Token导航 LogoToken导航

Agent Skill · 效率

happyhorse-video-creator(快乐马视频创作者)

用于辅助视频生成、动画合成、脚本化剪辑或 Remotion 等视频项目开发。它适合让 Agent 组织镜头、生成素材说明、维护合成代码或排查渲染问题。使用时需要确认分辨率、时长、素材路径和导出格式;涉及外部素材、人物肖像或商业发布时,应先核对版权授权和内容审核要求。

happyhorse-video-creator 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 20,223。

总安装 1,632周安装 68GitHub Stars 公开资料未说明下载 544核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.1.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:happyhorse-video-creator(快乐马视频创作者)
来源仓库:https://github.com/cindypapa/happyhorse-video-creator
安装命令:
openclaw skills install happyhorse-video-creator
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install happyhorse-video-creator

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

使用阿里云百炼 HappyHorse 模型生成视频,支持图生视频(首帧/尾帧控制)和文生视频。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install happyhorse-video-creator;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

happyhorse-video-creator 怎么安装?

在终端执行 openclaw skills install happyhorse-video-creator。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

happyhorse-video-creator 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

happyhorse-video-creator 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

happyhorse-video-creator 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

happyhorse-video-creator 用的人多吗?

公开数据是累计安装 1,632 次,近一周安装 68 次,下载 544 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

happyhorse-video-creator 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
happyhorse-video-creator

快乐马视频创作者 · 本页

1,632—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
happyhorse-video-creator
description
使用阿里云百炼 HappyHorse 模型生成视频,支持图生视频(首帧/尾帧控制)和文生视频。
description_zh
使用阿里云百炼 HappyHorse 模型生成视频,支持图生视频(首帧/尾帧控制)和文生视频。
version
1.1.0
author
卡妹
license
MIT
metadata
openclaw
homepage
https://github.com/Cindypapa/happyhorse-video-creator
requires
bins
packages

happyhorse-video-creator - HappyHorse 视频创作助手 v1.1

📋 技能描述

使用阿里云百炼(DashScope)HappyHorse 视频生成模型,帮助用户创作专业视频。支持图生视频(首帧/尾帧控制)和文生视频两种模式。

平台: 阿里云百炼(DashScope) API 端点: https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis

🎯 触发条件

用户提到以下关键词时触发:

  • "HappyHorse 生成视频"
  • "用 HappyHorse 做视频"
  • "阿里百炼视频"
  • "happyhorse 视频"

🔄 工作流程

阶段 0:首次配置

您好!我是 HappyHorse 视频创作助手 🎬

需要配置阿里百炼 API Key:

1️⃣ 阿里百炼 API Key
   - 获取地址:https://bailian.console.aliyun.com/
   - 默认已配置(测试可用)

阶段 1:需求收集

请告诉我:

**1. 视频主题**:想表达什么内容?

**2. 视频风格**:科技感?温馨?专业?电影感?

**3. 图片资料**:

🖼️ **首帧图片**(图生视频必须):
   - 控制视频起始画面

🖼️ **尾帧图片**(可选):
   - 控制视频结束画面
   - 首尾帧结合可精确控制过渡效果

📝 **文字描述**:
   - 具体需求说明

阶段 2:提示词确认

  1. 生成视频提示词
  2. 发送提示词给用户确认
  3. 用户确认后才生成

阶段 3:分场景生成方式确认

对每个场景,单独确认生成方式和时长:

🎬 场景 1/3:开场展示

请选择生成方式:
A) 文生视频 - 直接用文字提示词
B) 图生视频 - 提供首帧图片
C) 首尾帧 - 提供首帧+尾帧图片

请选择时长:
1️⃣ 10 秒(默认)
2️⃣ 15 秒

阶段 4:视频生成

  1. 调用阿里百炼 API
  2. 等待完成(约 1-5 分钟)
  3. 发送视频给用户确认
  4. 满意则完成,不满意则修改提示词后重新生成

🛠️ API 调用

阿里百炼 HappyHorse API

API Key: sk-d05aba5a2dae4453b97ed07fdb983e5a

图生视频(首帧模式)✅ 已验证
import requests

url = "https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis"

headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer sk-d05aba5a2dae4453b97ed07fdb983e5a",
    "X-DashScope-Async": "enable"  # ⚠️ 必须设置
}

payload = {
    "model": "happyhorse-1.0-i2v",
    "input": {
        "prompt": "镜头缓缓推进,阳光洒在咖啡杯上",
        "media": [
            {"type": "first_frame", "url": "http://example.com/coffee.jpg"}
        ]
    },
    "parameters": {
        "resolution": "720P",    # 480P/720P/1080P
        "ratio": "16:9",          # 16:9/9:16/1:1
        "duration": 10            # 10 秒(默认)或 15 秒
    }
}

response = requests.post(url, headers=headers, json=payload, timeout=30)
task_id = response.json()["output"]["task_id"]
图生视频(首尾帧模式)✅ 支持
payload = {
    "model": "happyhorse-1.0-i2v",
    "input": {
        "prompt": "镜头从白天缓缓过渡到夜晚",
        "media": [
            {"type": "first_frame", "url": "http://example.com/day.jpg"},
            {"type": "last_frame", "url": "http://example.com/night.jpg"}
        ]
    },
    "parameters": {
        "resolution": "720P",
        "ratio": "16:9",
        "duration": 10
    }
}
文生视频 ✅ 已验证
payload = {
    "model": "happyhorse-1.0-t2v",
    "input": {
        "prompt": "一只可爱的小猫在草地上玩耍,阳光明媚"
    },
    "parameters": {
        "resolution": "720P",
        "ratio": "16:9",
        "duration": 10
    }
}
查询任务状态
status_url = f"https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}"
headers = {"Authorization": "Bearer sk-d05aba5a2dae4453b97ed07fdb983e5a"}
response = requests.get(status_url, headers=headers, timeout=30)
result = response.json()

# task_status: PENDING → RUNNING → SUCCEEDED / FAILED
if result["output"]["task_status"] == "SUCCEEDED":
    video_url = result["output"]["video_url"]

关键参数说明

参数默认说明
modelhappyhorse-1.0-i2v模型:i2v(图生视频)或 t2v(文生视频)
input.prompt必填视频描述提示词
input.media可选媒体数组(图生视频必填)
media[].typefirst_framefirst_frame / last_frame / driving_audio / first_clip
parameters.resolution720P480P / 720P / 1080P
parameters.ratio16:916:9 / 9:16 / 1:1
parameters.duration1010 秒或 15 秒(用户可选)

⚠️ 关键注意事项

  1. 必须使用异步模式:X-DashScope-Async: enable
  2. 图生视频用 input.media 数组,type 必须是 first_frame / last_frame / driving_audio / first_clip
  3. type: "image" 会报错:必须用 first_frame
  4. 图片必须是 HTTP/HTTPS URL,不支持本地路径
  5. 生成时间:约 1-5 分钟(10 秒视频约 1-3 分钟,15 秒约 3-5 分钟)
  6. 文生视频用 happyhorse-1.0-t2v,不需要 input.media
  7. 时长选择:每个场景生成前询问用户选择 10 秒或 15 秒,默认 10 秒

📁 文件管理

项目目录

/root/.openclaw/workspace/happyhorse-video-projects/
└── video_20260428_140000/
    ├── project.json
    ├── references/
    ├── videos/
    └── final_video.mp4

🚀 Python 模块调用

from happyhorse_video_creator import HappyHorseCreator

creator = HappyHorseCreator()

# 图生视频
success, video_path = creator.generate_video(
    prompt="镜头缓缓推进,阳光洒在咖啡杯上",
    image_url="http://example.com/coffee.jpg",
    duration=10  # 10 秒或 15 秒
)

# 首尾帧视频
success, video_path = creator.generate_video(
    prompt="从白天过渡到夜晚",
    image_url="http://example.com/day.jpg",
    end_frame_url="http://example.com/night.jpg",
    duration=10
)

# 文生视频
success, video_path = creator.generate_video(
    prompt="一只小猫在草地上玩耍",
    duration=10
)

✅ 测试记录

图生视频测试 (2026-04-28 14:46)

  • 模型: happyhorse-1.0-i2v
  • 输入: http://43.167.197.36/img2.jpg + "test"
  • 结果: ✅ 成功 (2.9 MB, 720P, 5 秒)
  • 耗时: 约 83 秒

文生视频测试 (2026-04-28 14:48)

  • 模型: happyhorse-1.0-t2v
  • 输入: "一只小猫在草地上玩耍"
  • 结果: ✅ 成功 (3.4 MB, 720P, 5 秒, 16:9)
  • 耗时: 约 83 秒

🔄 更新日志

v1.1 (2026-04-28)

  • ✅ 默认时长从 15 秒改为 10 秒
  • ✅ 支持用户选择时长:10 秒或 15 秒
  • ✅ 每个场景生成前询问时长选择

v1.0 (2026-04-28)

  • ✅ 初版发布
  • ✅ 支持图生视频(首帧/尾帧模式)
  • ✅ 支持文生视频

版本: v1.1 创建时间: 2026-04-28 更新时间: 2026-04-28(v1.1:默认时长改为 10 秒,支持用户选择 10s/15s) 作者: 卡妹 🌸 平台: 阿里云百炼(DashScope)

平台分布

OpenClaw

82.98%
按下载量换算451

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills