视频技能

通过Higgsfield AI生成图像/视频。默认：GPT Image 2用于图像/设计/文字，Seedance 2.0用于视频，Nano Banana 2/Pro用于角色/参考图像工作，Marketing Studio用于包含头像/产品/钩子的广告、设置，以及Soul V2/Cinema/Cast/Location和Kling 3.0。使用场景：“生成一张图像”、“制作一段视频”、“让这张照片动起来”、“图像转视频”、“编辑/风格化/混音这张图像”、“制作一个短片”、“创建一则广告”、“制作UGC视频”、“产品演示”、“开箱”、“品牌视频”……

训练一个灵魂角色——基于个人面部特征的个性化模型，用于Higgsfield生成身份保真的图像和视频。使用场景：“创建我的灵魂”、“训练我的面部”、“制作我的数字分身”、“为我构建头像”、“学习我的外貌”、“创建我的角色”、“为视频设置身份”、“我希望我的脸出现在生成的

对于任何制作、创建、编辑、动画或渲染视频、动画或动态图形的请求——包括宣传片、解说视频、带字幕的片段、标题卡、叠加层或任何合成内容——请先阅读此说明。HyperFrames 通过 HTML 渲染视频；这是入口技能，也是智能体创作或编辑视频的默认方式。它会将请求路由到正确的专业工作流程，并指向 HyperFrames 领域技能，因此在尝试任何其他视频或动画技能之前，请先阅读此说明，而不是猜测工作流程。

非动画创意指导，用于HyperFrames视频。适用于设计规范（frame.md / design.md）处理、调色板、排版、叙述、节拍规划

Use when a HyperFrames composition needs seek-safe 2D/3D keyframes, GSAP timelines, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

为HyperFrames合成提供资产预处理——多供应商TTS（HeyGen / ElevenLabs / Kokoro本地）、多供应商BGM（Google Lyria / 本地MusicGen）、Whisper转录、背景移除及字幕编写。用于npx hyperframes tts、bgm、transcribe、remove-background、语音/供应商选择、音乐情绪提示、字幕/副标题/歌词/卡拉OK/逐词样式。

对于任何制作、创建、生成、编辑、动画化或渲染视频、动画、动态图形、解说视频、标题卡、叠加层、带字幕视频、产品宣传片、网站视频、公关或更新日志视频、数据蒙太奇、动态海报或HyperFrames HTML合成的请求，请从此处开始。当用户希望HyperFrames创作或渲染完成的MP4/网络视频、选择工作流程，或在产品发布视频、无脸解说视频、网站转视频等之间路由时，请在其他视频或动画技能之前使用此功能。

静态转视频指南：模型选择、运动提示与镜头移动。涵盖Wan 2.5 i2v、Seedance、Fabric、Grok Video及各自适用场景。用途：图像动画化、从静态图像创建视频、添加运动效果、产品动画。触发词：image to video、i2v、animate image、still to video、add motion to image、image animation、photo to video、animate still、wan i2v、image2video、bring image to life、animate photo、motion from image

在 RunComfy 上为任意静态图像制作动画——该技能是一个智能路由器，能将用户意图匹配到 RunComfy

We need to translate the given text from English to Simplified Chinese. The text describes a skill called "image-to-video" but the instruction says to preserve the name only if it appears in the source text. The name "image-to-video" does appear in the source? Actually the source text starts with "Animate any still image on RunComfy — this skill is a smart router..." The name "image-to-video" is not explicitly in the source text; it's given as the directory item name. The instruction says "Do not include the name unless it appears in the source text." So we should not add "image-to-video" to the translation. We only translate the text inside <text>. Also preserve product names, protocol names, URLs, numbers, technical terms. So "RunComfy", "HappyHorse 1.0 I2V", "Arena #1", "Wan 2.7", "audio_url", "Seedance 2.0 Pro" should remain as is. Translate the rest naturally. The text ends with

Animate any still image on RunComfy — this skill is a smart router that matches the user's intent to the right i2v model in the RunComfy catalog. Picks HappyHorse 1.0 I2V (Arena #1, native audio, identity preservation) for general animations, Wan 2.7 with `audio_url` for custom-voiceover lip-sync, or Seedance 2.0 Pro for multi-modal animation from image + reference video + reference audio. Bundles each model's documented prompting patterns so the caller gets sharper output without burning...

静态转视频指南：模型选择、运动提示与镜头移动。涵盖Wan 2.5 i2v、Seedance、Fabric、Grok Video及各自适用场景。用途：图像动画化、从静态图像创建视频、添加运动效果、产品动画。触发词：image to video、i2v、animate image、still to video、add motion to image、image animation、photo to video、animate still、wan i2v、image2video、bring image to life、animate photo、motion from image

Animate any still image on RunComfy — this skill is a smart router that matches the user's intent to the right i2v model in the RunComfy catalog. Picks HappyHorse 1.0 I2V (Arena #1, native audio, identity preservation) for general animations, Wan 2.7 with `audio_url` for custom-voiceover lip-sync, or Seedance 2.0 Pro for multi-modal animation from image + reference video + reference audio. Bundles each model's documented prompting patterns so the caller gets sharper output without burning...

RunComfy上的Kling 3.0视频生成。Kling 3.0（也称Kling V3.0）是快手科技第三代多镜头视频模型，具备原生同步音频和跨镜头一致的角色身份。该技能涵盖全部六个Kling 3.0端点，覆盖三种渲染等级（标准、专业、4K）和两种模式（文生视频、图生视频）。通过本地RunComfy CLI调用runcomfy run kling/kling-3.0/ /。触发词为"kling"、"kling 3.0"、"kling v3"、"kling pro"等。

RunComfy上的Kling 3.0视频生成。Kling 3.0（也称Kling V3.0）是快手科技第三代多镜头视频模型，具备原生同步音频及跨镜头一致的角色身份。该技能覆盖全部六个Kling 3.0端点，涵盖三种渲染级别（标准、专业、4K）和两种模式（文生视频、图生视频）。通过本地RunComfy CLI调用runcomfy run kling/kling-3.0/ /。触发词为"kling"、"kling 3.0"、"kling v3"、"kling pro"等。

Kling 3.0在RunComfy上的视频生成。Kling 3.0（又称Kling V3.0）是快手科技推出的第三代多镜头视频模型，具有原生同步音频和跨镜头一致的角色身份。该技能涵盖全部六个Kling 3.0端点，覆盖三个渲染层级（Standard、Pro、4K）和两种模式（文本转视频、图像转视频）。通过本地RunComfy CLI调用runcomfy run kling/kling-3.0/ /。触发词为"kling"、"kling 3.0"、"kling v3"、"kling pro"等。

RunComfy上的Kling 3.0视频生成。Kling 3.0（也称Kling V3.0）是快手科技第三代多镜头视频模型，具备原生同步音频和跨镜头一致的角色身份。该技能涵盖全部六个Kling 3.0端点，覆盖三种渲染等级（标准、专业、4K）和两种模式（文生视频、图生视频）。通过本地RunComfy CLI调用runcomfy run kling/kling-3.0/ /。触发词为"kling"、"kling 3.0"、"kling v3"、"kling pro"等。

Lip-sync a face to a specific audio track on RunComfy via the `runcomfy` CLI. Routes across ByteDance OmniHuman (audio-driven full-body avatar from a portrait + audio), Sync Labs sync v2 / Pro (state-of-the-art mouth sync onto a video), Kling lipsync (audio-to- video and text-to-video with synced speech), and Creatify lipsync. The skill picks the right endpoint for the user's actual intent — portrait still + audio (avatar-style), source video + audio (mouth- swap on existing footage), or...

We need to translate the given text from English to Simplified Chinese. The text describes a skill for lip-syncing a face to an audio track using various services. We must preserve product names, protocol names, URLs, numbers, and technical terms. The name "lipsync" is to be preserved if it appears in the source text, but it does appear in the first line: "Lip-sync a face..." so we should keep "lipsync" as is? Actually the instruction says "Name to preserve: lipsync" but also "Do not include the name unless it appears in the source text." The name "lipsync" appears in the source text as part of "Lip-sync" (hyphenated) and later "lipsync" (no hyphen) in "Kling lipsync" and "Creatify lipsync". So we should preserve those occurrences. Also preserve "RunComfy", "runcomfy", "ByteDance OmniHuman", "Sync Labs sync v2 / Pro", "Kling lipsync", "Creatify

Lip-sync a face to a specific audio track on RunComfy via the `runcomfy` CLI. Routes across ByteDance OmniHuman (audio-driven full-body avatar from a portrait + audio), Sync Labs sync v2 / Pro (state-of-the-art mouth sync onto a video), Kling lipsync (audio-to- video and text-to-video with synced speech), and Creatify lipsync. The skill picks the right endpoint for the user's actual intent — portrait still + audio (avatar-style), source video + audio (mouth- swap on existing footage), or...

使用Mediabunny库进行多媒体处理

当用户需要一段简短、以设计为主导的动态图形，且动态本身即为信息时使用：动态文字排版、数字或统计计数、图表/数据可视化效果、标志片头、品牌组合、底部三分之一、标注、社交覆盖层、动画标题/推文/新闻条目、动态海报或快速捕捉页面高亮。通常时长在10秒以内，最长约30秒，无叙事弧线、画外音或真人实拍主体。可渲染为MP4或透明叠加层。不适用于较长、多场景、带旁白或品牌宣传片的作品……

当用户有一段音乐（音频文件或可提取音频的视频），并希望生成一段与节拍同步的HyperFrames视频（风格从舒缓到强烈），使用此技能。音乐驱动一切：一个分析器一次性读取音乐，编排器规划帧序列并填充每帧计划，再由一个子代理构建每一帧。排版和模板是基础——无需任何素材即可生成完整视频——但用户提供的任何图片或视频都会按相同的节拍网格（节拍剪辑/...）被裁切到帧中。

通过 inference.sh CLI 使用 Pruna P-Video 和 WAN 模型生成视频。模型：P-Video、WAN-T2V、WAN-I2V。功能：文本转视频、图像转视频、音频支持、720p/1080p、快速推理。Pruna 在不损失质量的前提下优化模型速度。触发词：pruna video、p-video、pruna ai video、fast video generation、optimized video、wan t2v、wan i2v、economic video generation、cheap video generation、pruna text to video、pruna image to video

通过 inference.sh CLI 使用 Pruna P-Video 和 WAN 模型生成视频。模型：P-Video、WAN-T2V、WAN-I2V。功能：文本转视频、图像转视频、音频支持、720p/1080p、快速推理。Pruna 在不损失质量的前提下优化模型速度。触发词：pruna video、p-video、pruna ai video、fast video generation、optimized video、wan t2v、wan i2v、economic video generation、cheap video generation、pruna text to video、pruna image to video

使用Pruna P-Video-Avatar通过inference.sh CLI生成说话头像视频。将肖像图像转换为逼真的说话视频，内置TTS功能。速度比竞品快18倍，成本低6倍。模型：P-Video-Avatar、P-Image（用于肖像生成）。功能：文本转头像、音频驱动头像、30种语音、10种语言、720p/1080p、内置TTS、动态背景、全身控制。用途：AI主播、产品演示、解说视频、虚拟网红、营销等。

通过inference.sh CLI使用Pruna P-Video-Avatar生成说话头像视频。将肖像图像转化为逼真的说话视频，内置TTS功能。速度比竞品快18倍，成本低6倍。模型：P-Video-Avatar、P-Image（用于肖像生成）。功能：文本转头像、音频驱动头像、30种语音、10种语言、720p/1080p、内置TTS、动态背景、全身控制。用途：AI主播、产品演示、解说视频、虚拟网红、营销……

AI视频生成技能，自动在Seedance 2、Kling 3.0、HappyHorse及10余个模型间选择。可从文本、图片、URL、脚本或音频生成完整多镜头视频（5–120秒），包含AI音乐、唇形同步和多镜头序列。无需编写提示词，无需选择模型。用途：视频制作、AI视频、制作视频、产品视频、品牌视频、宣传短片、解说视频、短视频、TikTok视频、Instagram Reel、YouTube Short、产品广告……

pr-to-video 工作流程 - 一个 GitHub 拉取请求（URL 格式如 github.com/ / /pull/ ，或 / # ，或在已检出仓库中的“this PR”）-> 提取的 PR 信息（标题、正文、差异、提交、文件、增减统计）-> narrator_scripts.json + 音频（语音 + 背景音乐）+ section_plan.md -> 代码差异/前后对比/影响说明视频。输入内容为代码变更。URL 必须是 PR 链接，而非用于抓取的营销网站；不是文本摘要，也不是产品网站。对于非 PR 输入（产品网站、普通网站、主题文本），...

当用户需要产品发布、SaaS推广、功能揭晓、应用/公司/网站营销视频，或将脚本/简报转化为产品导向视频时使用。触发词包括：X的发布视频、我们网站的推广、一分钟解释我的SaaS、X.com的功能揭晓、将此脚本转化为60秒推广。可能使用产品/营销URL进行品牌捕捉，或从简报/脚本进入无捕捉模式。不适用于无产品或URL的主题讲解（无面讲解）、GitHub PR/代码变更……