场景视频生成

场景视频是表现当前场景的一小段 MP4 短片。它可以让 Gallery(图库) 里的图片动起来：以图片为首帧，由 AI 添加动作。在 Roleplay(角色扮演) 中，也可以只根据故事生成。本指南介绍如何设置视频服务、从 Gallery 和 Game Mode(游戏模式) 生成短片，以及修改视频设置。

场景视频可以在 Roleplay 和 Game Mode 聊天里使用。Conversation(对话模式) 聊天则改为发送视频消息，见视频消息。

Game Mode 和 Animate illustration(让插图动起来) 始终从图片开始，所以要先生成或上传一张。在 Roleplay 中，/video 和 Gallery 的 Video(视频) 按钮遵循 Illustrator 的 First frame(首帧) 设置。未选择 First frame 时，它们不需要图片。

场景视频使用一类单独的账号：Video Generation(视频生成)，而不是普通的图像生成。生成好的短片会随聊天一起保存，并显示在 Gallery 里，可以在那里固定、下载或观看。

设置视频服务

1. 点击顶栏里的 Connections(连接)，再点击 Add(添加)。Add account(添加账号) 窗口随即打开。
2. 在 Images & video(图像与视频) 部分选择一个服务。可用的服务列在下面。
3. 云端服务需要粘贴 API 密钥。本地 ComfyUI 不需要。SwarmUI 只有在你的服务器要求账号时才需要 Swarm Auth Token。
4. 点击 Connect(连接)，然后选一个模型或保留默认值。NanoGPT 没有默认值，所以要从它的列表里选一个。ComfyUI 则不要设置模型，除非工作流用到了 %model%。SwarmUI 的模型可填可不填。
5. 打开视频模型，点击 Test video(测试视频) 检查它。

每个服务都会填入默认地址，适用时还会填入默认模型。NanoGPT 没有默认模型，所以要自己选一个。

Google AI Studio 覆盖两个模型系列。Gemini Omni 使用 gemini-omni-flash-preview，Google Veo 使用 veo-3.1-generate-preview。运行哪一个，取决于你选的模型。

使用 ComfyUI 时，填 http://127.0.0.1:8188，并把 API 格式的视频工作流粘贴到 ComfyUI workflow (required)(ComfyUI 工作流，必填) 里。工作流是必填的。占位符和输出节点见 ComfyUI 工作流设置。

使用 SwarmUI 时，Marinara 会填入 http://127.0.0.1:7801。把 API 格式的视频工作流粘贴到 ComfyUI workflow (required) 里。工作流是必填的。SwarmUI 用不了 %reference_image_name% 占位符，所以要改用 %reference_image%。如果你的服务器要求账号，就把 Swarm Auth Token 粘贴到 API key(API 密钥)。

设为默认视频模型

想让没有自己视频模型的聊天也能用某个视频模型，就在 Connections 面板顶部的 Defaults(默认值) 下设置 Video 这项工作。Chat Settings(聊天设置) 里显示为 Default video provider(默认视频服务商)。既没有聊天模型也没有默认模型时，视频操作会提示你先选一个。

视频提示词指令

每个视频模型都有一个 Video prompting instructions(视频提示词指令) 输入框。用它告诉撰写视频提示词的 AI，你的视频模型需要什么，比如运镜、提示词长度或声音。它会指导 Roleplay 的 Gallery 动画、Conversation 的视频消息，以及 Storyboard 的 Image-aware shot planning(图像感知镜头规划)。如果 AI 把其中完整的一句话照抄进提示词，Marinara 会删掉那句话。Game Mode 的场景视频、通话片段和动态表情会另行撰写提示词，不受它影响。

每个模型的视频默认值

视频模型有一个 Video defaults(视频默认值) 面板，用来设置默认的短片时长、宽高比和分辨率。它们的优先级高于应用全局的备用时长。

各服务的默认时长、时长范围、宽高比和分辨率：

• Gemini Omni：10s，1 到 60s，16:9，服务商默认分辨率。
• Google Veo：8s，4、6 或 8s，16:9，720p。
• xAI Imagine：10s，1 到 15s，16:9，720p。
• OpenRouter Video：10s，1 到 60s，16:9，720p。
• Atlas Cloud：8s，1 到 60s，16:9，720p。
• Seedance 2.0：5s，4 到 15s，16:9，720p。
• ComfyUI 和 SwarmUI：5s，1 到 60s，16:9，720p。

Gemini Omni 没有分辨率字段，时长写进提示词文本里。Google Veo 只要给参考图做动画，就一律使用 8 秒，因为它需要 8 秒来衔接首帧和尾帧。

Seedance 参考帧

Seedance 必须通过公网链接获取你的参考图。本地的 Marinara 服务器没有公网链接，所以纯本地环境要多做一步。

1. 打开 Seedance 模型。
2. 开启 Upload Seedance reference frames temporarily(临时上传 Seedance 参考帧)。参考帧会上传到一个临时公网链接。
3. 可选：设置 Temporary link lifetime(临时链接有效期)。默认 12 小时。

如果你的 Marinara 服务器本来就有公网地址，可以改为设置一个环境变量。见服务器配置参考。

从 Gallery 生成视频

Roleplay 和 Game Mode 聊天都能从 Gallery 生成场景视频。打开 Chat Settings，展开 Gallery。Gallery 有 Images(图片) 和 Videos(视频) 两个选项卡，各自带数量。

在 Roleplay 中

Gallery 顶部操作行里的 Video 会为最新回复生成一段短片，等同于 /video。在 /video 后面加上描述，可以指定短片要展示什么。

• First frame：遵循 Illustrator 的 First frame 设置。可以是为最新回复新画的一张 Illustrator 图片（先画图，再做动画）、角色的头像或立绘，或者不用图片。没有选择时，短片只根据故事生成。
• 头像：短片从你的描述中最先点名的人开始，也包括你的用户角色。只要写出其他人不共用的一部分名字，并以大写字母开头即可（例如用“Lena”指代“Dr. Lena Kowalski”）。没有点名任何人时，从聊天的角色开始。
• 检查：开启 Expose media prompts before sending(发送前显示媒体提示词) 后，可以先检查和修改短片的提示词。
• 上下文：AI 读取的近期消息数量与 Illustrator 生成图片时相同（Illustrator 的 Context Size(上下文大小)，在它设置界面的 Agent Budget(智能体预算) 下）。
• 无图片时：短片从头像开始或不使用图片时，AI 会自己描述场景。它的指令是 Settings → Generations → Video Generation Prompt Overrides(设置 → 生成 → 视频生成提示词覆盖) 下的 Roleplay Clip Director(Roleplay 短片导演)。

生成好的短片会直接在最新回复下方播放，即使图片来自更早的回复也是如此。短片不会自己在悬浮窗口里打开。想让短片悬浮显示，就在 Videos 下使用 Pin video to chat(把视频固定到聊天)。点短片的 X 按钮可以把它从消息里移除，它仍会留在 Gallery 里。

在 Game Mode 中

1. 确认 Images 下至少有一张图片。用 Illustrate(生成插图) 生成，或上传一张。
2. 点击 Gallery 顶部操作行里的 Video。
3. 如果在 Settings → Generations → Overall Generations(设置 → 生成 → 总体生成) 下开启了 Expose media prompts before sending，先查看或修改提示词，再点击 Generate(生成)。取消不会发出请求。
4. 按钮会显示 Generating...，同时有一条横幅提示视频正在生成。
5. 完成后，短片会出现在 Videos 下。

如果没有图片，Marinara 会提示：“Add or generate a gallery image before generating a scene video.”先生成或上传一张，再试一次。

让一张图片动起来

1. 打开 Images 选项卡。
2. 把鼠标移到图片上。
3. 点击 Animate illustration 按钮，也就是胶片图标。

开启提示词检查后，会弹出一个窗口，显示为这张图片编译出的确切提示词、时长、宽高比和分辨率。你的修改只对这一段短片生效。在 Roleplay 中，规划动作的 AI 读取的近期消息数量与 Illustrator 相同，截止到图片所属的那条回复。它的可复用指令是 Settings → Generations → Video Generation Prompt Overrides 下的 Roleplay Gallery Animation Director(Roleplay 图库动画导演)。

Videos 下的每段短片都能就地播放，并显示时长和模型名。可以使用 Pin video to chat 或 Download scene video(下载场景视频)。还没有短片时，选项卡显示 No videos yet。

选择服务

八种服务都能根据你的图片生成短片。

• Google AI Studio (Gemini Omni)：时长最长 60 秒，写在提示词里。
• Google AI Studio (Veo)：画质出色，时长固定为 4、6 或 8 秒。给图片做动画时使用 8 秒。
• xAI Imagine：1 到 15 秒，提示词长度上限比其他服务短。
• OpenRouter Video：1 到 60 秒，可以使用你的账号支持的任意视频模型。
• NanoGPT：1 到 60 秒，没有默认模型。
• Atlas Cloud：加载 Atlas Cloud 当前的视频模型目录，图生视频模型排在前面，每个模型都标出按输出视频每秒计算的起始价格。加载失败时，Marinara 会显示 Veo 3.1 和 Seedance 2.0 的初始模型。你可以输入准确的模型 ID。模型自身的限制仍然适用。
• Seedance 2.0：4 到 15 秒，支持首帧和首尾帧两种模式。需要参考图的公网链接。
• ComfyUI：通过你的 API 格式工作流在本地生成。工作流用到 %reference_image_name% 时，Marinara 会直接上传参考图。
• SwarmUI：通过你的工作流和 SwarmUI 服务器在本地生成。参考图通过 %reference_image% 传入。

视频任务很慢。服务启动任务后，Marinara 会一直等待并检查，直到短片生成完毕。一段短片可能要几分钟。本地的大型 WAN 模型可能需要超过默认的 30 分钟。调高 VIDEO_GEN_TIMEOUT_MS，然后重启 Marinara。

Atlas Cloud 模型之间的差异

Atlas Cloud 的模型接受的设置并不完全相同。每次请求前，Marinara 都会从 static.atlascloud.ai 读取该模型公布的输入结构，并据此调整你的默认设置。

• 原图会放进该模型使用的图像字段。
• 短片时长会调整为模型提供的最接近值。只支持 5 秒或 10 秒的模型会把默认的 8 秒变成 10 秒。
• 分辨率会调整为模型提供的最接近档位。接受像素尺寸的模型，会根据你的宽高比和分辨率得到最接近的 width*height。
• 模型没有的设置会被省略，由模型的默认值生效。

服务器日志会在以 [video-gen/atlas-cloud] fitted request 开头的一行里列出每个改动过的值。如果读不到输入结构，Marinara 会发送与以前相同的通用请求。

场景视频请选用图生视频模型。文生视频模型没有图像字段。它会忽略你的图片，只根据提示词生成一段无关的短片，服务器日志也会说明这一点。模型需要图像时，Test video 会发送一张简单的渐变图作为首帧，这样图生视频模型也能通过测试。

许多 Atlas Cloud 模型有自己的输入，例如 negative_prompt、seed、generate_audio、shot_type、enable_prompt_expansion 或 LoRA 列表。

1. 打开 Atlas Cloud 模型，选择或输入一个模型。
2. 展开 Video defaults，再展开 Atlas Cloud setup(Atlas Cloud 设置)。
3. 在时长、宽高比和分辨率控件下面找到 Model options(模型选项)。

Model options 顶部列出模型接受的时长、分辨率、帧尺寸和宽高比。文生视频模型还会显示一条警告。每个选项都使用 Atlas Cloud 自己的名称和说明，初始为 Model default(模型默认值)，括号里显示默认值。保持 Model default 的选项不会发送。改动某个选项后，这个模型生成的每个视频都会带上你设置的值，包括 Test video。列表和对象输入（例如 LoRA）使用 JSON。

选择按模型分别保存。Reset model options(重置模型选项) 会清除当前模型的选择。点击 Save(保存) 保留改动。如果某个已保存的选项不再适合该模型，Marinara 会省略它，并在那行日志里写出它的名称。

在 Game Assets 里生成视频

Game Mode 还有第二个生成场景视频的地方：Game Assets(游戏素材)。点击聊天右上角附近的文件夹按钮。在电脑上它以窗口形式打开，在手机上是全宽面板。如果你把它移到了 Chat Settings 里，就打开那里的 Game Assets 区域。

1. 打开 Game Assets。
2. 点击 Generate video(生成视频)（“Generate a scene video from the latest illustration”）。
3. 准备好后，最新的短片会在那里播放。

游戏同时有了视频模型和场景插图后，Generate video 才可用。点得太早，可能会看到“Choose a Video Generation connection in Game Settings first.”（给这局游戏设置一个视频模型），或“Generate a scene illustration before generating a scene video.”短片生成失败时，面板会显示“Scene video generation failed.”再试一次；如果一直失败，检查你的密钥。

为聊天选择视频模型

每个聊天在 Chat Settings → Agents → Scene Videos(聊天设置 → 智能体 → 场景视频) 下选择自己的视频模型。

• Roleplay 显示一张 Scene Videos 卡片（“Generate manual MP4 scene videos from gallery images”）。它只有一个控件，即视频模型列表。
• Game Mode 显示一张 Scene Videos 卡片（“Generate MP4 scene videos from game illustrations”），控件更多。视频模型列表用来选模型。Game Video Prompt(游戏视频提示词) 是决定图片如何动起来的模板。内置默认值是 Cinematic Scene Video。Edit Video Prompt Presets(编辑视频提示词预设) 用来为这个聊天添加和编辑你自己的副本。

在 Game Mode 中，Game Video Prompt 控制 Gallery 和 Game Assets 里手动生成的视频。Roleplay 的 Gallery 动画则改用 Roleplay Gallery Animation Director。Storyboard 智能体有自己的默认 Storyboard Video Prompt(分镜视频提示词)。每个聊天都可以在 Chat Settings → Agents → Storyboards(聊天设置 → 智能体 → 分镜) 下覆盖它。重置后会回到 Storyboard 智能体的默认值。

新建 Game Mode 聊天时，设置向导的 Features(功能) 步骤里有视频模型选择器，开启视觉生成之后才会出现。

视频生成设置

有些视频默认值是应用全局的。打开 Settings → Generations(设置 → 生成)，找到 Video Generation 一节，它的说明是“Set default clip lengths and edit reusable video prompts for Game, Gallery, and Calls”。

• Scene video fallback length(场景视频备用时长)：只在所选视频模型没有自己的时长时使用。默认 10 秒，范围是 1 到 60。
• Video Generation Prompt Overrides：编辑可复用的视频提示词模板。Roleplay Gallery Animation Director 设置在生成 Roleplay Gallery 短片之前发给 Prompt Model 的指令。其中的 ${durationSeconds} 变量会变成短片时长。
• Videos per reply(每条回复的视频数)：Conversation 角色在一条回复中能发送多少条视频消息，以及 Illustrator 为一条 Roleplay 回复添加多少段短片。默认 3，范围是 1 到 10。每个 Conversation 角色最多发送一段。这项设置是为群聊和一次请求多个视频的情况准备的。调高它可以让更多角色发送短片。调低它可以节省请求。超出上限的短片会被跳过。/video 和 Gallery 的 Video 按钮不计入。
• Animated expression length(动态表情时长) 属于会动的角色立绘。见动态表情。

分镜

可下载的 Storyboard 智能体会在 Roleplay 和 Game Mode 里生成有序的关键帧图像和短片。开启动画后，Marinara 会用所选的视频模型和这个智能体的 Storyboard Video Prompt，把每一张成功的关键帧做成动画。见 Storyboard 智能体指南。

故障排查

"Choose a Video Generation connection"

聊天还没有视频模型。打开 Chat Settings → Agents → Scene Videos，选一个。如果列表是空的，就到 Connections 下添加一个。

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

Game Mode 和 Animate illustration 需要已有图片。未选择首帧时，Roleplay 可以只根据故事生成短片。用 Illustrate 生成、上传一张图片，或者对已有图片点击 Animate illustration。

视频生成很慢

这是正常的。Google、xAI、OpenRouter、NanoGPT、Atlas Cloud 和 Seedance 都是先启动任务，再由 Marinara 等待它完成。一段短片可能要几分钟。

Seedance 读不到参考图

Seedance 需要你的图片的公网链接。在本地服务器上，打开 Seedance 模型的 Upload Seedance reference frames temporarily。见 Seedance 参考帧。

视频请求一直失败

确认账号的 API 密钥有效，并且有视频权限。在 Connections 里打开这个账号，核对密钥和模型。服务器超时设置见服务器配置参考。

相关指南

• 动态表情
• Storyboard 智能体指南
• Game Mode 中的 LTX 2.3 分镜
• 支持的 AI 服务商
• 服务器配置参考