背景
AI 视频生成是 2026 年百炼平台上增长最快的使用场景之一。但从用户反馈来看，真正能从"注册账号"走到"做出成片"的用户比例并不高。
核心阻碍不是技术能力，而是：
- 不知道选什么模型（HappyHorse 1.0 vs 1.1？text-to-video vs image-to-video？）
- API 调用费用不透明，怕烧钱试错
- 单模型只能出片段，从"5秒片段"到"完整视频"的路径缺失
spark-video 就是针对这些问题设计的：把百炼 AI 视频相关的最佳实践打包成一个 Skill，让用户跳过学习曲线，直接获得"一句话输入→完整mp4输出"的体验。
spark-video 在百炼生态中的位置
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 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） |
这意味着一次 spark-video 使用 = 调用文本+视频+视觉+语音多个模型，是百炼多模态能力的综合展示。
用户体验：从0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 写好剧本 → 确认
- AI 设计分镜 + 显示预估费用 → 确认
- AI 渲染（自动审核+重拍低质镜头）→ 确认
- AI 拼接成片 → 确认，拿到 mp4
整个过程用户只需要"确认4次"。
费用透明
渲染前显示预估：
预估：text tokens ~8,000 + video tokens ~35,000
预估费用：约¥12
是否继续？[y/N]
新用户有免费额度，第一条视频基本零成本。
设计亮点
1. 成熟方法论封装
spark-video 不是"又一个API wrapper"。它封装了大量实践积累：
- 剧本拆镜逻辑（如何把一句话拆成适合渲染的多个镜头）
- 角色一致性管理（避免"变脸"问题）
- 质量把关策略（Qwen-VL 打分 + 自动重渲）
- 并行渲染调度（组内串行保连续、组间并行加速）
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 都允许回退修改，把控制权交给用户。
3. 面向小白
核心设计理念：用户不需要懂模型、不需要懂参数、不需要懂视频制作——只需要知道想要什么内容。
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 生态持续扩展。继金融数据分析 Skill 之后，本文介绍 spark-video——一个能让 AI Agent 自动完成从编剧到出片全流程的视频制作 Skill。
配合百炼 MCP 市场上的 HappyHorse 视频模型和 cosyvoice TTS 模型，spark-video 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
百炼新用户有免费额度。前往 百炼控制台 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："AirWave 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，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：
- Screenwriter：根据 premise 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/道具一致性
- Clip-Review：渲染后自动质量审核
- VFX-Review：渲染前视觉效果预审
- Stitch：ffmpeg 合成最终视频
并行渲染 DAG
- 同一场景的连续镜头：串行（保证画面连续性）
- 不同场景的镜头：并行（最多 4 路）
- 自动重试：质量低于 7/10 的镜头自动改写 prompt 重渲
4+2 确认关卡
渲染是成本最高的环节，因此在渲染前必须经过用户确认。全流程 4 个主关卡 + 2 个条件关卡，确保用户始终掌握创意和成本控制权。
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/
