dsh-imagegen-video

dsh-imagegen-video

图片与视频一体化的 DSH 生图 / 生视频插件。

生图之外，本仓库提供完整的生视频链路，以及画布视频节点、片段拼接。

各版本的改动见 CHANGELOG.md，第三方代码归属见 NOTICE。

     

在 DeepSeek Harness 里，生成、编辑、管理，一站完成；图片与视频同一套工作流。 快速导航 🚀 快速开始　·　无限画布　·　片段拼接　·　电商套图　·　文生图 / 图生图　·　生视频　·　模板 / 画廊　·　模型配置　·　交流群　·　授权与致谢

赞助商

赞助商 · 简介与接入地址 · 椰子API — OpenAI 兼容的多模型网关。一个 API Key 同时覆盖 GPT Image 与 Gemini 图像模型，不必分别注册各家；在插件里就是一个普通渠道，不需要改代码。https://api.closeai.hk/v1 · Bearer API Key · 清衍 API — 面向国内开发者的 AI API 中转站，站点自述支持 Claude、GPT、Gemini 等模型。https://api.metajing.cn/v1 · Authorization: Bearer · 鲸屿 Whale Isle — 基于 DeepSeek Harness 的开源社区桌面客户端：AI 对话、终端与 Git、模型与 MCP 接入、主题壁纸与桌宠、用量统计，装好即可把本插件跑在桌面上。Windows x64 · macOS Apple Silicon · MIT · jev-chat — 聊天辅助决策工具：回复前先读懂对方意图与当下风险，再给出可一键填入的草稿，发不发由你。Android · Windows · macOS · iOS，MIT。官网 chatjevs.com · Mr. Day One — AI 原生编辑器，把仓库、终端和诊断信息接进同一条智能体回路：改代码、跑测试、读报错、再复审结果。https://mrday.one · Harness Catalog — DeepSeek Harness 插件目录：逐个评测、给出真实安装命令，并说明什么场景该用它。本项目已收录其中。dsh-imagegen-video 条目 · 莱昂 LEON — AI 电商操盘手 × GEO 顾问：把电商一线经验蒸馏成可审计的方法论与 AI 工作流，提供 GEO 品牌托管、电商方法论体系搭建与多智能体工作流定制。点击名称或徽章访问站点

以上是赞助位，不是中立推荐。 七项均由第三方独立维护：两家 API 网关的

可用模型、价格、限流与稳定性，桌面客户端、移动应用与编辑器的兼容性、稳定性

及其使用条款，顾问站点的服务内容与交付承诺，以及插件目录的收录与评价，均以

各自站点公告为准，本项目不做担保。配置网关后密钥会发送给对应服务，请按需

自行评估；不要用它们处理你不愿意交给第三方的内容。

快速开始

需要已安装 DeepSeek Harness 和 Node.js 20+。

安装包有两个来源：npm registry（推荐，包名即版本，npm view 能查、能被锁文件盯住）与 GitHub Release 资产（每次附带 SHA256SUMS）。

# npm（registry 直达）
dsh plugin --profile web add @q253595422/dsh-imagegen-video

# 或 GitHub Release 资产
dsh plugin --profile web add https://github.com/q253595422/dsh-imagegen-video/releases/download/v1.15.2/q253595422-dsh-imagegen-video-1.15.2.tgz

也可以先到 Releases 页面下载 .tgz，再安装本地文件：

dsh plugin --profile web add ./q253595422-dsh-imagegen-video-1.15.2.tgz

⚠️ 不要与 `@dickpy/dsh-imagegen` 同时安装。 两者注册的是同一套

/api/dsh-imagegen/* 路由和同一个 UI 面板，同时启用会冲突。数据目录

~/.dsh/dsh-imagegen/ 也是两者共用的，切换前请先备份。详见 授权与致谢。

安装后重启 dsh web，侧边栏会出现「生图」入口。到「设置 → 生图配置」添加提供方、填写 API 地址与密钥、检测并选择生图模型，保存后即可开始创作。Windows 若遇 PowerShell 脚本策略限制，请使用 dsh.cmd。

其他安装方式、升级与回滚

• 让 Agent 安装：把上面的安装命令发给 DSH、Codex 或其他 coding agent。
• 指定版本：把 URL 里的 v1.15.2 与文件名里的版本号换成目标版本，或从 GitHub Releases 下载对应版本的 tgz 后安装。
• 升级：重复执行 add 命令指向新版本即可；插件也会在面板中提示新版本。更新后重启 dsh web。
• DSH Desktop 用户：宿主 CLI 不允许写入 desktop 这个 profile，所以面板不会假装去更新，而是直接给出可复制的命令和下载地址，由你自己执行——不会只甩一句「更新失败」而没有原因。
• 渠道配置、历史记录和画廊数据保存在 DSH 宿主侧，正常升级不会清空。

核心功能

能力 · 用途 无限画布 · 把提示词、参考图和生成节点连成可迭代的创作流程。 视频节点与拼接 · 视频节点与图片节点同一套控制；多选后按画布位置拼成一条成片。 分镜节点 · 一列镜头各出一段视频，可接上一镜尾帧；成品就是普通视频节点，同样能拼接。 时间线与身份锚定 · 成片可以在时间线里排序、裁剪、加转场再拼；钉住的角色/物品会跟着后续每一次生成。 电商套图 · 从商品参考图生成主图、卖点图、场景图等成套素材。 文生图 / 图生图 · 使用兼容的生图渠道生成、编辑并比较图片。 生视频 · 文生视频、图生视频、首尾帧与多参考图；按协议族适配异步渲染与轮询。 代码生成 · 让 DSH 里已有的对话模型写绘图程序，本机渲染成视频或图片；不调生图/生视频模型，每个任务单独选。 对话与 Agent · 在 DSH 对话中生成图片、继续编辑，并把结果带回会话。 画廊与历史 · 图片与视频同列管理，支持模板与标签；在不同设备上接续创作。

把文字、图片和生成配置连起来；从历史或画廊加入素材，再继续生成和迭代。

画布、文件节点与技能细节

• 支持图片、文本、视频、生成配置、文件与分镜节点；图片节点可标注、移除背景或拆分图层。
• 分镜：一个节点就是一列镜头，每镜一条提示词与一个时长，顺序即片序。可以「每镜独立」一次提交全部待生成的镜头，也可以「接上一镜尾帧」一次跑一镜——用上一镜的最后一帧当这一镜的第一帧。每一镜的成品都是普通视频节点，预览、下载、收藏、重试和拼接都走原来那条链路；分镜自己有「拼接全部镜头」，交给同一套本机 ffmpeg 和同一张顺序确认卡。
• 时间线：画布底部的胶片按钮把选中的成片按阅读顺序排成一条，可以重排、逐段设入点/出点、给每条接缝选硬切 / 叠化 / 淡入淡出并调时长，也可以整体关掉声音。面板上显示的总时长与最终文件一致。
• 身份锚定：任意有图的图片节点右键「钉为身份参考」，选角色 / 物品 / 风格并起名。之后每一次图像与视频生成都会自动带上这些参考，提示词里补一句说明谁是第几张；连线仍然优先，二者去重合并。定义存在节点上，重拍那张图就能改脸。
• 取尾帧续拍：任意已完成的片段可以一键取结尾帧，落成图片节点并接好一个视频配置节点，直接写下一镜的描述就能接着拍。
• 海报编辑：在图片节点上叠加文字与 Logo 图层，拖动改位置，实时预览；导出是一张新图片节点，原图与图层配方都保留，随时可以重开继续改。整条链路纯本地 Canvas 2D，不调用任何模型、不消耗额度。
• 快捷键面板：按 ?（或 F1）随时呼出，或点工具栏的键盘图标；Esc 关闭。常用操作同时写在控件自身的提示里（如「撤销 (Ctrl+Z)」），不必先记住有这块面板。
• 单个文件最大 50MB；可在画布内预览常见文档、表格、PDF、图片与音视频。
• 内置文本润色、图片描述、内容抽取和图片转可编辑 PPT 等技能；图片转 PPT 不需要另外安装第三方技能或配置 OCR token。
• 图片转 PPT 使用配置的聊天模型理解版式，在本地生成可编辑文字与基础矢量形状；复杂照片或插画可能会简化。
• 也可安装和管理外部技能。重任务技能会启动具有本机文件读写与命令执行能力的无头 Agent；运行前请检查技能来源和权限。
• 旧版第三方 image-to-editable-ppt 可继续用于独立 Agent 工作流；它不参与内置图片转 PPT，相关 OCR 或图片后端配置也不是内置流程的前置条件。
• 技能配置格式与安全边界见 docs/skill-config.md。

片段拼接

把生好的视频片段拖到画布上，框选两段以上，底部会出现「拼接这 N 段」按钮。

• 顺序按画布位置：从上到下、从左到右；每个被选中的片段上会标出 ①②③，确认卡里也会列出最终顺序 —— 你看到的序号就是成片里的顺序。
• 本机 ffmpeg 执行：不调用任何模型、不联网、不消耗额度。工具从 ~/.local/bin、/opt/homebrew/bin、/usr/local/bin、/usr/bin 依次查找；找不到时按钮会明确说明原因，而不是静默失败。
• 成片进入视频历史：拼接结果作为一条普通视频记录落盘，可以在侧栏看到、播放，也可以收藏进素材库。
• 找不到的片段会让整次拼接失败并指出是第几段，而不是悄悄少拼一段。
• 要剪再接就用时间线：底部胶片按钮打开时间线，逐段裁剪、选转场、决定是否保留声音，再一次性交给同一条 ffmpeg 链路。不设时间线时行为与以前完全一致（整段、硬切、带音轨）。
• 输出统一为 1280×720 / 30fps / H.264 + AAC，不同尺寸或帧率的输入会等比缩放并补边，不会变形。

判定规则与已知边界见 docs/compose-contract.md。

分镜节点也有自己的「拼接全部镜头」：它把各镜已经生成的片段按镜头顺序交给同一条链路， 还在生成的镜头会被跳过并说明少了几镜。

从商品主体和可选风格参考出发，先预览套图计划、逐张调整提示词，再批量生成；主图可作为其他用途图片的一致性参考。

输入提示词即可生成，也可上传参考图进行编辑。图生图支持多张参考图（最多 5 张，单张 10 MiB、合计 16 MiB）：可多选、拖拽或粘贴，逐张移除，缩略图里用方向键翻看。请求形状按协议族各自整形——第一张始终在 image，其余在 images，所以只接受单张的渠道看到的仍是一张图；面板会在提交前就按模型能力拦下超额张数，而不是让服务端默默截断。此外支持多张结果、比例与清晰度设置、任务队列、历史恢复和全屏预览。

在 DSH 对话里可让 Agent 调用生图；用 /edit_image 描述修改内容，也可从工作台或画廊把图片加入当前会话继续编辑。

生视频

在「生视频」标签页里写视频描述，选择视频模型、比例、分辨率与时长即可提交。视频是异步渲染：宿主先提交任务、再按协议族轮询，渲染完成后把成片以文件落盘，并在面板内直接播放；渲染通常需要数分钟，期间可以关闭页面，任务仍在宿主继续执行。

视频模型按渠道单独配置，与图片模型分开：渠道里的「视频模型」目录决定该渠道能用哪些视频模型，因为视频走的是提交+轮询协议，和图片的同步返回不是一回事。

先规划（导演规划）

视频面板的先规划开关默认打开。开启后，提交前会先跑一轮推理，把一句话需求拆成镜头、动作、运镜、时长与风格，再落成真正发给模型的提示词与参数：

• 提示词：上游收到的是规划后的多镜头描述，而不是你输入的原句。结构参照 Wan 2.2 官方 --use_prompt_extend 的电影语言（景别、光线、运镜、风格），在「生成前先规划」之后，原句只作为素材。
• 参数：时长、画幅、分辨率可以按镜头节奏收紧，但永远不会超过你自己选的值；规划提出的画幅/分辨率还会再按模型协议族收敛一次（例如算力萌只接受 16:9 / 9:16 / 1:1）。
• 可检查：点「预览规划」不消耗渲染，只运行规划本身；确认后提交会沿用这份预览，不会重新问一次对话模型，所以所预览即所提交。
• 降级有据：对话模型调用失败、超时或返回的不是合法 JSON 时，会自动改用离线镜头规划，并在面板与视频历史里标明降级原因与来源（对话模型 / 本地规则），不会静默地把原句发出去。
• 拒绝非法输入：空描述直接报 video-prompt-empty；超过 4000 字符报 video-prompt-too-long，且都不会提交到上游。

规划用的对话模型复用「设置 → 提示词增强模型」那一处配置（promptModel / promptApiUrl / promptApiKey），不需要额外申请密钥：

• promptModel：任意支持 /chat/completions 的模型；留空时退回本地规则规划。
• promptApiUrl / promptApiKey：留空时复用生图渠道的地址与密钥。
• 规划阶段失败只降级、不会中断渲染；渲染本身失败仍按原有报错返回。

代码落点：src/video-director.ts（规划与参数收敛）、src/generation-runtime.ts（接入 runVideo）、POST /api/dsh-imagegen/video/plan（预览）。对应离线检查：pnpm run test:director。

支持的协议族与模式

协议族 · 模型示例 · 说明 Agnes 视频 · agnes-video-2.5-flash、agnes-video-2.5 · 提交 POST /v1/videos，轮询 GET /v1/videos/{id}，取 metadata.url；支持文生视频、首尾帧、多参考图、seed。 火山 Seedance（方舟） · doubao-seedance-2-0-260128、doubao-seedance-2-0-fast-260128、doubao-seedance-1-0-pro-250528 · 方舟原生任务协议：提交 POST /contents/generations/tasks，轮询 GET /contents/generations/tasks/{id}，成片在 content.video_url。提示词与参考图放在 content 数组里（参考图带 role：first_frame / last_frame / reference_image），比例字段是 ratio，分辨率小写。时长：2.x 为 4–15 秒、1.0 为 2–12 秒。分辨率：2.0 支持 480p/720p/1080p/4k，fast / mini 只到 720p；1.0 为 480p/720p/1080p。1.0 不支持 reference_image 角色，1.0 pro fast 也不支持尾帧，面板会把这两种模式从该型号上收起来。 算力萌 comemoe · wan2.2-t2v、zhimeng-h3-local · wan2.2-t2v 仅文生视频；zhimeng-h3-local 支持图生视频。比例只接受 16:9 / 9:16 / 1:1；5 秒片子实测约 9 分钟。 xAI Grok · grok-imagine-video-1.5、grok-imagine-video-1.5-lite · 提交 POST /videos/generations（注意不是 /videos），轮询 GET /videos/{id}，取 video.url 与 video.duration。 通用视频 · 其他视频模型 id · 按 OpenAI 兼容视频端点尽力适配；未识别的协议族会明确报错，不会静默发出错误请求。

• 生成模式：文生视频、图生视频（单张参考图）、首尾帧（首帧+尾帧插值）、参考图（多张风格/主体参考）；不同模型支持的模式不同，面板只会给出该模型支持的选项。
• 成片存储：视频保存在本机数据目录的 videos/ 下，历史列表只存元数据，播放走支持 Range 的同源路由，所以可以拖动进度条。
• Agent 调用：Agent 可调用 generate_video（文生视频）与 generate_video_from_image（图生视频/首尾帧/参考图），并用 get_video_generation_task 查询进度；视频渲染较慢，不要紧凑轮询。

火山方舟（Seedream / Seedance） 的生图与生视频可以共用一个渠道（https://ark.cn-beijing.volces.com/api/v3），渠道里分别填图片模型与视频模型即可：

• 生图（Seedream）：方舟的 size 只能是档位（1K/1.5K/2K/3K/4K）或 宽x高，二选一，且没有 aspect_ratio 参数。所以选了具体比例时，插件按该模型的像素预算换算出显式的偶数宽高（例如 5.0 pro 在 16:9 / 4K 下是 2784x1566），这样比例才真的生效；auto 才回落到档位字符串。
• 水印：生图的 watermark 默认是 true（右下角「AI生成」），插件每次都显式发 watermark: false。生视频的默认值是 false，插件同样显式发送，不依赖上游默认值。
• 音轨：生视频的 generate_audio 默认是 true（2.5 / 2.0 才有这个字段）；面板没有音轨控制，插件显式发 false，1.0 系列则完全不带这个字段。
• 响应格式：方舟的 Seedream 用 response_format: 'url'，插件随后回源下载；网关版的 Seedream 仍走 b64_json。
• 模型 ID：请填方舟控制台的模型 ID（doubao-seedream-* / doubao-seedance-*）——协议族是从这个 id 前缀判断的。方舟的推理接入点（ep-…）目前无法判断协议族：图片会被当成通用渠道、生视频会在提交前直接报「协议族未知」而不是静默发一个形状错误的请求。要在接入点上用，请把该渠道的模型 ID 填成对应的方舟模型 ID。

代码生成路径（不调生图/生视频模型）

画布合成栏里有一个「生成方式」下拉，两个选项：模型生成（默认，就是上面那整条链路）和代码生成。它按任务选，不写进设置、不做全局开关；同一个画布上这一张用模型、下一张用代码都行。

选「代码生成」时：

• 谁来画：用 DSH 里已经接入的对话模型——就是你在对话面板里选中的那个模型，不是插件设置里的「提示词增强模型」，插件也不新增任何模型或密钥配置。宿主把这个请求当成一次无头对话：系统提示里给绘图 API 与约束，用户消息就是你的描述，模型返回一段 JavaScript 绘图程序。
• 谁来渲染：本机 node:vm 沙箱逐帧执行这段程序，拿到 RGBA 像素后交给 ffmpeg 编码（视频）或直接写成 PNG（图片）。全过程不产生任何网络请求，也不消耗生图/生视频额度。沙箱里没有 require、没有 process、没有文件系统，只有一套绘图方法（矩形、圆、路径、渐变、文字等）。
• 参数照旧：分辨率、比例、时长仍按合成栏选的档位生效（480P/720P/1080P × 比例，30fps），视频帧数 = 时长 × 30。同一套档位，代码路径不另立一套。
• 产物对等：视频落进同一个 videos/ 目录、同一条视频历史（条目带 renderer: 'code'），因此预览、下载、收藏、取尾帧、多选拼接、时间线裁剪与转场、工作流执行器全部照常；图片落进同一个 images/ 与图片历史，可以继续做标注、海报编辑、当参考图。
• 模型会「答非所问」时降级：如果模型返回的不是代码（比如直接回了一段说明），会改用内置标题卡渲染，任务标记 degraded 并记录原因——照样出图/出片，不会白跑一趟。真正无法继续的情况（语法错、运行时抛错、超时、缺 ffmpeg）才失败。
• 重试不重复问模型：第一次生成的绘图程序存在任务里，重试会沿用它；想换一版再重新生成。

失败语义（错误码会直接显示在节点上，并附一行「可在上方「生成方式」里切回模型生成后重试」）：

错误码 · 含义 · 怎么办 code-prompt-empty · 描述为空 · 写一句画面描述（代码路径靠这句话绘图，不会自己编） code-prompt-too-long · 描述超过 4000 字符 · 压缩到核心画面与文案 code-no-chat-model · DSH 里没有选中的对话模型 · 在对话面板选一个模型，或切回模型生成 code-chat-failed · 对话模型调用失败（鉴权、网络、上游报错） · 看节点上的原始原因；换模型或切回模型生成 code-not-code / code-syntax · 模型返回的不是可执行代码，或代码编译不过 · 重试（会重新问模型），或切回模型生成 code-runtime · 代码逐帧执行时抛错（报文里带第几帧） · 同上 render-timeout · 整次渲染超过 120 秒 · 缩短时长或降分辨率后重试 render-no-ffmpeg · 本机找不到 ffmpeg，无法编码视频 · brew install ffmpeg，或在设置里填 FFMPEG_PATH；图片不需要 ffmpeg render-cancelled · 用户取消 · 重新提交即可 render-encoder-died / render-encoder-failed · ffmpeg 进程异常退出 · 重试；持续失败请查 ffmpeg 是否可用

缺 ffmpeg 在提交前就会提示（合成栏下方一行黄色说明），不会等渲染到一半才报。

依赖只有 ffmpeg（视频路径；图片路径零依赖）。不引入任何新框架或原生模块。

多模型对比

同一提示词可提交给多个模型并列查看结果，便于快速挑选风格与质量。

提示词模板库内置八个来源（精选案例、沧河、手绘、Prompt/Signal、evolink、itgoyo、songtianlun、youart），共三千余条，可搜索、筛选、收藏并直接带入生图。模板库以右侧抽屉打开，约占工作区 75% 宽度：左边缘可拖动调宽（宽度记在本地），可一键铺满工作区，手机上自动全宽；搜索可限定当前来源或横跨全部来源；最近用过的 24 条留在「历史记录」里一键复用。选中的提示词可以替换输入框内容，也可以追加在后面。生成结果可在画廊中用标签和收藏继续整理；删除是可撤销的——被删的条目先进回收站，保留 30 天，期间可以逐条还原或一键清空，只有清空（或超过 30 天后的首次访问）才真正删除磁盘上的文件。

模型配置

在「设置 → 生图配置」添加渠道，填写 API 地址与密钥，检测并选择生图模型。可配置多个提供方，并设置默认生图模型和可选的提示词增强聊天模型。

支持 OpenAI 兼容的 Images API / Chat Completions，以及 xAI Grok、Google Nano Banana、Seedream、Qwen-Image、GLM-Image、MiniMax 等预置渠道；也可手动添加兼容模型。

接口与渠道补充说明

• 通用渠道默认自动判断 Images API 与 Chat Completions；也可在设置中手动指定。
• One-API、New API、LiteLLM 等只暴露 /chat/completions 的网关，可填写完整接口地址并选择对应模型。
• API 密钥保存在 DSH 宿主设置中；未被自动识别的兼容模型可手动添加。
• 不同服务商的图生图、尺寸与返回格式可能不同，请确认所选模型实际支持的能力。

数据与安全

• API 请求经 DSH 宿主转发；密钥保存在本机设置中，不直接暴露给浏览器。
• 历史、画廊、画布和图片保存在 DSH 数据目录 ~/.dsh/dsh-imagegen/，由你控制。
• 生图与图生图会把提示词或参考图发送给所配置的 API 服务商；请按服务商政策处理敏感内容。
• 内置轻量技能会把所选内容发送给配置的聊天模型。图片转 PPT 的 PPTX 在本地生成，由原生文字与基础矢量形状组成，不会把整张原图直接铺成幻灯片背景；结果需人工检查。
• 外部重任务技能可能读写本机文件并执行命令；运行前请确认技能可信、输入内容可共享。
• 生图会消耗 API 服务商额度；请人工检查生成结果。不要把 API 密钥贴到 Issue、日志或截图中。
• 诊断日志（两个工作台右上角）：失败的 API 请求会留在本机内存里

（最多 200 条，重启即清空，不写磁盘，不产生后台请求）， 可一键复制后贴进 Issue。记录含实际请求地址、HTTP 状态、网络错误码、耗时、 体积与服务商原始响应；密钥已在写入前脱敏（Bearer 令牌、查询串密钥、 内联 base64 均替换为占位符，API Key 只记「是否发送」）。 生图与生视频写同一个缓冲：视频的提交 / 轮询 / 下载三条腿各自标记。

交流群

微信群「龙虾吹水🦞群」：使用问题、版本更新与画布玩法都可以在群里聊。

二维码 7 天内有效（2026 年 11 月 1 日前）。过期或人数已满时，请改到

Issues 提问题，

并提醒维护者换一张新码。安全敏感的问题不要发在群里，也不要贴 API 密钥。

授权与致谢

本项目按 Apache-2.0 发布。各版本的改动逐条列在 CHANGELOG.md；第三方代码与素材的版权、许可与来源见 NOTICE 与 THIRD_PARTY_NOTICES.md。

核心能力：生图（文生图 / 图生图 / 多参考图编辑）、生视频（文生视频 / 图生视频 / 首尾帧 / 多参考图）、图片转可编辑 PPT（最多 12 张，每张一页）、无限画布（图片与视频节点、 分镜节点、片段拼接、技能）、电商套图、模板库与画廊。

支持与问题反馈请提到本仓库的 Issues（Bug 报告 · 功能建议 · 全部 Issues）。