夜雨聆风今天开源了一个有意思的开源项目——easyeye163/agnes-skills。它是一个基于 Agnes AI API 的完整视频生成流水线，专门解决一件事：用 API 把一段文字变成一条带配音、能发微信的视频。两条主线：儿童卡通动画和电影级写真视频。
Agnes生成的15秒视频：
跟之前手搓 LTX 的经验放在一起看，这个项目在工程化上做得很扎实，值得拆开看看。
大家可以对比一下之前使用LTX 2.3生成的视频：
一、这项目干了什么
打开项目仓库，README 第一屏就把管线画清楚了：
提示词设计 → 首帧图片生成 → 图片转视频 → TTS配音 → 合并拼接 → 压缩输出六个步骤，每个都有对应的 Python 脚本。目标输出是一条可以直接发微信群、不超过 10MB 的 mp4。
调度的是 Agnes AI 的两款模型：agnes-image-2.1-flash 做图，agnes-video-v2.0 做视频，API 地址统一走 apihub.agnes-ai.com/v1。
项目的核心突破
API 单次只支持 5 秒视频。通过「首尾帧接力」技术，提取上一段的末帧作为下一段的首帧，把任意数量 5 秒片段拼接成 15 秒、20 秒甚至更长的连贯视频。
二、两条产品线
儿童卡通动画——每集 8 个场景
项目内置了 6 套剧集模板，各有 8 个预设场景，覆盖了儿童内容的常见主题：
每个场景附带 subtitles.json（图片生成提示词）和 tts.json（中英双语配音文本），开箱就能跑。
图片生成用的提示词模板也值得注意——固定后缀锁住了画风：
kawaii cartoon illustration style soft pastel colors, rounded shapes, gentle warm lighting children's picture book art, adorable chibi character design simple clean background, Japanese anime cute style这种做法跟之前 LTX 实战中总结的「正向描述 + 风格锚定」思路高度一致：固定后缀确保所有场景视觉统一，不会出现第一帧 Q 版第二帧突然变写实。
电影级写真——古装美女含泪特写
另一个范例更有意思：examples/ancient_beauty/prompts.json 用三段时间接力生成了一个 15 秒电影级古装美女视频。
三段各有不同的情绪递进，和之前 LTX 提示词里「前 5 秒垂眸 → 6-10 秒抬眼 → 11-15 秒落泪」几乎如出一辙。区别在于这里每一段是独立调 API 生成的 5 秒片段，然后靠末帧提取串联。
三、首尾帧接力——怎么把 5 秒变成 15 秒
这是整个项目最巧妙的部分。流程如下：
片段1 (0-5s): first_frame.png → 生成 → seg1.mp4 ↓ 提取 4.8s 处末帧 片段2 (5-10s): seg1_last_frame.png → 生成 → seg2.mp4 ↓ 提取末帧 片段3 (10-15s): seg2_last_frame.png → 生成 → seg3.mp4 ↓ ffmpeg concat → 15 秒完整视频关键细节：从 5 秒视频的 4.8 秒 处提取末帧，而不是精确的 5.0 秒。因为视频末尾往往有一两帧黑场或过渡帧，4.8 秒取帧能避开这些脏帧。
拼接时使用 re-encoding 而非 stream copy：
ffmpeg -f concat -safe 0 -i filelist.txt \ -c:v libx264 -preset ultrafast -crf 28 \ -c:a aac -b:a 128k -movflags +faststart output.mp4压缩目标：微信 10MB 以内，超了就提高 CRF 到 30-32。
四、配音管线
TTS 用的是微软 Edge TTS（edge_tts 库），免费、稳定、中文语音自然。双语方案：
中文： zh-CN-XiaoxiaoNeural，语速 -10%英文： en-US-JennyNeural，语速 -15%
每个场景的中英文配音拼在一起（中间加 0.3s 和 0.2s 的静音间隔），再填充到固定时长为场景视频长度匹配。最终配音延迟 1 秒启动，让画面先进入再开始说话。
五、踩过的坑（重点）
项目 README 列了 10 个已踩的坑，比大部分开源项目都务实：
- API 只支持 5 秒
请求超过 5 秒会被强制截断，只能靠接力 - API 偶发宕机
最长记录 3 天+，项目内置了 cron 自动重试 - 提交 30s 超时
POST 请求偶发超时需要重试机制 - 输出分辨率不一致
请求 768×1152 竖屏但实际输出 1280×704 横屏，必须后处理裁剪 - 工作目录清理风险
.working_dir可能被系统定时清理 - seconds 字段类型
必须是字符串 "5"，传数字会报错 - 图片 API 返回 URL
不是 base64，需要额外的 requests.get下载
跟 LTX 部署的经验对比：本地模型不需要担心 API 超时和分辨率不一致，但需要自己管理 GPU 显存和 SD WebUI / ComfyUI 的并发冲突。云端 API 方案开发快但稳定性依赖第三方，各有利弊。
六、整体评价
项目代码量不算大，但结构清晰，每个脚本职责单一，README 写的非常详尽（中英文双语），踩坑记录甚至比技术文档更有价值。
如果你在做 AI 视频相关的东西，这个项目不管是直接拿来用还是参考它的管线设计和提示词模板，都挺有借鉴意义的。尤其是首尾帧接力这个思路，放在任何「API 有时长限制但你需要长视频」的场景里都能复用。
解锁新玩法：LTXV 2.3 联动龙虾文生视频，手把手教你接入