Video Generation Toolkit 是一个专为开发者设计的 AI 视频生成工具包，支持通过文本提示或图像输入生成高质量视频内容。该工具基于多个前沿模型构建，包括 Google 的 Veo 3.1、Veo 3、字节跳动的 Seedance 1.5 Pro、百川智能的 Wan 2.5、以及 xAI 的 Grok Imagine Video 等共计四十余种模型。用户可通过命令行接口调用这些模型，灵活控制输出视频的分辨率、时长、帧率等参数，满足多样化创作需求。 使用本工具前需先安装 inference.sh CLI 并配置到系统 PATH 中，这是访问底层视频生成模型的前提条件。安装方式简单，可通过 npm 全局安装或访问官网获取详细指引。工具内置两种核心功能：一是从纯文本描述生成动态视频（text-to-video），二是将静态图片扩展为连贯动画（image-to-video）。对于后者，若本地图片未公开可访问，系统会自动将其上传至 SM.MS 或 ImgBB 云存储服务，再基于公网链接进行视频合成，最终将结果下载保存至指定目录。 整个流程高度自动化且注重实用性，所有生成的文件均以绝对路径返回，便于集成到 Web 界面或其他系统中实现内嵌播放与展示。特别地，输出目录默认为 ./outputs/videos，支持自定义修改；同时提供 dry-run 模式用于调试请求结构，避免无效调用浪费资源。整体设计兼顾专业性与易用性，适合需要批量生成 AI 视频内容的技术团队或内容创作者快速接入使用。
核心功能特点
- 支持 40+ 种主流 AI 视频生成模型，涵盖 Veo 3.1、Seedance 1.5 Pro、Wan 2.5 等顶尖技术
- 提供文本到视频（text-to-video）和图片到视频（image-to-video）双模式生成能力
- 自动处理本地图片上传至公网服务（如 ImgBB/SM.MS），确保模型可访问输入素材
- 支持自定义视频参数：时长、分辨率、帧率、输出目录等均可按需设置
- 返回绝对路径结果，便于前端直接渲染视频播放器或缩略图
- 具备 dry-run 调试选项，方便验证请求结构与参数配置
适用场景
该工具特别适合需要快速原型开发或大规模生成 AI 视频内容的场景。例如，在短视频平台运营中，营销团队可以利用 text-to-video 功能，根据产品文案自动生成宣传短片，显著提升内容生产效率；而设计师则可通过 image-to-video 将插画、UI 界面转化为动态演示视频，用于客户提案或社交媒体传播。 对于 AI 研究者和内容创业者而言，Video Generation Toolkit 提供了统一入口调用多种异构模型，无需分别对接各厂商 API，极大降低了多模态内容生产的门槛。无论是制作教育动画、虚拟主播口播、还是艺术创作短片，用户都能通过简洁的命令行指令完成复杂任务。 此外，其输出路径标准化和文件类型自动识别机制，使得该工具极易与 Web 应用集成——只需将生成的 .mp4 文件路径以纯文本形式返回，前端即可自动嵌入播放器，无需额外解析逻辑。这种开箱即用的特性，使其成为构建 AI 视频 SaaS 平台或内部自动化流水线时的理想选择。