Generowanie wideo sceny

Wideo sceny to krótki klip MP4 przedstawiający scenę. Może animować obraz z galerii (Gallery), który staje się pierwszą klatką, a AI dodaje ruch. W trybie Roleplay może też powstać wyłącznie na podstawie fabuły. Z tego przewodnika dowiesz się, jak skonfigurować usługę wideo, tworzyć klipy z galerii i w trybie Game Mode oraz zmieniać ustawienia wideo.

Wideo sceny działa w czatach w trybie Roleplay i Game Mode. Czaty w trybie Conversation wysyłają zamiast tego wiadomości wideo. Zobacz Wiadomości wideo.

Tryb Game Mode i przycisk Animate illustration (animowanie ilustracji) zawsze zaczynają od obrazu, więc najpierw go wygeneruj lub wgraj. W trybie Roleplay komenda /video i przycisk Video (wideo) w galerii korzystają z ustawienia First frame (pierwsza klatka) agenta Illustrator. Bez wybranej pierwszej klatki nie potrzebują żadnego obrazu.

Wideo sceny korzysta z osobnego rodzaju konta, Video Generation (generowanie wideo), a nie ze zwykłego generowania obrazów. Gotowe klipy zapisują się razem z czatem i pokazują się w galerii, gdzie można je przypiąć, pobrać lub obejrzeć.

Konfiguracja usługi wideo

1. Kliknij Connections (Połączenia) na górnym pasku, a potem Add (dodaj). Otwiera się okno Add account (dodanie konta).
2. Wybierz usługę z sekcji Images & video (obrazy i wideo). Usługi są wymienione niżej.
3. Wklej klucz API dla usługi w chmurze. Lokalne ComfyUI go nie potrzebuje. SwarmUI potrzebuje Swarm Auth Token (token uwierzytelniający SwarmUI) tylko wtedy, gdy twój serwer wymaga konta.
4. Kliknij Connect (połącz), a potem wybierz model albo zostaw domyślny. NanoGPT nie ma modelu domyślnego, więc wybierz model z jego listy. Przy ComfyUI zostaw model nieustawiony, chyba że workflow używa %model%. Przy SwarmUI model jest opcjonalny.
5. Otwórz model wideo i kliknij Test video (test wideo), żeby go sprawdzić.

Każda usługa wpisuje domyślny adres, a tam, gdzie ma to zastosowanie, także domyślny model. NanoGPT nie ma modelu domyślnego, więc wybierz model samodzielnie.

Google AI Studio obejmuje dwie rodziny modeli. Gemini Omni korzysta z gemini-omni-flash-preview. Google Veo korzysta z veo-3.1-generate-preview. To, która rodzina zadziała, zależy od wybranego modelu.

Przy ComfyUI użyj adresu http://127.0.0.1:8188 i wklej workflow wideo w formacie API do pola ComfyUI workflow (required) (workflow ComfyUI, wymagany). Workflow jest wymagany. Opis symboli zastępczych i węzłów wyjściowych znajdziesz w przewodniku Konfiguracja workflow w ComfyUI.

Przy SwarmUI Marinara wpisuje adres http://127.0.0.1:7801. Wklej workflow wideo w formacie API do pola ComfyUI workflow (required). Workflow jest wymagany. SwarmUI nie obsługuje symboli zastępczych %reference_image_name%, więc użyj %reference_image%. Jeśli twój serwer wymaga konta, wklej Swarm Auth Token do pola API key (klucz API).

Ustawienie domyślnego modelu wideo

Żeby używać modelu wideo, gdy czat nie ma własnego, ustaw zadanie Video w sekcji Defaults (ustawienia domyślne) u góry panelu Connections. W Chat Settings (ustawienia czatu) widnieje ono jako Default video provider (domyślny dostawca wideo). Gdy nie ma ani modelu w czacie, ani domyślnego, akcje wideo pokazują ostrzeżenie z prośbą o wybór.

Instrukcje do promptów wideo

Każdy model wideo ma pole Video prompting instructions (instrukcje do promptów wideo). Napisz w nim AI, które tworzy twoje prompty wideo, czego oczekuje twój model wideo, na przykład ruchów kamery, długości promptu albo dźwięku. Te instrukcje kierują animacjami z galerii w trybie Roleplay, wiadomościami wideo w trybie Conversation oraz opcją Image-aware shot planning (planowanie ujęć z uwzględnieniem obrazu) agenta Storyboard. Jeśli AI skopiuje z nich do promptu całe zdanie, Marinara je usuwa. Wideo scen w trybie Game Mode, klipy z rozmów i animowane wyrazy twarzy tworzą prompty osobno i pomijają to pole.

Ustawienia domyślne wideo dla modelu

Model wideo ma panel Video defaults (domyślne ustawienia wideo) z domyślną długością klipu, proporcjami obrazu i rozdzielczością. Mają one pierwszeństwo przed zapasową długością obowiązującą w całej aplikacji.

Domyślna długość, zakres, proporcje obrazu i rozdzielczość dla każdej usługi:

• Gemini Omni: 10s, od 1 do 60s, 16:9, rozdzielczość domyślna dostawcy.
• Google Veo: 8s, 4, 6 lub 8s, 16:9, 720p.
• xAI Imagine: 10s, od 1 do 15s, 16:9, 720p.
• OpenRouter Video: 10s, od 1 do 60s, 16:9, 720p.
• Atlas Cloud: 8s, od 1 do 60s, 16:9, 720p.
• Seedance 2.0: 5s, od 4 do 15s, 16:9, 720p.
• ComfyUI i SwarmUI: 5s, od 1 do 60s, 16:9, 720p.

Gemini Omni nie ma pola rozdzielczości, a długość trafia do treści promptu. Google Veo wymusza 8 sekund zawsze, gdy animuje obraz referencyjny, bo tyle czasu potrzebuje na połączenie pierwszej i ostatniej klatki.

Klatki referencyjne w Seedance

Seedance musi pobrać obraz referencyjny przez publiczny link. Lokalny serwer Marinara Engine go nie ma, więc zwykła instalacja lokalna wymaga jednego dodatkowego kroku.

1. Otwórz model Seedance.
2. Włącz Upload Seedance reference frames temporarily (tymczasowe wgrywanie klatek referencyjnych Seedance). Klatka trafia pod tymczasowy publiczny link.
3. Opcjonalnie: ustaw Temporary link lifetime (czas życia tymczasowego linku). Wartość domyślna to 12 godzin.

Jeśli serwer Marinara Engine ma już publiczny adres, zamiast tego możesz ustawić zmienną środowiskową. Zobacz Konfiguracja serwera.

Tworzenie wideo w galerii

Czaty w trybie Roleplay i Game Mode mogą tworzyć wideo sceny z poziomu galerii. Otwórz Chat Settings i rozwiń sekcję Gallery (galeria). Galeria ma zakładkę Images (obrazy) i zakładkę Videos (filmy), każdą z licznikiem.

W trybie Roleplay

Przycisk Video w rzędzie akcji na górze galerii tworzy klip z najnowszej odpowiedzi, tak samo jak /video. Dodaj opis po /video, żeby wskazać, co ma przedstawiać klip.

• First frame: klip korzysta z ustawienia First frame agenta Illustrator. To nowy obraz najnowszej odpowiedzi od agenta Illustrator (najpierw narysowany, potem animowany), awatar lub sprite postaci albo brak obrazu. Bez wybranej pierwszej klatki klip powstaje wyłącznie na podstawie fabuły.
• Awatar: klip zaczyna się od osoby wymienionej jako pierwsza w opisie, także od twojej persony. Wystarczy część imienia lub nazwiska, której nie ma nikt inny, zapisana wielką literą ("Lena" dla "Dr. Lena Kowalski"). Bez wskazanej osoby klip zaczyna się od postaci czatu.
• Przegląd: przy włączonej opcji Expose media prompts before sending (pokazywanie promptów mediów przed wysłaniem) możesz najpierw przejrzeć i poprawić prompt klipu.
• Kontekst: AI czyta tyle ostatnich wiadomości, ile agent Illustrator przy tworzeniu obrazu (ustawienie Context Size (rozmiar kontekstu) agenta Illustrator w sekcji Agent Budget (budżet agenta) na jego ekranie konfiguracji).
• Bez obrazu: gdy klip zaczyna się bez obrazu lub od awatara, AI samo opisuje scenę. Jego instrukcje to Roleplay Clip Director (reżyser klipów Roleplay) w Settings → Generations → Video Generation Prompt Overrides (ustawienia, generowanie, nadpisywanie promptów generowania wideo).

Gotowy klip odtwarza się bezpośrednio w czacie, pod najnowszą odpowiedzią, nawet jeśli obraz pochodzi z wcześniejszej. Klipy nie otwierają się same w pływającym okienku. Żeby wyświetlić klip w pływającym okienku, użyj przycisku Pin video to chat (przypięcie wideo do czatu) w zakładce Videos. Klip usuniesz z wiadomości jego przyciskiem X. Nadal zostaje w galerii.

W trybie Game Mode

1. Sprawdź, czy w zakładce Images jest przynajmniej jeden obraz. Użyj przycisku Illustrate albo wgraj obraz.
2. Kliknij przycisk Video w rzędzie akcji na górze galerii.
3. Jeśli opcja Expose media prompts before sending jest włączona (Settings → Generations → Overall Generations), przejrzyj lub popraw prompt i kliknij Generate. Anulowanie nie wysyła żadnego żądania.
4. Przycisk pokazuje Generating..., a baner informuje, że generowanie wideo trwa.
5. Po zakończeniu klip pojawia się w zakładce Videos.

Jeśli nie ma żadnego obrazu, Marinara pokazuje komunikat "Add or generate a gallery image before generating a scene video." Wygeneruj lub wgraj obraz i spróbuj ponownie.

Animowanie jednego obrazu

1. Otwórz zakładkę Images.
2. Najedź kursorem na obraz.
3. Kliknij Animate illustration (ikona kliszy filmowej).

Przy włączonym przeglądaniu promptu okno pokazuje dokładny skompilowany prompt, czas trwania, proporcje obrazu i rozdzielczość dla tego obrazu. Twoja poprawka dotyczy tylko tego jednego klipu. W trybie Roleplay AI planujące ruch czyta tyle ostatnich wiadomości, ile agent Illustrator, kończąc na odpowiedzi, do której należy obraz. Jego instrukcje wielokrotnego użytku to Roleplay Gallery Animation Director w Settings → Generations → Video Generation Prompt Overrides.

Każdy klip w zakładce Videos odtwarza się na miejscu i pokazuje swoją długość oraz nazwę modelu. Użyj przycisku Pin video to chat albo Download scene video. Dopóki nie ma żadnych klipów, zakładka pokazuje napis No videos yet.

Wybór usługi

Wszystkie osiem usług tworzy krótkie klipy z obrazu.

• Google AI Studio (Gemini Omni): długość do 60 sekund, wpisywana w treść promptu.
• Google AI Studio (Veo): wysoka jakość, ale sztywne 4, 6 lub 8 sekund. Przy animowaniu obrazu używa 8 sekund.
• xAI Imagine: od 1 do 15 sekund, z krótszym limitem promptu niż pozostałe usługi.
• OpenRouter Video: od 1 do 60 sekund, z dowolnym modelem wideo obsługiwanym przez twoje konto.
• NanoGPT: od 1 do 60 sekund, bez modelu domyślnego.
• Atlas Cloud: wczytuje aktualny katalog modeli wideo Atlas Cloud, najpierw modele image-to-video, każdy z ceną początkową za sekundę filmu. Jeśli to się nie uda, Marinara pokazuje modele startowe Veo 3.1 i Seedance 2.0. Możesz wpisać dokładny identyfikator modelu. Ograniczenia modelu nadal obowiązują.
• Seedance 2.0: od 4 do 15 sekund, z trybem pierwszej klatki oraz pierwszej i ostatniej klatki. Wymaga publicznego linku do obrazu referencyjnego.
• ComfyUI: generowanie lokalne przez twój workflow w formacie API. Marinara wgrywa obraz referencyjny bezpośrednio, gdy workflow używa %reference_image_name%.
• SwarmUI: generowanie lokalne przez twój workflow i serwer SwarmUI. Obraz referencyjny trafia do workflow przez %reference_image%.

Zadania wideo trwają długo. Usługa uruchamia zadanie, a Marinara czeka i sprawdza, aż klip będzie gotowy. Jeden klip może zająć kilka minut. Duże lokalne modele WAN mogą potrzebować więcej niż domyślne 30 minut. Podnieś VIDEO_GEN_TIMEOUT_MS i uruchom aplikację Marinara Engine ponownie.

Różnice między modelami Atlas Cloud

Modele Atlas Cloud nie przyjmują jednakowych ustawień. Przed każdym żądaniem Marinara odczytuje opublikowany schemat wejściowy modelu z static.atlascloud.ai i dopasowuje do niego twoje ustawienia domyślne.

• Obraz źródłowy trafia do pola obrazu używanego przez dany model.
• Długość klipu zmienia się na najbliższą długość oferowaną przez model. Model ograniczony do 5 lub 10 sekund zamienia domyślne 8 sekund na 10.
• Rozdzielczość zmienia się na najbliższy poziom oferowany przez model. Modele przyjmujące rozmiar w pikselach otrzymują najbliższe width*height dla twoich proporcji i rozdzielczości.
• Ustawienie, którego model nie ma, jest pomijane, więc obowiązuje wartość domyślna modelu.

Log serwera wymienia wszystkie zmienione wartości w wierszu zaczynającym się od [video-gen/atlas-cloud] fitted request. Jeśli nie da się odczytać schematu, Marinara wysyła takie samo ogólne żądanie jak wcześniej.

Do wideo scen wybierz model image-to-video. Model text-to-video nie ma pola obrazu. Pomija twój obraz i tworzy niezwiązany klip na podstawie promptu, a log serwera to odnotowuje. Test video wysyła zwykły gradient jako pierwszą klatkę, gdy model wymaga obrazu, więc modele image-to-video mogą przejść test.

Wiele modeli Atlas Cloud ma własne pola wejściowe, takie jak negative_prompt, seed, generate_audio, shot_type, enable_prompt_expansion lub listy LoRA.

1. Otwórz model Atlas Cloud i wybierz lub wpisz model.
2. Rozwiń Video defaults, a potem Atlas Cloud setup (konfiguracja Atlas Cloud).
3. Znajdź Model options (opcje modelu) pod ustawieniami długości, proporcji i rozdzielczości.

Na górze Model options znajduje się lista długości, rozdzielczości, rozmiarów klatek i proporcji obsługiwanych przez model. Przy modelu text-to-video pojawia się też ostrzeżenie. Każda opcja ma nazwę i opis z Atlas Cloud i zaczyna od Model default (wartość domyślna modelu), z wartością domyślną w nawiasach. Opcja pozostawiona na Model default nie jest wysyłana. Zmień opcję, żeby wysyłać własną wartość przy każdym filmie z tego modelu, także przy Test video. Pola list i obiektów, na przykład LoRA, przyjmują JSON.

Wybory są zapisywane osobno dla każdego modelu. Reset model options (zresetowanie opcji modelu) usuwa je dla bieżącego modelu. Kliknij Save (Zapisz), żeby zachować zmiany. Jeśli zapisana opcja przestanie pasować do modelu, Marinara pominie ją i wymieni w wierszu logu.

Tworzenie wideo w Game Assets

Tryb Game Mode ma drugie miejsce do tworzenia wideo sceny: Game Assets. Kliknij jego przycisk z folderem blisko prawego górnego rogu czatu. Na komputerze otwiera się w oknie, a na telefonie jako panel na całą szerokość ekranu. Jeśli przeniesiono go do Chat Settings, otwórz tam sekcję Game Assets.

1. Otwórz Game Assets.
2. Kliknij Generate video ("Generate a scene video from the latest illustration").
3. Gotowy najnowszy klip odtwarza się w tym miejscu.

Przycisk Generate video pozostaje nieaktywny, dopóki gra nie ma zarówno modelu wideo, jak i ilustracji sceny. Po zbyt wczesnym kliknięciu może pojawić się komunikat "Choose a Video Generation connection in Game Settings first." (ustaw model wideo dla gry) albo "Generate a scene illustration before generating a scene video." Gdy klip się nie uda, panel pokazuje "Scene video generation failed." Spróbuj ponownie, a przy powtarzających się błędach sprawdź klucz.

Wybór modelu wideo dla czatu

Każdy czat wybiera własny model wideo w Chat Settings → Agents → Scene Videos (ustawienia czatu, agenci, wideo scen).

• Tryb Roleplay pokazuje kafelek Scene Videos ("Generate manual MP4 scene videos from gallery images"). Ma on jedną kontrolkę, listę modeli wideo.
• Tryb Game Mode pokazuje kafelek Scene Videos ("Generate MP4 scene videos from game illustrations") z większą liczbą kontrolek. Lista modeli wideo wybiera model. Game Video Prompt to szablon decydujący o tym, jak animuje się obraz. Wbudowany szablon domyślny to Cinematic Scene Video. Edit Video Prompt Presets dodaje i edytuje twoje własne kopie dla tego czatu.

Szablon Game Video Prompt steruje ręcznymi filmami z galerii i z Game Assets w trybie Game Mode. Animacje z galerii w trybie Roleplay korzystają zamiast tego z ustawienia Roleplay Gallery Animation Director. Agent Storyboard ma własny domyślny szablon Storyboard Video Prompt. Każdy czat może go nadpisać w Chat Settings → Agents → Storyboards. Zresetowanie przywraca wartość domyślną agenta Storyboard.

Przy tworzeniu czatu w trybie Game Mode kreator konfiguracji ma wybór modelu wideo w kroku Features, po włączeniu generowania wizualnego.

Ustawienia generowania wideo

Część ustawień domyślnych wideo obowiązuje w całej aplikacji. Otwórz Settings → Generations (ustawienia, generowanie) i znajdź sekcję Video Generation ("Set default clip lengths and edit reusable video prompts for Game, Gallery, and Calls").

• Scene video fallback length (zapasowa długość wideo sceny): używana tylko wtedy, gdy wybrany model wideo nie ma własnej długości. Wartość domyślna to 10 sekund. Zakres wynosi od 1 do 60.
• Video Generation Prompt Overrides: edycja szablonów promptów wideo wielokrotnego użytku. Roleplay Gallery Animation Director ustala instrukcje wysyłane do modelu Prompt Model przed powstaniem klipu z galerii w trybie Roleplay. Jego zmienna ${durationSeconds} zostaje zastąpiona długością klipu.
• Videos per reply (filmy na odpowiedź): ile wiadomości wideo postacie Conversation mogą wysłać w jednej odpowiedzi i ile klipów agent Illustrator dodaje do jednej odpowiedzi Roleplay. Wartość domyślna to 3. Zakres wynosi od 1 do 10. Każda postać Conversation wysyła najwyżej jeden klip. Ustawienie służy czatom grupowym i prośbom o kilka filmów naraz. Zwiększ wartość, żeby więcej postaci mogło wysłać klip. Zmniejsz ją, żeby oszczędzić żądania. Klipy ponad limit są pomijane. /video i przycisk Video w galerii nie wliczają się do limitu.
• Animated expression length należy do animowanych sprite'ów portretowych. Zobacz Animowane wyrazy twarzy.

Storyboardy

Agent Storyboard do pobrania buduje uporządkowane obrazy klatek kluczowych i klipy w trybach Roleplay i Game Mode. Po włączeniu animacji Marinara animuje każdą udaną klatkę kluczową, korzystając z wybranego modelu wideo i szablonu Storyboard Video Prompt należącego do agenta. Zobacz Przewodnik po agencie Storyboard.

Rozwiązywanie problemów

"Choose a Video Generation connection"

Czat nie ma modelu wideo. Otwórz Chat Settings → Agents → Scene Videos i wybierz model. Jeśli lista jest pusta, dodaj go w panelu Connections.

"Add or generate a gallery image before generating a scene video"

Tryb Game Mode i przycisk Animate illustration wymagają istniejącego obrazu. Tryb Roleplay może utworzyć klip na podstawie samej fabuły, gdy nie wybrano pierwszej klatki. Użyj przycisku Illustrate, wgraj obraz albo kliknij Animate illustration na obrazie, który już masz.

Wideo powstaje bardzo długo

To normalne. Google, xAI, OpenRouter, NanoGPT, Atlas Cloud i Seedance uruchamiają zadanie, a Marinara czeka na jego zakończenie. Jeden klip może zająć kilka minut.

Seedance nie potrafi odczytać obrazu referencyjnego

Seedance potrzebuje publicznego linku do obrazu. Na serwerze lokalnym włącz Upload Seedance reference frames temporarily w modelu Seedance. Zobacz Klatki referencyjne w Seedance.

Żądania wideo ciągle kończą się błędem

Sprawdź, czy konto ma poprawny klucz API i dostęp do wideo. Otwórz konto w panelu Connections i potwierdź klucz oraz model. Limity czasu po stronie serwera opisuje Konfiguracja serwera.

Powiązane przewodniki

• Animowane wyrazy twarzy
• Przewodnik po agencie Storyboard
• Storyboardy LTX 2.3 w Game Mode
• Obsługiwani dostawcy AI
• Konfiguracja serwera