--- read_when: - การสร้างวิดีโอผ่านเอเจนต์ - การกำหนดค่าผู้ให้บริการและโมเดลสำหรับการสร้างวิดีโอ - ทำความเข้าใจพารามิเตอร์ของเครื่องมือ video_generate sidebarTitle: Video generation summary: สร้างวิดีโอผ่าน video_generate จากข้อมูลอ้างอิงแบบข้อความ รูปภาพ หรือวิดีโอ บนแบ็กเอนด์ผู้ให้บริการ 16 รายการ title: การสร้างวิดีโอ x-i18n: generated_at: "2026-05-11T20:40:47Z" model: gpt-5.5 provider: openai source_hash: 1f1dbeea0393150c1495bcc0a9acc68a57b99d919f3134fb17820f22cfe05e90 source_path: tools/video-generation.md workflow: 16 --- OpenClaw agent สามารถสร้างวิดีโอจากพรอมป์ข้อความ รูปภาพอ้างอิง หรือ วิดีโอที่มีอยู่ได้ รองรับแบ็กเอนด์ผู้ให้บริการสิบหกราย โดยแต่ละรายมี ตัวเลือกโมเดล โหมดอินพุต และชุดฟีเจอร์ที่แตกต่างกัน agent จะเลือก ผู้ให้บริการที่เหมาะสมโดยอัตโนมัติตามการกำหนดค่าและ API key ที่มีอยู่ของคุณ เครื่องมือ `video_generate` จะปรากฏก็ต่อเมื่อมีผู้ให้บริการสร้างวิดีโอ อย่างน้อยหนึ่งรายพร้อมใช้งาน หากคุณไม่เห็นเครื่องมือนี้ในเครื่องมือของ agent ให้ตั้งค่า API key ของผู้ให้บริการ หรือกำหนดค่า `agents.defaults.videoGenerationModel` OpenClaw ถือว่าการสร้างวิดีโอมีโหมดรันไทม์สามโหมด: - `generate` - คำขอแปลงข้อความเป็นวิดีโอที่ไม่มีสื่ออ้างอิง - `imageToVideo` - คำขอมีรูปภาพอ้างอิงอย่างน้อยหนึ่งรูป - `videoToVideo` - คำขอมีวิดีโออ้างอิงอย่างน้อยหนึ่งรายการ ผู้ให้บริการสามารถรองรับโหมดเหล่านี้ชุดย่อยใดก็ได้ เครื่องมือจะตรวจสอบ โหมดที่ใช้งานอยู่ก่อนส่งคำขอ และรายงานโหมดที่รองรับใน `action=list` ## เริ่มต้นอย่างรวดเร็ว ตั้งค่า API key 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 วินาทีของล็อบสเตอร์ที่เป็นมิตรกำลังเล่นเซิร์ฟยามพระอาทิตย์ตก agent จะเรียก `video_generate` โดยอัตโนมัติ ไม่จำเป็นต้องอนุญาตเครื่องมือเป็นพิเศษ ## การสร้างแบบอะซิงโครนัสทำงานอย่างไร การสร้างวิดีโอเป็นแบบอะซิงโครนัส เมื่อ agent เรียก `video_generate` ใน เซสชัน: 1. OpenClaw ส่งคำขอไปยังผู้ให้บริการและส่งคืน task id ทันที 2. ผู้ให้บริการประมวลผลงานอยู่เบื้องหลัง (โดยทั่วไปใช้เวลา 30 วินาทีถึงหลายนาทีขึ้นอยู่กับผู้ให้บริการและความละเอียด ผู้ให้บริการที่อาศัยคิวและทำงานช้าอาจทำงานได้จนถึงเวลาหมดเวลาที่กำหนดไว้) 3. เมื่อวิดีโอพร้อมแล้ว OpenClaw จะปลุกเซสชันเดิมด้วยอีเวนต์เสร็จสิ้นภายใน 4. agent แจ้งผู้ใช้และแนบวิดีโอที่เสร็จแล้ว ในแชตกลุ่ม/ช่องทาง ที่ใช้การส่งแบบมองเห็นได้ผ่านเครื่องมือข้อความเท่านั้น agent จะส่งต่อ ผลลัพธ์ผ่านเครื่องมือข้อความ แทนที่ OpenClaw จะโพสต์โดยตรง ขณะที่งานกำลังดำเนินอยู่ การเรียก `video_generate` ซ้ำในเซสชันเดียวกัน จะส่งคืนสถานะงานปัจจุบันแทนการเริ่มสร้างอีกรายการหนึ่ง ใช้ `openclaw tasks list` หรือ `openclaw tasks show ` เพื่อ ตรวจสอบความคืบหน้าจาก CLI นอกเหนือจากการรัน agent ที่มีเซสชันรองรับ (เช่น การเรียกเครื่องมือโดยตรง) เครื่องมือจะถอยกลับไปใช้การสร้างแบบอินไลน์และส่งคืนเส้นทางสื่อสุดท้าย ในเทิร์นเดียวกัน ไฟล์วิดีโอที่สร้างขึ้นจะถูกบันทึกไว้ใต้พื้นที่จัดเก็บสื่อที่ OpenClaw จัดการเมื่อ ผู้ให้บริการส่งคืนไบต์ ขีดจำกัดการบันทึกวิดีโอที่สร้างขึ้นตามค่าเริ่มต้นจะอิงตาม ขีดจำกัดสื่อวิดีโอ และ `agents.defaults.mediaMaxMb` จะเพิ่มขีดจำกัดนี้สำหรับ เรนเดอร์ที่ใหญ่ขึ้น เมื่อผู้ให้บริการส่งคืน URL เอาต์พุตที่โฮสต์ไว้ด้วย OpenClaw สามารถส่ง URL นั้นแทนการทำให้งานล้มเหลว หากการคงอยู่ในเครื่อง ปฏิเสธไฟล์ที่มีขนาดใหญ่เกินไป ### วงจรชีวิตของงาน | สถานะ | ความหมาย | | ----------- | ------------------------------------------------------------------------------------------------------ | | `queued` | สร้างงานแล้ว กำลังรอให้ผู้ให้บริการรับงาน | | `running` | ผู้ให้บริการกำลังประมวลผล (โดยทั่วไปใช้เวลา 30 วินาทีถึงหลายนาทีขึ้นอยู่กับผู้ให้บริการและความละเอียด) | | `succeeded` | วิดีโอพร้อมแล้ว agent จะตื่นขึ้นและโพสต์ไปยังการสนทนา | | `failed` | ข้อผิดพลาดของผู้ให้บริการหรือหมดเวลา agent จะตื่นขึ้นพร้อมรายละเอียดข้อผิดพลาด | ตรวจสอบสถานะจาก CLI: ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` หากงานวิดีโออยู่ในสถานะ `queued` หรือ `running` สำหรับเซสชันปัจจุบันอยู่แล้ว `video_generate` จะส่งคืนสถานะงานที่มีอยู่แทนการเริ่มงานใหม่ ใช้ `action: "status"` เพื่อตรวจสอบอย่างชัดเจนโดยไม่ทริกเกอร์การสร้างใหม่ ## ผู้ให้บริการที่รองรับ | ผู้ให้บริการ | โมเดลเริ่มต้น | ข้อความ | อ้างอิงรูปภาพ | อ้างอิงวิดีโอ | การยืนยันตัวตน | | --------------------- | ------------------------------- | :--: | ---------------------------------------------------- | ----------------------------------------------- | ---------------------------------------- | | Alibaba | `wan2.6-t2v` | ✓ | ใช่ (URL ระยะไกล) | ใช่ (URL ระยะไกล) | `MODELSTUDIO_API_KEY` | | BytePlus (1.0) | `seedance-1-0-pro-250528` | ✓ | สูงสุด 2 รูปภาพ (เฉพาะโมเดล 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 รูปเมื่อใช้ Seedance reference-to-video | วิดีโอสูงสุด 3 รายการเมื่อใช้ 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/เฟรมสุดท้ายหรือข้อมูลอ้างอิง) | - | `OPENROUTER_API_KEY` | | Qwen | `wan2.6-t2v` | ✓ | ใช่ (URL ระยะไกล) | ใช่ (URL ระยะไกล) | `QWEN_API_KEY` | | Runway | `gen4.5` | ✓ | 1 รูปภาพ | 1 วิดีโอ | `RUNWAYML_API_SECRET` | | Together | `Wan-AI/Wan2.2-T2V-A14B` | ✓ | 1 รูปภาพ | - | `TOGETHER_API_KEY` | | Vydra | `veo3` | ✓ | 1 รูปภาพ (`kling`) | - | `VYDRA_API_KEY` | | xAI | `grok-imagine-video` | ✓ | รูปภาพเฟรมแรก 1 รูป หรือ `reference_image` สูงสุด 7 รูป | 1 วิดีโอ | `XAI_API_KEY` | ผู้ให้บริการบางรายยอมรับตัวแปรสภาพแวดล้อม API key เพิ่มเติมหรือทางเลือกอื่น ดู รายละเอียดใน [หน้าผู้ให้บริการ](#related) แต่ละหน้า รัน `video_generate action=list` เพื่อตรวจสอบผู้ให้บริการ โมเดล และ โหมดรันไทม์ที่พร้อมใช้งาน ณ ขณะรันไทม์ ### เมทริกซ์ความสามารถ สัญญาโหมดแบบชัดเจนที่ใช้โดย `video_generate`, การทดสอบสัญญา และ การกวาดสดแบบใช้ร่วมกัน: | ผู้ให้บริการ | `generate` | `imageToVideo` | `videoToVideo` | เลนสดแบบใช้ร่วมกันในวันนี้ | | ---------- | :--------: | :------------: | :------------: | ---------------------------------------------------------------------------------------------------------------------------------------- | | Alibaba | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการรายนี้ต้องใช้ URL วิดีโอ `http(s)` ระยะไกล | | BytePlus | ✓ | ✓ | - | `generate`, `imageToVideo` | | ComfyUI | ✓ | ✓ | - | ไม่อยู่ในการกวาดแบบใช้ร่วมกัน ความครอบคลุมเฉพาะ workflow อยู่กับการทดสอบ Comfy | | DeepInfra | ✓ | - | - | `generate`; สคีมาวิดีโอ DeepInfra แบบเนทีฟเป็นแบบแปลงข้อความเป็นวิดีโอในสัญญาที่บันเดิลมา | | fal | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` เฉพาะเมื่อใช้ Seedance reference-to-video | | Google | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` แบบใช้ร่วมกัน เพราะการกวาด Gemini/Veo ปัจจุบันที่อิงบัฟเฟอร์ไม่ยอมรับอินพุตนั้น | | MiniMax | ✓ | ✓ | - | `generate`, `imageToVideo` | | OpenAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` แบบใช้ร่วมกัน เพราะเส้นทาง org/input นี้ต้องใช้การเข้าถึง inpaint/remix ฝั่งผู้ให้บริการในปัจจุบัน | | OpenRouter | ✓ | ✓ | - | `generate`, `imageToVideo` | | Qwen | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการรายนี้ต้องใช้ URL วิดีโอ `http(s)` ระยะไกล | | Runway | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; `videoToVideo` รันเฉพาะเมื่อโมเดลที่เลือกคือ `runway/gen4_aleph` | | Together | ✓ | ✓ | - | `generate`, `imageToVideo` | | Vydra | ✓ | ✓ | - | `generate`; ข้าม `imageToVideo` แบบใช้ร่วมกัน เพราะ `veo3` ที่บันเดิลมาเป็นแบบข้อความเท่านั้น และ `kling` ที่บันเดิลมาต้องใช้ URL รูปภาพระยะไกล | | xAI | ✓ | ✓ | ✓ | `generate`, `imageToVideo`; ข้าม `videoToVideo` เพราะผู้ให้บริการรายนี้ต้องใช้ URL MP4 ระยะไกลในปัจจุบัน | ## พารามิเตอร์เครื่องมือ ### จำเป็น คำอธิบายข้อความของวิดีโอที่จะสร้าง จำเป็นสำหรับ `action: "generate"` ### อินพุตเนื้อหา ภาพอ้างอิงเดียว (พาธหรือ URL) ภาพอ้างอิงหลายภาพ (สูงสุด 9 ภาพ) คำใบ้บทบาทตามแต่ละตำแหน่งที่ขนานกับรายการภาพที่รวมแล้ว ซึ่งเป็นทางเลือก ค่ามาตรฐาน: `first_frame`, `last_frame`, `reference_image` วิดีโออ้างอิงเดียว (พาธหรือ URL) วิดีโออ้างอิงหลายรายการ (สูงสุด 4 รายการ) คำใบ้บทบาทตามแต่ละตำแหน่งที่ขนานกับรายการวิดีโอที่รวมแล้ว ซึ่งเป็นทางเลือก ค่ามาตรฐาน: `reference_video` เสียงอ้างอิงเดียว (พาธหรือ URL) ใช้สำหรับเพลงพื้นหลังหรือเสียง อ้างอิงเมื่อผู้ให้บริการรองรับอินพุตเสียง เสียงอ้างอิงหลายรายการ (สูงสุด 3 รายการ) คำใบ้บทบาทตามแต่ละตำแหน่งที่ขนานกับรายการเสียงที่รวมแล้ว ซึ่งเป็นทางเลือก ค่ามาตรฐาน: `reference_audio` คำใบ้บทบาทจะถูกส่งต่อไปยังผู้ให้บริการตามเดิม ค่ามาตรฐานมาจาก ยูเนียน `VideoGenerationAssetRole` แต่ผู้ให้บริการอาจยอมรับ สตริงบทบาทเพิ่มเติม อาร์เรย์ `*Roles` ต้องมีจำนวนรายการไม่มากกว่า รายการอ้างอิงที่สอดคล้องกัน ข้อผิดพลาดนับเกินหรือน้อยไปหนึ่งตำแหน่งจะล้มเหลวพร้อมข้อผิดพลาดที่ชัดเจน ใช้สตริงว่างเพื่อปล่อยให้ช่องหนึ่งไม่ได้ตั้งค่า สำหรับ xAI ให้ตั้งบทบาทของภาพทุกภาพเป็น `reference_image` เพื่อใช้โหมดการสร้าง `reference_images` ของผู้ให้บริการนั้น ละเว้น บทบาทหรือใช้ `first_frame` สำหรับภาพเดี่ยวแบบภาพเป็นวิดีโอ ### การควบคุมสไตล์ คำใบ้อัตราส่วนภาพ เช่น `1:1`, `16:9`, `9:16`, `adaptive` หรือค่าที่เฉพาะกับผู้ให้บริการ OpenClaw จะทำให้เป็นมาตรฐานหรือเพิกเฉยค่าที่ไม่รองรับตามผู้ให้บริการแต่ละราย คำใบ้ความละเอียด เช่น `480P`, `720P`, `768P`, `1080P`, `4K` หรือค่าที่เฉพาะกับผู้ให้บริการ OpenClaw จะทำให้เป็นมาตรฐานหรือเพิกเฉยค่าที่ไม่รองรับตามผู้ให้บริการแต่ละราย ระยะเวลาเป้าหมายเป็นวินาที (ปัดเป็นค่าที่ใกล้ที่สุดซึ่งผู้ให้บริการรองรับ) คำใบ้ขนาดเมื่อผู้ให้บริการรองรับ เปิดใช้เสียงที่สร้างขึ้นในเอาต์พุตเมื่อรองรับ แยกจาก `audioRef*` (อินพุต) สลับการใส่ลายน้ำของผู้ให้บริการเมื่อรองรับ `adaptive` เป็น sentinel ที่เฉพาะกับผู้ให้บริการ: จะถูกส่งต่อไปตามเดิมยัง ผู้ให้บริการที่ประกาศ `adaptive` ไว้ในความสามารถของตน (เช่น BytePlus Seedance ใช้ค่านี้เพื่อตรวจจับอัตราส่วนอัตโนมัติจากมิติของภาพอินพุต) ผู้ให้บริการที่ไม่ได้ประกาศค่านี้จะแสดงค่านั้นผ่าน `details.ignoredOverrides` ในผลลัพธ์ของเครื่องมือ เพื่อให้เห็นว่าค่าถูกละทิ้ง ### ขั้นสูง `"status"` ส่งคืนงานของเซสชันปัจจุบัน; `"list"` ตรวจสอบผู้ให้บริการ การแทนที่ผู้ให้บริการ/โมเดล (เช่น `runway/gen4.5`) คำใบ้ชื่อไฟล์เอาต์พุต ระยะหมดเวลาการดำเนินการของผู้ให้บริการเป็นมิลลิวินาที ซึ่งเป็นทางเลือก เมื่อละเว้น OpenClaw จะใช้ `agents.defaults.videoGenerationModel.timeoutMs` หากกำหนดค่าไว้ ตัวเลือกเฉพาะผู้ให้บริการในรูปแบบอ็อบเจ็กต์ JSON (เช่น `{"seed": 42, "draft": true}`) ผู้ให้บริการที่ประกาศสคีมาแบบมีชนิดจะตรวจสอบคีย์และชนิด; คีย์ที่ไม่รู้จัก หรือชนิดที่ไม่ตรงกันจะข้ามตัวเลือกนั้นระหว่าง fallback ผู้ให้บริการที่ไม่มี สคีมาที่ประกาศไว้จะได้รับตัวเลือกตามเดิม รัน `video_generate action=list` เพื่อดูว่าผู้ให้บริการแต่ละรายยอมรับอะไรบ้าง ไม่ใช่ผู้ให้บริการทุกแห่งที่รองรับทุกพารามิเตอร์ OpenClaw จะทำให้ระยะเวลาเป็นมาตรฐานเป็น ค่าที่ใกล้ที่สุดซึ่งผู้ให้บริการรองรับ และแมปคำใบ้เรขาคณิตที่แปลแล้วใหม่ เช่นขนาดเป็นอัตราส่วนภาพเมื่อผู้ให้บริการ fallback เปิดเผย พื้นผิวการควบคุมที่ต่างกัน การแทนที่ที่ไม่รองรับจริง ๆ จะถูกเพิกเฉยตามหลัก พยายามให้ดีที่สุดและรายงานเป็นคำเตือนในผลลัพธ์ของเครื่องมือ ขีดจำกัดความสามารถแบบแข็ง (เช่นอินพุตอ้างอิงมากเกินไป) จะล้มเหลวก่อนส่งคำขอ ผลลัพธ์ของเครื่องมือ รายงานการตั้งค่าที่นำไปใช้; `details.normalization` บันทึกการแปลใด ๆ จากค่าที่ร้องขอไปเป็นค่าที่นำไปใช้ อินพุตอ้างอิงเลือกโหมดรันไทม์: - ไม่มีสื่ออ้างอิง → `generate` - มีภาพอ้างอิงใด ๆ → `imageToVideo` - มีวิดีโออ้างอิงใด ๆ → `videoToVideo` - อินพุตเสียงอ้างอิง **ไม่** เปลี่ยนโหมดที่สรุปได้; อินพุตเหล่านี้จะถูกใช้ทับ โหมดใดก็ตามที่อ้างอิงจากภาพ/วิดีโอเลือกไว้ และใช้งานได้เฉพาะ กับผู้ให้บริการที่ประกาศ `maxInputAudios` การผสมการอ้างอิงภาพและวิดีโอไม่ใช่พื้นผิวความสามารถร่วมที่เสถียร ควรใช้ชนิดอ้างอิงเดียวต่อคำขอ #### Fallback และตัวเลือกแบบมีชนิด การตรวจสอบความสามารถบางส่วนจะถูกนำไปใช้ที่เลเยอร์ fallback แทนที่จะเป็น ขอบเขตเครื่องมือ ดังนั้นคำขอที่เกินขีดจำกัดของผู้ให้บริการหลักจึงยังสามารถ รันบน fallback ที่มีความสามารถได้: - ตัวเลือกที่ใช้งานอยู่ซึ่งไม่ได้ประกาศ `maxInputAudios` (หรือเป็น `0`) จะถูกข้ามเมื่อ คำขอมีการอ้างอิงเสียง; จากนั้นจะลองตัวเลือกถัดไป - `maxDurationSeconds` ของตัวเลือกที่ใช้งานอยู่ต่ำกว่า `durationSeconds` ที่ร้องขอ โดยไม่มีรายการ `supportedDurationSeconds` ที่ประกาศไว้ → ถูกข้าม - คำขอมี `providerOptions` และตัวเลือกที่ใช้งานอยู่ประกาศสคีมา `providerOptions` แบบมีชนิดไว้อย่างชัดเจน → ถูกข้ามหากคีย์ที่ให้มา ไม่อยู่ในสคีมาหรือชนิดค่าไม่ตรงกัน ผู้ให้บริการที่ไม่มี สคีมาที่ประกาศไว้จะได้รับตัวเลือกตามเดิม (การส่งผ่านที่เข้ากันได้ย้อนหลัง) ผู้ให้บริการสามารถเลือกไม่รับตัวเลือกผู้ให้บริการทั้งหมดได้โดย ประกาศสคีมาว่าง (`capabilities.providerOptions: {}`) ซึ่ง ทำให้ถูกข้ามเช่นเดียวกับกรณีชนิดไม่ตรงกัน เหตุผลการข้ามแรกในคำขอจะบันทึกที่ `warn` เพื่อให้ผู้ปฏิบัติงานเห็นเมื่อ ผู้ให้บริการหลักของตนถูกข้าม; การข้ามครั้งต่อ ๆ ไปจะบันทึกที่ `debug` เพื่อ ไม่ให้เชน fallback ยาว ๆ ส่งเสียงรบกวน หากตัวเลือกทั้งหมดถูกข้าม ข้อผิดพลาดแบบรวมจะรวมเหตุผลการข้ามของแต่ละตัวเลือกไว้ด้วย ## การดำเนินการ | การดำเนินการ | สิ่งที่ทำ | | ---------- | -------------------------------------------------------------------------------------------------------- | | `generate` | ค่าเริ่มต้น สร้างวิดีโอจากพรอมต์ที่กำหนดและอินพุตอ้างอิงที่เป็นทางเลือก | | `status` | ตรวจสอบสถานะของงานวิดีโอที่กำลังดำเนินอยู่สำหรับเซสชันปัจจุบันโดยไม่เริ่มการสร้างใหม่ | | `list` | แสดงผู้ให้บริการ โมเดล และความสามารถที่พร้อมใช้งาน | ## การเลือกโมเดล OpenClaw จะแก้ค่าโมเดลตามลำดับนี้: 1. **พารามิเตอร์เครื่องมือ `model`** - หากเอเจนต์ระบุไว้ในการเรียก 2. **`videoGenerationModel.primary`** จากการกำหนดค่า 3. **`videoGenerationModel.fallbacks`** ตามลำดับ 4. **การตรวจจับอัตโนมัติ** - ผู้ให้บริการที่มีการยืนยันตัวตนถูกต้อง โดยเริ่มจาก ผู้ให้บริการเริ่มต้นปัจจุบัน จากนั้นเป็นผู้ให้บริการที่เหลือตามลำดับ ตัวอักษร หากผู้ให้บริการล้มเหลว จะลองตัวเลือกถัดไปโดยอัตโนมัติ หากตัวเลือกทั้งหมด ล้มเหลว ข้อผิดพลาดจะรวมรายละเอียดจากแต่ละความพยายาม ตั้งค่า `agents.defaults.mediaGenerationAutoProviderFallback: false` เพื่อใช้ เฉพาะรายการ `model`, `primary` และ `fallbacks` ที่ระบุอย่างชัดเจนเท่านั้น ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"], }, }, }, } ``` ## หมายเหตุผู้ให้บริการ ใช้ปลายทางแบบอะซิงโครนัสของ DashScope / Model Studio ภาพอ้างอิงและ วิดีโอต้องเป็น URL `http(s)` ระยะไกล 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 โมเดล `*-pro-*` ทั่วไปรองรับภาพอ้างอิงเดียว (เฟรมแรก) ส่งภาพตามตำแหน่งหรือตั้งค่า `role: "first_frame"` ID โมเดล T2V จะถูกสลับอัตโนมัติเป็นตัวแปร I2V ที่สอดคล้องกันเมื่อมีการให้ภาพ 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 รองรับภาพอินพุตสูงสุด 2 ภาพ (`first_frame` + `last_frame`) อินพุตทั้งหมดต้องเป็น URL `https://` ระยะไกล ตั้งค่า `role: "first_frame"` / `"last_frame"` บนแต่ละภาพ หรือ ส่งภาพตามตำแหน่ง `aspectRatio: "adaptive"` ตรวจจับอัตราส่วนอัตโนมัติจากภาพอินพุต `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 รองรับภาพอ้างอิงสูงสุด 9 ภาพ วิดีโออ้างอิง 3 รายการ และเสียงอ้างอิง 3 รายการ อินพุตทั้งหมดต้องเป็น URL `https://` ระยะไกล ตั้งค่า `role` บนแต่ละแอสเซ็ต - ค่าที่รองรับ: `"first_frame"`, `"last_frame"`, `"reference_image"`, `"reference_video"`, `"reference_audio"`. `aspectRatio: "adaptive"` ตรวจจับอัตราส่วนอัตโนมัติจากภาพอินพุต `audio: true` แมปเป็น `generate_audio` ส่งต่อ `providerOptions.seed` (ตัวเลข) การประมวลผลแบบโลคัลหรือบนคลาวด์ที่ขับเคลื่อนด้วยเวิร์กโฟลว์ รองรับ text-to-video และ image-to-video ผ่านกราฟที่กำหนดค่าไว้ ใช้โฟลว์ที่มีคิวรองรับสำหรับงานที่ทำงานนาน ตามค่าเริ่มต้น OpenClaw จะรอสูงสุด 20 นาทีก่อนถือว่างานคิว fal ที่ยังดำเนินอยู่หมดเวลา โมเดลวิดีโอ fal ส่วนใหญ่ รับการอ้างอิงรูปภาพได้หนึ่งรายการ โมเดล Seedance 2.0 reference-to-video รับรูปภาพได้สูงสุด 9 รายการ วิดีโอ 3 รายการ และการอ้างอิงเสียง 3 รายการ โดยมี ไฟล์อ้างอิงรวมกันได้ไม่เกิน 12 ไฟล์ รองรับการอ้างอิงรูปภาพหนึ่งรายการหรือวิดีโอหนึ่งรายการ คำขอสร้างเสียงจะถูก เพิกเฉยพร้อมคำเตือนบนเส้นทาง Gemini API เนื่องจาก API นั้นปฏิเสธ พารามิเตอร์ `generateAudio` สำหรับการสร้างวิดีโอ Veo ปัจจุบัน อ้างอิงรูปภาพได้เพียงรายการเดียว MiniMax รับความละเอียด `768P` และ `1080P`; คำขอเช่น `720P` จะถูกปรับให้เป็นค่าที่รองรับซึ่งใกล้เคียงที่สุด ก่อนส่ง ส่งต่อเฉพาะการแทนที่ `size` เท่านั้น การแทนที่สไตล์อื่นๆ (`aspectRatio`, `resolution`, `audio`, `watermark`) จะถูกเพิกเฉยพร้อม คำเตือน ใช้ API `/videos` แบบอะซิงโครนัสของ OpenRouter OpenClaw ส่ง งาน โพล `polling_url` และดาวน์โหลดจาก `unsigned_urls` หรือ ปลายทางเนื้อหางานตามเอกสาร 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 Video-to-video ต้องใช้ `runway/gen4_aleph` การรันแบบข้อความอย่างเดียวเปิดใช้อัตราส่วนภาพ `16:9` และ `9:16` อ้างอิงรูปภาพได้เพียงรายการเดียว ใช้ `https://www.vydra.ai/api/v1` โดยตรงเพื่อหลีกเลี่ยงการเปลี่ยนเส้นทาง ที่ทำให้การตรวจสอบสิทธิ์หลุดหาย `veo3` ถูกบันเดิลเป็น text-to-video เท่านั้น; `kling` ต้องใช้ URL รูปภาพระยะไกล รองรับ text-to-video, image-to-video จากรูปภาพเฟรมแรกหนึ่งรายการ, อินพุต `reference_image` สูงสุด 7 รายการผ่าน `reference_images` ของ xAI และโฟลว์ แก้ไข/ขยายวิดีโอระยะไกล ## โหมดความสามารถของผู้ให้บริการ สัญญาการสร้างวิดีโอที่ใช้ร่วมกันรองรับความสามารถเฉพาะโหมด แทนที่จะมีเฉพาะขีดจำกัดแบบรวมแบนๆ เท่านั้น การติดตั้งใช้งานผู้ให้บริการใหม่ ควรเลือกใช้บล็อกโหมดที่ชัดเจน: ```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 เพื่อให้ การทดสอบสด การทดสอบสัญญา และเครื่องมือ `video_generate` ที่ใช้ร่วมกันสามารถตรวจสอบ การรองรับโหมดได้อย่างกำหนดผลลัพธ์แน่นอน เมื่อโมเดลหนึ่งในผู้ให้บริการรองรับอินพุตอ้างอิงได้กว้างกว่า ที่เหลือ ให้ใช้ `maxInputImagesByModel`, `maxInputVideosByModel` หรือ `maxInputAudiosByModel` แทนการเพิ่มขีดจำกัดทั้งโหมด ## การทดสอบสด ความครอบคลุมแบบสดที่เลือกเปิดได้สำหรับผู้ให้บริการที่บันเดิลและใช้ร่วมกัน: ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts ``` ตัวครอบคำสั่งของรีโป: ```bash pnpm test:live:media video ``` ไฟล์สดนี้โหลดตัวแปรสภาพแวดล้อมของผู้ให้บริการที่ขาดหายจาก `~/.profile`, เลือกใช้ คีย์ API แบบสด/จากสภาพแวดล้อมก่อนโปรไฟล์การตรวจสอบสิทธิ์ที่จัดเก็บไว้ตามค่าเริ่มต้น และรัน การทดสอบ smoke ที่ปลอดภัยต่อการรีลีสตามค่าเริ่มต้น: - `generate` สำหรับผู้ให้บริการที่ไม่ใช่ FAL ทุกตัวในชุด sweep - พรอมป์ล็อบสเตอร์หนึ่งวินาที - ขีดจำกัดการดำเนินการต่อผู้ให้บริการจาก `OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS` (`180000` ตามค่าเริ่มต้น) FAL เป็นแบบเลือกเปิด เนื่องจากเวลาแฝงของคิวฝั่งผู้ให้บริการอาจกินเวลารีลีส เป็นหลัก: ```bash pnpm test:live:media video --video-providers fal ``` ตั้งค่า `OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1` เพื่อรันโหมดแปลงที่ประกาศไว้ ซึ่งชุด sweep ที่ใช้ร่วมกันสามารถทดสอบได้อย่างปลอดภัยด้วยสื่อโลคัลด้วย: - `imageToVideo` เมื่อ `capabilities.imageToVideo.enabled` - `videoToVideo` เมื่อ `capabilities.videoToVideo.enabled` และ ผู้ให้บริการ/โมเดลรับอินพุตวิดีโอโลคัลที่รองรับด้วยบัฟเฟอร์ในชุด sweep ที่ใช้ร่วมกัน ปัจจุบันเลนสด `videoToVideo` ที่ใช้ร่วมกันครอบคลุม `runway` เฉพาะเมื่อคุณ เลือก `runway/gen4_aleph` ## การกำหนดค่า ตั้งค่าโมเดลสร้างวิดีโอเริ่มต้นในการกำหนดค่า 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)