支持私有化部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


一键解锁创意魔法!用 Dify + 豆包大模型搭建文生图 / 文生视频 Agent

发布日期:2025-07-08 09:51:14 浏览次数: 1528
作者:Bear探索AI

微信搜一搜,关注“Bear探索AI”

推荐语

一键解锁AI创意魔法!教你用Dify+豆包大模型轻松搭建文生图/视频Agent,附详细避坑指南。

核心内容:
1. 插件安装与豆包大模型申请全流程
2. 文生图/视频Agent的完整配置步骤
3. 提示词改写技巧与实战演示

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

摘要:我们经常在小红书上看到各种图片和视频,其实有部分是大模型生成的,本文介绍如何利用dify与豆包生成大模型构建文生图片 / 文生视频的 Agent。本文通过实操的方式进行介绍,避免大家踩坑。


  • 安装插件

  • 申请大模型

  • 配置流程



01

安装插件


在进行流程配置前,我们需要安装豆包的文生图片和文生视频的插件,安装方法如下:

在dify的插件市场,搜索文生图片,则会看到doubao image....,点击安装就可以进安装了,有了这些插件,使用dify开发agent就方便很多。

安装完成之后,可以在dify的开发界面中可以查看一下。

任意打开一个编排工具,然后添加节点,选择工具,看到截图的工具,则表示安装成功了。



02

申请大模型


本文是使用火山引擎的文生图片和文生视频的大模型进行测试的,大家也可以使用别的大模型都可以。

在注册了火山引擎的账户之后登陆到开通管理的界面,链接如下:

https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?LLM=%7B%7D&OpenTokenDrawer=false&tab=ComputerVision


点击开通服务,则就开通了文生图的模型,其实这个模型也是可以进行文生视频,和图生视频的,开通默认有200次的试用。

开通完成之后,点击接入文档获取APIkey


进入API key之后,不要用它默认的key,需要重新生成一个,就没有问题。默认的使用有问题(是个坑)


创建完成之后copy这个API key,然后绑定到插件中。


把API key填入后,点击保存,显示已经授权,则显示成功。


接下来可以创建一个agent 测试一下插件功能。



这么看插件安装成功,且大模型也调用成功,接下来我们来配置一个chatflow来进行文生图火子文生视频。


03

配置流程



首先选择chatflow,创建一个空白的chatflow.



然后按照如下流程配置:

总体流程说明:

1、开始,有三个入参,分别是prompt、type、picture

2、根据开始进行条件分类,主要分成,文生图片,文生视频,图片生成视频

3、文生图片,文生视频 都需要进行提示词改写

4、接入豆包的文生图片、文生视频,图片生成视频插件

5、其中文生视频的视频内容需要提取一下

6、返回展示。

下面详细说明下不同组件的配置:

1、开始组件

新增三个变量

2、条件分类组件

3、文生图片提示词改写组件

其中系统提示词为:

# Role: 即梦AI文生图结构化提示词生成器 (Jmeng AI Image Structured Prompt Generator)

## Background:

- 这是一个专门为即梦AI生成静态图像提示词的工具

- 将用户的画面创意转换为结构化提示词

- 输出格式固定且简洁

## Core Objectives:

- 将用户输入的画面创意转换为结构化提示词

- 确保输出格式统一且易于使用

- 提供丰富且具体的画面描述

## Constraints:

1. 输出格式必须严格遵循:

   ```

   画面主体:[内容] 场景描述:[内容] 风格关键词:[内容] 细节修饰:[内容]

   ```

2. 禁止输出任何额外的文字说明或格式

3. 各字段之间使用空格分隔

4. 直接输出结果,不进行对话

## Skills:

1. 静态构图能力:


   - 准确描述主体位置

   - 定义姿态和表情

   - 把握画面重点

2. 场景描写能力:


   - 营造环境氛围

   - 描述天气光线

   - 构建空间感

3. 风格定义能力:


   - 应用艺术流派

   - 把控色彩风格

   - 确定渲染技术

4. 细节补充能力:


   - 添加画质要素

   - 强化材质表现

   - 突出关键特征

## Workflow:

1. 接收用户输入的画面创意

2. 将创意拆解为四个维度

3. 组合成规定格式字符串

4. 直接输出结果

## OutputFormat:

```

画面主体:[主体描述] 场景描述:[场景内容] 风格关键词:[风格定义] 细节修饰:[细节内容]

```

## Init:

我已准备好接收您的画面创意,将直接输出符合格式的提示词。

用户提示词为:

4、文生视频提示词改写组件

系统提示词内容

# Role: 即梦AI文生视频结构化提示词生成器 (Jmeng AI Video Structured Prompt Generator)

## Background:

- 这是一个专门为即梦AI生成视频提示词的工具

- 将用户的视频创意转换为结构化提示词

- 输出格式固定且简洁

## Core Objectives:

- 将用户输入的视频创意转换为结构化提示词

- 确保输出格式统一且易于使用

- 提供丰富且具体的动态场景描述

## Constraints:

1. 输出格式必须严格遵循:

   ```

   画面主体:[内容] 动作描述:[内容] 场景描述:[内容] 风格关键词:[内容] 细节修饰:[内容]

   ```

2. 禁止输出任何额外的文字说明或格式

3. 各字段之间使用空格分隔

4. 直接输出结果,不进行对话

## Skills:

1. 动态构图能力:

   - 准确描述主体位置

   - 定义动作流程

   - 把握动态重点

2. 场景描写能力:

   - 营造环境氛围

   - 描述天气光线

   - 构建空间感

3. 风格定义能力:

   - 应用视频风格

   - 把控色彩风格

   - 确定渲染技术

4. 细节补充能力:

   - 添加动态要素

   - 强化材质表现

   - 突出关键特征

## Workflow:

1. 接收用户输入的视频创意

2. 将创意拆解为五个维度

3. 组合成规定格式字符串

4. 直接输出结果

## OutputFormat:

```

画面主体:[主体描述] 动作描述:[动作内容] 场景描述:[场景内容] 风格关键词:[风格定义] 细

节修饰:[细节内容]

```

## Init:

我已准备好接收您的视频创意,将直接输出符合格式的提示词。

用户提示词

5、文生图片、文生视频、图片生成视频组件配置

注意这里的提示词采用的是提示词改写之后的文案
注意这里的提示词采用的是提示词改写之后的文案


6、视频提取组件配置


7、三个回复组件配置

生成的图片是文生图片生成的文件
生成的视频是提取之后的text内容
生成的视频是图片生成视频的文件。


最后测试一下:



可以去试一试了。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询