背景
2026 年，AI 视频生成已成为百炼平台上增长最为迅猛的应用场景之一。然而，一个略显尴尬的现实是：从“注册账号”到真正“产出成片”的用户转化率并不理想。
核心门槛并非技术能力不足，而是一些更现实的问题：
- 模型选择困难（HappyHorse 1.0 还是 1.1？text-to-video 还是 image-to-video？）
- API 调用费用不透明，担心盲目试错成本过高
- 单模型只能产出零散片段，从“5 秒短视频”到“完整作品”的路径几乎缺失
spark-video 正是为破解这些痛点而生：它将百炼 AI 视频领域的最佳实践封装为一个即用型 Skill，帮助用户跳过冗长的学习曲线，直接获得“一句话输入 → 完整 mp4 输出”的一站式体验。
spark-video 在百炼生态中的定位
百炼平台
├── 模型层：HappyHorse 1.1 / Qwen / Qwen-VL / CosyVoice
├── 工具层：百炼 CLI (bl)
└── 应用层：Skills（封装好的工作流）
└── spark-video：AI 视频端到端制作
spark-video 所调用的百炼模型：
| 模型 | 用途 |
|---|---|
| Qwen (text) | 编剧 / 分镜设计 |
| HappyHorse 1.0/1.1 | 视频渲染 |
| Qwen-VL | 画面质量审核（打分） |
| cosyvoice-v3-flash | 旁白配音（TTS） |
这意味着每次使用 spark-video，都会串联文本、视频、视觉、语音等多种模型，是百炼多模态能力的一次集中展现。
用户体验：从零到成片
安装
npm install -g bailian-cli
bl auth login
npx skills add modelstudioai/skills --skill spark-video -g
使用
用 spark-video 做一个30秒产品广告。产品：智能台灯，卖点是护眼 App控制。16:9。
流程（用户视角）
- AI 自动生成剧本 → 确认
- AI 设计分镜，并显示预估费用 → 确认
- AI 开始渲染（自动审核 + 重拍低质镜头）→ 确认
- AI 拼接成片 → 确认，获取 mp4 文件
整个过程，用户仅需“确认 4 次”即可完成。
费用透明
渲染前清晰显示预估成本：
预估：text tokens ~8,000 + video tokens ~35,000
预估费用：约¥12
是否继续？[y/N]
新用户享有免费额度，第一条视频几乎零成本即可体验。
设计亮点
1. 成熟方法论封装
spark-video 并非简单的“API 包装器”，而是凝聚了大量实战经验：
- 剧本拆解逻辑（如何将一句话自然拆解为多个适宜渲染的镜头）
- 角色一致性管理（有效避免“变脸”问题）
- 质量把控策略（Qwen-VL 评分 + 自动重渲机制）
- 并行渲染调度（组内串行保障连贯，组间并行提升效率）
2. 确认关卡设计
4+2 个 GATE 节点：
- GATE 0：选择模式（自动 / 精细控制）
- GATE 0.5：BGM 选择
- GATE 1：剧本确认
- GATE 2：分镜 + 费用确认
- GATE 3：渲染画面确认
- GATE 4：成片确认
每个 GATE 均支持回退修改，将创作主动权始终交还给用户。
3. 面向小白用户
核心设计理念：用户无需理解模型、参数或视频制作专业术语——只需清楚自己想要什么内容。
适用场景
| 场景 | 说明 | 适合度 |
|---|---|---|
| 产品宣传 | 30秒-2分钟产品广告 | ⭐⭐⭐⭐⭐ |
| 科普内容 | 知识类短视频 | ⭐⭐⭐⭐⭐ |
| 创意短片 | 社交媒体创意视频 | ⭐⭐⭐⭐ |
| 短剧 | 故事性内容 | ⭐⭐⭐⭐ |
| 长片（>5分钟） | 超长内容 | ⭐⭐ |
相关链接
- Skills 仓库：github.com/modelstudioai/skills
- 百炼控制台：bailian.console.aliyun.com
- 百炼 CLI：安装指南
- API Key：免费领取
百炼 spark-video：HappyHorse 视频模型 + Agent Skill 实现一句话出片
导读
阿里云百炼平台（Model Studio）的 AI Skills 生态正在持续壮大。继金融数据分析 Skill 之后，本次聚焦 spark-video——一个能让 AI Agent 自动完成从编剧到出片全流程的智能视频制作 Skill。
配合百炼 MCP 市场上的 HappyHorse 视频模型与 cosyvoice TTS 模型，spark-video 真正实现了“输入一句话 → 输出完整 mp4”的端到端能力。
百炼 + spark-video 的能力栈
用户 → spark-video Skill → 百炼平台
│ │
│── 一句话描述 ──→ │
│ │ Producer 调度
│ │
│ │── Screenwriter ──→ Qwen 文本模型（剧本生成）
│ │── Director ──→ Qwen 文本模型（分镜设计）
│ │── Render ──→ HappyHorse 视频模型（画面渲染）
│ │── Clip-Review ──→ Qwen-VL（视觉质量审核）
│ │── TTS ──→ cosyvoice-v3-flash（旁白配音）
│ │── Stitch ──→ ffmpeg（本地拼接）
│ │
│←── 完整 mp4 ──── │
调用的百炼模型
| 步骤 | 模型 | 用途 |
|---|---|---|
| 编剧/分镜 | Qwen（文本） | 剧本创作、镜头设计 |
| 渲染 | HappyHorse 1.0/1.1 | 视频片段生成 |
| QA 审核 | Qwen-VL（视觉） | 片段质量打分 |
| 配音 | cosyvoice-v3-flash | TTS 语音合成 |
快速开始
获取 API Key
百炼新用户享有免费额度，前往百炼控制台即可领取 API Key。
安装
# 安装百炼 CLI
npm install -g bailian-cli
bl auth login
# 安装 spark-video Skill
npx skills add modelstudioai/skills --skill spark-video -g
使用
在 AI Agent 中输入：
用 spark-video 做一个产品广告。项目：demo，第 1 集。产品是一款智能手表，卖点是 7 天续航和血氧监测。30秒，16:9。
实测案例：产品广告
输入：
用 spark-video 做一个高端无线耳机广告。产品图：~/Documents/headphone.webp
广告文案："AirWa ve Pro——为拒绝妥协的耳朵而生。"
背景音乐循环播放。16:9。
AI 执行流程：
- 分析文案，拆解为 5 个镜头
- 设计每镜头画面（产品特写→场景→参数→LOGO）
- 调用 HappyHorse 模型并行渲染
- Qwen-VL 审核每段画面质量
- ffmpeg 拼接 + BGM 混音
- 输出
projects/headphone/001/final/headphone-001.mp4
结果：12 分钟完成，成本约 8 元。
核心架构
6 子技能协同
spark-video 拆分为 6 个独立子技能，由 Producer 统一编排调度：
- Screenwriter：根据 premise 撰写多场戏剧本
- Director：将剧本转化为可渲染的 JSON 分镜
- Cast：管理角色、场景及道具的一致性
- Clip-Review：渲染后自动进行质量审核
- VFX-Review：渲染前视觉效果预审
- Stitch：通过 ffmpeg 合成最终视频
并行渲染 DAG
- 同一场景内的连续镜头：串行执行（确保画面流畅连贯）
- 不同场景的镜头：并行处理（最多 4 路并发）
- 自动重试机制：质量评分低于 7/10 的镜头，自动改写 prompt 重新渲染
4+2 确认关卡
渲染是成本最高的环节，因此在渲染前必须获得用户确认。全流程共设 4 个主关卡 + 2 个条件关卡，确保用户始终掌握创意方向和成本控制权。
适用场景
- 产品广告（30秒-2分钟）
- 科普/教学视频（1-5分钟）
- 短剧/故事片（1-3分钟）
- 社交媒体内容（抖音/快手/B站/视频号）
相关资源
- spark-video 源码：GitHub
- 百炼 CLI：安装指南
- 百炼控制台：https://bailian.console.aliyun.com/?source_channel=hh_github
- API Key：免费领取
- 完整教程：modelstudioai.github.io/guide/
