特看视频 AI Skill

> 特看视频 API 的模块化 Python 工具包。

✨ 生成 · 编辑 · 协作 —— 一站搞定 ✨

• 🧠 全主流模型：一个工具包无缝接入全球顶级 AI 视频、图片、语音模型。
• 🗣️ 描述即创作：告诉 Agent 你想要什么——从数字人到商品合成图，你的提示词直接生成成品。
• ⚡ 零手动操作：无需手动上传，无需繁琐调整，一切自动完成并同步到你的在线看板。

功能概览

> 你不需要了解任何 API 细节。只需描述你想要什么——Agent 会阅读下方技术文档并自动处理一切。

单项任务——一句话，一个结果：

• 描述一张图片，几秒钟内生成——或一次批量生成一整套
• 上传一张人像和一段文案，获得带口型同步的数字人视频
• 将任意静态图片变成视频片段
• 纯文字描述即可生成视频
• 去除背景、编辑图片、替换场景——全靠描述即可完成
• 一句话把你的产品放到模特身上
• 克隆你的声音，或从数百种声音中选择进行文字转语音
• 在网页看板上整理所有成果，便于预览和分享

组合工作流——自由串联各项能力：

这些能力可以任意组合。例如，告诉 Agent"用这张照片做一套完整的产品发布素材"，它会将去除背景、商品展示、数字人视频和图片生成串联成一条流水线——全在一次对话中完成。更多示例：

• 为故事板的每个场景生成图片，然后全部转换为视频片段
• 撰写脚本，用 3 种语言制作 TTS 配音，为每种语言创建数字人视频
• 从一个风格参考出发，批量生产一周的品牌风格统一的社交媒体图片和视频
• 上传人像 + 克隆声音，然后仅凭文字脚本生成无限量数字人节目
• 将一篇文章转化为多段教育视频系列，配以 AI 插图和主持人解说

执行规则

> 始终使用 scripts/ 中的 Python 脚本。 这些脚本处理了身份验证、S3 文件上传、自动轮询、超时恢复和结构化错误处理——如果绕过它们直接用 curl 或 HTTP 调用，会丢失所有这些功能，而且仅在身份验证环节就可能失败。

前置条件

• Python 3.10+
• 积分余额充足 — 参见 references/user.md 查询余额

pip install -r {baseDir}/scripts/requirements.txt

认证规则（必读）

> 严禁向用户索要 API Key、UID 或任何凭证。用户没有这些东西，也无法自行获取。

> 授权链接只能通过运行 auth.py login 获得，用户没有其他渠道获取此链接。

Agent 必须遵守：

1. 永远不要 向用户索要任何密钥或凭证
2. 永远不要 让用户自己运行命令
3. 永远不要 跳过引导消息或自行编写安装结果摘要 — 必须使用下方模板

详细说明参见 references/auth.md。

安装完成与登录引导（强制流程）

> 安装依赖完成后，Agent 必须严格按以下步骤执行，不可跳过、不可改写、不可自行编写替代文案。

步骤 1 — 运行 auth.py login

python {baseDir}/scripts/auth.py login

命令会输出授权链接（格式如 URL: https://...），并尝试自动打开浏览器（无浏览器的环境下会静默跳过）。无论浏览器是否打开，都必须从输出中提取这个 URL，下一步要用。

步骤 2 — 发送引导消息（强制，原样使用以下模板）

> ⚠️ 极其重要 — 登录链接输出规则（必须逐字遵守）：

> 1. 从步骤 1 的命令输出中找到 URL: https://... 那一行，提取完整的 URL

> 2. 将下方模板中的 （含尖括号）整个替换为该真实 URL，填入 Markdown 链接的圆括号内

> 3. 最终输出格式必须是 👉 点击此处完成登录授权

> 4. 禁止把 URL 单独裸露粘贴、禁止省略方括号文字部分、禁止用 < > 尖括号包裹 URL

> 5. 必须保持 描述文字 的完整结构，缺任何一部分都会导致链接失效

>⚠️ 微信平台发送方式强制规则

• 登录引导消息必须通过 message(action=send) 工具发送，不可作为普通回复文本直接输出。
• 原因：如微信 在普通回复中会吞掉 Markdown 方括号 [] 符号，导致链接格式损坏。
• 通过 message 工具发送可以确保格式完整传递。

> ✅ 正确示例：

> ```

> 👉 点击此处完成登录授权

> ```

> ❌ 错误示例（裸 URL，没有方括号包裹）：

> ```

> https://api.tekan.cn/oauth/authorize?code=abc123

> ```

> ❌ 错误示例（丢失了方括号描述文字）：

> ```

> (https://api.tekan.cn/oauth/authorize?code=abc123)

> ```

> ❌ 错误示例（占位符未替换）：

> ```

> 👉 点击此处完成登录授权

> ```

将 替换为步骤 1 获得的实际授权链接后，原样发送以下消息给用户：

安装完成，特看视频技能已连接到你的智能助手。

点击下方链接完成登录，登录后将解锁以下能力：
[👉 点击此处完成登录授权](<LOGIN_URL>)

🎬 视频生成
文字转视频、图片转视频、参考视频生成，自动配音配乐。
视频模型：地表最强模型S2.0-白名单版（支持上传真人图） · 拟真世界模型 V2 · 可灵 V3 · 电影级画质模型 V3.1 · Vidu Q3 Pro · 万象 V2.6

🖼 AI 图片生成与编辑
文字生图、AI 修图、风格转换，最高支持 4K。
图片模型：全能图片模型 V2 · Seedream 5.0 · 强语义理解模型 V1.5 · 照片级写实模型 V4 · 强上下文一致性模型 pro

🧑 口播数字人
上传一张照片 + 文案，自动生成真人口播视频，支持多语种。

✂ 背景移除
一键抠图，产品图、人像、任意图片秒去背景。

🔺 产品模特图
把你的产品图放到模特身上，自动生成带货展示图。

🎙 语音与配音
文字转语音、声音克隆，支持多语种配音输出。

登录完成后回我一句"好了"，我马上继续。

禁止行为：

• 不可省略模板中的任何部分
• 不可用自己的话概括或改写
• 不可在用户授权前展示能力列表的简化版本
• 必须替换为真实 URL（保留 👉 点击此处完成登录授权 的完整 Markdown 链接结构），不可留空或写占位符
• 禁止把 URL 裸露粘贴（不带方括号描述文字），禁止省略 [...]() 中的任何部分

步骤 3 — 等待用户授权

用户在浏览器中完成登录和授权后，会回复"好了"。此时 auth.py login 应已自动检测到授权并保存凭证到 ~/.tekan/credentials.json。

步骤 4 — 验证登录状态

python {baseDir}/scripts/auth.py status

确认输出包含 Logged in 后，告知用户"登录成功，所有功能已解锁"，即可开始正常使用。

Agent 工作流规则

> 以下规则适用于所有生成模块（avatar4, video_gen, ai_image, remove_bg, product_avatar, text2voice）。

1. 始终从 run 开始 — 它会提交任务并自动轮询直到完成。这是默认且正确的选择，几乎适用于所有场景。
2. Agent 负责轮询循环 — 用户期望无需干预的体验，因此 Agent 应持续轮询直到任务完成或超时，而不是让用户手动检查状态。
3. query 仅用于恢复 — query 仅在 run 已超时且你有 taskId 需要恢复时有用，或用户主动提供了已有的 taskId。对新请求直接用 query 会失败，因为没有任务可轮询。
4. query 持续轮询 — 它每隔 --interval 秒检查一次状态，直到状态为 success 或 fail，或 --timeout 到期。不会只检查一次就停止。
5. 如果 query 也超时（退出码 2），增加 --timeout 并使用相同的 taskId 重试。除非任务确实失败，否则不要重新提交。

决策树：
  → 新请求？               使用 `run`
  → run 超时了？           使用 `query --task-id <id>`
  → query 也超时了？       使用 `query --task-id <id> --timeout 1200`
  → 任务状态=fail？        用 `run` 重新提交

任务状态：

看板 ID 协议（强制）

> 每个生成任务都必须包含 --board-id。缺少看板 ID 会导致用户无法在网页上查看和编辑结果。

1. 会话开始（必须） — 在提交第一个任务之前，必须先运行 board.py list --default -q 获取默认看板 ID（"My First Board"）。每个会话只需执行一次。不可跳过此步骤。
2. 传递给所有任务（必须） — 为每个生成命令添加 --board-id （avatar4.py、video_gen.py、ai_image.py、product_avatar.py、text2voice.py）。
3. 任务完成后（必须） — 从任务结果中提取 boardTaskId，按下方「视频/图片结果模板」用 Markdown 链接展示项目链接（勿粘贴裸 URL，避免长链接被截断无法点击）。每次任务完成都必须展示此链接，告诉用户可以点击查看和编辑结果。
4. 用户想要新看板 — 运行 board.py create --name "..." 并将返回的看板 ID 用于后续任务。
5. 用户指定了看板 — 使用用户提供的看板 ID 而非默认值。
6. 忘记了看板 ID？ — 再次运行 board.py list --default -q。

会话流程：
  1. BOARD_ID = $(board.py list --default -q)
  2. avatar4.py run --board-id $BOARD_ID ...
  3. video_gen.py run --board-id $BOARD_ID ...
  4. (结果中显示包含 boardTaskId 的编辑链接)

模块列表

> 请阅读各模块的参考文档了解用法、选项和代码示例。

> 本地文件（图片/音频/视频）作为参数传入时会自动上传——无需手动上传步骤。

创作指南

> 核心原则： 从用户意图出发，而非从 API 出发。

> 分析用户想要实现什么，然后选择合适的工具、模型和参数。

>

> 语言规则（强制）： 用户用什么语言沟通，生成内容就用什么语言。用户说中文，则 --text（TTS 文案）、--prompt（提示词）、脚本内容等全部使用中文。除非用户明确要求使用其他语言。

第一步 — 意图分析

每次用户请求内容时，识别以下维度：

第二步 — 工具选择

用户需要什么？
│
├─ 真人对着镜头说话（数字人）？
│  → avatar4 或 video_gen 的原生音频模型
│
├─ 把一张图片变成视频片段？
│  → video_gen --type i2v
│
├─ 纯文字生成视频？
│  → video_gen --type t2v
│
├─ 基于参考素材生成新视频（风格迁移、编辑）？
│  → video_gen --type omni
│
├─ 从文字提示生成图片？
│  → ai_image --type text2image
│
├─ 编辑/修改现有图片？
│  → ai_image --type image_edit
│
├─ 去除图片背景（如商品抠图）？
│  → remove_bg
│
├─ 将商品放到模特/数字人场景中？
│  → product_avatar（如果商品有背景，先用 remove_bg）
│  → product_avatar list-avatars 浏览公共模板
│
├─ 浏览可用的字幕样式？
│  → avatar4 list-captions
│
├─ 文字转语音？
│  → text2voice
│
├─ 查找声音 / 列出可用声音？
│  → voice list
│
├─ 从音频样本克隆声音？
│  → voice clone
│
├─ 删除自定义声音？
│  → voice delete
│
├─ 管理看板 / 在网页上查看结果？
│  → board (list, create, detail, tasks)
│
├─ 组合需求（如数字人 + 产品片段）？
│  → 使用配方（见第三步）
│
└─ 超出当前能力范围？
   → 见下方能力边界

快速路由参考表：

> 视频模型选择 — 参见 references/video_gen.md § 模型推荐。

> 图片模型建议： 所有图片任务默认使用全能图片模型 V2 — 综合最强模型，画质最佳，支持 14 种宽高比、最高 4K、编辑时支持 14 张参考图。参见 references/ai_image.md § 模型推荐。

> 商品模特图工作流： 为获得最佳效果，使用两步流程：先用 remove_bg.py 获取 bgRemovedImageFileId，再用 product_avatar.py 配合 --product-image-no-bg。使用 product_avatar.py list-avatars 浏览公共模板并获取 avatarId。参见 references/product_avatar.md § 完整工作流。

> avatar4 字幕样式： 使用 avatar4.py list-captions 查看可用字幕样式，然后通过 --caption 传入 captionId。

> 数字人建议 — avatar4 vs video_gen 原生音频：

> 部分 video_gen 模型（如地表最强模型S2.0-白名单版（支持上传真人图）、可灵 V3、电影级画质模型 V3.1）支持原生音频，可以生成比 avatar4 画质更好的数字人视频。但它们最大时长更短（5–15 秒）且价格明显更高。Avatar4 支持单段最长 120 秒，成本低得多。

> 经验法则： 目标视频时长小于 15 秒时，默认使用 video_gen 原生音频模型；否则默认使用 avatar4。但你应该始终向用户说明各自优缺点并征求偏好。

第三步 — 简单 vs 复杂

简单请求 — 用户需求明确，素材就绪 → 直接根据参考文档处理。

复杂请求 — 用户给出的是目标（如"做一个推广视频"、"解释 AI 的工作原理"），而非直接的 API 指令。遵循以下通用工作流：

1. 拆解与确认： 向用户询问目标受众、核心信息、期望时长，以及他们目前有哪些素材（照片、脚本）。
2. 确定路线：
• 有人像照片 + 需要解说 → 使用 avatar4（数字人）。
• 有产品/参考照片 → 使用 video_gen --type i2v 或 omni。
• 没有素材，纯视觉概念 → 使用 video_gen --type t2v。
• 两者都需要 → 规划混合方案（数字人解说 + B-roll 插入）。
3. 组织内容：
• 撰写结构化脚本（开头吸引 → 主体/讲解 → 行动号召）。
• 在 TTS 脚本中添加 标签以实现自然节奏。
• 对于视觉内容，撰写详细提示词，涵盖主体 + 动作 + 光照 + 镜头。
4. 处理长内容（>120 秒）： 如果脚本超过单个 avatar4 任务的 120 秒限制，在自然句子边界处将其分成逻辑段落（如每段 60 秒）。使用 submit 命令并行提交任务，确保各段参数（声音/模型）一致，并按顺序交付。

执行前协议

> 每个生成任务前都遵循此协议。

1. 估算费用 — 视频任务使用 video_gen.py estimate-cost，图片任务使用 ai_image.py estimate-cost；avatar4 费用取决于视频时长；product_avatar 固定 0.5 积分；text2voice 固定 0.1 积分
2. 验证参数 — 确保模型、宽高比、分辨率和时长兼容（使用 list-models 检查）
3. 询问缺失的关键参数 — 如果用户未指定影响输出的重要参数，在执行前询问。各模块关键参数：
• video_gen：时长、宽高比、模型
• ai_image：宽高比、分辨率、模型、图片数量
• avatar4：（通常由输入决定，但如未指定声音则需确认）
• text2voice：声音选择
• 这些参数显著影响输出质量和积分消耗，与用户确认可以避免浪费积分和令人失望的结果。
4. 首次提交前确认 — 在会话中首次执行生成任务前，展示方案（工具、模型、参数、费用估算）并在一条消息中询问：(a) 是否执行？(b) 逐个确认后续任务，还是本次会话剩余任务自动执行？如果用户一开始就说"直接做"，视为自动执行。即使在自动执行模式下，仍需询问缺失的关键参数。

模型名称展示规则

> 严格遵守：对外展示用中文名，构造命令用 API 名。

完整映射表见 references/model_mapping.md。

1. 与用户沟通时（推荐模型、报告结果、确认方案）：使用映射后的展示名称，绝不暴露 API 真名。
2. 构造命令时（--model 参数）：使用 API 名称。
3. 用户说出展示名称时：自动识别并映射为 API 名称执行。
4. 禁止使用的模型：Lite、Pro、Plus、Best — 不推荐、不使用、不提及。

关键映射速查：

Agent 行为协议

执行期间

1. 直接传入本地路径 — 脚本会在提交任务前自动将本地文件上传到 S3
2. 并行化独立步骤 — 相互独立的生成任务可以并发执行
3. 保持跨段一致性 — 生成多段内容时，使用相同的参数

执行完成后（必须全部执行）

> 模型名称必须使用展示名称，不得直接输出 API 名称。 映射规则参见 model_mapping.md。

任务完成后，Agent 必须按照以下模板向用户展示结果。将占位符替换为实际值。

视频结果模板：

🎬 视频已生成完成

[👉 点击播放/下载视频](<VIDEO_URL>)
· 时长：<DURATION>
· 画幅：<ASPECT_RATIO>
· 模型：<MODEL_NAME>
· 消耗：<COST> credits

[🔗 项目链接（查看/编辑/下载）](https://video.tekan.cn/board/<BOARD_ID>?boardResultId=<BOARD_TASK_ID>)

不满意的话可以告诉我，我帮你调整后重新生成。

图片结果模板：

🖼 图片已生成完成

[👉 点击查看/下载图片](<IMAGE_URL>)
· 分辨率：<RESOLUTION>
· 模型：<MODEL_NAME>
· 消耗：<COST> credits

[🔗 项目链接（查看/编辑/下载）](https://video.tekan.cn/board/<BOARD_ID>?boardResultId=<BOARD_TASK_ID>)

不满意的话可以告诉我，我帮你调整后重新生成。

模板使用规则：

1. 必须使用展示名称（例如：显示「地表最强模型S2.0-白名单版（支持上传真人图）」而非"Standard"，显示"强语义理解模型 V1.5"而非"GPT Image 1.5"）
2. 资源链接与项目链接必须使用方括号 Markdown 格式 说明文字，禁止单独粘贴裸 URL，以免长链接在对话中被截断导致无法点击
3. 和 从任务返回结果中提取，项目链接不可省略
4. 多个输出时逐个编号展示
5. 其他类型任务（数字人、TTS、去背景等）参照以上格式，按实际字段调整

错误处理

参见 references/error_handling.md 了解错误码、任务级失败和恢复决策树。

能力边界

> 承诺一个没有对应模块的能力会导致工作流中途卡住，损害用户信任。如果请求超出上表范围，请建议用户使用特看视频网页端。