video-gen

name	video-gen
description	调用 Azure OpenAI Sora-2 生成视频。Use when: 用户要求生成视频、文生视频、text-to-video、调用 Sora 生成视频、批量生成镜头并拼接。支持单镜头和分镜批量生成。

Video Gen — Azure OpenAI Sora-2 视频生成

调用 Azure OpenAI Sora-2 API，根据文本 prompt 生成视频文件。支持单镜头生成和分镜脚本批量生成 + 拼接。

触发场景

• 用户提供一段视频描述，要求生成视频
• 用户有一组分镜脚本，要求逐镜头生成并拼接
• 用户要求调用 Sora / Azure OpenAI 生成视频

前置要求

1. 已部署 Azure OpenAI sora 模型
2. 在 Skill 目录下配置 .env 文件（参考 .env.example）
3. 已安装 Python 3.10+、requests 和 python-dotenv

安装依赖：

pip install -r ./requirements.txt

环境配置

复制 .env.example 为 .env 并填入实际配置：

AZURE_OPENAI_ENDPOINT=https://<your-resource>.openai.azure.com/
AZURE_OPENAI_API_KEY=<your-api-key>
AZURE_OPENAI_SORA_DEPLOYMENT=sora
AZURE_OPENAI_API_VERSION=preview
AZURE_OPENAI_VIDEO_API_MODE=jobs

确保 .env 不被提交到版本控制。

工作流程

Step 1: 确认 prompt

如果用户直接提供了视频描述文本，直接使用。如果描述是中文，建议同时准备英文版本（英文 prompt 生成效果更佳）。

如果用户还没有描述，建议使用 author 技能先生成电影感视频描述。

Step 2: 单镜头生成

使用 generate_video.py 生成视频：

python ./scripts/generate_video.py \
  --prompt "<视频描述文本>" \
  --output "./output/video.mp4" \
  --size "1920x1080" \
  --n-seconds 10

参数说明

参数	必填	默认值	说明
--prompt	是	-	视频描述文本（英文效果最佳）
--output	否	./output.mp4	输出视频文件路径
--size	否	1920x1080	视频尺寸（宽x高）
--n-seconds	否	5	视频时长（5/10/15/20 秒）
--poll-interval	否	10	轮询间隔（秒）
--max-wait	否	600	最大等待时间（秒）

Step 3: 分镜批量生成

当有多个镜头需要生成时，逐镜头调用并拼接：

# 镜头 1
python ./scripts/generate_video.py \
  --prompt "<镜头1 描述>" \
  --output "./output/shot_01.mp4" \
  --n-seconds 6

# 镜头 2
python ./scripts/generate_video.py \
  --prompt "<镜头2 描述>" \
  --output "./output/shot_02.mp4" \
  --n-seconds 6

# 依此类推...

Step 4: 拼接镜头

使用 ffmpeg 将所有镜头拼接为完整视频（需要已安装 ffmpeg）：

# 创建文件列表
ls ./output/shot_*.mp4 | sort | sed "s/^/file '/" | sed "s/$/'/" > ./output/filelist.txt

# 拼接
ffmpeg -f concat -safe 0 -i ./output/filelist.txt -c copy ./output/final.mp4

如果 ffmpeg 未安装：brew install ffmpeg（macOS）

注意事项

• 视频生成是异步过程，每个镜头可能需要等待数分钟
• 推荐使用英文 prompt 以获得最佳生成效果
• 如果 API 配置未设置，脚本会给出明确的配置提示
• 支持 jobs 和 legacy 两种 Azure API 路由模式，默认使用 jobs