--- read_when: - การสร้างวิดีโอผ่านเอเจนต์ - การกำหนดค่าผู้ให้บริการและโมเดลสำหรับการสร้างวิดีโอ - ทำความเข้าใจพารามิเตอร์ของเครื่องมือ video_generate sidebarTitle: Video generation summary: สร้างวิดีโอผ่าน video_generate จากข้อความ รูปภาพ หรือการอ้างอิงวิดีโอในแบ็กเอนด์ผู้ให้บริการ 16 ราย title: การสร้างวิดีโอ x-i18n: generated_at: "2026-06-27T18:32:52Z" model: gpt-5.5 postprocess_version: locale-links-v1 provider: openai source_hash: 64c8a3191262613a1acf684496570a6dd8893ebb3a2a7e5ae41337d58555c401 source_path: tools/video-generation.md workflow: 16 --- OpenClaw agents สามารถสร้างวิดีโอจากพรอมต์ข้อความ รูปภาพอ้างอิง หรือ วิดีโอที่มีอยู่ได้ รองรับแบ็กเอนด์ผู้ให้บริการสิบหกราย โดยแต่ละรายมี ตัวเลือกรุ่น โหมดอินพุต และชุดความสามารถที่แตกต่างกัน agent จะเลือก ผู้ให้บริการที่เหมาะสมโดยอัตโนมัติตามการกำหนดค่าและคีย์ API ที่มีอยู่ของคุณ เครื่องมือ `video_generate` จะปรากฏเฉพาะเมื่อมีผู้ให้บริการสร้างวิดีโอ อย่างน้อยหนึ่งรายพร้อมใช้งาน หากคุณไม่เห็นเครื่องมือนี้ในเครื่องมือของ agent ให้ตั้งค่าคีย์ API ของผู้ให้บริการ หรือกำหนดค่า `agents.defaults.videoGenerationModel` OpenClaw จัดการการสร้างวิดีโอเป็นโหมดรันไทม์สามโหมด: - `generate` - คำขอแปลงข้อความเป็นวิดีโอโดยไม่มีสื่ออ้างอิง - `imageToVideo` - คำขอมีรูปภาพอ้างอิงหนึ่งรูปขึ้นไป - `videoToVideo` - คำขอมีวิดีโออ้างอิงหนึ่งรายการขึ้นไป ผู้ให้บริการสามารถรองรับโหมดเหล่านี้บางส่วนหรือทั้งหมดได้ เครื่องมือจะตรวจสอบ โหมดที่ใช้งานอยู่ก่อนส่งคำขอ และรายงานโหมดที่รองรับใน `action=list` ## เริ่มต้นอย่างรวดเร็ว ตั้งค่าคีย์ API สำหรับผู้ให้บริการที่รองรับรายใดก็ได้: ```bash export GEMINI_API_KEY="your-key" ``` ```bash openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1-fast-generate-preview" ``` > สร้างวิดีโอภาพยนตร์ความยาว 5 วินาทีของล็อบสเตอร์ที่เป็นมิตรกำลังเล่นเซิร์ฟตอนพระอาทิตย์ตก agent จะเรียก `video_generate` โดยอัตโนมัติ ไม่จำเป็นต้องอนุญาตเครื่องมือ ไว้ล่วงหน้า ## การสร้างแบบ async ทำงานอย่างไร การสร้างวิดีโอเป็นแบบอะซิงโครนัส เมื่อ agent เรียก `video_generate` ใน เซสชัน: 1. OpenClaw ส่งคำขอไปยังผู้ให้บริการและส่งคืน id งานทันที 2. ผู้ให้บริการประมวลผลงานในเบื้องหลัง (โดยทั่วไป 30 วินาทีถึงหลายนาที ขึ้นอยู่กับผู้ให้บริการและความละเอียด; ผู้ให้บริการที่ใช้คิวและช้าอาจทำงานได้จนถึงเวลาหมดอายุที่กำหนดไว้) 3. เมื่อวิดีโอพร้อม OpenClaw จะปลุกเซสชันเดียวกันด้วยเหตุการณ์เสร็จสิ้นภายใน 4. agent แจ้งผู้ใช้ผ่านโหมดการตอบกลับที่มองเห็นได้ตามปกติของเซสชัน: การส่งคำตอบสุดท้ายเมื่อเป็นอัตโนมัติ หรือ `message(action="send")` เมื่อ เซสชันต้องใช้เครื่องมือข้อความ หากเซสชันของผู้ร้องขอไม่ได้ใช้งาน หรือ การปลุกที่ใช้งานอยู่ล้มเหลว และวิดีโอที่สร้างบางรายการยังขาดหายจาก คำตอบเมื่อเสร็จสิ้น OpenClaw จะส่ง fallback โดยตรงแบบ idempotent ที่มีเฉพาะ วิดีโอที่ขาดหายไป ขณะที่งานกำลังดำเนินอยู่ การเรียก `video_generate` ซ้ำในเซสชันเดียวกัน จะส่งคืนสถานะงานปัจจุบันแทนการเริ่มสร้างรายการใหม่ ใช้ `openclaw tasks list` หรือ `openclaw tasks show ` เพื่อตรวจสอบความคืบหน้าจาก CLI นอกการรัน agent ที่มีเซสชันรองรับ (เช่น การเรียกใช้เครื่องมือโดยตรง) เครื่องมือจะ fallback ไปใช้การสร้างแบบ inline และส่งคืนเส้นทางสื่อสุดท้าย ในรอบเดียวกัน ไฟล์วิดีโอที่สร้างจะถูกบันทึกไว้ภายใต้พื้นที่จัดเก็บสื่อที่ OpenClaw จัดการ เมื่อผู้ให้บริการส่งคืน bytes ขีดจำกัดการบันทึกวิดีโอที่สร้างโดยค่าเริ่มต้น จะเป็นไปตามขีดจำกัดสื่อวิดีโอ และ `agents.defaults.mediaMaxMb` จะเพิ่มขีดจำกัด สำหรับการเรนเดอร์ที่ใหญ่ขึ้น เมื่อผู้ให้บริการส่งคืน URL เอาต์พุตที่โฮสต์ไว้ด้วย OpenClaw สามารถส่ง URL นั้นแทนการทำให้งานล้มเหลวได้ หากการคงอยู่ในเครื่อง ปฏิเสธไฟล์ที่มีขนาดใหญ่เกินไป ### วงจรชีวิตของงาน | สถานะ | ความหมาย | | ----------- | ------------------------------------------------------------------------------------------------------ | | `queued` | สร้างงานแล้ว รอให้ผู้ให้บริการยอมรับ | | `running` | ผู้ให้บริการกำลังประมวลผล (โดยทั่วไป 30 วินาทีถึงหลายนาที ขึ้นอยู่กับผู้ให้บริการและความละเอียด) | | `succeeded` | วิดีโอพร้อมแล้ว; agent จะถูกปลุกและโพสต์วิดีโอไปยังการสนทนา | | `failed` | ข้อผิดพลาดจากผู้ให้บริการหรือหมดเวลา; agent จะถูกปลุกพร้อมรายละเอียดข้อผิดพลาด | ตรวจสอบสถานะจาก CLI: ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` หากงานวิดีโออยู่ในสถานะ `queued` หรือ `running` สำหรับเซสชันปัจจุบันอยู่แล้ว `video_generate` จะส่งคืนสถานะงานที่มีอยู่แทนการเริ่มงานใหม่ ใช้ `action: "status"` เพื่อตรวจสอบอย่างชัดเจนโดยไม่กระตุ้นการสร้างใหม่ ## ผู้ให้บริการที่รองรับ | ผู้ให้บริการ | รุ่นเริ่มต้น | ข้อความ | อ้างอิงรูปภาพ | อ้างอิงวิดีโอ | การยืนยันตัวตน | | --------------------- | ------------------------------- | :--: | ---------------------------------------------------- | ----------------------------------------------- | ---------------------------------------- | | Alibaba | `wan2.6-t2v` | ✓ | ได้ (URL ระยะไกล) | ได้ (URL ระยะไกล) | `MODELSTUDIO_API_KEY` | | BytePlus (1.0) | `seedance-1-0-pro-250528` | ✓ | สูงสุด 2 รูปภาพ (เฉพาะรุ่น I2V; เฟรมแรก + เฟรมสุดท้าย) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 1.5 | `seedance-1-5-pro-251215` | ✓ | สูงสุด 2 รูปภาพ (เฟรมแรก + เฟรมสุดท้ายผ่าน role) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 2.0 | `dreamina-seedance-2-0-260128` | ✓ | รูปภาพอ้างอิงสูงสุด 9 รูป | วิดีโอสูงสุด 3 รายการ | `BYTEPLUS_API_KEY` | | ComfyUI | `workflow` | ✓ | 1 รูปภาพ | - | `COMFY_API_KEY` หรือ `COMFY_CLOUD_API_KEY` | | DeepInfra | `Pixverse/Pixverse-T2V` | ✓ | - | - | `DEEPINFRA_API_KEY` | | fal | `fal-ai/minimax/video-01-live` | ✓ | 1 รูปภาพ; สูงสุด 9 รูปด้วย Seedance reference-to-video | วิดีโอสูงสุด 3 รายการด้วย Seedance reference-to-video | `FAL_KEY` | | Google | `veo-3.1-fast-generate-preview` | ✓ | 1 รูปภาพ | 1 วิดีโอ | `GEMINI_API_KEY` | | MiniMax | `MiniMax-Hailuo-2.3` | ✓ | 1 รูปภาพ | - | `MINIMAX_API_KEY` หรือ MiniMax OAuth | | OpenAI | `sora-2` | ✓ | 1 รูปภาพ | 1 วิดีโอ | `OPENAI_API_KEY` | | OpenRouter | `google/veo-3.1-fast` | ✓ | สูงสุด 4 รูปภาพ (เฟรมแรก/สุดท้ายหรือข้อมูลอ้างอิง) | - | `OPENROUTER_API_KEY` | | Qwen | `wan2.6-t2v` | ✓ | ได้ (URL ระยะไกล) | ได้ (URL ระยะไกล) | `QWEN_API_KEY` | | Runway | `gen4.5` | ✓ | 1 รูปภาพ | 1 วิดีโอ | `RUNWAYML_API_SECRET` | | Together | `Wan-AI/Wan2.2-T2V-A14B` | ✓ | เฉพาะ `Wan-AI/Wan2.2-I2V-A14B` | - | `TOGETHER_API_KEY` | | Vydra | `veo3` | ✓ | 1 รูปภาพ (`kling`) | - | `VYDRA_API_KEY` | | xAI | `grok-imagine-video` | ✓ | รูปภาพเฟรมแรก 1 รูป หรือ `reference_image` สูงสุด 7 รายการ | 1 วิดีโอ | `XAI_API_KEY` | ผู้ให้บริการบางรายยอมรับตัวแปรสภาพแวดล้อมของคีย์ API เพิ่มเติมหรือแบบอื่น ดูรายละเอียดได้ใน [หน้าผู้ให้บริการ](#related) แต่ละราย เรียกใช้ `video_generate action=list` เพื่อตรวจสอบผู้ให้บริการ รุ่น และ โหมดรันไทม์ที่พร้อมใช้งานในขณะรันไทม์ ### เมทริกซ์ความสามารถ สัญญาโหมดอย่างชัดเจนที่ใช้โดย `video_generate`, การทดสอบสัญญา และ shared live sweep: | ผู้ให้บริการ | `generate` | `imageToVideo` | `videoToVideo` | shared live lanes วันนี้ | | ---------- | :--------: | :------------: | :------------: | --------------------------------------------------------------------------------------------------------------------------------------- | | Alibaba | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการนี้ต้องใช้ URL วิดีโอ `http(s)` ระยะไกล | | BytePlus | ✓ | ✓ | - | `generate`, `imageToVideo` | | ComfyUI | ✓ | ✓ | - | ไม่อยู่ใน shared sweep; ความครอบคลุมเฉพาะ workflow อยู่กับการทดสอบ Comfy | | DeepInfra | ✓ | - | - | `generate`; schema วิดีโอ DeepInfra แบบ native เป็น text-to-video ในสัญญา Plugin | | fal | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` เฉพาะเมื่อใช้ Seedance reference-to-video | | Google | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม shared `videoToVideo` เพราะ sweep Gemini/Veo ที่รองรับด้วยบัฟเฟอร์ปัจจุบันไม่ยอมรับอินพุตนั้น | | MiniMax | ✓ | ✓ | - | `generate`, `imageToVideo` | | OpenAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม shared `videoToVideo` เพราะเส้นทาง org/input นี้ในปัจจุบันต้องใช้การเข้าถึงการแก้ไขวิดีโอฝั่งผู้ให้บริการ | | OpenRouter | ✓ | ✓ | - | `generate`, `imageToVideo` | | Qwen | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการนี้ต้องใช้ URL วิดีโอ `http(s)` ระยะไกล | | Runway | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` ทำงานเฉพาะเมื่อรุ่นที่เลือกคือ `runway/gen4_aleph` | | Together | ✓ | ✓ | - | `generate`, `imageToVideo` | | Vydra | ✓ | ✓ | - | `generate`; ข้าม shared `imageToVideo` เพราะ `veo3` ที่ bundled เป็นข้อความเท่านั้น และ `kling` ที่ bundled ต้องใช้ URL รูปภาพระยะไกล | | xAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการนี้ในปัจจุบันต้องใช้ URL MP4 ระยะไกล | ## พารามิเตอร์ของเครื่องมือ ### จำเป็น คำอธิบายข้อความของวิดีโอที่จะสร้าง จำเป็นสำหรับ `action: "generate"` ### อินพุตเนื้อหา ภาพอ้างอิงเดียว (พาธหรือ URL) ภาพอ้างอิงหลายภาพ (สูงสุด 9 ภาพ) คำใบ้บทบาทแบบไม่บังคับตามแต่ละตำแหน่ง ซึ่งขนานกับรายการภาพที่รวมกัน ค่ามาตรฐาน: `first_frame`, `last_frame`, `reference_image` วิดีโออ้างอิงเดียว (พาธหรือ URL) วิดีโออ้างอิงหลายรายการ (สูงสุด 4 รายการ) คำใบ้บทบาทแบบไม่บังคับตามแต่ละตำแหน่ง ซึ่งขนานกับรายการวิดีโอที่รวมกัน ค่ามาตรฐาน: `reference_video` เสียงอ้างอิงเดียว (พาธหรือ URL) ใช้สำหรับเพลงพื้นหลังหรือเสียง อ้างอิงเมื่อผู้ให้บริการรองรับอินพุตเสียง เสียงอ้างอิงหลายรายการ (สูงสุด 3 รายการ) คำใบ้บทบาทแบบไม่บังคับตามแต่ละตำแหน่ง ซึ่งขนานกับรายการเสียงที่รวมกัน ค่ามาตรฐาน: `reference_audio` คำใบ้บทบาทจะถูกส่งต่อไปยังผู้ให้บริการตามเดิม ค่ามาตรฐานมาจาก ยูเนียน `VideoGenerationAssetRole` แต่ผู้ให้บริการอาจยอมรับสตริง บทบาทเพิ่มเติมได้ อาร์เรย์ `*Roles` ต้องมีจำนวนรายการไม่เกิน รายการอ้างอิงที่สอดคล้องกัน ข้อผิดพลาดแบบคลาดเคลื่อนหนึ่งตำแหน่งจะล้มเหลวพร้อมข้อผิดพลาดที่ชัดเจน ใช้สตริงว่างเพื่อปล่อยช่องไว้โดยไม่ตั้งค่า สำหรับ xAI ให้ตั้งบทบาทของภาพทุกภาพเป็น `reference_image` เพื่อใช้โหมดการสร้าง `reference_images` ของผู้ให้บริการนั้น ละเว้น บทบาทหรือใช้ `first_frame` สำหรับการแปลงภาพเดียวเป็นวิดีโอ ### การควบคุมสไตล์ คำใบ้อัตราส่วนภาพ เช่น `1:1`, `16:9`, `9:16`, `adaptive` หรือค่าจำเพาะของผู้ให้บริการ OpenClaw จะทำให้ค่าเป็นมาตรฐานหรือเพิกเฉยค่าที่ไม่รองรับตามแต่ละผู้ให้บริการ คำใบ้ความละเอียด เช่น `480P`, `720P`, `768P`, `1080P`, `4K` หรือค่าจำเพาะของผู้ให้บริการ OpenClaw จะทำให้ค่าเป็นมาตรฐานหรือเพิกเฉยค่าที่ไม่รองรับตามแต่ละผู้ให้บริการ ระยะเวลาเป้าหมายเป็นวินาที (ปัดเป็นค่าที่ใกล้ที่สุดซึ่งผู้ให้บริการรองรับ) คำใบ้ขนาดเมื่อผู้ให้บริการรองรับ เปิดใช้เสียงที่สร้างขึ้นในเอาต์พุตเมื่อรองรับ แตกต่างจาก `audioRef*` (อินพุต) สลับการใส่ลายน้ำของผู้ให้บริการเมื่อรองรับ `adaptive` เป็น sentinel จําเพาะของผู้ให้บริการ: ค่านี้จะถูกส่งต่อตามเดิมไปยัง ผู้ให้บริการที่ประกาศ `adaptive` ในความสามารถของตน (เช่น BytePlus Seedance ใช้ค่านี้เพื่อตรวจหาอัตราส่วนโดยอัตโนมัติจากมิติของภาพ อินพุต) ผู้ให้บริการที่ไม่ได้ประกาศค่านี้จะแสดงค่าผ่าน `details.ignoredOverrides` ในผลลัพธ์ของเครื่องมือ เพื่อให้เห็นว่าค่าถูกละทิ้ง ### ขั้นสูง `"status"` ส่งคืนงานของเซสชันปัจจุบัน; `"list"` ตรวจสอบผู้ให้บริการ การแทนที่ผู้ให้บริการ/โมเดล (เช่น `runway/gen4.5`) คำใบ้ชื่อไฟล์เอาต์พุต เวลาหมดเวลาของการดำเนินการของผู้ให้บริการแบบไม่บังคับในหน่วยมิลลิวินาที เมื่อละเว้น OpenClaw จะใช้ `agents.defaults.videoGenerationModel.timeoutMs` หากกำหนดค่าไว้ มิฉะนั้นจะใช้ค่าเริ่มต้นของผู้ให้บริการที่ผู้เขียน Plugin กำหนดไว้เมื่อมีอยู่ ตัวเลือกจำเพาะของผู้ให้บริการในรูปแบบอ็อบเจ็กต์ JSON (เช่น `{"seed": 42, "draft": true}`) ผู้ให้บริการที่ประกาศสคีมาแบบระบุชนิดจะตรวจสอบคีย์และชนิด คีย์ที่ไม่รู้จัก หรือค่าที่ไม่ตรงกันจะข้ามตัวเลือกผู้ให้บริการนั้นระหว่าง fallback ผู้ให้บริการที่ไม่มี สคีมาที่ประกาศไว้จะได้รับตัวเลือกตามเดิม เรียกใช้ `video_generate action=list` เพื่อดูว่าแต่ละผู้ให้บริการยอมรับอะไรบ้าง ผู้ให้บริการบางรายไม่ได้รองรับพารามิเตอร์ทั้งหมด OpenClaw จะทำให้ระยะเวลาเป็นมาตรฐานเป็น ค่าที่ใกล้ที่สุดซึ่งผู้ให้บริการรองรับ และแมปคำใบ้เรขาคณิตที่ถูกแปล เช่น ขนาดเป็นอัตราส่วนภาพ เมื่อผู้ให้บริการ fallback เปิดเผยพื้นผิวการควบคุม ที่แตกต่างกัน การแทนที่ที่ไม่รองรับจริงจะถูกเพิกเฉยแบบพยายามอย่างดีที่สุด และรายงานเป็นคำเตือนในผลลัพธ์ของเครื่องมือ ขีดจำกัดความสามารถแบบแข็ง (เช่น อินพุตอ้างอิงมากเกินไป) จะล้มเหลวก่อนส่งคำขอ ผลลัพธ์ของเครื่องมือ รายงานการตั้งค่าที่ใช้แล้ว; `details.normalization` บันทึกการแปลจาก ค่าที่ขอเป็นค่าที่ใช้จริง อินพุตอ้างอิงเลือกโหมดรันไทม์: - ไม่มีสื่ออ้างอิง → `generate` - มีภาพอ้างอิงใดๆ → `imageToVideo` - มีวิดีโออ้างอิงใดๆ → `videoToVideo` - อินพุตเสียงอ้างอิง **ไม่** เปลี่ยนโหมดที่ resolve ได้; อินพุตเหล่านี้จะนำไปใช้ ทับโหมดใดก็ตามที่ภาพ/วิดีโออ้างอิงเลือก และใช้งานได้เฉพาะ กับผู้ให้บริการที่ประกาศ `maxInputAudios` การผสมภาพและวิดีโออ้างอิงไม่ใช่พื้นผิวความสามารถร่วมที่เสถียร ควรใช้ประเภทอ้างอิงเดียวต่อคำขอ #### Fallback และตัวเลือกแบบระบุชนิด การตรวจสอบความสามารถบางรายการถูกใช้ที่ชั้น fallback แทนที่จะเป็น ขอบเขตเครื่องมือ ดังนั้นคำขอที่เกินขีดจำกัดของผู้ให้บริการหลักจึงยัง สามารถทำงานบน fallback ที่มีความสามารถได้: - ตัวเลือกที่ใช้งานอยู่ซึ่งไม่ได้ประกาศ `maxInputAudios` (หรือเป็น `0`) จะถูกข้ามเมื่อ คำขอมีเสียงอ้างอิง; จากนั้นจะลองตัวเลือกถัดไป - `maxDurationSeconds` ของตัวเลือกที่ใช้งานอยู่ต่ำกว่า `durationSeconds` ที่ขอ และไม่มีรายการ `supportedDurationSeconds` ที่ประกาศไว้ → ถูกข้าม - คำขอมี `providerOptions` และตัวเลือกที่ใช้งานอยู่ประกาศ สคีมา `providerOptions` แบบระบุชนิดอย่างชัดเจน → ถูกข้ามหากคีย์ที่ส่งมา ไม่อยู่ในสคีมาหรือชนิดของค่าไม่ตรงกัน ผู้ให้บริการที่ไม่มี สคีมาที่ประกาศไว้จะได้รับตัวเลือกตามเดิม (การส่งผ่านที่เข้ากันได้ย้อนหลัง) ผู้ให้บริการสามารถเลือกไม่รับตัวเลือกของผู้ให้บริการทั้งหมดได้โดย ประกาศสคีมาว่าง (`capabilities.providerOptions: {}`) ซึ่ง ทำให้ถูกข้ามแบบเดียวกับชนิดไม่ตรงกัน เหตุผลการข้ามรายการแรกในคำขอจะบันทึกที่ `warn` เพื่อให้ผู้ปฏิบัติงานเห็นเมื่อ ผู้ให้บริการหลักถูกข้าม; การข้ามครั้งถัดไปจะบันทึกที่ `debug` เพื่อ ไม่ให้สาย fallback ที่ยาวส่งเสียงรบกวน หากตัวเลือกทั้งหมดถูกข้าม ข้อผิดพลาดแบบรวมจะรวมเหตุผลการข้ามของแต่ละรายการไว้ด้วย ## การดำเนินการ | การดำเนินการ | สิ่งที่ทำ | | ---------- | -------------------------------------------------------------------------------------------------------- | | `generate` | ค่าเริ่มต้น สร้างวิดีโอจาก prompt ที่ให้มาและอินพุตอ้างอิงแบบไม่บังคับ | | `status` | ตรวจสอบสถานะของงานวิดีโอที่กำลังดำเนินอยู่สำหรับเซสชันปัจจุบันโดยไม่เริ่มการสร้างอีกครั้ง | | `list` | แสดงผู้ให้บริการ โมเดล และความสามารถที่พร้อมใช้งาน | ## การเลือกโมเดล OpenClaw resolve โมเดลตามลำดับนี้: 1. **พารามิเตอร์เครื่องมือ `model`** - หาก agent ระบุไว้ในการเรียก 2. **`videoGenerationModel.primary`** จาก config 3. **`videoGenerationModel.fallbacks`** ตามลำดับ 4. **การตรวจหาอัตโนมัติ** - ผู้ให้บริการที่มี auth ถูกต้อง โดยเริ่มจาก ผู้ให้บริการเริ่มต้นปัจจุบัน แล้วตามด้วยผู้ให้บริการที่เหลือตามลำดับ ตัวอักษร หากผู้ให้บริการล้มเหลว จะลองตัวเลือกถัดไปโดยอัตโนมัติ หากตัวเลือกทั้งหมด ล้มเหลว ข้อผิดพลาดจะรวมรายละเอียดจากแต่ละความพยายาม ตั้งค่า `agents.defaults.mediaGenerationAutoProviderFallback: false` เพื่อใช้ เฉพาะรายการ `model`, `primary` และ `fallbacks` ที่ระบุอย่างชัดเจน ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"], }, }, }, } ``` ## หมายเหตุผู้ให้บริการ ใช้ endpoint แบบ async ของ DashScope / Model Studio ภาพอ้างอิงและ วิดีโอต้องเป็น URL ระยะไกลแบบ `http(s)` รหัสผู้ให้บริการ: `byteplus` โมเดล: `seedance-1-0-pro-250528` (ค่าเริ่มต้น), `seedance-1-0-pro-t2v-250528`, `seedance-1-0-pro-fast-251015`, `seedance-1-0-lite-t2v-250428`, `seedance-1-0-lite-i2v-250428`. โมเดล T2V (`*-t2v-*`) ไม่รับอินพุตภาพ; โมเดล I2V และ โมเดลทั่วไป `*-pro-*` รองรับภาพอ้างอิงเดียว (เฟรมแรก) ส่งภาพตามตำแหน่งหรือตั้งค่า `role: "first_frame"` รหัสโมเดล T2V จะถูกสลับเป็นตัวแปร I2V ที่สอดคล้องกันโดยอัตโนมัติ เมื่อมีการให้ภาพ คีย์ `providerOptions` ที่รองรับ: `seed` (ตัวเลข), `draft` (บูลีน - บังคับเป็น 480p), `camera_fixed` (บูลีน) ต้องใช้ Plugin [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) รหัสผู้ให้บริการ: `byteplus-seedance15` โมเดล: `seedance-1-5-pro-251215`. ใช้ API `content[]` แบบรวม รองรับภาพอินพุตได้สูงสุด 2 ภาพ (`first_frame` + `last_frame`) อินพุตทั้งหมดต้องเป็น URL ระยะไกลแบบ `https://` ตั้งค่า `role: "first_frame"` / `"last_frame"` บนแต่ละภาพ หรือ ส่งภาพตามตำแหน่ง `aspectRatio: "adaptive"` ตรวจหาอัตราส่วนโดยอัตโนมัติจากภาพอินพุต `audio: true` แมปเป็น `generate_audio` ส่งต่อ `providerOptions.seed` (ตัวเลข) ต้องใช้ Plugin [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) รหัสผู้ให้บริการ: `byteplus-seedance2` โมเดล: `dreamina-seedance-2-0-260128`, `dreamina-seedance-2-0-fast-260128`. ใช้ API `content[]` แบบรวม รองรับภาพอ้างอิงได้สูงสุด 9 ภาพ, วิดีโออ้างอิง 3 รายการ และเสียงอ้างอิง 3 รายการ อินพุตทั้งหมดต้องเป็น URL ระยะไกล แบบ `https://` ตั้งค่า `role` บนแต่ละ asset - ค่าที่รองรับ: `"first_frame"`, `"last_frame"`, `"reference_image"`, `"reference_video"`, `"reference_audio"`. `aspectRatio: "adaptive"` ตรวจหาอัตราส่วนโดยอัตโนมัติจากภาพอินพุต `audio: true` แมปเป็น `generate_audio` ส่งต่อ `providerOptions.seed` (ตัวเลข) การเรียกใช้งานแบบโลคัลหรือคลาวด์ที่ขับเคลื่อนด้วยเวิร์กโฟลว์ รองรับข้อความเป็นวิดีโอและ รูปภาพเป็นวิดีโอผ่านกราฟที่กำหนดค่าไว้ ใช้โฟลว์ที่มีคิวรองรับสำหรับงานที่ใช้เวลานาน OpenClaw จะรอสูงสุด 20 นาทีตามค่าเริ่มต้น ก่อนถือว่างานคิว fal ที่กำลังดำเนินอยู่หมดเวลา โมเดลวิดีโอของ fal ส่วนใหญ่ รับการอ้างอิงรูปภาพเดียว โมเดล Seedance 2.0 reference-to-video รับรูปภาพได้สูงสุด 9 รูป วิดีโอ 3 รายการ และการอ้างอิงเสียง 3 รายการ โดยมี ไฟล์อ้างอิงรวมสูงสุด 12 ไฟล์ รองรับการอ้างอิงรูปภาพหนึ่งรูปหรือวิดีโอหนึ่งรายการ คำขอสร้างเสียงจะถูก เพิกเฉยพร้อมคำเตือนบนเส้นทาง Gemini API เนื่องจาก API นั้นปฏิเสธ พารามิเตอร์ `generateAudio` สำหรับการสร้างวิดีโอ Veo ในปัจจุบัน รองรับการอ้างอิงรูปภาพเดียวเท่านั้น MiniMax รับความละเอียด `768P` และ `1080P`; คำขออย่าง `720P` จะถูกปรับเป็นค่าที่รองรับที่ใกล้เคียงที่สุด ก่อนส่งคำขอ ส่งต่อเฉพาะการแทนที่ `size` เท่านั้น การแทนที่สไตล์อื่น (`aspectRatio`, `resolution`, `audio`, `watermark`) จะถูกเพิกเฉยพร้อม คำเตือน ใช้ API `/videos` แบบอะซิงโครนัสของ OpenRouter OpenClaw จะส่ง งาน โพล `polling_url` และดาวน์โหลด `unsigned_urls` หรือ เอนด์พอยต์เนื้อหางานที่เอกสารระบุไว้ ค่าเริ่มต้น `google/veo-3.1-fast` ที่บันเดิลมา ประกาศระยะเวลา 4/6/8 วินาที ความละเอียด `720P`/`1080P` และ อัตราส่วนภาพ `16:9`/`9:16` ใช้แบ็กเอนด์ DashScope เดียวกับ Alibaba อินพุตอ้างอิงต้องเป็น URL `http(s)` ระยะไกล ไฟล์โลคัลจะถูกปฏิเสธตั้งแต่ต้น รองรับไฟล์โลคัลผ่าน data URI วิดีโอเป็นวิดีโอต้องใช้ `runway/gen4_aleph` การรันแบบข้อความอย่างเดียวเปิดใช้อัตราส่วนภาพ `16:9` และ `9:16` รองรับการอ้างอิงรูปภาพเดียวเท่านั้น ใช้ `https://www.vydra.ai/api/v1` โดยตรงเพื่อหลีกเลี่ยงการเปลี่ยนเส้นทาง ที่ทำให้การยืนยันตัวตนหลุด `veo3` ถูกบันเดิลมาเป็นข้อความเป็นวิดีโอเท่านั้น; `kling` ต้องใช้ URL รูปภาพระยะไกล รองรับข้อความเป็นวิดีโอ, รูปภาพเฟรมแรกเดียวเป็นวิดีโอ, อินพุต `reference_image` สูงสุด 7 รายการผ่าน xAI `reference_images`, และโฟลว์แก้ไข/ขยาย วิดีโอระยะไกล ## โหมดความสามารถของผู้ให้บริการ สัญญาการสร้างวิดีโอที่ใช้ร่วมกันรองรับความสามารถเฉพาะโหมด แทนที่จะมีเพียงขีดจำกัดรวมแบบแบนเท่านั้น การใช้งานผู้ให้บริการใหม่ ควรเลือกใช้บล็อกโหมดแบบชัดเจน: ```typescript capabilities: { generate: { maxVideos: 1, maxDurationSeconds: 10, supportsResolution: true, }, imageToVideo: { enabled: true, maxVideos: 1, maxInputImages: 1, maxInputImagesByModel: { "provider/reference-to-video": 9 }, maxDurationSeconds: 5, }, videoToVideo: { enabled: true, maxVideos: 1, maxInputVideos: 1, maxDurationSeconds: 5, }, } ``` ฟิลด์รวมแบบแบน เช่น `maxInputImages` และ `maxInputVideos` **ไม่** เพียงพอสำหรับประกาศการรองรับโหมดแปลง ผู้ให้บริการควร ประกาศ `generate`, `imageToVideo`, และ `videoToVideo` อย่างชัดเจน เพื่อให้การทดสอบสด, การทดสอบสัญญา และเครื่องมือ `video_generate` ที่ใช้ร่วมกันสามารถตรวจสอบ การรองรับโหมดได้อย่างกำหนดแน่นอน เมื่อโมเดลหนึ่งในผู้ให้บริการมีการรองรับอินพุตอ้างอิงกว้างกว่า โมเดลอื่น ให้ใช้ `maxInputImagesByModel`, `maxInputVideosByModel` หรือ `maxInputAudiosByModel` แทนการเพิ่มขีดจำกัดทั้งโหมด ## การทดสอบสด ความครอบคลุมแบบสดที่เลือกเปิดใช้ได้สำหรับผู้ให้บริการที่บันเดิลและใช้ร่วมกัน: ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts ``` ตัวครอบของรีโป: ```bash pnpm test:live:media video ``` ไฟล์สดนี้ใช้ตัวแปรสภาพแวดล้อมของผู้ให้บริการที่ส่งออกไว้แล้วก่อนโปรไฟล์การยืนยันตัวตน ที่จัดเก็บไว้ตามค่าเริ่มต้น และรัน smoke ที่ปลอดภัยสำหรับการเผยแพร่ตามค่าเริ่มต้น: - `generate` สำหรับผู้ให้บริการที่ไม่ใช่ FAL ทุกตัวในการกวาดตรวจ - พรอมต์กุ้งล็อบสเตอร์หนึ่งวินาที - ขีดจำกัดการดำเนินการต่อผู้ให้บริการจาก `OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS` (`180000` ตามค่าเริ่มต้น) FAL เป็นแบบเลือกเปิดใช้ เพราะเวลาแฝงของคิวฝั่งผู้ให้บริการอาจกินเวลาเผยแพร่ เป็นหลัก: ```bash pnpm test:live:media video --video-providers fal ``` ตั้งค่า `OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1` เพื่อรันโหมด แปลงที่ประกาศไว้ด้วย ซึ่งการกวาดตรวจที่ใช้ร่วมกันสามารถทดสอบได้อย่างปลอดภัยด้วยสื่อโลคัล: - `imageToVideo` เมื่อ `capabilities.imageToVideo.enabled` - `videoToVideo` เมื่อ `capabilities.videoToVideo.enabled` และ ผู้ให้บริการ/โมเดลรับอินพุตวิดีโอโลคัลที่มีบัฟเฟอร์รองรับในการกวาดตรวจที่ใช้ร่วมกัน ปัจจุบันเลนสด `videoToVideo` ที่ใช้ร่วมกันครอบคลุมเฉพาะ `runway` เมื่อคุณ เลือก `runway/gen4_aleph` ## การกำหนดค่า ตั้งค่าโมเดลสร้างวิดีโอเริ่มต้นในคอนฟิก OpenClaw ของคุณ: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "qwen/wan2.6-t2v", fallbacks: ["qwen/wan2.6-r2v-flash"], }, }, }, } ``` หรือผ่าน CLI: ```bash openclaw config set agents.defaults.videoGenerationModel.primary "qwen/wan2.6-t2v" ``` ## ที่เกี่ยวข้อง - [Alibaba Model Studio](/th/providers/alibaba) - [งานเบื้องหลัง](/th/automation/tasks) - การติดตามงานสำหรับการสร้างวิดีโอแบบอะซิงโครนัส - [BytePlus](/th/concepts/model-providers#byteplus-international) - [ComfyUI](/th/providers/comfy) - [ข้อมูลอ้างอิงการกำหนดค่า](/th/gateway/config-agents#agent-defaults) - [fal](/th/providers/fal) - [Google (Gemini)](/th/providers/google) - [MiniMax](/th/providers/minimax) - [โมเดล](/th/concepts/models) - [OpenAI](/th/providers/openai) - [Qwen](/th/providers/qwen) - [Runway](/th/providers/runway) - [Together AI](/th/providers/together) - [ภาพรวมเครื่องมือ](/th/tools) - [Vydra](/th/providers/vydra) - [xAI](/th/providers/xai)