API-Key 配置指南

一、大语言模型 (LLM)

以 DeepSeek 为例

官方文档：https://api-docs.deepseek.com/zh-cn/

提示: 对于中国以外用户建议使用 Gemini、Claude、ChatGPT 等主流大语言模型以获得最佳体验。

配置步骤

1. 申请 API Key

   • 访问平台：https://platform.deepseek.com/usage
   • 登录后申请 API Key
   • ⚠️ 重要：妥善保存获取的 API Key

2. 配置参数

   • 模型名称：deepseek-chat
   • Base URL：https://api.deepseek.com/v1
   • API Key：填写上一步获取的 Key

3. API填写

   • Web使用:
     • 在LLM模型下拉框中选择使用自定义模型，模型按照配置参数进行填写
     • 或是在config.toml中 找到[llm]并配置model、base_url、api_key。Web页面下拉框会出现你填写的模型。
   • CLI：
     • 如果你偏好 CLI 入口，需要在config.toml中找到[llm]并配置model、base_url、api_key。

二、多模态大模型 (VLM)

2.1 使用GLM-4.6V

API Key 管理：https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys

配置参数

• 模型名称：glm-4.6v
• Base URL：https://open.bigmodel.cn/api/paas/v4/

2.2 使用Qwen3-VL

API Key管理：进入阿里云百炼平台申请API Key https://bailian.console.aliyun.com/cn-beijing/?apiKey=1&tab=globalset#/efm/api_key

• 模型名称：qwen3-vl-8b-instruct

• Base URL：https://dashscope.aliyuncs.com/compatible-mode/v1

• 参数填写：

  • Web使用:
    • 在VLM模型下拉框中选择使用自定义模型，模型按照配置参数进行填写。
    • 或是在config.toml中 找到[vlm]并配置model、base_url、api_key。Web页面下拉框会出现你填写的模型。
  • CLI：
    • 如果你偏好 CLI 入口，需要在config.toml中找到[vlm]并配置model、base_url、api_key。

2.3 使用Qwen3-Omni

Qwen3-Omni同样可以在阿里云百炼平台进行申请，具体参数如下，可用于omni_bgm_label.py的音频自动标注

• 模型名称：qwen3-omni-flash-2025-12-01
• Base URL：https://dashscope.aliyuncs.com/compatible-mode/v1

详细文档参考：https://bailian.console.aliyun.com/cn-beijing/?tab=doc#/doc

阿里云模型列表：https://help.aliyun.com/zh/model-studio/models

计费看板：https://billing-cost.console.aliyun.com/home

三、Pexels 图像和视频下载API密钥配置

1. 打开Pexels网站，注册账号，申请API https://www.pexels.com/zh-cn/api/key/

2. 网页使用：找到Pexels配置，选择使用自定义key，将API key填入表单中。

3. 本地部署的项目：我们将API填写在config.toml中的pexels_api_key字段中。作为项目的默认配置

四、TTS (文本转语音) 配置

方案一：MiniMax（推荐使用）

• 服务地址：https://platform.minimaxi.com/docs/api-reference/speech-t2a-http
• API Key Base url：https://api.minimax.chat/v1/t2a_v2

配置步骤：

1. 创建 API Key
2. 访问：https://platform.minimax.io/user-center/basic-information/interface-key
3. 获取并保存 API Key

方案二：bytedance（推荐使用）

1. 步骤1：开通音视频字幕生成服务 使用旧版页面，找到音视频字幕生成服务：

   • 访问：https://console.volcengine.com/speech/service/9?AppID=8782592131

2. 步骤2：获取认证信息 查看账号基本信息页面：

   • 访问：https://console.volcengine.com/user/basics/

需要获取以下信息：

• UID: 主账号信息中的 ID
• APP ID: 服务接口认证信息中的 APP ID
• Access Token: 服务接口认证信息中的 Access Token

本地部署使用修改config.toml中

[generate_voiceover.providers.bytedance]
uid = ""
appid = ""
access_token = ""

或直接在前端网页侧边栏填写。

方案三：302.ai （备选方案）

• 服务地址：https://302.ai/product/detail/302ai-mmaudio-text-to-speech
• API Key Base url：https://api.302.ai

详细文档请参考：https://www.volcengine.com/docs/6561/80909?lang=zh

五： AI 转场配置

使用前说明：AI 转场会额外触发模型调用，转场是在相邻片段之间逐段生成，片段越多、切分越细，调用次数通常越高，因此资源消耗通常显著高于常规文案或配音流程。

效果说明：当前转场描述由视觉模型基于片段首尾帧自动生成，片段衔接顺序由语言模型综合判断，因此最终效果受首尾帧内容、提示词、模型版本和服务波动影响，存在一定随机性，不保证每次都完全符合预期。

使用建议：建议先使用少量片段试跑，确认效果与成本后再批量生成，并提前关注账户余额与计费规则。

方案一：Minimax 海螺

1. Minimax 的 LLM / TTS 服务的API key 通常同样适用于海螺视频生成服务。如果你已申请过，可直接使用；如果你还没有申请过，可以前往用户中心申请。

2. 模型名可选择 MiniMax-Hailuo-02，或查阅文档获取最新支持的模型名。

方案二： 阿里通义万相 Wan

1. 阿里百炼大模型的 LLM 服务的API key 通常同样适用于 Wan 视频生成服务。如果你已申请过，可直接使用；如果你还没有申请过，可以前往百炼控制台申请。

2. 模型名推荐选择 wan2.2-kf2v-flash，或查阅文档获取最新支持的模型名。

注意事项

• 所有 API Key 均需妥善保管，避免泄露
• 使用前请确认账户余额充足
• 建议定期检查 API 调用量和费用