--- read_when: - एजेंट के माध्यम से वीडियो जनरेट करना - वीडियो जनरेशन प्रदाताओं और मॉडल को कॉन्फ़िगर करना - video_generate टूल के पैरामीटरों को समझना sidebarTitle: Video generation summary: 16 प्रदाता बैकएंड पर टेक्स्ट, इमेज या वीडियो संदर्भों से video_generate के ज़रिए वीडियो जनरेट करें title: वीडियो निर्माण x-i18n: generated_at: "2026-07-27T21:50:01Z" model: gpt-5.6 postprocess_version: locale-links-v1 prompt_version: 32 provider: openai source_hash: 4afc9338fdfdc269b50b949b6d1a186e3a2064ed4ee40a41722efea40ae791aa source_path: tools/video-generation.md workflow: 16 --- OpenClaw एजेंट टेक्स्ट प्रॉम्प्ट, संदर्भ छवियों या मौजूदा वीडियो से `video_generate` के माध्यम से वीडियो जनरेट करते हैं। सोलह प्रदाता बैकएंड समर्थित हैं; एजेंट कॉन्फ़िगरेशन और उपलब्ध API कुंजियों के आधार पर स्वचालित रूप से सही बैकएंड चुनता है। `video_generate` केवल तब दिखाई देता है, जब कम-से-कम एक वीडियो-जनरेशन प्रदाता उपलब्ध हो। यदि यह आपके एजेंट टूल में नहीं है, तो प्रदाता API कुंजी सेट करें या `agents.defaults.mediaModels.video` कॉन्फ़िगर करें। `video_generate` के तीन रनटाइम मोड हैं, जिनका निर्धारण कॉल में दिए गए संदर्भ इनपुट से होता है: - `generate` - कोई संदर्भ मीडिया नहीं (टेक्स्ट-टू-वीडियो)। - `imageToVideo` - एक या अधिक संदर्भ छवियाँ। - `videoToVideo` - एक या अधिक संदर्भ वीडियो। प्रदाता इनमें से किसी भी मोड-समूह का समर्थन कर सकते हैं। टूल सबमिशन से पहले सक्रिय मोड को सत्यापित करता है और `action=list` में समर्थित मोड की जानकारी देता है। ## तुरंत शुरू करें किसी भी समर्थित प्रदाता के लिए API कुंजी सेट करें: ```bash export GEMINI_API_KEY="your-key" ``` ```bash openclaw config set agents.defaults.mediaModels.video.primary "google/veo-3.1-fast-generate-preview" ``` > सूर्यास्त के समय सर्फ़िंग करते हुए एक दोस्ताना लॉब्स्टर का 5-सेकंड का सिनेमाई वीडियो जनरेट करें। एजेंट स्वचालित रूप से `video_generate` को कॉल करता है। किसी टूल को अनुमति-सूची में जोड़ने की आवश्यकता नहीं है। ## एसिंक्रोनस जनरेशन कैसे काम करता है वीडियो जनरेशन एसिंक्रोनस है: 1. OpenClaw प्रदाता को अनुरोध सबमिट करता है और तुरंत एक टास्क आईडी लौटाता है। 2. प्रदाता बैकग्राउंड में कार्य को प्रोसेस करता है (प्रदाता और रिज़ॉल्यूशन के आधार पर आमतौर पर 30 सेकंड से कई मिनट तक; धीमे कतार-समर्थित प्रदाता कॉन्फ़िगर किए गए टाइमआउट तक चल सकते हैं)। 3. वीडियो तैयार होने पर OpenClaw आंतरिक पूर्णता इवेंट के साथ उसी सत्र को सक्रिय करता है। 4. एजेंट सत्र के सामान्य दृश्यमान-उत्तर मोड के माध्यम से इसकी जानकारी देता है: स्वचालित अंतिम उत्तर, या जब सत्र को संदेश टूल की आवश्यकता हो तब `message(action="send")`। यदि अनुरोधकर्ता सत्र निष्क्रिय है, या उसका सक्रियण विफल हो जाता है और पूर्णता उत्तर में जनरेट किया गया मीडिया अब भी मौजूद नहीं है, तो OpenClaw मीडिया के साथ एक आइडेम्पोटेंट प्रत्यक्ष फ़ॉलबैक भेजता है। जब कोई कार्य चल रहा हो, तो उसी सत्र में डुप्लिकेट `video_generate` कॉल एक और जनरेशन शुरू करने के बजाय वर्तमान टास्क की स्थिति लौटाते हैं। नया जनरेशन ट्रिगर किए बिना जाँचने के लिए `action: "status"`, या CLI से `openclaw tasks list` / `openclaw tasks show ` का उपयोग करें ([बैकग्राउंड टास्क](/hi/automation/tasks) देखें)। सत्र-समर्थित एजेंट रन के बाहर (उदाहरण के लिए, प्रत्यक्ष टूल इनवोकेशन में), टूल इनलाइन जनरेशन का उपयोग करता है और उसी टर्न में अंतिम मीडिया पथ लौटाता है। जब प्रदाता बाइट्स लौटाता है, तब जनरेट की गई वीडियो फ़ाइलें OpenClaw-प्रबंधित मीडिया स्टोरेज में सहेजी जाती हैं। डिफ़ॉल्ट सीमा 16MB (साझा वीडियो मीडिया सीमा) है; बड़े रेंडर के लिए `agents.defaults.mediaMaxMb` इसे बढ़ाता है। जब कोई प्रदाता होस्ट किया गया आउटपुट URL भी लौटाता है, तब स्थानीय स्थायित्व द्वारा अत्यधिक बड़ी फ़ाइल अस्वीकार होने पर टास्क को विफल करने के बजाय OpenClaw वह URL वितरित करता है। ### टास्क जीवनचक्र | स्थिति | अर्थ | | ----------- | ------------------------------------------------------------------------------------------------------ | | `queued` | टास्क बनाया गया है और प्रदाता द्वारा स्वीकार किए जाने की प्रतीक्षा कर रहा है। | | `running` | प्रदाता प्रोसेस कर रहा है (प्रदाता और रिज़ॉल्यूशन के आधार पर आमतौर पर 30 सेकंड से कई मिनट तक)। | | `succeeded` | वीडियो तैयार है; एजेंट सक्रिय होकर उसे बातचीत में पोस्ट करता है। | | `failed` | प्रदाता त्रुटि या टाइमआउट; एजेंट त्रुटि विवरण के साथ सक्रिय होता है। | CLI से स्थिति जाँचें: ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` ## समर्थित प्रदाता | प्रदाता | डिफ़ॉल्ट मॉडल | टेक्स्ट | छवि संदर्भ | वीडियो संदर्भ | प्रमाणीकरण | | --------------------- | ------------------------------- | :--: | ---------------------------------------------------- | ----------------------------------------------- | ---------------------------------------- | | Alibaba | `wan2.6-t2v` | ✓ | हाँ (रिमोट URL) | हाँ (रिमोट URL) | `MODELSTUDIO_API_KEY` | | BytePlus (बंडल किया गया) | `seedance-1-0-pro-250528` | ✓ | अधिकतम 2 छवियाँ (पहला + अंतिम फ़्रेम) | - | `BYTEPLUS_API_KEY` | | BytePlus 1.5 Plugin | `seedance-1-5-pro-251215` | ✓ | अधिकतम 2 छवियाँ (भूमिका के माध्यम से पहला + अंतिम फ़्रेम) | - | `BYTEPLUS_API_KEY` | | BytePlus Seedance 2.0 | `dreamina-seedance-2-0-260128` | ✓ | अधिकतम 9 संदर्भ छवियाँ | अधिकतम 3 वीडियो | `BYTEPLUS_API_KEY` | | ComfyUI | `workflow` | ✓ | 1 छवि | - | `COMFY_API_KEY` या `COMFY_CLOUD_API_KEY` | | DeepInfra | `Pixverse/Pixverse-T2V` | ✓ | - | - | `DEEPINFRA_API_KEY` | | fal | `fal-ai/minimax/video-01-live` | ✓ | 1 छवि; Seedance संदर्भ-से-वीडियो के साथ अधिकतम 9 | Seedance संदर्भ-से-वीडियो के साथ अधिकतम 3 वीडियो | `FAL_KEY` | | Google | `veo-3.1-fast-generate-preview` | ✓ | 1 छवि | 1 वीडियो | `GEMINI_API_KEY` | | MiniMax | `MiniMax-Hailuo-2.3` | ✓ | 1 छवि | - | `MINIMAX_API_KEY` या MiniMax OAuth | | OpenAI | `sora-2` | ✓ | 1 छवि | 1 वीडियो | `OPENAI_API_KEY` | | OpenRouter | `google/veo-3.1-fast` | ✓ | अधिकतम 4 छवियाँ (पहला/अंतिम फ़्रेम या संदर्भ) | - | `OPENROUTER_API_KEY` | | Qwen | `wan2.6-t2v` | ✓ | हाँ (रिमोट URL) | हाँ (रिमोट URL) | `QWEN_API_KEY` | | Runway | `gen4.5` | ✓ | 1 छवि | 1 वीडियो | `RUNWAYML_API_SECRET` | | Together | `Wan-AI/Wan2.2-T2V-A14B` | ✓ | केवल `Wan-AI/Wan2.2-I2V-A14B` | - | `TOGETHER_API_KEY` | | Vydra | `veo3` | ✓ | 1 छवि (`kling`) | - | `VYDRA_API_KEY` | | xAI | `grok-imagine-video` | ✓ | क्लासिक: 1 पहला फ़्रेम या 7 संदर्भ; 1.5: 1 फ़्रेम | क्लासिक: 1 वीडियो | `XAI_API_KEY` | कुछ प्रदाता अतिरिक्त या वैकल्पिक API कुंजी एनवायरनमेंट वेरिएबल स्वीकार करते हैं। विवरण के लिए अलग-अलग [प्रदाता पृष्ठ](#related) देखें। रनटाइम पर उपलब्ध प्रदाताओं, मॉडलों और रनटाइम मोड का निरीक्षण करने के लिए `video_generate action=list` चलाएँ। ### क्षमता मैट्रिक्स `video_generate`, अनुबंध परीक्षणों और साझा लाइव स्वीप द्वारा उपयोग किया जाने वाला स्पष्ट मोड अनुबंध: | प्रदाता | `generate` | `imageToVideo` | `videoToVideo` | आज की साझा लाइव लेन | | ---------- | :--------: | :------------: | :------------: | --------------------------------------------------------------------------------------------------------------------------------------- | | Alibaba | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` छोड़ दिया गया है क्योंकि इस प्रदाता को रिमोट `http(s)` वीडियो URL चाहिए | | BytePlus | ✓ | ✓ | - | `generate`, `imageToVideo` | | ComfyUI | ✓ | ✓ | - | साझा स्वीप में नहीं; वर्कफ़्लो-विशिष्ट कवरेज Comfy परीक्षणों में मौजूद है | | DeepInfra | ✓ | - | - | `generate`; नेटिव DeepInfra वीडियो स्कीमा Plugin अनुबंध में टेक्स्ट-टू-वीडियो हैं | | fal | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` केवल Seedance संदर्भ-से-वीडियो का उपयोग करते समय | | Google | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; साझा `videoToVideo` छोड़ दिया गया है क्योंकि वर्तमान बफ़र-समर्थित Gemini/Veo स्वीप उस इनपुट को स्वीकार नहीं करता | | MiniMax | ✓ | ✓ | - | `generate`, `imageToVideo` | | OpenAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; साझा `videoToVideo` छोड़ दिया गया है क्योंकि इस संगठन/इनपुट पथ को वर्तमान में प्रदाता-पक्षीय वीडियो संपादन पहुँच चाहिए | | OpenRouter | ✓ | ✓ | - | `generate`, `imageToVideo` | | Qwen | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` छोड़ दिया गया है क्योंकि इस प्रदाता को रिमोट `http(s)` वीडियो URL चाहिए | | Runway | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` केवल तब चलता है जब चयनित मॉडल `runway/gen4_aleph` हो | | Together | ✓ | ✓ | - | `generate`, `imageToVideo` | | Vydra | ✓ | ✓ | - | `generate`; साझा `imageToVideo` छोड़ दिया गया है क्योंकि बंडल किया गया `veo3` केवल-टेक्स्ट है और बंडल किए गए `kling` को रिमोट छवि URL चाहिए | | xAI | ✓ | ✓ | ✓ | क्लासिक सभी मोड का समर्थन करता है; Video 1.5 केवल छवि-से-वीडियो है; रिमोट MP4 इनपुट `videoToVideo` को साझा स्वीप से बाहर रखता है | ## टूल पैरामीटर ### आवश्यक जनरेट किए जाने वाले वीडियो का टेक्स्ट विवरण। `action: "generate"` के लिए आवश्यक। ### सामग्री इनपुट एकल संदर्भ छवि (पथ या URL)। एकाधिक संदर्भ छवियाँ (अधिकतम 9)। संयुक्त छवि सूची के समानांतर, प्रत्येक स्थिति के लिए वैकल्पिक भूमिका संकेत। मानक मान: `first_frame`, `last_frame`, `reference_image`। एकल संदर्भ वीडियो (पथ या URL)। एकाधिक संदर्भ वीडियो (अधिकतम 4)। संयुक्त वीडियो सूची के समानांतर, प्रत्येक स्थिति के लिए वैकल्पिक भूमिका संकेत। मानक मान: `reference_video`। एकल संदर्भ ऑडियो (पथ या URL)। जब प्रदाता ऑडियो इनपुट का समर्थन करता है, तब इसका उपयोग पृष्ठभूमि संगीत या आवाज़ के संदर्भ के लिए किया जाता है। एकाधिक संदर्भ ऑडियो (अधिकतम 3)। संयुक्त ऑडियो सूची के समानांतर, प्रत्येक स्थिति के लिए वैकल्पिक भूमिका संकेत। मानक मान: `reference_audio`। भूमिका संकेत प्रदाता को बिना किसी बदलाव के अग्रेषित किए जाते हैं। मानक मान `VideoGenerationAssetRole` यूनियन से आते हैं, लेकिन प्रदाता अतिरिक्त भूमिका स्ट्रिंग स्वीकार कर सकते हैं। `*Roles` सरणियों में संबंधित संदर्भ सूची से अधिक प्रविष्टियाँ नहीं होनी चाहिए; एक स्थान की त्रुटियाँ स्पष्ट त्रुटि के साथ विफल होती हैं। किसी स्थान को सेट न रखने के लिए रिक्त स्ट्रिंग का उपयोग करें। xAI के लिए, उसके `reference_images` जनरेशन मोड का उपयोग करने हेतु प्रत्येक छवि भूमिका को `reference_image` पर सेट करें; एकल-छवि से वीडियो के लिए भूमिका छोड़ दें या `first_frame` का उपयोग करें। ### शैली नियंत्रण `1:1`, `16:9`, `9:16`, `adaptive` जैसा पक्षानुपात संकेत या प्रदाता-विशिष्ट मान। OpenClaw प्रत्येक प्रदाता के अनुसार असमर्थित मानों को सामान्यीकृत करता है या अनदेखा करता है। `360P`, `480P`, `540P`, `720P`, `768P`, `1080P`, `4K` जैसा रिज़ॉल्यूशन संकेत या प्रदाता-विशिष्ट मान। OpenClaw प्रत्येक प्रदाता के अनुसार असमर्थित मानों को सामान्यीकृत करता है या अनदेखा करता है। लक्षित अवधि सेकंड में (प्रदाता द्वारा समर्थित निकटतम मान पर पूर्णांकित)। प्रदाता द्वारा समर्थित होने पर आकार का संकेत। समर्थित होने पर आउटपुट में जनरेट किया गया ऑडियो सक्षम करें। यह `audioRef*` (इनपुट) से अलग है। समर्थित होने पर प्रदाता के वॉटरमार्क को चालू या बंद करें। `adaptive` एक प्रदाता-विशिष्ट सेंटिनल है: इसे उन प्रदाताओं को बिना किसी बदलाव के अग्रेषित किया जाता है जो अपनी क्षमताओं में `adaptive` घोषित करते हैं (उदाहरण के लिए, BytePlus Seedance इनपुट छवि के आयामों से अनुपात का स्वतः पता लगाने के लिए इसका उपयोग करता है)। जो प्रदाता इसे घोषित नहीं करते, वे टूल परिणाम में `details.ignoredOverrides` के माध्यम से मान दिखाते हैं, ताकि हटाया जाना दृश्यमान रहे। ### उन्नत `"status"` वर्तमान सत्र का कार्य लौटाता है; `"list"` प्रदाताओं का निरीक्षण करता है। प्रदाता/मॉडल ओवरराइड (उदाहरण के लिए, `runway/gen4.5`)। आउटपुट फ़ाइल नाम का संकेत। प्रदाता की कार्रवाई के लिए वैकल्पिक टाइमआउट, मिलीसेकंड में। इसे छोड़ने पर, यदि कॉन्फ़िगर किया गया हो तो OpenClaw `agents.defaults.mediaModels.video.timeoutMs` का उपयोग करता है, अन्यथा उपलब्ध होने पर Plugin में निर्धारित प्रदाता डिफ़ॉल्ट का उपयोग करता है। JSON ऑब्जेक्ट के रूप में प्रदाता-विशिष्ट विकल्प (उदाहरण के लिए, `{"seed": 42, "draft": true}`)। टाइप की गई स्कीमा घोषित करने वाले प्रदाता कुंजियों और प्रकारों को मान्य करते हैं; अज्ञात कुंजियाँ या बेमेल प्रकार फ़ॉलबैक के दौरान उम्मीदवार को छोड़ देते हैं। घोषित स्कीमा के बिना प्रदाताओं को विकल्प बिना किसी बदलाव के प्राप्त होते हैं। प्रत्येक प्रदाता क्या स्वीकार करता है, यह देखने के लिए `video_generate action=list` चलाएँ। सभी प्रदाता सभी पैरामीटर का समर्थन नहीं करते। OpenClaw अवधि को प्रदाता द्वारा समर्थित निकटतम मान पर सामान्यीकृत करता है और जब कोई फ़ॉलबैक प्रदाता अलग नियंत्रण सतह उपलब्ध कराता है, तो आकार-से-पक्षानुपात जैसे रूपांतरित ज्यामिति संकेतों की मैपिंग बदलता है। वास्तव में असमर्थित ओवरराइड सर्वोत्तम प्रयास के आधार पर अनदेखे किए जाते हैं और टूल परिणाम में चेतावनियों के रूप में रिपोर्ट किए जाते हैं। कठोर क्षमता सीमाएँ (जैसे बहुत अधिक संदर्भ इनपुट) सबमिशन से पहले विफल हो जाती हैं। टूल परिणाम लागू सेटिंग्स रिपोर्ट करते हैं; `details.normalization` अनुरोधित-से-लागू रूपांतरण को दर्ज करता है। संदर्भ इनपुट रनटाइम मोड चुनते हैं: - कोई संदर्भ मीडिया नहीं -> `generate` - कोई भी छवि संदर्भ -> `imageToVideo` - कोई भी वीडियो संदर्भ -> `videoToVideo` - संदर्भ ऑडियो इनपुट समाधान किए गए मोड को **नहीं** बदलते; वे छवि/वीडियो संदर्भों द्वारा चुने गए किसी भी मोड के ऊपर लागू होते हैं और केवल उन प्रदाताओं के साथ काम करते हैं जो `maxInputAudios` घोषित करते हैं। मिश्रित छवि और वीडियो संदर्भ एक स्थिर साझा क्षमता सतह नहीं हैं। प्रत्येक अनुरोध में एक ही संदर्भ प्रकार को प्राथमिकता दें। #### फ़ॉलबैक और टाइप किए गए विकल्प कुछ क्षमता जाँच टूल सीमा के बजाय फ़ॉलबैक परत पर लागू होती हैं, इसलिए प्राथमिक प्रदाता की सीमाएँ पार करने वाला अनुरोध भी किसी सक्षम फ़ॉलबैक पर चल सकता है: - जब अनुरोध में ऑडियो संदर्भ होते हैं, तब कोई `maxInputAudios` (या `0`) घोषित न करने वाले सक्रिय उम्मीदवार को छोड़ दिया जाता है; अगला उम्मीदवार आज़माया जाता है। यही सुरक्षा जाँच छवि और वीडियो संदर्भों की संख्या पर `maxInputImages`/`maxInputVideos` के विरुद्ध लागू होती है। - सक्रिय उम्मीदवार का `maxDurationSeconds`, अनुरोधित `durationSeconds` से कम है और कोई `supportedDurationSeconds` सूची घोषित नहीं है -> छोड़ दिया जाता है। - अनुरोध में `providerOptions` है और सक्रिय उम्मीदवार स्पष्ट रूप से टाइप की गई `providerOptions` स्कीमा घोषित करता है -> यदि दी गई कुंजियाँ स्कीमा में नहीं हैं या मानों के प्रकार मेल नहीं खाते, तो छोड़ दिया जाता है। घोषित स्कीमा के बिना प्रदाताओं को विकल्प बिना किसी बदलाव के प्राप्त होते हैं (पश्चगामी-संगत पास-थ्रू)। कोई प्रदाता रिक्त स्कीमा (`capabilities.providerOptions: {}`) घोषित करके सभी प्रदाता विकल्पों से बाहर हो सकता है, जिससे प्रकार बेमेल होने जैसा ही उम्मीदवार छोड़ना होता है। अनुरोध में उम्मीदवार छोड़ने का पहला कारण `warn` स्तर पर लॉग होता है, ताकि ऑपरेटर देख सकें कि उनके प्राथमिक प्रदाता को कब छोड़ दिया गया; लंबी फ़ॉलबैक शृंखलाओं को शांत रखने के लिए बाद के कारण `debug` स्तर पर लॉग होते हैं। यदि प्रत्येक उम्मीदवार छोड़ दिया जाता है, तो समेकित त्रुटि में प्रत्येक के लिए छोड़ने का कारण शामिल होता है। ## कार्रवाइयाँ | कार्रवाई | यह क्या करती है | | ---------- | -------------------------------------------------------------------------------------------------------- | | `generate` | डिफ़ॉल्ट। दिए गए प्रॉम्प्ट और वैकल्पिक संदर्भ इनपुट से वीडियो बनाएँ। | | `status` | कोई अन्य जनरेशन शुरू किए बिना वर्तमान सत्र के प्रगतिरत वीडियो कार्य की स्थिति जाँचें। | | `list` | उपलब्ध प्रदाता, मॉडल और उनकी क्षमताएँ दिखाएँ। | ## मॉडल चयन OpenClaw मॉडल का समाधान इस क्रम में करता है: 1. **`model` टूल पैरामीटर** - यदि एजेंट कॉल में कोई मान निर्दिष्ट करता है। 2. कॉन्फ़िगरेशन से **`videoGenerationModel.primary`**। 3. क्रमानुसार **`videoGenerationModel.fallbacks`**। 4. **स्वतः पहचान** - वे प्रदाता जिनके पास मान्य प्रमाणीकरण है, वर्तमान डिफ़ॉल्ट प्रदाता से शुरू होकर, फिर शेष प्रदाता वर्णानुक्रम में। यदि कोई प्रदाता विफल होता है, तो अगला उम्मीदवार स्वचालित रूप से आज़माया जाता है। यदि सभी उम्मीदवार विफल होते हैं, तो त्रुटि में प्रत्येक प्रयास का विवरण शामिल होता है। प्रमाणीकृत प्रदाताओं के बीच स्वचालित फ़ॉलबैक हमेशा सक्षम रहता है। प्रति-कॉल `model` प्रामाणिक रहता है। ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"], timeoutMs: 180000, // वैकल्पिक प्रति-टूल प्रदाता अनुरोध टाइमआउट ओवरराइड }, }, }, } ``` ## प्रदाता संबंधी टिप्पणियाँ DashScope / Model Studio के एसिंक्रोनस एंडपॉइंट का उपयोग करता है। संदर्भ छवियाँ और वीडियो दूरस्थ `http(s)` URL होने चाहिए। प्रदाता आईडी: `byteplus`। मॉडल: `seedance-1-0-pro-250528` (डिफ़ॉल्ट), `seedance-1-5-pro-251215`। एकीकृत `content[]` API का उपयोग करता है। अधिकतम 2 इनपुट छवियों (`first_frame` + `last_frame`) का समर्थन करता है। छवियों को स्थिति के अनुसार पास करें या प्रत्येक छवि का `role` स्पष्ट रूप से सेट करें। समर्थित `providerOptions` कुंजियाँ: `seed` (संख्या), `draft` (बूलियन - 480p को बाध्य करता है), `camera_fixed` (बूलियन)। [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) Plugin की आवश्यकता है (बाहरी, बंडल नहीं किया हुआ)। प्रदाता आईडी: `byteplus-seedance15`। मॉडल: `seedance-1-5-pro-251215`। एकीकृत `content[]` API का उपयोग करता है। अधिकतम 2 इनपुट छवियों (`first_frame` + `last_frame`) का समर्थन करता है। सभी इनपुट दूरस्थ `https://` URL होने चाहिए। प्रत्येक छवि पर `role: "first_frame"` / `"last_frame"` सेट करें या छवियों को स्थिति के अनुसार पास करें। `aspectRatio: "adaptive"` इनपुट छवि से अनुपात का स्वतः पता लगाता है। `audio: true`, `generate_audio` पर मैप होता है। `providerOptions.seed` (संख्या) अग्रेषित की जाती है। [`@openclaw/byteplus-modelark`](https://www.npmjs.com/package/@openclaw/byteplus-modelark) Plugin की आवश्यकता है (बाहरी, बंडल नहीं किया हुआ)। प्रदाता आईडी: `byteplus-seedance2`। मॉडल: `dreamina-seedance-2-0-260128`, `dreamina-seedance-2-0-fast-260128`। एकीकृत `content[]` API का उपयोग करता है। अधिकतम 9 संदर्भ छवियों, 3 संदर्भ वीडियो और 3 संदर्भ ऑडियो का समर्थन करता है। सभी इनपुट दूरस्थ `https://` URL होने चाहिए। प्रत्येक एसेट पर `role` सेट करें - समर्थित मान: `"first_frame"`, `"last_frame"`, `"reference_image"`, `"reference_video"`, `"reference_audio"`। `aspectRatio: "adaptive"` इनपुट छवि से अनुपात का स्वतः पता लगाता है। `audio: true`, `generate_audio` पर मैप होता है। `providerOptions.seed` (संख्या) अग्रेषित की जाती है। वर्कफ़्लो-संचालित स्थानीय या क्लाउड निष्पादन। कॉन्फ़िगर किए गए ग्राफ़ के माध्यम से टेक्स्ट-से-वीडियो और इमेज-से-वीडियो का समर्थन करता है। लंबे समय तक चलने वाले कार्यों के लिए कतार-समर्थित प्रवाह का उपयोग करता है। OpenClaw किसी प्रगतिरत fal कतार कार्य को टाइम आउट मानने से पहले डिफ़ॉल्ट रूप से अधिकतम 20 मिनट तक प्रतीक्षा करता है। अधिकांश fal वीडियो मॉडल एकल इमेज संदर्भ स्वीकार करते हैं। Seedance 2.0 संदर्भ-से-वीडियो मॉडल अधिकतम 9 इमेज, 3 वीडियो और 3 ऑडियो संदर्भ स्वीकार करते हैं, जिनमें कुल संदर्भ फ़ाइलों की अधिकतम संख्या 12 होती है। एक इमेज या एक वीडियो संदर्भ का समर्थन करता है। Gemini API पथ पर जनरेटेड-ऑडियो अनुरोधों को चेतावनी के साथ अनदेखा कर दिया जाता है, क्योंकि वह API वर्तमान Veo वीडियो जनरेशन के लिए `generateAudio` पैरामीटर अस्वीकार करता है। केवल एकल इमेज संदर्भ। MiniMax `768P` और `1080P` रिज़ॉल्यूशन स्वीकार करता है; `720P` जैसे अनुरोधों को सबमिशन से पहले निकटतम समर्थित मान में सामान्यीकृत किया जाता है। केवल `size` ओवरराइड अग्रेषित किया जाता है। अन्य शैली ओवरराइड (`aspectRatio`, `resolution`, `audio`, `watermark`) को चेतावनी के साथ अनदेखा कर दिया जाता है। OpenRouter के एसिंक्रोनस `/videos` API का उपयोग करता है। OpenClaw कार्य सबमिट करता है, `polling_url` को पोल करता है, और `unsigned_urls` या प्रलेखित कार्य-सामग्री एंडपॉइंट में से किसी एक से डाउनलोड करता है। बंडल किया गया `google/veo-3.1-fast` डिफ़ॉल्ट 4/6/8 सेकंड की अवधियाँ, `720P`/`1080P` रिज़ॉल्यूशन और `16:9`/`9:16` आस्पेक्ट रेशियो घोषित करता है। Alibaba के समान DashScope बैकएंड। संदर्भ इनपुट दूरस्थ `http(s)` URL होने चाहिए; स्थानीय फ़ाइलें पहले ही अस्वीकार कर दी जाती हैं। डेटा URI के माध्यम से स्थानीय फ़ाइलों का समर्थन करता है। वीडियो-से-वीडियो के लिए `runway/gen4_aleph` आवश्यक है। केवल-टेक्स्ट रन में `16:9` और `9:16` आस्पेक्ट रेशियो उपलब्ध होते हैं। केवल एकल इमेज संदर्भ। प्रमाणीकरण हटाने वाले रीडायरेक्ट से बचने के लिए सीधे `https://www.vydra.ai/api/v1` का उपयोग करता है। `veo3` केवल टेक्स्ट-से-वीडियो के रूप में बंडल किया गया है; `kling` के लिए दूरस्थ इमेज URL आवश्यक है। डिफ़ॉल्ट `grok-imagine-video` मॉडल टेक्स्ट-से-वीडियो, एकल प्रथम-फ़्रेम इमेज-से-वीडियो, xAI `reference_images` के माध्यम से अधिकतम 7 `reference_image` इनपुट और दूरस्थ वीडियो संपादन/विस्तार प्रवाह का समर्थन करता है। जनरेशन डिफ़ॉल्ट रूप से `480P` का उपयोग करता है; `aspectRatio` छोड़े जाने पर एकल-इमेज इमेज-से-वीडियो स्रोत अनुपात प्राप्त करता है। वीडियो संपादन/विस्तार इनपुट ज्यामिति प्राप्त करते हैं और आस्पेक्ट-रेशियो या रिज़ॉल्यूशन ओवरराइड स्वीकार नहीं करते। विस्तार 2-10 सेकंड स्वीकार करता है। `grok-imagine-video-1.5` केवल इमेज-से-वीडियो है: ठीक एक इमेज प्रदान करें। यह 1-15 सेकंड और `480P`, `720P` या `1080P` का समर्थन करता है, जिसका डिफ़ॉल्ट `480P` है; स्रोत इमेज अनुपात प्राप्त करने के लिए `aspectRatio` छोड़ दें। पूर्वावलोकन और दिनांकित 1.5 पहचानकर्ताओं को समान सत्यापन मिलता है और उन्हें अपरिवर्तित अग्रेषित किया जाता है। ## प्रदाता क्षमता मोड साझा वीडियो-जनरेशन अनुबंध केवल समतल समग्र सीमाओं के बजाय मोड-विशिष्ट क्षमताओं का समर्थन करता है। नए प्रदाता कार्यान्वयनों को स्पष्ट मोड ब्लॉक को प्राथमिकता देनी चाहिए: ```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, }, } ``` `maxInputImages` और `maxInputVideos` जैसे समतल समग्र फ़ील्ड रूपांतरण-मोड समर्थन घोषित करने के लिए **पर्याप्त नहीं** हैं। प्रदाताओं को `generate`, `imageToVideo` और `videoToVideo` स्पष्ट रूप से घोषित करने चाहिए, ताकि लाइव परीक्षण, अनुबंध परीक्षण और साझा `video_generate` टूल मोड समर्थन को नियतात्मक रूप से सत्यापित कर सकें। जब किसी प्रदाता का एक मॉडल अन्य मॉडलों की तुलना में अधिक व्यापक संदर्भ-इनपुट समर्थन देता हो, तो मोड-व्यापी सीमा बढ़ाने के बजाय `maxInputImagesByModel`, `maxInputVideosByModel` या `maxInputAudiosByModel` का उपयोग करें। ## लाइव परीक्षण साझा बंडल किए गए प्रदाताओं के लिए ऑप्ट-इन लाइव कवरेज: ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts ``` रेपो रैपर: ```bash pnpm test:live:media video ``` यह लाइव फ़ाइल डिफ़ॉल्ट रूप से संग्रहीत प्रमाणीकरण प्रोफ़ाइल से पहले पहले से एक्सपोर्ट किए गए प्रदाता एनवायरनमेंट वेरिएबल का उपयोग करती है, और डिफ़ॉल्ट रूप से रिलीज़-सुरक्षित स्मोक परीक्षण चलाती है: - `generate` स्वीप में प्रत्येक गैर-FAL प्रदाता के लिए। - एक-सेकंड का लॉब्स्टर प्रॉम्प्ट। - `OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS` से प्रति-प्रदाता ऑपरेशन सीमा (डिफ़ॉल्ट रूप से `180000`)। FAL ऑप्ट-इन है, क्योंकि प्रदाता-पक्ष की कतार विलंबता रिलीज़ समय पर हावी हो सकती है: ```bash pnpm test:live:media video --video-providers fal ``` घोषित रूपांतरण मोड भी चलाने के लिए `OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1` सेट करें, जिनका साझा स्वीप स्थानीय मीडिया के साथ सुरक्षित रूप से प्रयोग कर सकता है: - `imageToVideo`, जब `capabilities.imageToVideo.enabled`। - `videoToVideo`, जब `capabilities.videoToVideo.enabled` और प्रदाता/मॉडल साझा स्वीप में बफ़र-समर्थित स्थानीय वीडियो इनपुट स्वीकार करता हो। वर्तमान में साझा `videoToVideo` लाइव लेन केवल तभी `runway` को कवर करती है, जब आप `runway/gen4_aleph` चुनते हैं। ## कॉन्फ़िगरेशन अपने OpenClaw कॉन्फ़िगरेशन में डिफ़ॉल्ट वीडियो-जनरेशन मॉडल सेट करें: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "qwen/wan2.6-t2v", fallbacks: ["qwen/wan2.6-r2v-flash"], }, }, }, } ``` या CLI के माध्यम से: ```bash openclaw config set agents.defaults.mediaModels.video.primary "qwen/wan2.6-t2v" ``` ## संबंधित - [Alibaba Model Studio](/hi/providers/alibaba) - [पृष्ठभूमि कार्य](/hi/automation/tasks) - एसिंक्रोनस वीडियो जनरेशन के लिए कार्य ट्रैकिंग - [BytePlus](/hi/concepts/model-providers#byteplus-international) - [ComfyUI](/hi/providers/comfy) - [कॉन्फ़िगरेशन संदर्भ](/hi/gateway/config-agents#agent-defaults) - [fal](/hi/providers/fal) - [Google (Gemini)](/hi/providers/google) - [MiniMax](/hi/providers/minimax) - [मॉडल](/hi/concepts/models) - [OpenAI](/hi/providers/openai) - [Qwen](/hi/providers/qwen) - [Runway](/hi/providers/runway) - [Together AI](/hi/providers/together) - [टूल का अवलोकन](/hi/tools) - [Vydra](/hi/providers/vydra) - [xAI](/hi/providers/xai)