La génération vidéo d’OpenClaw

Les agents OpenClaw génèrent des vidéos à partir de prompts texte, d’images de référence ou de vidéos existantes par un seul outil, avec seize fournisseurs derrière lui et le bon choisi automatiquement d’après la configuration et les clés d’API disponibles. La documentation place la barrière en premier : l’outil n’apparaît que lorsqu’au moins un fournisseur de génération vidéo est disponible. Voici les modes, le cycle de vie asynchrone, le tableau des fournisseurs, les paramètres, les règles de sélection et de repli, et les notes de fournisseurs qui décident de ce qui marche où.

Modes et démarrage rapide

• Trois modes d’exécution résolus d’après les entrées de référence : génération sans média de référence, image vers vidéo avec une ou plusieurs images de référence, vidéo vers vidéo avec une ou plusieurs vidéos de référence ; l’outil valide le mode actif avant la soumission et l’action de liste rapporte ce que chaque fournisseur prend en charge.
• Démarrage rapide : définissez une clé d’API pour n’importe quel fournisseur pris en charge, choisissez éventuellement un modèle par défaut dans la configuration des modèles de médias, et demandez à l’agent ; aucune liste d’autorisation d’outils n’est nécessaire.
• La génération est asynchrone : la requête renvoie un identifiant de tâche, le fournisseur travaille de trente secondes à plusieurs minutes, et OpenClaw réveille la même session avec un événement de fin pour que l’agent rapporte le résultat par son chemin de réponse normal, avec un envoi direct idempotent de repli si la session est inactive.
• Les appels en double pendant une tâche renvoient l’état courant au lieu d’en lancer une autre, une action d’état vérifie sans générer, la CLI des tâches liste, montre et annule, et hors d’une exécution adossée à une session l’outil retombe sur une génération en ligne.

video_generate n’apparaît que lorsqu’au moins un fournisseur de génération vidéo est disponible.

Fournisseurs et paramètres

Le tableau va d’Alibaba et Qwen sur DashScope, qui exigent des URL distantes pour les références, aux trois générations Seedance de BytePlus avec des rôles de première et dernière image et, sur la lignée 2.0, jusqu’à neuf images, trois vidéos et trois références audio, en passant par les flux ComfyUI, DeepInfra en texte vers vidéo, fal avec une file qui attend jusqu’à vingt minutes, Google Veo avec une image ou une vidéo, MiniMax avec ses deux résolutions, OpenAI Sora avec seulement la taille transmise, l’API vidéos asynchrone d’OpenRouter, Runway avec des fichiers locaux en URI de données et un modèle vidéo vers vidéo propre, Together, Vydra, et les modèles vidéo Grok de xAI avec une lignée 1.5 limitée à l’image vers vidéo. Les paramètres : le prompt ; une image ou jusqu’à neuf avec des rôles par position, première image, dernière image ou image de référence ; une vidéo ou jusqu’à quatre ; jusqu’à trois audios de référence ; des indications de ratio, de résolution et de durée normalisées ou ignorées selon le fournisseur, une indication de taille, des interrupteurs d’audio généré et de filigrane ; une action de génération, d’état ou de liste ; un modèle de remplacement ; une indication de nom de fichier ; un délai ; et des options de fournisseur typées. Les fichiers générés sont enregistrés dans le stockage de médias géré avec un plafond par défaut de seize mégaoctets, et une URL hébergée est livrée à la place si un rendu plus gros ne peut pas être conservé.

Sélection et repli

• Ordre de sélection du modèle : le paramètre de modèle seul quand il est défini, puis le principal configuré, puis les replis dans l’ordre, puis la détection automatique d’après les valeurs par défaut des fournisseurs seulement quand rien n’est configuré, le fournisseur par défaut d’abord et les autres par ordre alphabétique ; une liste explicite limite le repli à cette liste.
• Les vérifications de capacité s’appliquent à la couche de repli, si bien qu’une requête au-delà des limites du principal peut encore tourner sur un repli capable : un candidat sans prise en charge des références audio est sauté quand de l’audio est fourni, de même pour les nombres d’images et de vidéos, une durée au-dessus du maximum du candidat le saute, et des options de fournisseur qui ne respectent pas un schéma typé le sautent aussi ; le premier saut journalise un avertissement, les suivants restent silencieux, et si chaque candidat est sauté, l’erreur liste chaque raison.
• L’audio de référence ne change jamais le mode, il s’ajoute au choix d’image ou de vidéo, et mélanger des références d’images et de vidéos n’est pas une capacité partagée stable, donc la documentation dit de préférer un seul type de référence par requête.

La génération d’images d’OpenClaw est le jumeau en image fixe de cet outil, et Les automatisations d’OpenClaw explique la mécanique des tâches d’arrière-plan qu’utilise le cycle de vie asynchrone.

Les notes de fournisseurs qui comptent

Quelques notes décident des résultats réels : Google ignore les demandes d’audio généré avec un avertissement sur le chemin Gemini, MiniMax normalise une demande en 720p vers sa résolution prise en charge la plus proche, OpenAI ignore les surcharges de ratio, de résolution, d’audio et de filigrane, Runway a besoin de son modèle Aleph pour la vidéo vers vidéo, le modèle par défaut de Vydra est texte seul tandis que son autre modèle exige une URL d’image distante, et xAI est en 480p par défaut, hérite du ratio de la source pour les exécutions à une image, et accepte deux à dix secondes pour les extensions. Modèles et fournisseurs d’OpenClaw couvre les clés de fournisseurs que parcourt la détection automatique, et OpenClaw et Gemini le fournisseur dont la clé est l’exemple de démarrage rapide de la documentation.

Sur Diali

Sur Diali, l’outil vidéo apparaît dès que vous ajoutez une clé de fournisseur dans le coffre ; le rendu atterrit dans le stockage de médias de l’assistant et revient dans le chat comme fichier. OpenClaw hébergé sur Diali est l’assistant.

• Pas de clé de fournisseur, pas d’outil.
• Texte, image ou vidéo de référence choisit le mode.
• La tâche est asynchrone ; la session est réveillée quand elle aboutit.