Name: image-to-video
Author: prime-skills/runcomfy-agent-skills

1实现原理 · 为什么它能做到

i2v 意图路由：常规动画（肖像/产品）默认 HappyHorse 1.0 I2V，自定义配音口型同步走 Wan 2.7 t2v+audio_url，多模态合成走 Seedance 2.0 Pro；agent 按意图表分类后落到对应小节。

image-to-video/SKILL.md

| Animate a portrait — keep identity stable | **HappyHorse 1.0 I2V** | #1 on Artificial Analysis Arena (Elo 1392); strong facial fidelity |

注：路由表含 8 个意图行 + 默认行（Default if unspecified → HappyHorse），正文承接句 `The agent reads this table, classifies the user's intent, and picks the matching subsection below.`（与 video-edit 同一写作模板）——分类执行者是宿主 LLM，skill 无代码。

诚实标注端点易错点：Wan 2.7 在此目录下没有独立 i2v 端点，口型同步实际复用 t2v 端点 + audio_url，文档显式声明以免 agent 想当然调 /image-to-video。

image-to-video/SKILL.md

**Model**: `wan-ai/wan-2-7/text-to-video` (NOT `/image-to-video` — Wan 2.7's t2v endpoint accepts an `audio_url` that drives lip-sync)

注：同一节再补一句说明：`For pure i2v (image animated by motion prompt only), prefer HappyHorse i2v.`——这体现 schema 是照着 RunComfy 目录实测整理而非想当然；description 里也预留了 '(or endpoint variant)' 的说法与这里呼应。

多模态合成的引用协议：Seedance 2.0 Pro 接受 0–9 张图、0–3 段参考视频、0–3 段参考音频的数组，提示词以『image 1 / video 1 / audio 1』编号把各模态 cue 路由给模型。

image-to-video/SKILL.md

- **Number the refs** in the prompt: `"subject from image 1, lighting from video 1, voice from audio 1"`. Seedance routes cues correctly.

注：schema 行给出数组上限（`image_url` array 0–9、`video_url` 0–3、`audio_url` 0–3），提示词纪律页强调首图是 primary subject（`**First is the primary subject.**`）。

动效提示词语法：动作动词前置、不复述图像内容、单 clip 单一主运动，把『让静态图动起来』的写法约束成模板。

image-to-video/SKILL.md

- **Lead with motion verbs**: "drift", "dolly in", "orbit", "tilt up", "reveal", "blink", "breathe". Front-load what's MOVING.

注：配套纪律 `Don't restate the image — the model sees it. Focus tokens on what changes.` 与 `One beat per clip — single primary motion`——针对 i2v 模型『提示词描述冗余稀释运动』的通病。

执行委托 runcomfy CLI + 云端推理：三选一后以匹配 JSON body 调 `runcomfy run <model_id>`，CLI 负责提交、轮询与下载产物。

image-to-video/SKILL.md

The skill picks one of HappyHorse 1.0 I2V / Wan 2.7 t2v+audio / Seedance 2.0 Pro based on user intent and invokes `runcomfy run <model_id>` with the matching JSON body.

注：视频生成重活全在云端；skill 自身是『路由决策 + 参数模板 + 提示词纪律』的文档载体。

2核心能力

01i2v 三路意图路由（肖像/产品常规动画、自定义配音口型、多模态合成）

02以 audio_url 驱动的自定义配音口型同步（复用 Wan 2.7 t2v 端点）

03同图多语言配音变体：锁 seed、换 audio_url 逐语言出片

04多模态参考合成（图+参考视频+参考音频数组，首图为主角）

05动效/镜头/光照提示词语法 + negative_prompt 规避项

06参数化出片：分辨率/时长/宽高比/seed/水印开关逐字段可控

3外部依赖

类型	依赖
cli	runcomfy（@runcomfy/cli 官方 CLI）
package	@runcomfy/cli（npm 全局安装）
network	RunComfy Model API（请求提交）
network	生成结果下载白名单
network	云端模型路由（经 CLI/Model API 访问）：happyhorse/happyhorse-1-0/image-to-video、wan-ai/wan-2-7/text-to-video、bytedance/seedance-v2/pro
network	RunComfy 模型页 / 文档站（引用链接）
network	用户提供的源图/参考视频/参考音频 URL——由 RunComfy 模型服务器抓取

4风险提醒风险提醒：橙色 · 评估后使用

风险提醒：橙色 · 评估后使用

源图/参考音频/配音轨与提示词上送第三方云，肖像与语音数据外发是功能必然 — HappyHorse 原生合成音频、Wan 上传 voiceover MP3——配音素材属敏感语音数据，使用者须自评合规。
执行面与供应链仓外（官方 CLI、Model API、npm 包、npx 安装器） — 文档对 CLI 的转述（不 shell 展开、token 0600、2 GiB 上限）无法在本仓库证实。
参考媒体 URL 由服务器抓取，音视频内容可作为注入载体 — 文档自认图像注入风险，音频/视频参考的注入面同理会存在但未被文档点名。
Arena 排名与 Elo 分数为站外营销宣称，无仓内证据且易过期 — 『#1』『Elo 1392』随时间与榜单方法变化会失真，不应作为长期选型依据。

风险提醒：橙色，评估后使用。按本次统一分档准则：运行时驱动第三方 npm 包/CLI @runcomfy/cli，该 CLI 每次调用读取用户 RunComfy 凭证（~/.config/runcomfy/token.json 或 RUNCOMFY_TOKEN 环境变量）——命中『调第三方 npm/CLI 且可能读配额/密钥 → orange』；执行面（CLI、Model API、token 读取）全部仓外，文档转述（0600、2 GiB 上限、无 shell 展开）无法在本 pin 证实，按『拿不准取高一档』定橙。另存在网络外发：源图/参考音视频（含配音轨，涉语音数据）与提示词经 model-api.runcomfy.net 上送第三方云，外发对象可预期但素材出域；参考媒体 URL 由服务器抓取。skill 本体纯 markdown、无脚本、无混淆、无隐藏端点，未触红档。

5第二遍独立确认

[ok] 三个 i2v 模型 ID 与路由表、调用示例一致 — happyhorse/happyhorse-1-0/image-to-video、wan-ai/wan-2-7/text-to-video（非 image-to-video）、bytedance/seedance-v2/pro 三处出现位置均成对自洽。
[unlocatable] HappyHorse『Arena #1 (Elo 1392)』宣称 — 路由表 Why 列与 Route 1 标题（'Arena rank: #1 (Elo 1392)'）均引用站外 Artificial Analysis 排名，pin 内无任何数据支撑；无法复核其时效与真伪，标记待补。
[ok] Wan 2.7 走 t2v 端点做口型同步的端点异例 — Route 2 明确 'NOT /image-to-video'，与 description 的 '(or endpoint variant)' 措辞呼应；无自相矛盾。
[ok] 限制声明一致性（Seedance 720p ceiling、时长上限、音频 2–15s/<15MB） — Limitations 节与三处 schema 表（duration/resolution/audio 规格）数字一致。
[unlocatable] SKILL.md 对 CLI 行为的断言（无 shell 展开、token 0600、2 GiB 上限） — CLI 源码不在本仓库，仅文档自述，无法独立证实。
[discrepancy] 身份/安装链接一致性 — SKILL.md 安装与 GitHub 链接指向 agentspace-so/runcomfy-skills，镜像 README 指向 agentspace-so/runcomfy-agent-skills，被 pin 仓库为 prime-skills/runcomfy-agent-skills——三处来源标识不一致（发布身份漂移，非代码缺陷）。

6结论

按用途（普通动画/配音口型/多模态）拆分三路并给出默认选择，避免用户拿错模型烧迭代

端点易错点显式标注（Wan 用 t2v+audio_url），比『技能名叫 i2v 就硬调 i2v 端点』的文档更可靠

多模态引用协议清楚：数组上限 + 编号 cue 语法，可组合图/视频/音频三路参考

动效提示词纪律具体可执行（动作动词前置、不复述图、单主运动），针对 i2v 漂移通病

安全面自述透明，含第三方媒体抓取与图像注入风险提示

适合：适合有 RunComfy 账号、需要把静态图/产品图做成动效视频、或做自定义配音口型/多语言配音素材的 agent 用户；电商产品动效、营销短片、多语言发言人视频等批量场景；也适合想抄『诚实标注端点异例』写作手法的 skill 作者。

不适合：不适合无 RunComfy 账号或拒绝素材上云的用户；需要纯文本生成视频（无源图）的场景（本技能是 i2v 路由器）；需要单 clip 混用多模型能力（如 HappyHorse 动画 + Wan 口型同步）的场景——文档明示需两次调用自行拼接；也不适合追求本地离线生成或端到端可审计的用户。

安装 agent 直装可复制

① 本站镜像更新 2026-09-09

方式 A · 人下载镜像包下载 image-to-video.tar.gz

sha256: 72d420bb6e15ce52…

方式 B · JSON 格式安装指南，复制给 agent

安装指南

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② 上游 GitHub · 原始来源

能访问 GitHub？直接去上游安装（实时版，可能已更新）GitHub 原始 ↗

本页镜像锁定 commit fca19ae084；上游为实时仓库。

来源信息 GitHub 原始

作者 / 仓库prime-skills / prime-skills/runcomfy-agent-skills

原始 GitHubprime-skills/runcomfy-agent-skills ↗

Stars43

最近推送2026-05-15

本 skill commitfca19ae084

本站信息

收录日期2026-09-06

分类内容创作

侦查报告AI 侦查 · 2 遍 · 2026-09-06

本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。

image-to-video

1实现原理 · 为什么它能做到

2核心能力

3外部依赖

4风险提醒 风险提醒：橙色 · 评估后使用

5第二遍独立确认

6结论

4风险提醒风险提醒：橙色 · 评估后使用