dsh-imagegen-video
这是 dickpy/dsh-imagegen 的衍生版（fork）。
上游只做生图；本仓库在上游 v1.6.8 源码基础上增加了完整的生视频链路与
画布视频节点、片段拼接。上游的署名与许可证见 NOTICE，
本仓库相对上游改了什么见 CHANGELOG.md。
快速开始
需要已安装 DeepSeek Harness 和 Node.js 20+。
安装包以 GitHub Release 资产的形式分发（每次 Release 附带 SHA256SUMS）：
dsh plugin --profile web add https://github.com/q253595422/dsh-imagegen-video/releases/download/v1.7.7/q253595422-dsh-imagegen-video-1.7.7.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-1.7.7.tgz
⚠️ 不要与原版 @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（该路由前缀继承自上游，不是本
衍生版引入的），同时启用会冲突。数据目录 ~/.dsh/dsh-imagegen/ 也与上游
共用，切换前请先备份。详见 上游与授权。
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
v1.7.7 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——这与上游 issue #41 里「更新失败但看不到原因」是两回事。
- 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。 |
| 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。 |
| 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、生成配置和文件节点；图片节点可标注、移除背景或拆分图层。
- 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。
- 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。
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；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。视频在上游是异步渲染：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。
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。 |
| 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。 |
| 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。
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。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。
提示词案例模板库
画廊工作区
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上游服务；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。
- 生图会消耗上游 API 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）：失败的上游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、
体积与上游原始响应；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。
上游与授权
本仓库是 dickpy/dsh-imagegen 的衍生版，按
Apache-2.0 发布。上游的版权与来源见 NOTICE；本仓库相对
上游 v1.6.8 的全部改动逐条列在 CHANGELOG.md。
本仓库是独立项目，不跟随上游版本线。 上游源码只在 fork 时一次性取用（基线
v1.6.8），此后本仓库按自己的节奏发版（当前 v1.7.7）。上游后续版本的功能会按需
吸收进来——例如失败可查的诊断日志（上游 #38）——吸收后即为本仓库自己代码的一部分，
版本号仍是本仓库的。因为两边历史没有共同祖先，吸收是逐文件移植，不是 git merge。
这个衍生版做了什么：上游只有生图。本仓库在上游源码上补齐了生视频链路
（异步提交/轮询、视频渠道目录、视频标签页、Agent 视频工具），并把视频接进
无限画布（视频节点、片段拼接、视频节点与图片节点同一套控制）。
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），不要提到上游仓库 —— 上游并不维护这里的代码。上游的 QQ 交流群与本仓库无关，这里不代为宣传。
与上游不能共存：两者注册同一套 /api/dsh-imagegen/* 路由与同一个 UI
面板，同时安装会冲突；数据目录 ~/.dsh/dsh-imagegen/ 也是共用的。要换回
原版，请先卸载本插件。
本地开发
pnpm run typecheck
pnpm run build
pnpm run watch
pnpm test
node scripts/smoke-video.mjs
pnpm run test:negative
pnpm test 跑全部十道离线检查（verify-tracked 排第一）；pnpm run test:negative 做反向验证——
把每处修复对应的缺陷重新注回仓库副本，要求对应检查变红，
工作树不被改动。
本地打包并安装到 DSH 验收：
pnpm pack --pack-destination .
dsh plugin --profile web add ./q253595422-dsh-imagegen-video-<版本>.tgz
仓库里的离线套件不需要网络与付费上游调用；需要浏览器或 ffmpeg 的检查在缺
少工具时会明确跳过并返回成功，而不是伪装成失败。并行跑构建与测试请用
./scripts/with-lock.sh，它会把整棵工作树串行化。
许可证
Apache-2.0
上游与本仓库的署名见 NOTICE。内置模板所引用的第三方项目与许可见 THIRD_PARTY_NOTICES.md。
