视频生成器

• Veo 3.1 Lite
• Veo 3.1 Fast
• Veo 3.1 Standard
• Seedance 2.0 Mini
• Seedance 2 Fast
• Seedance 2 Pro

示例

参考

结果

参考 → 结果Seedance 2 Pro

Pyra，电影感（Seedance 2）

Seedance 2 Pro。同一个 Pyra，超宽画幅：原生 21:9 的电影感滑翔与大幅运镜，这是 Veo 竖屏草稿给不了的更丰富效果。

复现打开

使用此流水线的配方

• 一句提示词 → 一支竖屏 AI 舞蹈短片

  用 GPT Image 2 生成一张带标注的舞步网格，交给 Seedance 2 Pro 作为参考，让编舞真正跟着动作走，再拼接成一支卡点音乐的竖屏短片。

  6 流水线 · CLI

关于此流水线的文章

• 什么是生成式 AI：工作原理与它能创造什么

• AI视频生成器推荐：Veo 3.1与Seedance 2.0对比

• 如何制作 AI 视频：从提示词到成片

视频生成器 API

从你自己的代码调用此流水线。一次请求即可发起运行；模型是一个输入字段，而不是独立的接口。

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "video-generator",
  input: {
    prompt: "A detective dials a rotary phone in a dimly lit alleyway, film noir style",
    model: "veo-3-1-lite",
  },
});

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="video-generator",
    input={
        "prompt": "A detective dials a rotary phone in a dimly lit alleyway, film noir style",
        "model": "veo-3-1-lite",
    },
))

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "prompt": "A detective dials a rotary phone in a dimly lit alleyway, film noir style",
  "model": "veo-3-1-lite"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "video-generator", input)
if err != nil {
    log.Fatal(err)
}

pipe2 pipelines run \
  --pipeline video-generator \
  --input-json '{"prompt": "A detective dials a rotary phone in a dimly lit alleyway, film noir style", "model": "veo-3-1-lite"}' \
  --wait

获取 API 令牌 →

参数

prompt 必填

视频的文字描述。AI 会自动为其增添电影感细节。

string

aspect_ratio

Auto lets the director infer orientation from your prompt. Veo supports 16:9 and 9:16; 1:1, 4:3, 3:4 and 21:9 run on Seedance.

auto16:99:161:14:33:421:9 默认 auto

audio

Generate a synchronised audio track with the video.

boolean 默认 true

在 AI 智能体中使用

将任意 MCP 客户端指向 pipe2，你的智能体就能获得这些工具。它会找到这条流水线，读取上方相同的 schema，然后运行它。

• list_pipelines
• get_pipeline_schema
• run_pipeline
• get_pipeline_run_status
• request_upload

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

完整 API 参考→ MCP 设置→ CLI 参考→

常见问题