百炼 Skills 实战：spark-video——助零基础用户一句话做出完整AI视频

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-clibl auth loginnpx 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 CLInpm install -g bailian-clibl auth login# 安装 spark-video Skillnpx 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/