Video Generation 更像视频模型路由器，而不是单一模型提示词

Video Generation 是什么

在 PromptHub 的 Skill 目录里，Video Generation 是一个围绕 each::sense 的通用视频生成 Skill。它的重点不是教用户死记某个模型的口令，而是把文生视频、图生视频、镜头运动、画面风格和音频需求组织成一次可执行请求。

它适合把一个视频想法快速变成短片片段，尤其适合需要在 Veo、Kling、Wan、PixVerse、Sora 等不同路线之间自动选择时使用。

它的独特价值是“先说清楚镜头，再交给路由”

源文件里最有用的一点，是把视频提示词拆成主体、动作、环境、镜头运动、风格、情绪光线。这个结构看起来朴素，但很像导演在现场下指令：先知道拍谁，再知道发生什么，最后才谈镜头和质感。

each::sense 会根据请求选择合适模型。比如纯文本创作可走文生视频；给了产品图或人物图，并明确说 animate this image，则更适合图生视频模型。这个 Skill 因此更像视频生成入口层，而不是某一个模型的说明书。

一个具体示例

假设你要做一条咖啡馆短视频，不要只写“温暖的咖啡馆，很治愈”。更适合写成：年轻咖啡师在木质吧台后拉花，镜头从杯口近景缓慢推近，蒸汽向上飘，窗外下午阳光落在桌面，整体是 9:16 社交媒体短片。

如果有一张咖啡杯产品图，则可以上传图片并要求杯身保持一致，只让蒸汽、光影和轻微镜头推进发生变化。这样比从零生成更容易保住商品外观。

适合什么场景

它适合社交媒体短片、产品演示、短预告片、动态海报、风景镜头、轻量故事片段和把静态图变成动图式视频。

它不适合在一个提示词里塞进多场景剧情。复杂故事更应该拆成多个片段，或交给分镜、短剧、sequence 类 Skill 先做结构。

使用边界与失败排查

如果生成结果像静态图，通常是动作写得太弱。要补充主体动作、环境运动或摄影机运动。

如果人物互动混乱，先减少角色数量，避免两个角色同时说话、拥抱、转身和换景。视频模型更吃“一个连续动作”，不吃“剧情摘要”。

更多说明可以看 Video Generation 的 PromptHub 页面 和 GitHub 原始 Skill 文件。

结论

Video Generation 的价值，是把创作者的想法翻译成可被视频模型理解的镜头请求。

它适合做短片段生成入口，也适合作为图像资产到视频资产之间的第一层转接。