多模态生成技能：一张图变动效与3D

多模态生成技能把「图片转动效」和「文字/图片转 3D 模型」两条能力打包，用模板化的方式产出视频与可下载的 3D 文件。

生成类需求五花八门：文生图、文生视频各有专门工具，但有些需求夹在中间——比如给一张现成照片套「亲吻」「机甲变身」「毛绒风」这类模板动效，或者把一句话、一张参考图变成能下载的 3D 模型。WorkBuddy 的多模态生成技能专管这两块：image-to-video 的模板特效（video-fx）与文生/图生 3D（3d）。它明确做了路由——普通的文生图交给 ImageGen、通用文生视频交给 VideoGen、去水印美颜抠图交给图像处理器，各司其职不串味。

信息卡

• 技能名称：多模态生成（buddy-multimodal-generation）
• 适用平台：WorkBuddy 客户端（云端生成服务，需 connect_cloud_service 取临时令牌）
• 安装方式：WorkBuddy 内置技能，随客户端分发
• 仓库或市场地址：WorkBuddy 内置技能目录（本地 SKILL.md）
• 包含能力：模板化图生视频特效（video-fx）、文生/图生/多视图转 3D（3d），含 PBR 材质与格式导出

核心能力

模板化图生视频特效。 提供成体系的模板库：人物互动（亲吻、比心、拥抱、贴脸）、装扮变身（机甲、美人鱼、赛博、3D 手办）、风格转换（动漫、卡通、毛绒）、运镜与动态（Live Photo、推近拉远、连续故事）、物理趣味（消散、充气、飘走、捏脸）、宠物特效、节日场景等。每个模板对输入有明确要求（单人照/双人照/物体图），按模板套用即可，不必自己硬写运镜提示词。

文生 / 图生 / 多视图转 3D。 支持从一句描述生成 3D 模型，也可传一张参考图，或补充左/右/后/顶/底等多视图来提升结构准确度。可开启 PBR 材质获得更真实的受光效果，选择标准模型、低多边形、仅几何体或草图转 3D，面数可在 1 万到 150 万之间控制。默认输出 OBJ 与 GLB，另可加 STL、USDZ、FBX。

清晰的技能路由。 技能开头就写明：去文字水印、增强、美颜、修复、抠图转给图像处理器；模板化图生视频用它；3D 建模用它；文生图和生成式图生图转给 ImageGen；通用文生/图生视频转给 VideoGen。这种明确分工让用户不至于在多个生成技能间迷路。

令牌安全与断点续查。 每个任务先调用 connect_cloud_service 取当前任务的 clientTempToken，只把它透传给脚本，字段缺失即停。生成命令默认每 5 秒轮询、最长 600 秒；若超时只拿到 job_id，用 status 子命令查同一个任务，不重复提交生成，避免重复扣费。

使用上手

1. 确认需求属于模板图生视频或 3D 生成；否则按路由改用对应技能。
2. 调用 connect_cloud_service 取本次的 clientTempToken。
3. 图生视频：选好模板（不确定时查官方完整模板列表，绝不猜 template 值），运行 video-fx 命令并传入图片 URL 与令牌。
4. 3D：运行 3d 命令，写清描述或传参考图/多视图，按需加 --enable-pbr、--generate-type、--result-format 等参数。
5. 命令返回后本地下载视频或 3D 产物；若只拿到 job_id，用 status 查询同一任务，最后用预览能力展示本地文件。

优点与不足

优势是模板化门槛低、3D 参数丰富且可导出多种格式、路由清晰、令牌与断点查询机制完善。局限：图生视频强依赖固定模板，不在模板库里的创意无能为力；3D 生成通常要 1–5 分钟，模型 3.1 不支持 LowPoly；需要联网调用云服务并消耗相应额度，具体计费以平台为准。

适合谁

适合想给照片快速套有趣动效的社媒创作者、需要把商品图/角色图转成 3D 素材的电商与设计师、以及要做低多边形游戏模型或可打印 3D 文件的创作者。

下载与访问

WorkBuddy 客户端内置技能，随客户端分发；模板完整列表见腾讯云文档（技能内给出官方链接）。

获取与授权

本文属于「技能」分类的 AI 资源专栏，更多评测见分类页。