--- slug: "dlazy-gen" name: "dlazy-gen" version: 1.0.1 displayName: "综合生成工具-专业版" summary: "全模态生成引擎，覆盖40+模型，支持图片/视频/音频生成与管道链接批量工作流。。综合生成工具专业版，面向专业团队的全模态AI生成平台。核心能力： - 40+ 模型全覆盖（图片、视频、音频三大" summary_zh: "全模态生成引擎，覆盖40+模型，支持图片/视频/音频生成与管道链接批量工作流。。综合生成工具专业版，面向专业团队的全模态AI生成平台。核心能力： - 40+ 模型全覆盖（图片、视频、音频三大" license: "MIT" edition: "pro" description: |- 综合生成工具专业版，面向专业团队的全模态AI生成平台。核心能力： - 40+ 模型全覆盖（图片、视频、音频三大模态） - 高质量图片生成（seedream-4。Use when 需要视频处理、音频编辑、媒体转换、配音生成时使用。不适用于版权受保护的媒体内容处理. tags: - 全模态生成 - 图片生成 - 视频生成 - 音频生成 - 管道链接 - 批量生成 tools: - read - exec - write homepage: "" category: "Automation" --- # 综合生成工具-专业版 ## 付费版专享能力 | 能力 | 免费版 | 付费版 | |---|---|---| | 基础功能 | 支持 | 支持 | | 综合生成工具-专业版全模态生成 | 不支持 | 支持 | | 综合生成工具-专业版音频生成 | 不支持 | 支持 | | 高清分辨率与无损输出 | 不支持 | 支持 | | 批量生成与风格预设 | 不支持 | 支持 | | 自定义模型微调 | 不支持 | 支持 | ## 核心能力 ### 模态覆盖对比 | 模态 | 免费版 | 专业版 | 代表模型 | |:-----|:-----|:-----|:-----| | 基础文生图 | 4个 | 19个 | banana2, seedream-4.5, recraft-v4-pro, qwen-image-2-pro | | 矢量图生成 | 不支持 | 2个 | recraft-v4-vector, recraft-v4-pro-vector | | 图片处理 | 2个 | 4个 | imageseg, superres, image-replicate, video-replicate | | 视频生成 | 不支持 | 17个 | veo-3.1, seedance-2.0, kling-v3, pixverse-c1, wan2.7 | | 音频生成 | 不支持 | 15个 | doubao-tts, suno-music, elevenlabs-dialogue | | 管道链接 | 不支持 | 支持 | 多步骤串联 |- 验证返回数据的完整性和格式正确性 - 参考`核心能力`的配置文档进行参数调优 ### 核心能力(补充) ```text 图片生成（19个模型）: - 高质量: seedream-4.5, qwen-image-2-pro, recraft-v4-pro - 通用型: banana-pro, banana2, gpt-image-2, grok-4.2 - 风格化: mj-imagine, jimeng-t2i, kling-image-o1, viduq2-t2i - 矢量图: recraft-v4-vector, recraft-v4-pro-vector (SVG输出) - 轻量级: seedream-5.0-lite # ... 视频生成（17个模型）: - 文生视频: veo-3.1, seedance-2.0, kling-v3, pixverse-c1, wan2.7 - 图生视频: jimeng-i2v-first, viduq2-i2v, kling-v3-omni - 首尾帧: jimeng-i2v-first-tail - 数字人: jimeng-omnihuman-1.5, jimeng-dream-actor - 视频编辑: happyhorse-1.0, video-replicate - 唇形同步: heygen-lipsync-speed, sync-lipsync-3, videoretalk - 视频处理: videoseg 音频生成（15个模型）: - 详见 dlazy-audio-tool-pro 高级功能: - 管道链接（Pipe Chaining） - 批量生成 - 风格复刻（image-replicate, video-replicate） - 矢量图输出（SVG） ``` **输入**: 用户提供核心能力所需的指令和必要参数。- 验证执行结果,确认输出符合预期格式 - 异常时参考错误处理章节进行恢复 - 关键参数: `核心能力` 选项 - 处理流程: 接收输入 -> 执行核心能力 -> 返回结果 - 输入: 用户提供核心能力所需的参数和指令 - 输出: 返回核心能力的处理结果,包含执行状态码、结果数据和执行日志 ### 基础文生图 针对基础文生图,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. **输入**: 用户提供基础文生图相关的配置参数、输入数据和处理选项. **输出**: 返回基础文生图的处理结果。- 验证返回数据的完整性和格式正确性 - 参考`基础文生图`的配置文档进行参数调优 # ## 快速开始 1. 确认运行环境满足依赖说明中的要求 2. 在AI Agent对话中调用本技能,提供必要的输入参数 3. 检查输出结果,根据需要进行后续处理 > 详细的输入输出格式请参考下方章节说明。 ## 适用场景 ### 场景一：广告素材全流程制作 从文案到视频广告的完整制作流程. ```bash # 第1步: 生成产品主视觉图 dlazy seedream-4.5 \ --prompt "高端无线耳机产品图，深色背景，戏剧性灯光，超写实" \ --ratio "16:9" \ --quality "4K" # ... # 第2步: 图片转视频（图生视频） dlazy kling-v3 \ --image @0.url \ --prompt "耳机缓缓旋转，光影流动，产品展示动效" \ --duration 5 # ... # 第3步: 生成背景音乐 dlazy suno-music \ --mode "custom" \ --style "electronic ambient premium" \ --title "Product Showcase BGM" \ --instrumental true \ --duration 5 # ... # 第4步: 生成配音旁白 dlazy doubao-tts \ --text "全新无线耳机，聆听非凡。" \ --voice "male-magnetic" # ... # 管道链接一键完成: dlazy seedream-4.5 --prompt "高端无线耳机，深色背景" --ratio "16:9" \ | dlazy kling-v3 --image @0.url --prompt "耳机旋转展示" --duration 5 ``` ### 场景二：短视频内容批量生产 批量生成短视频素材. ```python # 短视频批量生产脚本 import subprocess import json # ... class VideoBatchProducer: """短视频批量生产器""" # ... def __init__(self): self.pipeline = [] # ... def add_image_step(self, prompt, model="seedream-5.0-lite", ratio="9:16"): """添加图片生成步骤""" self.pipeline.append({ "type": "image", "model": model, "prompt": prompt, "ratio": ratio }) return self # ... def add_video_step(self, prompt, model="kling-v3", duration=5): """添加视频生成步骤""" self.pipeline.append({ "type": "video", "model": model, "prompt": prompt, "duration": duration }) return self # ... def add_audio_step(self, text, model="doubao-tts"): """添加配音步骤""" self.pipeline.append({ "type": "audio", "model": model, "text": text }) return self # ... def execute_batch(self, scenarios): """批量执行生产流程""" results = [] for scenario in scenarios: steps = [] for step in self.pipeline: cmd = self._build_command(step, scenario) result = subprocess.run(cmd, capture_output=True, text=True) try: output = json.loads(result.stdout) steps.append({"step": step["type"], "output": output}) except: steps.append({"step": step["type"], "error": "failed"}) results.append({"scenario": scenario, "steps": steps}) return results # ... def _build_command(self, step, scenario): cmd = ["dlazy", step["model"]] if step["type"] == "image": cmd += ["--prompt", step["prompt"].format(**scenario), "--ratio", step["ratio"]] elif step["type"] == "video": cmd += ["--prompt", step["prompt"].format(**scenario), "--duration", str(step["duration"])] elif step["type"] == "audio": cmd += ["--text", step["text"].format(**scenario)] return cmd # ... # 批量生产 producer = VideoBatchProducer() producer.add_image_step("美食特写：{dish}，暖色调，诱人", "9:16") \ .add_video_step("{dish}冒热气，缓慢推进", duration=5) \ .add_audio_step("今天推荐：{dish}，色香味俱全！") # ... scenarios = [ {"dish": "红烧肉"}, {"dish": "清蒸鱼"}, {"dish": "麻婆豆腐"}, {"dish": "糖醋排骨"}, {"dish": "宫保鸡丁"} ] results = producer.execute_batch(scenarios) ``` ### 场景三：矢量图与Logo生成 生成可缩放的矢量图资产. ```bash # 生成SVG矢量Logo dlazy recraft-v4-vector \ --prompt "极简风格科技公司Logo，几何图形，蓝色主调" \ --output "logo.svg" # ... # 高保真矢量插画（4MP级别） dlazy recraft-v4-pro-vector \ --prompt "详细的等距插画，城市俯视图，扁平风格" \ --output "city-illustration.svg" ``` ### 管道引用速查 | 引用 | 解析为 | |---:|---:| | `-` | 上游输出的自然值 | | `@N` | 第N个输出的主值 | | `@N.path` | 深入第N个输出 | | `@*` | 所有输出的主值数组 | | `@stdin` | 完整上游JSON信封 | ## 使用流程 ### 依赖说明 ### 运行环境 1. **Agent平台**: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等） 2. **操作系统**: Windows / macOS / Linux 3. **Node.js**: 16+（dlazy CLI 运行需要） ### 第三方依赖 | 依赖项 | 类型 | 是否必需 | 获取方式 | |:---:|:---:|:---:|:---:| | LLM API | API | 必需 | 由Agent内置LLM提供 | | Node.js 16+ | 运行时 | 必需 | nodejs.org 官方下载 | | @dlazy/cli | CLI工具 | 必需 | `npm install -g @dlazy/cli@latest` | | dlazy API Key | 认证 | 必需 | dlazy.com/dashboard 获取 | | FFmpeg（可选） | 工具 | 推荐 | 视频拼接与格式转换 | ### API Key 配置 4. **必需**: dlazy API Key（与免费版共用） 5. **获取方式**: 访问 dlazy.com/dashboard/organization/api-key 6. **配置方式**: `dlazy auth set YOUR_API_KEY` 或环境变量 `DLAZY_API_KEY` 7. **安全说明**: Key 可随时轮换或撤销；配置文件权限限制为当前用户 8. **余额说明**: 视频生成消耗较高，建议定期检查余额 ### 可用性分类 9. **分类**: MD+EXEC+API（Markdown指令 + 命令行 + 外部API调用） 10. **说明**: 企业级AI Skill，支持全模态40+模型、管道链接与批量处理 11. **适用规模**: 专业内容团队，多媒体批量生产 12. **兼容性**: 与免费版完全兼容，API Key 和配置无缝共用 # ## 输入格式 | 参数名 | 类型 | 必填 | 说明 | |:------|------:|:------|:------| | content | string | 否 | dlazy-gen处理的内容输入 |, | | mode | string | 否 | 处理模式, 可选: json/text/markdown, | | max_retries | integer | 否 | 单步最大重试次数, 默认: 2 | | skip_steps | array | 否 | 跳过的步骤编号(用于断点续传), 默认: [] | ## 输出格式 ```json { "success": true, "data": { "final_result": { "gen_result": "gen_result_value", "gen_metadata": "gen_metadata_value", "gen_status": "gen_status_value" }, "execution_log": [ { "step": 1, "name": "按流程执行", "status": "completed", "duration_ms": 1200, "output_summary": "按流程执行" }, { "step": 2, "name": "按流程执行", "status": "completed", "duration_ms": 3500, "output_summary": "按流程执行" }, { "step": 3, "name": "按流程执行", "status": "completed", "duration_ms": 2100, "output_summary": "按流程执行" }, { "step": 4, "name": "按流程执行", "status": "completed", "duration_ms": 800, "output_summary": "按流程执行" } ], "total_duration_ms": 7600, "gates_passed": 3, "gates_total": 3 }, "error": null } ``` 中间产物模板参考: `assets/dlazy-gen_template` ## 异常处理 | 错误场景 | 原因 | 处理方式 | |---:|:---|---:| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | ## 依赖说明(补充) | 依赖项 | 类型 | 必需 | 说明 | |:------:|--------|:-------|:------:| | LLM | 模型 | 是 | 需要LLM执行各步骤的智能处理, 推荐GPT-4/智谱GLM-4/DeepSeek | | API Key | 凭证 | 否 | 使用云端LLM时需要 | **国内替代方案**: - OpenAI GPT → 智谱GLM-4 / 百度文心一言 / 通义千问 / DeepSeek - OpenAI Embedding → 智谱embedding-2 / 百度embedding ## 案例展示 ### 高质量图片生成 ```bash # seedream-4.5 高质量文生图 dlazy seedream-4.5 \ --prompt "描述文本" \ --ref-images "ref1.jpg,ref2.jpg" \ # 参考图（可选） --quality "4K" # 2K 或 4K --ratio "16:9" # ... # recraft-v4-pro 4MP高分辨率 dlazy recraft-v4-pro \ --prompt "描述文本" \ --resolution "4MP" # 适合印刷品 ``` ### 视频生成配置 ```bash # veo-3.1 高质量视频 dlazy veo-3.1 \ --prompt "描述文本" \ --mode "t2v" # t2v 或 i2v --image "input.jpg" # i2v模式需要 --duration 5 # ... # seedance-2.0 多模态参考 dlazy seedance-2.0 \ --prompt "描述文本" \ --ref-images "img1.jpg" \ --ref-video "ref.mp4" \ # 视频参考 --first-frame "start.jpg" \ --last-frame "end.jpg" ``` ### 管道链接配置 ```bash # 多步骤管道链接 dlazy seedream-4.5 --prompt "城市夜景" --n 4 \ | dlazy superres --images @* \ | dlazy kling-v3 --image @0.url --prompt "城市灯火流动" # ... # 管道引用说明: # @0.url = 上游优秀个输出的URL # @* = 上游所有输出数组 # - = 上游自然值（单值场景） ``` ## 常见问题 ### Q: 视频生成支持多长？ A: 多数视频模型支持 5-10 秒。veo-3.1 支持更长时长但生成时间相应增加。建议短视频 5 秒起步. ### Q: 管道链接中某一步失败怎么办？ A: 管道中断，已完成的步骤输出仍可使用。检查失败步骤的错误信息，修正后从失败步骤重新执行. ### Q: 矢量图输出什么格式？ A: recraft-v4-vector 和 recraft-v4-pro-vector 输出 SVG 格式，可在任意分辨率下缩放，适合 Logo、图标和插画. ### Q: 如何从免费版升级？ A: API Key 和 CLI 配置无需变更，直接使用专业版的全部 40+ 模型即可. ### 错误恢复步骤 | 错误场景(续)| 原因 | 处理方式 | |----|:--:|---:| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 | ## 已知限制 A: 单批建议不超过 50 个任务。超大批量请分批执行，避免 API 限流. ### Q: 视频生成消耗大吗？ A: 视频生成的消耗显著高于图片。建议先用图片确认创意方向，再生成视频. ## 错误处理 | 错误场景(续)(续)| 原因 | 处理方式 | |----------|----------|----------| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | 检查网络连接，重试请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 | ## 补充限制说明 - 需要LLM支持 - 图像处理能力受限于本地硬件与内存 - 大尺寸图片处理可能较慢或失败