मुख्य सामग्री पर जाएं
OpenClaw एजेंट टेक्स्ट प्रॉम्प्ट, संदर्भ इमेज, या मौजूदा वीडियो से वीडियो बना सकते हैं। सोलह provider बैकएंड समर्थित हैं, जिनमें अलग-अलग मॉडल विकल्प, इनपुट मोड, और फीचर सेट हैं। एजेंट आपके कॉन्फ़िगरेशन और उपलब्ध API कुंजियों के आधार पर सही provider अपने-आप चुनता है।
video_generate टूल केवल तब दिखाई देता है जब कम-से-कम एक वीडियो-जनरेशन provider उपलब्ध हो। यदि यह आपके एजेंट टूल्स में नहीं दिखता, तो कोई provider API कुंजी सेट करें या agents.defaults.videoGenerationModel कॉन्फ़िगर करें।
OpenClaw वीडियो जनरेशन को तीन runtime मोड के रूप में मानता है:
  • generate - बिना संदर्भ मीडिया वाले टेक्स्ट-से-वीडियो अनुरोध।
  • imageToVideo - अनुरोध में एक या अधिक संदर्भ इमेज शामिल होती हैं।
  • videoToVideo - अनुरोध में एक या अधिक संदर्भ वीडियो शामिल होते हैं।
Providers उन मोड के किसी भी उपसमुच्चय का समर्थन कर सकते हैं। टूल सबमिशन से पहले सक्रिय मोड को सत्यापित करता है और action=list में समर्थित मोड रिपोर्ट करता है।

​
त्वरित शुरुआत

1

प्रमाणीकरण कॉन्फ़िगर करें

किसी भी समर्थित provider के लिए API कुंजी सेट करें:
export GEMINI_API_KEY="your-key"
2

डिफ़ॉल्ट मॉडल चुनें (वैकल्पिक)

openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1-fast-generate-preview"
3

एजेंट से पूछें

सूर्यास्त के समय सर्फिंग करते हुए एक दोस्ताना लॉब्स्टर का 5-सेकंड का सिनेमैटिक वीडियो बनाएं।
एजेंट video_generate को अपने-आप कॉल करता है। किसी टूल allowlisting की आवश्यकता नहीं है।

​
async जनरेशन कैसे काम करता है

वीडियो जनरेशन asynchronous होता है। जब एजेंट किसी सेशन में video_generate कॉल करता है:
  1. OpenClaw अनुरोध provider को सबमिट करता है और तुरंत एक task id लौटाता है।
  2. Provider पृष्ठभूमि में job को प्रोसेस करता है (आमतौर पर provider और resolution के आधार पर 30 सेकंड से कई मिनट; धीमे queue-backed providers कॉन्फ़िगर किए गए timeout तक चल सकते हैं)।
  3. जब वीडियो तैयार हो जाता है, OpenClaw उसी सेशन को एक आंतरिक completion event के साथ जगाता है।
  4. एजेंट सेशन के सामान्य visible-reply मोड के जरिए उपयोगकर्ता को बताता है: automatic होने पर final reply delivery, या जब सेशन को message tool चाहिए हो तब message(action="send")। यदि requester सेशन निष्क्रिय है या उसका active wake विफल हो जाता है, और कुछ generated video अभी भी completion reply से गायब है, तो OpenClaw केवल गायब वीडियो के साथ एक idempotent direct fallback भेजता है।
जब कोई job चल रहा हो, उसी सेशन में duplicate video_generate कॉल दूसरी generation शुरू करने के बजाय मौजूदा task status लौटाते हैं। CLI से progress जांचने के लिए openclaw tasks list या openclaw tasks show <taskId> का उपयोग करें। Session-backed agent runs के बाहर (उदाहरण के लिए, direct tool invocations), टूल inline generation पर fallback करता है और उसी turn में अंतिम media path लौटाता है। जब provider bytes लौटाता है, तो generated video files OpenClaw-managed media storage के अंतर्गत सहेजी जाती हैं। डिफ़ॉल्ट generated-video save cap video media limit का अनुसरण करती है, और agents.defaults.mediaMaxMb बड़े renders के लिए इसे बढ़ाता है। जब कोई provider hosted output URL भी लौटाता है, तो OpenClaw local persistence द्वारा oversized file अस्वीकार किए जाने पर task को विफल करने के बजाय वह URL deliver कर सकता है।

​
Task lifecycle

Stateअर्थ
queuedTask बनाया गया है, provider द्वारा स्वीकार किए जाने की प्रतीक्षा में।
runningProvider प्रोसेस कर रहा है (आमतौर पर provider और resolution के आधार पर 30 सेकंड से कई मिनट)।
succeededवीडियो तैयार है; एजेंट जागता है और इसे conversation में पोस्ट करता है।
failedProvider error या timeout; एजेंट error details के साथ जागता है।
CLI से status जांचें: 
openclaw tasks list
openclaw tasks show <taskId>
openclaw tasks cancel <taskId>
यदि current session के लिए कोई video task पहले से queued या running है, तो video_generate नया task शुरू करने के बजाय मौजूदा task status लौटाता है। नई generation trigger किए बिना स्पष्ट रूप से जांचने के लिए action: "status" का उपयोग करें।

​
समर्थित providers

Providerडिफ़ॉल्ट मॉडलटेक्स्टइमेज refवीडियो refप्रमाणीकरण
Alibabawan2.6-t2v✓हां (remote URL)हां (remote URL)MODELSTUDIO_API_KEY
BytePlus (1.0)seedance-1-0-pro-250528✓2 इमेज तक (केवल I2V models; पहला + अंतिम frame)-BYTEPLUS_API_KEY
BytePlus Seedance 1.5seedance-1-5-pro-251215✓2 इमेज तक (role के जरिए पहला + अंतिम frame)-BYTEPLUS_API_KEY
BytePlus Seedance 2.0dreamina-seedance-2-0-260128✓9 reference images तक3 videos तकBYTEPLUS_API_KEY
ComfyUIworkflow✓1 इमेज-COMFY_API_KEY या COMFY_CLOUD_API_KEY
DeepInfraPixverse/Pixverse-T2V✓--DEEPINFRA_API_KEY
falfal-ai/minimax/video-01-live✓1 इमेज; Seedance reference-to-video के साथ 9 तकSeedance reference-to-video के साथ 3 videos तकFAL_KEY
Googleveo-3.1-fast-generate-preview✓1 इमेज1 वीडियोGEMINI_API_KEY
MiniMaxMiniMax-Hailuo-2.3✓1 इमेज-MINIMAX_API_KEY या MiniMax OAuth
OpenAIsora-2✓1 इमेज1 वीडियोOPENAI_API_KEY
OpenRoutergoogle/veo-3.1-fast✓4 इमेज तक (पहला/अंतिम frame या references)-OPENROUTER_API_KEY
Qwenwan2.6-t2v✓हां (remote URL)हां (remote URL)QWEN_API_KEY
Runwaygen4.5✓1 इमेज1 वीडियोRUNWAYML_API_SECRET
TogetherWan-AI/Wan2.2-T2V-A14B✓केवल Wan-AI/Wan2.2-I2V-A14B-TOGETHER_API_KEY
Vydraveo3✓1 इमेज (kling)-VYDRA_API_KEY
xAIgrok-imagine-video✓1 first-frame image या 7 reference_images तक1 वीडियोXAI_API_KEY
कुछ providers अतिरिक्त या वैकल्पिक API key env vars स्वीकार करते हैं। विवरण के लिए व्यक्तिगत provider pages देखें। Runtime पर उपलब्ध providers, models, और runtime modes देखने के लिए video_generate action=list चलाएं।

​
Capability matrix

video_generate, contract tests, और shared live sweep द्वारा उपयोग किया गया स्पष्ट mode contract:
ProvidergenerateimageToVideovideoToVideoआज के shared live lanes
Alibaba✓✓✓generate, imageToVideo; videoToVideo छोड़ा गया क्योंकि इस provider को remote http(s) video URLs चाहिए
BytePlus✓✓-generate, imageToVideo
ComfyUI✓✓-Shared sweep में नहीं; workflow-specific coverage Comfy tests के साथ रहती है
DeepInfra✓--generate; native DeepInfra video schemas plugin contract में text-to-video हैं
fal✓✓✓generate, imageToVideo; videoToVideo केवल Seedance reference-to-video उपयोग करते समय
Google✓✓✓generate, imageToVideo; shared videoToVideo छोड़ा गया क्योंकि मौजूदा buffer-backed Gemini/Veo sweep उस input को स्वीकार नहीं करता
MiniMax✓✓-generate, imageToVideo
OpenAI✓✓✓generate, imageToVideo; shared videoToVideo छोड़ा गया क्योंकि इस org/input path को अभी provider-side video edit access चाहिए
OpenRouter✓✓-generate, imageToVideo
Qwen✓✓✓generate, imageToVideo; videoToVideo छोड़ा गया क्योंकि इस provider को remote http(s) video URLs चाहिए
Runway✓✓✓generate, imageToVideo; videoToVideo केवल तब चलता है जब चुना गया model runway/gen4_aleph हो
Together✓✓-generate, imageToVideo
Vydra✓✓-generate; shared imageToVideo छोड़ा गया क्योंकि bundled veo3 text-only है और bundled kling को remote image URL चाहिए
xAI✓✓✓generate, imageToVideo; videoToVideo छोड़ा गया क्योंकि इस provider को अभी remote MP4 URL चाहिए

​
Tool parameters

​
आवश्यक

​
prompt
string
आवश्यक
जनरेट किए जाने वाले वीडियो का टेक्स्ट विवरण। action: "generate" के लिए आवश्यक।

​
सामग्री इनपुट

​
image
string
एकल संदर्भ इमेज (पाथ या URL)।
​
images
string[]
कई संदर्भ इमेज (अधिकतम 9)।
​
imageRoles
string[]
संयुक्त इमेज सूची के समानांतर वैकल्पिक प्रति-स्थिति भूमिका संकेत। Canonical मान: first_frame, last_frame, reference_image।
​
video
string
एकल संदर्भ वीडियो (पाथ या URL)।
​
videos
string[]
कई संदर्भ वीडियो (अधिकतम 4)।
​
videoRoles
string[]
संयुक्त वीडियो सूची के समानांतर वैकल्पिक प्रति-स्थिति भूमिका संकेत। Canonical मान: reference_video।
​
audioRef
string
एकल संदर्भ ऑडियो (पाथ या URL)। जब प्रदाता ऑडियो इनपुट का समर्थन करता है, तब बैकग्राउंड संगीत या वॉइस संदर्भ के लिए उपयोग किया जाता है।
​
audioRefs
string[]
कई संदर्भ ऑडियो (अधिकतम 3)।
​
audioRoles
string[]
संयुक्त ऑडियो सूची के समानांतर वैकल्पिक प्रति-स्थिति भूमिका संकेत। Canonical मान: reference_audio।
भूमिका संकेत प्रदाता को यथावत भेजे जाते हैं। Canonical मान VideoGenerationAssetRole यूनियन से आते हैं, लेकिन प्रदाता अतिरिक्त भूमिका स्ट्रिंग स्वीकार कर सकते हैं। *Roles ऐरे में संबंधित संदर्भ सूची से अधिक प्रविष्टियां नहीं होनी चाहिए; ऑफ-बाय-वन गलतियां स्पष्ट त्रुटि के साथ विफल होती हैं। किसी स्लॉट को अनसेट छोड़ने के लिए खाली स्ट्रिंग का उपयोग करें। xAI के लिए, इसके reference_images जनरेशन मोड का उपयोग करने के लिए हर इमेज भूमिका को reference_image पर सेट करें; एकल-इमेज इमेज-से-वीडियो के लिए भूमिका छोड़ दें या first_frame का उपयोग करें।

​
शैली नियंत्रण

​
aspectRatio
string
आस्पेक्ट-रेशियो संकेत जैसे 1:1, 16:9, 9:16, adaptive, या प्रदाता-विशिष्ट मान। OpenClaw प्रति प्रदाता असमर्थित मानों को सामान्यीकृत करता है या अनदेखा करता है।
​
resolution
string
रिज़ॉल्यूशन संकेत जैसे 480P, 720P, 768P, 1080P, 4K, या प्रदाता-विशिष्ट मान। OpenClaw प्रति प्रदाता असमर्थित मानों को सामान्यीकृत करता है या अनदेखा करता है।
​
durationSeconds
number
सेकंड में लक्षित अवधि (निकटतम प्रदाता-समर्थित मान तक राउंड की गई)।
​
size
string
जब प्रदाता इसका समर्थन करता है तब आकार संकेत।
​
audio
boolean
समर्थित होने पर आउटपुट में जनरेट किया गया ऑडियो सक्षम करें। audioRef* (इनपुट) से अलग।
​
watermark
boolean
समर्थित होने पर प्रदाता वॉटरमार्किंग टॉगल करें।
adaptive एक प्रदाता-विशिष्ट सेंटिनल है: इसे उन प्रदाताओं को यथावत भेजा जाता है जो अपनी क्षमताओं में adaptive घोषित करते हैं (जैसे BytePlus Seedance इसे इनपुट इमेज आयामों से अनुपात अपने-आप पहचानने के लिए उपयोग करता है)। जो प्रदाता इसे घोषित नहीं करते, वे टूल परिणाम में details.ignoredOverrides के माध्यम से मान दिखाते हैं ताकि ड्रॉप दिखाई दे।

​
उन्नत

​
action
"generate" | "status" | "list"
डिफ़ॉल्ट:"generate"
"status" वर्तमान सेशन टास्क लौटाता है; "list" प्रदाताओं का निरीक्षण करता है।
​
model
string
प्रदाता/मॉडल ओवरराइड (जैसे runway/gen4.5)।
​
filename
string
आउटपुट फाइलनाम संकेत।
​
timeoutMs
number
मिलीसेकंड में वैकल्पिक प्रदाता ऑपरेशन टाइमआउट। छोड़े जाने पर, OpenClaw कॉन्फ़िगर होने पर agents.defaults.videoGenerationModel.timeoutMs का उपयोग करता है, अन्यथा मौजूद होने पर Plugin-लेखित प्रदाता डिफ़ॉल्ट का उपयोग करता है।
​
providerOptions
object
JSON ऑब्जेक्ट के रूप में प्रदाता-विशिष्ट विकल्प (जैसे {"seed": 42, "draft": true})। typed स्कीमा घोषित करने वाले प्रदाता कुंजियों और प्रकारों को मान्य करते हैं; अज्ञात कुंजियां या असंगतियां fallback के दौरान उम्मीदवार को छोड़ देती हैं। घोषित स्कीमा के बिना प्रदाता विकल्पों को यथावत प्राप्त करते हैं। हर प्रदाता क्या स्वीकार करता है देखने के लिए video_generate action=list चलाएं।
सभी प्रदाता सभी पैरामीटर का समर्थन नहीं करते। OpenClaw अवधि को निकटतम प्रदाता-समर्थित मान तक सामान्यीकृत करता है, और जब fallback प्रदाता अलग कंट्रोल सरफेस दिखाता है, तब आकार-से-आस्पेक्ट-रेशियो जैसे अनुवादित ज्यामिति संकेतों को रीमैप करता है। वास्तव में असमर्थित ओवरराइड सर्वोत्तम-प्रयास आधार पर अनदेखे किए जाते हैं और टूल परिणाम में चेतावनियों के रूप में रिपोर्ट किए जाते हैं। कठोर क्षमता सीमाएं (जैसे बहुत अधिक संदर्भ इनपुट) सबमिशन से पहले विफल होती हैं। टूल परिणाम लागू सेटिंग्स रिपोर्ट करते हैं; details.normalization किसी भी अनुरोधित-से-लागू अनुवाद को कैप्चर करता है।
संदर्भ इनपुट रनटाइम मोड चुनते हैं:
  • कोई संदर्भ मीडिया नहीं → generate
  • कोई भी इमेज संदर्भ → imageToVideo
  • कोई भी वीडियो संदर्भ → videoToVideo
  • संदर्भ ऑडियो इनपुट हल किए गए मोड को नहीं बदलते; वे इमेज/वीडियो संदर्भों द्वारा चुने गए किसी भी मोड के ऊपर लागू होते हैं, और केवल maxInputAudios घोषित करने वाले प्रदाताओं के साथ काम करते हैं।
मिश्रित इमेज और वीडियो संदर्भ स्थिर साझा क्षमता सरफेस नहीं हैं। प्रति अनुरोध एक संदर्भ प्रकार को प्राथमिकता दें।

​
Fallback और typed विकल्प

कुछ क्षमता जांचें टूल सीमा के बजाय fallback लेयर पर लागू की जाती हैं, इसलिए प्राथमिक प्रदाता की सीमाओं से अधिक अनुरोध अभी भी सक्षम fallback पर चल सकता है:
  • कोई maxInputAudios (या 0) घोषित न करने वाला सक्रिय उम्मीदवार तब छोड़ा जाता है जब अनुरोध में ऑडियो संदर्भ हों; अगला उम्मीदवार आज़माया जाता है।
  • सक्रिय उम्मीदवार का maxDurationSeconds अनुरोधित durationSeconds से कम है और कोई घोषित supportedDurationSeconds सूची नहीं है → छोड़ा गया।
  • अनुरोध में providerOptions हैं और सक्रिय उम्मीदवार स्पष्ट रूप से typed providerOptions स्कीमा घोषित करता है → यदि दी गई कुंजियां स्कीमा में नहीं हैं या मान प्रकार मेल नहीं खाते तो छोड़ा गया। घोषित स्कीमा के बिना प्रदाता विकल्पों को यथावत प्राप्त करते हैं (बैकवर्ड-कम्पैटिबल पास-थ्रू)। कोई प्रदाता खाली स्कीमा (capabilities.providerOptions: {}) घोषित करके सभी प्रदाता विकल्पों से बाहर निकल सकता है, जिससे type mismatch जैसा ही skip होता है।
किसी अनुरोध में पहला skip कारण warn पर लॉग होता है ताकि ऑपरेटर देख सकें कि उनका प्राथमिक प्रदाता छोड़ा गया था; बाद के skip debug पर लॉग होते हैं ताकि लंबी fallback चेन शांत रहें। यदि हर उम्मीदवार छोड़ा जाता है, तो संकलित त्रुटि में प्रत्येक का skip कारण शामिल होता है।

​
क्रियाएं

क्रियायह क्या करती है
generateडिफ़ॉल्ट। दिए गए prompt और वैकल्पिक संदर्भ इनपुट से वीडियो बनाएं।
statusदूसरी जनरेशन शुरू किए बिना वर्तमान सेशन के लिए चल रहे वीडियो टास्क की स्थिति जांचें।
listउपलब्ध प्रदाता, मॉडल और उनकी क्षमताएं दिखाएं।

​
मॉडल चयन

OpenClaw मॉडल को इस क्रम में हल करता है:
  1. model टूल पैरामीटर - यदि एजेंट कॉल में एक निर्दिष्ट करता है।
  2. कॉन्फ़िग से videoGenerationModel.primary।
  3. क्रम में videoGenerationModel.fallbacks।
  4. अपने-आप पहचान - वे प्रदाता जिनके पास मान्य auth है, वर्तमान डिफ़ॉल्ट प्रदाता से शुरू करके, फिर शेष प्रदाता वर्णानुक्रम में।
यदि कोई प्रदाता विफल होता है, तो अगला उम्मीदवार अपने-आप आज़माया जाता है। यदि सभी उम्मीदवार विफल होते हैं, तो त्रुटि में हर प्रयास के विवरण शामिल होते हैं। केवल स्पष्ट model, primary, और fallbacks प्रविष्टियों का उपयोग करने के लिए agents.defaults.mediaGenerationAutoProviderFallback: false सेट करें। 
{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "google/veo-3.1-fast-generate-preview",
        fallbacks: ["runway/gen4.5", "qwen/wan2.6-t2v"],
      },
    },
  },
}

​
प्रदाता नोट्स

DashScope / Model Studio async endpoint का उपयोग करता है। संदर्भ इमेज और वीडियो remote http(s) URLs होने चाहिए।
प्रदाता id: byteplus।मॉडल: seedance-1-0-pro-250528 (डिफ़ॉल्ट), seedance-1-0-pro-t2v-250528, seedance-1-0-pro-fast-251015, seedance-1-0-lite-t2v-250428, seedance-1-0-lite-i2v-250428।T2V मॉडल (*-t2v-*) इमेज इनपुट स्वीकार नहीं करते; I2V मॉडल और सामान्य *-pro-* मॉडल एकल संदर्भ इमेज (पहला फ्रेम) का समर्थन करते हैं। इमेज को positionally पास करें या role: "first_frame" सेट करें। इमेज दिए जाने पर T2V मॉडल IDs अपने-आप संबंधित I2V वैरिएंट में स्विच हो जाते हैं।समर्थित providerOptions कुंजियां: seed (number), draft (boolean - 480p बाध्य करता है), camera_fixed (boolean).
@openclaw/byteplus-modelark Plugin की आवश्यकता है। प्रदाता id: byteplus-seedance15। मॉडल: seedance-1-5-pro-251215।एकीकृत content[] API का उपयोग करता है। अधिकतम 2 इनपुट इमेज (first_frame + last_frame) का समर्थन करता है। सभी इनपुट remote https:// URLs होने चाहिए। हर इमेज पर role: "first_frame" / "last_frame" सेट करें, या इमेज को positionally पास करें।aspectRatio: "adaptive" इनपुट इमेज से अनुपात अपने-आप पहचानता है। audio: true generate_audio पर मैप होता है। providerOptions.seed (number) आगे भेजा जाता है।
@openclaw/byteplus-modelark Plugin की आवश्यकता है। प्रदाता id: byteplus-seedance2। मॉडल: dreamina-seedance-2-0-260128, dreamina-seedance-2-0-fast-260128।एकीकृत content[] API का उपयोग करता है। 9 तक संदर्भ इमेज, 3 संदर्भ वीडियो, और 3 संदर्भ ऑडियो का समर्थन करता है। सभी इनपुट remote https:// URLs होने चाहिए। हर asset पर role सेट करें - समर्थित मान: "first_frame", "last_frame", "reference_image", "reference_video", "reference_audio"।aspectRatio: "adaptive" इनपुट इमेज से अनुपात अपने-आप पहचानता है। audio: true generate_audio पर मैप होता है। providerOptions.seed (number) आगे भेजा जाता है।
Workflow-आधारित स्थानीय या cloud execution. कॉन्फ़िगर किए गए graph के माध्यम से text-to-video और image-to-video का समर्थन करता है।
लंबे समय तक चलने वाले jobs के लिए queue-backed flow का उपयोग करता है। OpenClaw चल रहे fal queue job को timed out मानने से पहले default रूप से 20 मिनट तक प्रतीक्षा करता है। अधिकांश fal video models एकल image reference स्वीकार करते हैं। Seedance 2.0 reference-to-video models अधिकतम 9 images, 3 videos, और 3 audio references स्वीकार करते हैं, जिनमें कुल reference files अधिकतम 12 हो सकती हैं।
एक image या एक video reference का समर्थन करता है। Generated-audio requests को Gemini API path पर warning के साथ अनदेखा किया जाता है क्योंकि वह API वर्तमान Veo video generation के लिए generateAudio parameter को reject करती है।
केवल एकल image reference. MiniMax 768P और 1080P resolutions स्वीकार करता है; 720P जैसे requests को submission से पहले सबसे निकटतम समर्थित value में normalize किया जाता है।
केवल size override forward किया जाता है। अन्य style overrides (aspectRatio, resolution, audio, watermark) warning के साथ अनदेखे किए जाते हैं।
OpenRouter की asynchronous /videos API का उपयोग करता है। OpenClaw job submit करता है, polling_url को poll करता है, और या तो unsigned_urls या documented job content endpoint डाउनलोड करता है। bundled google/veo-3.1-fast default 4/6/8 second durations, 720P/1080P resolutions, और 16:9/9:16 aspect ratios विज्ञापित करता है।
Alibaba जैसा ही DashScope backend. Reference inputs remote http(s) URLs होने चाहिए; local files को पहले ही reject कर दिया जाता है।
data URIs के माध्यम से local files का समर्थन करता है। Video-to-video के लिए runway/gen4_aleph आवश्यक है। Text-only runs 16:9 और 9:16 aspect ratios expose करते हैं।
केवल एकल image reference.
auth-dropping redirects से बचने के लिए सीधे https://www.vydra.ai/api/v1 का उपयोग करता है। veo3 केवल text-to-video के रूप में bundled है; kling को remote image URL चाहिए।
text-to-video, single first-frame image-to-video, xAI reference_images के माध्यम से अधिकतम 7 reference_image inputs, और remote video edit/extend flows का समर्थन करता है।

​
प्रदाता capability modes

shared video-generation contract केवल flat aggregate limits के बजाय mode-specific capabilities का समर्थन करता है। नए provider implementations को explicit mode blocks को प्राथमिकता देनी चाहिए: 
capabilities: {
  generate: {
    maxVideos: 1,
    maxDurationSeconds: 10,
    supportsResolution: true,
  },
  imageToVideo: {
    enabled: true,
    maxVideos: 1,
    maxInputImages: 1,
    maxInputImagesByModel: { "provider/reference-to-video": 9 },
    maxDurationSeconds: 5,
  },
  videoToVideo: {
    enabled: true,
    maxVideos: 1,
    maxInputVideos: 1,
    maxDurationSeconds: 5,
  },
}
maxInputImages और maxInputVideos जैसे flat aggregate fields transform-mode support विज्ञापित करने के लिए पर्याप्त नहीं हैं। Providers को generate, imageToVideo, और videoToVideo स्पष्ट रूप से declare करने चाहिए ताकि live tests, contract tests, और shared video_generate tool mode support को deterministically validate कर सकें। जब किसी provider में एक model के पास बाकी की तुलना में wider reference-input support हो, तो mode-wide limit बढ़ाने के बजाय maxInputImagesByModel, maxInputVideosByModel, या maxInputAudiosByModel का उपयोग करें।

​
Live tests

shared bundled providers के लिए opt-in live coverage: 
OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts
Repo wrapper: 
pnpm test:live:media video
यह live file default रूप से stored auth profiles से पहले already-exported provider env vars का उपयोग करती है, और default रूप से release-safe smoke चलाती है:
  • sweep में हर non-FAL provider के लिए generate.
  • एक-second lobster prompt.
  • प्रति-provider operation cap OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS से (180000 default रूप से).
FAL opt-in है क्योंकि provider-side queue latency release time पर हावी हो सकती है: 
pnpm test:live:media video --video-providers fal
shared sweep जिन declared transform modes को local media के साथ सुरक्षित रूप से exercise कर सकता है, उन्हें भी चलाने के लिए OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1 set करें:
  • capabilities.imageToVideo.enabled होने पर imageToVideo.
  • capabilities.videoToVideo.enabled होने पर videoToVideo और जब provider/model shared sweep में buffer-backed local video input स्वीकार करता हो।
आज shared videoToVideo live lane runway को केवल तब cover करता है जब आप runway/gen4_aleph select करते हैं।

​
Configuration

अपने OpenClaw config में default video-generation model set करें: 
{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "qwen/wan2.6-t2v",
        fallbacks: ["qwen/wan2.6-r2v-flash"],
      },
    },
  },
}
या CLI के माध्यम से: 
openclaw config set agents.defaults.videoGenerationModel.primary "qwen/wan2.6-t2v"

​
संबंधित