OpenClaw Skill 每日推荐 - 图像与视频生成（image-and-video-generation）

OpenClaw Skill 每日推荐 - 图像与视频生成（image-and-video-generation）

OpenClaw Skill 每日推荐第 14 期，共 30 期。今天介绍的是创作类目里最热闹的一个分类——图像与视频生成（image-and-video-generation）。

今日分类概述

image-and-video-generation 分类收录了 169 个 skills，是整个 OpenClaw 生态中数量第二多的分类（仅次于 AI 与大语言模型）。它的覆盖面远不止”文字生图”，大致可以分成几个方向：

  • 图像生成：FLUX、SDXL、DALL·E、Nano Banana（Gemini Image）、智谱 CogView 等各家模型的 API 封装
  • 视频生成：Kling、Sora 2、Veo 3.1、Seedance、MiniMax/WAN 等文生视频/图生视频模型
  • 图像编辑与处理：换脸、年龄变换、深度图、放大、调色板提取、SVG/DXF 转换
  • 媒体工具链：FFmpeg 自然语言剪辑、字幕翻译、GIF 制作、缩略图生成
  • 辅助能力：OCR 文字识别、图表渲染、二维码生成、无版权图库搜索（Unsplash 等）

对 Agent 来说，这个分类意味着一件事：**从”会说话”到”会出活”**——你描述需求，Agent 直接交付图片和视频成品。

精选 Skill 详解

1. fal-ai —— 一个 Key 调用 600+ 生成模型 ⭐⭐⭐⭐⭐

链接：agmmnn/fal-ai-openclaw

核心功能：通过 fal.ai 的 API 生成图像、视频和语音转录，一个 skill 打包了 600+ 模型的访问能力。

支持的主要模型：

模型 端点 类型
flux-schnell fal-ai/flux/schnell 图像（快速）
flux-dev fal-ai/flux/dev 图像
flux-pro fal-ai/flux-pro/v1.1-ultra 图像（2K）
recraft-v3 fal-ai/recraft-v3 图像
minimax-video fal-ai/minimax-video/image-to-video 视频
wan-video fal-ai/wan/v2.1/1.3b/text-to-video 视频
whisper fal-ai/whisper 语音转文字

技术实现：这是我很欣赏的一点——它只用 Python 标准库，不依赖 fal_client 等第三方包，通过 fal.ai 的队列式异步 API（submit → poll → result）完成任务提交与轮询，部署门槛极低。配置只需要一个环境变量：

1
export FAL_KEY="your-api-key"

之后就可以直接对话式使用：

1
2
你：用 FLUX 生成一张赛博朋克风格的城市夜景
Agent：生成完成，图片 URL 是 https://...

实用场景：

  • 内容团队批量出图：指定 num_images 和 seed，同一个 prompt 出多个变体且可复现
  • 给博客文章自动配图（配合本期分类里的 chart-image 等技能）
  • 一条链路搞定”图片 → 图生视频 → Whisper 转字幕”的多模态流水线

推荐理由：模型覆盖广、依赖零、异步队列设计稳定，是图像生成的”默认首选”。

2. comfy-cli —— ComfyUI 全生命周期管理 ⭐⭐⭐⭐⭐

链接：OpenClaw Skills 收录页（底层工具为 Comfy-Org/comfy-cli）

核心功能：把 ComfyUI 的安装、启动、自定义节点管理、模型下载、工作流执行全部命令化，让 Agent 可以代替你”搓节点”。

几个杀手级能力：

1
2
3
4
5
6
comfy install --m-series          # Apple Silicon 一键装好 ComfyUI + Manager
comfy node install ComfyUI-Impact-Pack   # 装自定义节点
comfy node bisect                 # 二分法定位"是哪个节点把工作流搞挂了"
comfy node save-snapshot          # 保存当前节点+依赖快照，随时回滚
comfy model download --url "..."  # 从 CivitAI/HuggingFace 拉模型
comfy run --workflow xxx.json     # 以 API 模式跑工作流

技术实现：comfy node bisect 是最体现工程思维的功能——当工作流报错时，自动对已安装节点做二分排查，快速定位冲突节点；snapshot 机制则让”昨天能跑今天报错”的经典问题有了后悔药。GPU 支持覆盖 NVIDIA / AMD ROCm / Intel Arc / Apple Silicon / CPU。

实用场景：

  • 本地化、私密化出图：照片不出本机，适合有合规要求的场景
  • Agent 自动搭建环境：”帮我装 ComfyUI 并配好 Flux 工作流”变成一句话
  • 工作流依赖管理：comfy node install-deps --workflow xxx.json 直接按工作流装齐依赖

推荐理由：ComfyUI 用户几乎必装。把最繁琐的环境和节点管理交给 Agent，人只管调工作流。

3. kling-video-generator —— Kling 3.0 Omni 视频生成 ⭐⭐⭐⭐

链接：wells1137/kling-video-generator

核心功能：基于快手 Kling 3.0 Omni 模型的视频生成，覆盖六种模式：文生视频、图生视频、视频编辑（改主体/改风格）、视频参考（复刻运镜与风格）、多镜头分镜生成、音画同步生成（含对白和音效）。

技术实现：这个 skill 的 SKILL.md 写得相当扎实，是”如何为复杂 API 写 Agent 技能”的范本：

  • 内置 references/api_reference.md（完整参数约束 + R1~R10 互斥规则）和 references/prompt_guide.md（官方提示词公式与 few-shot 示例）
  • 用 Mermaid 决策树描述”用户意图 → API 载荷”的构造流程，Agent 按图索骥不会传错参数
  • scripts/kling_api.py 封装了 JWT 鉴权、任务创建与轮询
  • 沉淀了大量实测才踩得到的坑，例如：sound: "on" 与视频输入互斥、duration 在编辑模式下会被忽略、refer_type 必须显式指定等
1
2
3
# 所需环境变量
KLING_ACCESS_KEY: xxx
KLING_SECRET_KEY: xxx

实用场景：

  • 多镜头短片：用 multi_shot: true 配合分镜 prompt 数组，一次生成带转场的成品
  • 电商/营销素材：产品图一键变动态展示视频
  • 老视频风格化改造：video-to-video 换风格、换主体

推荐理由：六种生成模式 + 参数约束文档化到位，是国产视频模型接入里完成度很高的一个 skill。视频生成单价较高，建议先用短时长试跑确认效果再放量。

4. ffmpeg-video-editor —— 用自然语言剪视频 ⭐⭐⭐⭐

链接：ffmpeg-video-editor（Skill 收录页）

核心功能：把自然语言指令翻译成正确的 FFmpeg 命令并执行。FFmpeg 参数体系庞大（滤镜图、编码器选项、时间轴语法），这个 skill 的价值在于让 Agent 替你查文档、拼命令、验证参数。

实用场景：

1
2
3
4
你：把这段视频压缩到 10MB 以内，保持 1080p
你：截取 00:01:20 到 00:02:35 的片段，加淡入淡出
你：把竖屏视频转成 16:9，两侧加高斯模糊背景
你：提取视频音轨转成 mp3，并压掉背景噪音

技术实现：本质是”LLM + FFmpeg”的命令生成模式——Agent 根据需求选择滤镜链与编码参数，生成命令后经 shell 执行。因为 FFmpeg 本机就有，全程无需上传视频到云端。

推荐理由：谁没被 FFmpeg 的滤镜语法折磨过呢？配合本期其他生成类 skill，能补齐”生成之后的剪辑、压缩、转码”最后一公里。⚠️ 危险参数（如覆盖输出 -y、删除源文件）建议让 Agent 先展示命令再执行。

5. zhipu-cogview-image —— 智谱 CogView 生图 ⭐⭐⭐⭐

链接：zhipu-cogview-image（Skill 收录页）

核心功能：调用智谱 AI 的 CogView 系列模型生成图像。对国内用户来说，这是”注册即用、网络直连”的选择——API Key 在智谱开放平台（bigmodel.cn）申请即可，无需科学上网，也不需要海外信用卡。

技术实现：标准的 RESTful API 封装，走 https://open.bigmodel.cn 的图像生成接口，传入 prompt 与尺寸参数即可返回图片 URL。值得注意的两点：

  • cogview-3-flash 提供免费额度，试错成本几乎为零
  • 对中文 prompt 的理解比多数海外模型更自然，成语、国风意象表现不错
1
2
3
4
5
6
7
8
# 典型调用形态（简化）
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="YOUR_KEY")
resp = client.images.generations(
    model="cogview-3-flash",
    prompt="水墨画风格的远山与孤舟，留白构图",
)
print(resp.data[0].url)

实用场景：

  • 中文内容配图：公众号、小红书、博客插图的快速出图
  • 国风/水墨/书法类需求，中文语义理解是加分项
  • 教学演示与原型验证：免费档先跑通流程，再按需升级 cogview-4

推荐理由：国内网络环境下的低门槛之选，免费档对个人开发者非常友好。

应用场景总结

把这 5 个 skill 串起来，可以搭出一条完整的内容生产流水线：

1
2
3
4
构思脚本 → zhipu-cogview / fal-ai 出静态素材
        → kling-video-generator 图生视频 / 多镜头生成
        → ffmpeg-video-editor 剪辑、压缩、加字幕
        → 成品交付（博客、社媒、客户端）
角色 推荐组合
个人博主 zhipu-cogview-image + ffmpeg-video-editor（低成本起步）
内容团队 fal-ai（批量出图）+ kling（视频化）
本地/隐私优先 comfy-cli（本机出图，数据不出门）
技术写作者 fal-ai 配图 + chart-image 数据图 + ffmpeg 处理录屏

实用建议：

  1. 先免费后付费：图像类先用免费档（cogview-3-flash、fal 的 schnell 模型）验证 prompt，效果满意再上高级模型
  2. 固定 seed 便于迭代：批量出图时记录 seed，方便在满意结果上微调
  3. 视频生成控制成本：Kling 这类模型按秒计费，先用低分辨率短时长试跑
  4. 注意 API Key 安全：所有 skill 都依赖环境变量注入密钥，不要把 Key 写进仓库或聊天记录
  5. 生成内容需标注：AI 生成的图片/视频用于公开发布时，记得按平台要求添加 AI 生成标识

推荐指数排名

排名 Skill 推荐指数 一句话点评
🥇 fal-ai ⭐⭐⭐⭐⭐ 600+ 模型一个 Key 全搞定，零依赖设计
🥇 comfy-cli ⭐⭐⭐⭐⭐ ComfyUI 用户的瑞士军刀，bisect 排障是亮点
🥉 kling-video-generator ⭐⭐⭐⭐ 参数约束文档化典范，视频生成的实力选手
4 ffmpeg-video-editor ⭐⭐⭐⭐ 自然语言剪视频，补齐后期最后一公里
5 zhipu-cogview-image ⭐⭐⭐⭐ 国内直连 + 免费额度，中文出图低门槛首选

本文是「OpenClaw Skill 每日推荐」系列第 14/30 期。明日预告：ios-and-macos-development（iOS/macOS 开发）。

相关文章推荐

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

程序员，关于技术我所知甚少，唯有探索，方得真知。