智谱免费图片与视频生成

把智谱的图片生成和视频生成能力整理成一套适合 OpenClaw 直接调用的创作工作流，重点突出免费或低成本模型的可用性。

适合这些任务：

• 根据一句话快速生成图片
• 一次性批量生成多张不同风格或不同主题的图片
• 根据提示词生成短视频
• 查询视频生成进度并等待任务完成
• 在创意验证阶段优先使用免费模型，降低试错成本

适用场景

当用户出现这些意图时启用：

• “帮我生成一张图”
• “批量出几版海报 / 封面 / 配图”
• “用智谱免费模型先做几张看看”
• “生成一个短视频”
• “查一下这个视频任务好了没”
• “等视频生成完成再告诉我”

核心定位

这个技能主打两件事：

• 智谱图片生成
• 智谱视频生成

默认优先强调免费或低成本模型：

• 图片优先：cogview-3-flash
• 视频优先：cogvideox-flash

如果用户明确追求更高质量，再切到更高规格模型。

脚本资源

优先使用 scripts/ 里的可执行脚本来完成图片与视频任务。

可直接复用的脚本：

• scripts/generate_image.js - 生成单张图片
• scripts/batch_generate_images.js - 批量生成图片
• scripts/generate_video.js - 提交视频生成任务
• scripts/query_video_result.js - 查询视频任务结果
• scripts/wait_for_video.js - 等待视频生成完成
• scripts/configure_models.js - 校验任务希望使用的默认图片/视频模型

调用方式统一为：

node projects/skills/zhipu-free-image-video/scripts/<script>.js '<json>'

环境配置默认读取：

• IMAGE_VIDEO_GENERATION_API_KEY
• 或 ZHIPU_API_KEY

默认执行策略

1. 先确认目标产物

先判断用户到底要的是：

• 单张图片
• 批量图片
• 视频
• 已提交视频任务的进度或结果

2. 默认优先免费模型

如果用户没特别指定：

• 图片默认用免费或低成本模型快速出图
• 视频默认用免费模型快速出结果

这样更适合做灵感探索、风格试错和第一版草稿。

3. 批量任务优先控制节奏

批量出图时要注意：

• 分批处理
• 控制并发
• 汇总成功和失败结果
• 避免一次性堆太多请求

4. 视频任务默认按异步流程处理

视频生成通常不是即时返回最终结果，因此要按两段处理：

• 先提交任务，拿到任务 ID
• 再查询状态或等待完成

常用工作流

生成单张图片

适用：海报、封面、配图、头像、概念图。

默认做法：

• 先润色提示词，必要时补主体、风格、镜头、光线、背景
• 优先走免费图像模型
• 返回图片地址、提示词和模型信息

批量生成图片

适用：一次要多版候选图。

建议做法：

• 把多条提示词拆成批次
• 明确每一张图的主题差异
• 最终按“提示词 - 结果”方式汇总

适合场景：

• 多版封面
• 多个 IP 角色草图
• 多张文章配图
• 批量创意探索

生成视频

适用：短视频创意、动态概念演示、简单分镜验证。

建议做法：

• 提示词尽量包含主体、动作、场景、镜头感
• 默认优先快速模型
• 先返回任务提交结果，再继续查最终结果

查询视频结果

适用：用户给了任务 ID，让你看看视频好了没有。

返回时优先说明：

• 当前状态
• 是否完成
• 如果完成，给出视频地址
• 如果失败，给出失败原因或建议重试

等待视频完成

适用：用户希望“你等它出完再告诉我”。

处理方式：

• 设置合理的最大等待时间
• 定期查询状态
• 完成后返回最终结果
• 超时则明确告诉用户仍在处理中

质量与成本取舍

默认原则：

• 先免费，再高配
• 先快速验证，再精修
• 先出结果，再做多轮迭代

当用户说“先随便来几版看看”“先用免费的”“先低成本试试”时，优先免费模型。

当用户说“质量更高一点”“商业图”“正式发布素材”时，再考虑切换到更高质量模型。

风险与边界

• 不要承诺绝对免费永久可用，应该表述为优先使用免费或低成本模型
• 不泄露 API Key 或账户配置
• 批量生成时注意请求规模，避免过度并发
• 如果生成结果涉及敏感、违规或明显侵权内容，要及时收敛
• 视频生成耗时可能较长，要提前告知用户这是异步任务

故障排查

常见问题与处理：

• 生成失败：检查账号额度、模型可用性、提示词是否异常
• 视频一直未完成：延长等待时间，或改为稍后查询
• 批量任务部分失败：保留成功结果，单独重试失败项
• 结果不理想：优化提示词，增加风格、镜头、材质、动作细节
• 免费模型效果不够：明确告知用户可以切换更高质量模型