AI 短视频生成与自动拼接专家 - Veo 3 Video Gen (Gemini API)

基于 Google Veo 3.x 的文本生成视频 CLI 工具，支持分段生成与自动拼接，适合批量制作广告/UGC 风格短视频。

基本信息

• 技能名称?Veo 3 Video Gen (Gemini API)
• 中文名称?AI 短视频生成与自动拼接专家
• 作者?bluelyw
• 分类?专业技能
• 版本?0.1.0
• 标签?video-generation, google-veo, gemini-api, cli-tool, ffmpeg, ai-video, content-automation, preview-api

使用方法

使用说明
核心用法
本技能提供基于 Google Gemini API 的 Veo 3.x 视频生成命令行工作流，主要解决短视频批量生产场景。核心脚本 generate_video.py 支持：

1. 单片段生成 ：文本提示 → 轮询等待 → 下载 MP4（默认约 8 秒输出）
2. 多段拼接 ：通过 --segments 参数串联多个 Veo 请求，使用 ffmpeg 自动拼接成长视频（如 3 段 × 8s = 24s）
3. 风格一致性 ： --base-style 全局风格前缀 + --segment-style continuation 自动追加连续性指令，或 --use-last-frame 提取上一段末帧作为下一段首帧输入
4. 参考图引导 ：支持 --reference-image 传入产品图或风格参考图
   显著优点
   工程化工作流 ：可复现的 CLI 流程，适合 CI/CD 或批量脚本集成
   官方 API 背书 ：直接调用 Google 官方 Gemini/Veo 服务，非第三方封装
   灵活拼接策略 ：提供 continuation / same 两种分段风格，末帧传递机制增强视觉连贯性
   进度可见性 ： --emit-segment-media 实时输出 MEDIA 标记，便于流水线监控
   潜在缺点与局限
   长度天花板 ：单请求输出约 8 秒，长视频需多次 API 调用（成本与延迟线性增长）
   连续性非保证 ：即使启用 --use-last-frame ，AI 生成仍可能出现场景跳跃、人物变形等不一致
   依赖外部工具 ：拼接功能强制要求本地 ffmpeg 可用
   配额门槛 ：视频生成需开通 Gemini API 付费层级，免费层易触发 429 配额耗尽
   预览版风险 ： veo-3.1-generate-preview 为预览模型，接口与行为可能变更
   适合人群
   需批量生产 10-30 秒短视频的电商/广告运营团队
   希望将 AI 视频嵌入自动化工作流的技术开发者
   熟悉 CLI 环境、具备基础 ffmpeg 知识的用户
   常规风险
   API 成本失控 ：分段生成 × 轮询重试可能产生意外费用，建议设置预算告警
   内容合规 ：Veo 输出受 Google 内容政策约束，商业使用需审查生成结果
   服务稳定性 ：503 模型过载错误需客户端实现指数退避重试