速模式	bonbon 仅 16:9/1:1/9:16 → 切 video_toffee_t2v_v20，告知"当前比例不支持动态模式，已切换默认模式"
未指定时长 + 默认模式	默认 10s
未指定时长 + 快速模式	默认 5s
video_toffee_t2v_v20 失败	切 video_bonbon_txt2vid_v30 重试
video_bonbon_txt2vid_v30 失败	切 video_toffee_t2v_v20 重试 → 仍失败返回错误
超时 >600s	降低时长 / 分辨率重试 1 次 → 仍失败返回错误
内容合规拦截	直接返回合规提示，不重试、不降级

冲突规则：

• 动态 + 特殊比例 → 比例优先，走 video_toffee_t2v_v20
• 3s 时长 + 默认模式 → 时长优先，走 video_bonbon_txt2vid_v30
• 要 480p → 走 video_toffee_t2v_v20（bonbon 不支持）

Deliver

解析 --json：

• ok: true → downloaded_files[0].saved_path 为本地视频
• ok: false → 输出 code + hint

落盘：mv {file} {output_dir}/{YYYY-MM-DD}_{descriptive-name}.mp4

Output

• 格式: MP4
• 命名: {YYYY-MM-DD}_{descriptive-name}.mp4
• 位置: 项目 → ./output/；一次性 → ~/.openclaw/workspace/visual/output/text-to-video/

基线 Task ID

见根目录 references/task-id-baseline.md 中 text-to-video 条目。