我可以在 Hermes Agent 中使用 Veo 3 嗎？

可以。Hermes Agent 透過 custom:runapi provider 呼叫 RunAPI 的 Veo 3 text_to_video 端點。將 model 設為 veo-3.1，使用與聊天相同的 RUNAPI_API_KEY 發送請求。不需要 Google Cloud 帳號或獨立的影片 API 憑證。

custom:runapi provider 如何處理非同步影片任務？

RunAPI 在初始 POST 時立即回傳 task_id。你的 Hermes Agent 工作流輪詢任務狀態端點，直到 status 為 completed，然後讀取輸出影片 URL。你也可以設定 callback_url 接收 webhook 通知，而非輪詢。

veo-3.1 和 veo-3.1-fast 有什麼差別？

兩者都能生成最高 1080p 的帶有原生音訊影片。veo-3.1 使用完整品質流程，費用較高。veo-3.1-fast 以些許視覺品質換取更低成本和更快速度 — 適合草稿和迭代。

我可以在 Veo 3 中控制攝影機運動和音訊嗎？

可以。在 prompt 中描述攝影機運動（推軌、跟拍、空拍搖鏡），Veo 3 會以物理感知模擬來詮釋。音訊方面，用引號標示對白並描述環境音效 — 模型會原生生成同步音訊，不需要獨立的 TTS 或音效庫。

生成完成後，可以延伸或升級 Veo 3 影片嗎？

可以。RunAPI 為 Veo 3 提供 extend_video 和 upscale_video 端點。傳入原始生成的 source_task_id 即可延伸影片，或升級至 1080p 或 4K 解析度。兩者都是非同步的，分別計費。

HERMES + VEO 3

在 Hermes Agent 中使用 Veo 3。

Veo 3 是 Google DeepMind 的影片生成模型，可產出最長 8 秒的 1080p 影片並帶有原生音訊 — 同步對白、環境音效和音樂隨影片一起生成。Hermes Agent 透過 RunAPI custom provider 端點呼叫，沿用與聊天相同的 API key。

取得 API Key 閱讀文件

一個 API key · 文生影片端點 · 原生音訊輸出

Generate a cinematic video clip with native audio using Google Veo 3 through RunAPI.

Requirements:
- Read the API key from RUNAPI_API_KEY. Do not hardcode the key.
- Use the custom:runapi provider with base_url https://runapi.ai/v1.
- Send a POST request to https://runapi.ai/api/v1/veo_3_1/text_to_video
- Set model to "veo-3.1".
- Write a descriptive prompt including scene, camera movement, and audio cues.
- Set duration_seconds to 4, 6, or 8.
- Set aspect_ratio to "16:9", "9:16", or "auto".
- The task is async. Poll the returned task_id until status is "completed".
- When done, read the video URL from the response output.

curl -X POST https://runapi.ai/api/v1/veo_3_1/text_to_video \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1",
    "prompt": "A woman walks through a bustling Tokyo street at night, neon signs reflecting on wet pavement. She speaks into her phone: I just arrived. Ambient city noise, distant car horns, light rain.",
    "duration_seconds": 8,
    "aspect_ratio": "16:9"
  }'

{
  "task_id": "tsk_abc123",
  "status": "pending",
  "model": "veo-3.1"
}

複製 curl 指令進行測試 veo-3

運作原理

三步驟在 Hermes Agent 中使用 Veo 3

設定 RunAPI

在 Hermes Agent 運行的環境中設定 RUNAPI_API_KEY。如果你已將 RunAPI 新增為 custom:runapi provider 用於聊天，同一把 key 和 base_url 即可處理影片生成 — 不需要獨立的 Google Cloud 憑證。

export RUNAPI_API_KEY=runapi_xxx

呼叫 Veo 3 text_to_video

發送 POST 請求至 text_to_video 端點，將 model 設為 veo-3.1。在 prompt 中加入場景描述和音訊提示（對白、環境音效）。將 duration_seconds 設為 4、6 或 8，aspect_ratio 設為 16:9 或 9:16。Hermes Agent 透過 custom:runapi provider 路由請求。

POST /api/v1/veo_3_1/text_to_video

輪詢取得結果

端點會立即回傳 task_id。輪詢任務狀態端點，直到 status 變為 completed，然後取得輸出影片 URL。影片包含根據你的 prompt 生成的同步音訊。

GET /api/v1/veo_3_1/text_to_video/tsk_abc123

參數

Veo 3 text_to_video 參數

參數	類型	說明
`model`	`string`	必填。veo-3.1（標準品質）或 veo-3.1-fast（較低成本、較快生成）。
`prompt`	`string`	必填。場景描述，包含視覺動作、攝影機運動和音訊提示（對白或環境音效）。
`duration_seconds`	`integer`	選填。影片長度（秒）。可接受的值：4、6、8。預設為 8。
`aspect_ratio`	`string`	選填。輸出長寬比。可接受的值：16:9、9:16、auto。
`input_mode`	`string`	選填。生成模式。text（預設）、first_and_last_frames（關鍵影格引導）或 reference（風格參考）。
`first_frame_image_url`	`string`	選填。第一幀圖片的 URL。在 input_mode 為 first_and_last_frames 時使用。
`last_frame_image_url`	`string`	選填。最後一幀圖片的 URL。在 input_mode 為 first_and_last_frames 時使用。
`reference_image_urls`	`array`	選填。風格參考圖片的 URL。在 input_mode 為 reference 時使用。
`callback_url`	`string`	選填。任務完成時接收 POST 通知的 Webhook URL。

Hermes Agent 上的 Veo 3 是什麼？

Google DeepMind 的 Veo 3 能創作充滿生命感的影片——在單次生成中同時輸出電影級畫面和同步對白、環境音效及音樂。通過 Hermes Agent 的 custom:runapi provider，可獲得最長 8 秒的 1080p 帶原生音頻影片，無需單獨的 TTS 或音頻剪輯步驟。