by 运行时依赖
安装命令
点击复制技能文档
类别：提供者 Model Studio Wan R2V 验证 mkdir -p output/aliyun-wan-r2v python -m py_compile skills/ai/video/aliyun-wan-r2v/scripts/prepare_r2v_request.py && echo "py_compile_ok" > output/aliyun-wan-r2v/validate.txt 通过标准：命令退出 0 且 output/aliyun-wan-r2v/validate.txt 被生成。 输出和证据 在 output/aliyun-wan-r2v/ 中保存参考输入元数据、请求负载和任务输出。至少保存一个轮询结果快照。 使用 Wan R2V 进行参考到视频的生成。这与 i2v（单个图像到视频）不同。 关键模型名称 使用以下确切模型字符串之一： wan2.6-r2v-flash wan2.6-r2v 新版本的官方发布可能更喜欢 flash 变体以降低延迟和成本。 先决条件 在虚拟环境中安装 SDK： python3 -m venv .venv . .venv/bin/activate python -m pip install dashscope 在环境中设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。 标准化接口（video.generate_reference） 请求提示（字符串，必需） reference_video（字符串 | 字节，必需） reference_image（字符串 | 字节，可选） duration（数字，可选） fps（数字，可选） size（字符串，可选） seed（整数，可选） 响应 video_url（字符串） task_id（字符串，当异步时） request_id（字符串） 异步处理 更喜欢异步提交用于生产流量。 每 15-20 秒轮询任务结果。 当返回 SUCCEEDED 或终端失败状态时停止轮询。 本地辅助脚本 准备标准化的请求 JSON 并验证响应模式： .venv/bin/python skills/ai/video/aliyun-wan-r2v/scripts/prepare_r2v_request.py \ --prompt "生成一段具有一致角色风格的短蒙太奇" \ --reference-video "https://example.com/reference.mp4" 输出位置 默认输出：output/aliyun-wan-r2v/videos/ 使用 OUTPUT_DIR 覆盖基目录。 工作流程 确认用户意图、区域、标识符以及操作是否为只读或可变。 首先运行一个最小的只读查询以验证连接和权限。 使用显式参数和有界范围执行目标操作。 验证结果并保存输出/证据文件。 参考 references/sources.md GitHub CLI API