#video-generation

407 articles

在 Claude Code 里用 WaveSpeed 技能生成图像与视频

给 Claude Code 接入 AI 媒体生成的三种方式——一条命令装技能、插件市场、MCP server——以及 agent 拿它们做什么、哪里有坑。

给 Cline 加上 WaveSpeed MCP server，agent 获得七个工具：实时目录搜索、逐模型 schema 自省、带本地文件上传的生成、以及花钱前的价格报价。

实用配置指南：在 DeepSeek Harness（dsh）中安装 WaveSpeed 技能，让 agent 搜索模型目录、读取输入 schema、运行任意图像/视频/音频/3D 模型——每次运行前还能先查价格。

在 Gemini CLI 中安装 WaveSpeed 扩展，agent 就能搜索实时模型目录、读取输入 schema、运行任意图像/视频/音频/3D 模型——每次运行前还能先查价格。

OpenCode 会从 .claude/skills 加载技能——而 wavespeed skill install 写入的正是这里。一条命令，agent 就能搜索模型目录、读取输入 schema、运行任意图像/视频/音频/3D 模型。

对Gemini Omni Flash、Seedance 2.0和Kling 3.0在多模态视频生成、编辑、分镜、音频及生产API工作流方面的实用对比分析。

对Kling 3.0 Omni的实用解析，涵盖分镜头脚本、原生音频、图像与视频生成，以及开发者如何将其与Veo、Seedance和Runway进行比较。

对 Seedance 2.0 的实用技术解析，涵盖原生音视频生成、生产工作流，以及为何同步音效正成为 AI 视频的基本门槛。

Agnes AI 的 V2.0 视频模型本周发布，支持原生音视频同步生成，定价仅 $0.30/分钟——比 Seedance 2.0 便宜约 28 倍。它在 Artificial Analysis 的 Elo 排名中跻身前 10，但仍远落后于前三名领跑者。以下是对其市场定位的客观解读。

谷歌在I/O 2026上发布了Gemini Omni Flash——一个能够跨文本、图像、音频和视频进行推理的单一模型，可生成带同步音频的连贯视频输出。本文详解已发布功能、尚未开放的功能，以及它与Veo的区别。

字节跳动正在准备两个全新的 Seedance 版本：Seedance 2.1 据报道生成质量提升约 20%，而全新的 Mini 版本定价将远低于当前 Seedance 价格，同时性能超越 Seedance 2.0 Fast。

在最初的UI字符串泄露八天后，首批Gemini Omni样本视频浮出水面。其对话驱动编辑能力表现强劲，但在原始画质方面落后于Seedance 2.0，且每段视频消耗约43%的AI Pro每日配额。这是I/O 2026开幕前一周的客观评测。