教 Claude Code 当导演：基于 Gemini 交互 API 的有状态视频编辑技能
来源：dev.to — 2026-07-23
📋 概述
omni-skill-claude 将 Google 的 Omni Flash 视频生成模型包装成 FastMCP 服务器并打包为 Claude Code 技能。用户在终端中输入「生成一只狐狸跑过雪地的视频」，Claude Code 就能直接生成。随后说「改成夜景并加上雪花」，模型便在同一视频上迭代编辑，无需重新描述整个场景。Omni Flash 的核心优势在于有状态的交互 API——模型在服务端保持视觉上下文，支持文本→视频、单图动画、双关键帧插值和视频风格转换五种生成模式。
🔑 核心要点
- Omni Flash 支持有状态迭代——模型在服务端保持视觉上下文，后续编辑不需要重新描述整个场景
- 单次请求可以接受混合多模态输入：文本、base64 图片和通过 Gemini File API 上传的视频文件
- 一个机制覆盖五种视频生成方式：文本→视频、单图动画、双关键帧插值、视频风格转换和纯文本提示
- 整个工作流在终端中完成——无需离开命令行即可生成、迭代和上传视频到 YouTube
💡 金句
大多数视频生成工作流是无状态的。你发送提示，得到帧，模型立刻忘记一切。想要调整结果？你重新描述整个场景，祈祷角色、光线和镜头能存活下来。（旁白：它们不能。）
👍 0
👎 0
← 返回 Dev.to 首页