在 OpenClaw 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。OpenClaw agent 透過與聊天相同的 RunAPI key 和端點呼叫，無需安裝額外技能。
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.
- 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"
}
三步驟在 OpenClaw 中使用 Veo 3
設定 RunAPI
設定 RUNAPI_API_KEY 環境變數。如果你已將 RunAPI 設定為 OpenClaw 的聊天 provider，同一把 key 即可用於影片生成 — 無需額外設定或其他 provider 帳號。
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。
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
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。 |
OpenClaw 上的 Veo 3 是什麼？
Veo 3 是 Google DeepMind 的影片生成模型，能產出帶精準環境音頻的逼真電影級畫面。它生成最長 8 秒的 1080p 影片，帶有同步對白、音效和音樂——無需單獨的音頻處理流程。OpenClaw agent 通過 RunAPI 端點呼叫它，使用與聊天相同的 API key。
Veo 3 使用場景
街頭採訪與對話場景
生成帶人物説話對白的短影片場景。在提示詞中描述對話內容，Veo 3 將同步生成口型動作和城市環境噪音。
大氣感與風景內容
創作旅遊 vlog 場景、雨中城市街景或霧中自然鏡頭，Veo 3 的環境音頻生成無需後期音頻製作即可增添層次感。
帶旁白的產品演示影片
生成旁白介紹產品功能的展示短片。將旁白文字包含在提示詞中，Veo 3 一次性渲染視覺演示和語音音頻。
Veo 3 + OpenClaw 常見問題
可以。OpenClaw agent 直接呼叫 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。不需要額外的技能、外掛或 Google Cloud 帳號。
Veo 3 直接從文字 prompt 生成同步音訊。在 prompt 中用引號標示對白，並描述環境音效或音樂 — 模型會生成對應的音訊，不需要獨立的音訊處理流程。
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。
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。
Veo 3 可生成 4、6 或 8 秒的影片，基礎解析度最高 1080p。你可以使用 upscale_video 端點將完成的影片升級至 4K。長寬比選項為 16:9、9:16 和 auto。
立即在 OpenClaw 中試用 Veo 3。
取得免費 RunAPI key，將 prompt 貼入 OpenClaw，即可使用 Google Veo 3 生成帶有原生音訊的電影級影片。