Jimeng Video

Jimeng Video — 即梦 CLI 视频/图片生成

概述

即梦 CLI（jimeng-cli）是字节跳动官方提供的 Agent 工具包，让 AI Agent 通过命令行调用即梦（Dreamina）/CapCut 的图像和视频生成能力。

• npm 包: jimeng-cli@0.3.9
• 作者: Jimeng CLI Team (ByteDance)
• 许可证: GPL-3.0
• 发布时间: 2026-05-01
• 官方文档: https://bytedance.larkoffice.com/wiki/FVTwwm0bGiishxkKOoScdHR2nsg

当前环境状态

安装

npm install -g jimeng-cli

三个可执行文件：

• jimeng-cli — CLI 入口
• jimeng — 别名（推荐使用）
• jimeng-mcp — MCP 服务器入口

环境要求：

• Node.js
• Python 3（浏览器自动登录需要）
• Chrome/Chromium（浏览器自动登录需要）

认证（登录）

方式一：sessionid 注入（推荐，免浏览器）

# 1. 从浏览器获取 sessionid
#    打开 https://jimeng.jianying.com/ai-tool/home/ → 登录
#    F12 → Application → Cookies → jimeng.jianying.com → sessionid

# 2. 注入 token
jimeng login --sessionid <your_sessionid> --region cn

方式二：浏览器自动登录

jimeng login --region cn
# 自动打开 Chrome，扫码登录
# WSL 环境需确保 Chrome 在 PATH 中

方式三：官方一键安装脚本

curl -s https://jimeng.jianying.com/cli | bash

Token 管理

jimeng token list          # 列出所有 token
jimeng token check         # 验证 token
jimeng token points        # 查询积分
jimeng token pool          # 查看 token 池状态
jimeng token add ...       # 添加 token
jimeng token remove ...    # 移除 token

配置目录：~/.dreamina_cli/ 日志目录：~/.dreamina_cli/logs/

核心命令

模型查询

jimeng models list          # 列出可用模型
jimeng models refresh       # 刷新模型列表

图片生成

# 文生图
jimeng image generate \
  --prompt "贵州万峰林日出，云雾缭绕，航拍视角" \
  --model jimeng-4.5 \
  --ratio 16:9 \
  --resolution 2k

# 图编辑
jimeng image edit --prompt "..." --image-file ./input.png

# 超分
jimeng image upscale --image-file ./input.png

默认模型: jimeng-4.5，默认分辨率 2k，默认比例 1:1

每 prompt 产出 4 张变体：jimeng-4.5 一次生成返回 4 个不同结果的 URL。--no-wait 模式下 task get 会列出全部 4 个 URL。批量生成用 --no-wait + 轮询 + curl 下载，详见 references/batch-image-generation.md。

视频生成（4种模式）

⚠️ omni_reference 不可用时的替代方案：使用 image_to_video 模式，所有镜头共用同一张参考图（建议选最具代表性的基地全景图），通过 prompt 分别描述每个镜头的独特内容。一致性靠共享的参考图锚定，细节靠 prompt 引导。详见 references/multi-shot-without-seedance.md。

⚠️ omni_reference 不可用：该模式强制要求 jimeng-video-seedance-2.0 或 jimeng-video-seedance-2.0-fast，这两个模型不在当前账户的 models list 中。尝试使用会报错：region 已匹配，但无 token 支持模型 jimeng-video-seedance-2.0-fast。

多镜头一致性降级方案：用 image_to_video 替代，选一张最能代表整体场景的参考图（如基地航拍全景），所有镜头共用同一张图作为视觉锚定。每个镜头用不同的 prompt 描述具体画面、运镜和动作。一致性不如 omni_reference，但在无 seedance 的条件下是最佳方案。

# 文生视频
jimeng video generate \
  --mode text_to_video \
  --prompt "万峰林日落延时，云雾从山谷升起，金色光线穿过山峰" \
  --ratio 16:9 \
  --duration 5 \
  --resolution 720p

# 图生视频（从静态图生成动态视频）
jimeng video generate \
  --mode image_to_video \
  --prompt "Camera slowly pushes in, mist flowing" \
  --image-file ./wanfenglin.png \
  --duration 5

# 首尾帧过渡
jimeng video generate \
  --mode first_last_frames \
  --prompt "Day to night transition over karst mountains" \
  --image-file ./day.png \
  --image-file ./night.png

# 全能参考（多素材混合）— 注意：omni_reference 使用编号参数！
jimeng video generate \
  --mode omni_reference \
  --model jimeng-video-seedance-2.0-fast \
  --prompt "Use @image_file_1 as character reference, @image_file_2 as location, @video_file_1 for motion style" \
  --image-file-1 ./char_ref.png \
  --image-file-2 ./bg.png \
  --image-file-3 ./style.png \
  --video-file-1 ./motion_ref.mp4 \
  --duration 5 \
  --ratio 16:9

默认参数: 分辨率 720p，时长 5s，比例 1:1

任务管理

jimeng task get <task_id>     # 查询任务状态
jimeng task wait <task_id>    # 等待任务完成
jimeng task list              # 查看历史任务

异步模式：加 --no-wait 立即返回 task_id，后续用 task wait 轮询。

AI Native Workflow 集成点

1. 行程视频预览（trip-landing 增强）

用户行程方案 → trip-landing 提取景点 → mmx search query 搜索景点参考图
→ mmx vision describe 分析参考图 → jimeng text_to_video 生成预览视频
→ 嵌入落地页 → OSS 部署

2. 营销素材自动生成

travel-monitor 采集竞品 → mmx vision describe 分析竞品视觉
→ 提取差异化卖点 → jimeng image generate 海报图
→ jimeng video generate 短视频 → 归档至文案素材

3. 客户方案视频化

feishu-doc 行程方案 → 提取关键帧描述 → mmx vision describe 分析目的地参考图
→ jimeng first_last_frames / omni_reference 生成过渡视频
→ 嵌入方案文档

4. 定时批量生成

cron: 每周一 9:00 → 读取文案素材库最新行程
→ jimeng image generate --prompt 批量生成宣传图
→ 输出至 OSS → 更新素材库

与现有技能的关系

多镜头视频生成

需要按分镜脚本生成多个镜头后拼接成片？见 references/seedance-multi-shot-workflow.md。核心要点：各镜头共用同一组 --image-file-N 参考图维持一致性，用 ffmpeg 拼接。

Seedance 不可用时 → 见 references/multi-shot-without-seedance.md：用 image_to_video + 单张锚定图替代，所有镜头共用同一参考图。

完整生产线（含配音+配乐+ffmpeg组装） → 见 references/video-production-pipeline.md。

需要将完整宣传片脚本（10+ 分镜）分解为 6-8 个 Seedance 生成任务？见 references/script-to-seedance-decomposition.md。方法论：分类→合并同类镜→标注不可生成→写 prompt→汇编。

ffmpeg 精剪拼接模板（trim/slow/montage/logo）见 references/ffmpeg-assembly-pattern.md。

⚠️ 铁律（违反即返工）

铁律 1：单次视频生成 ≤ 15 秒

即梦长视频（>15s）质量急剧下降，画面崩坏、抖动、形变。任何视频生成任务，单次 --duration 不得超过 15 秒。

如需更长成片，拆分为多个 ≤15s 镜头分别生成后 ffmpeg 拼接。

铁律 2：每个镜头必须有参考主体图（推荐 image_to_video）

所有视频镜头必须有至少一张参考图控制视觉方向，禁止纯 text_to_video（无图控制、结果随机）。

推荐模式（按优先级）：

1. image_to_video（首选，生产最常用）：一张高质量参考图 + 详细 prompt。单图足够锚定场景色调、构图和主体。
2. first_last_frames（需要精确过渡时使用）：首帧图 + 尾帧图，控制起始和结束画面。仅当需要精确的场景转换时使用。

video-production-pipeline.md 使用 image_to_video 作为生产工作流，已验证效果可靠。

首尾帧图来源：

1. 用户提供的参考图（优先）
2. 即梦图片生成先产出关键帧（jimeng image generate）
3. 从现有视频截取代表性帧（ffmpeg -i input.mp4 -ss 2 -vframes 1 frame.png）

铁律 3：多镜头任务先拆后拼

多镜头视频 → 逐镜头独立生成（每镜 ≤15s、带首尾帧）→ ffmpeg concat 拼接。

🎬 Prompt 工程核心：情绪导演方法论

完整方法论见 references/emotion-director-prompt-engineering.md。本方法论吸收自 Seedance 2.0 情绪导演 SKILL v2.1，已适配所有 jimeng 视频模型。

核心铁律（prompt 书写层面）

1. 禁止文学化修辞：无比喻、拟人、象征、夸张 → 全部替换为物理世界直接描述
2. 物理优先：光线/动作/表情/声音/空间全部用 AI 可理解的相对化描述（光源位置、身体参照、明暗对比、色温倾向）
3. 时间轴精确到秒：逐秒拆分，景别+动作+神态+台词
4. 字数 ≤ 1900 字：含标点，超限按优先级压缩

数值替换对照（强制）

情绪→生理转化表（最常用）

六段式 Prompt 结构

所有视频 prompt 严格按此结构输出：

一、视听限制 —— 无BGM/纯环境音/禁止字幕水印
二、语言台词 —— 语种、语速、音量、音质标注
三、运镜手法 —— 方式、运动轨迹、镜头是否移动、与角色关系
四、风格色调与光景 —— 视觉风格、色彩调性、光源位置+色温
五、角色与场景设定 —— 外貌（相对描述）、服装、地点、时间、环境要素
六、时间轴详细叙事 —— 按秒拆分：[0-5s] 景别/动作(起点→过程→终点)/神态(肌肉运动)/台词(音量标注)/声音设计

动作四层次（防止 AI 木偶化）

降级适配说明（Seedance 不可用时）

本方法论原为 Seedance 2.0 设计，当前环境 Seedance 不可用。适配 jimeng-video-3.5-pro 时：

• 六段式结构和物理优先原则完全适用，保持不变
• 单镜头 ≤ 5s（3.5-pro 的实际输出上限），多镜头拼接
• 多镜头一致性靠共享参考图锚定（image_to_video + 同一张 --image-file），详见 references/multi-shot-without-seedance.md
• omni_reference 的多素材融合能力不可用，所有视觉控制靠单图 + prompt

宣传片制作：脚本优先工作流

用户要求制作宣传视频时，先交付可执行的制作脚本，不要直接消耗积分生成。用户偏好自己审查脚本后决定是否执行。

流程：

1. 设计分镜脚本（时间轴 + 钩子文案）
2. 写出完整 bash 脚本（图片→视频→ffmpeg拼接→文字叠加→BGM）
3. 先交付脚本，确认后再执行

脚本模板见 templates/promo-video.sh。

常见问题

WSL 环境登录

自动浏览器登录在 WSL 中可能失败（Chrome 路径问题）。 → 使用 sessionid 注入方式：手动从浏览器复制 sessionid → jimeng login --sessionid <值>

Token 过期

jimeng token check    # 检查所有 token 状态
jimeng login ...      # 重新登录添加新 token

任务超时

生成任务默认等待，可能超时（尤其是视频）。 → 使用 --no-wait + task wait <id> --wait-timeout-seconds 600

实测陷阱（2026-05-28 全流程验证）

详见 references/verification-20260528.md — 完整安装/登录/图片/视频/3.5-pro 批量生成记录。

• npm 全局安装后 bin 可能不在 PATH：使用 node $(npm root -g)/jimeng-cli/dist/cli/index.js 直接调用
• jimeng-cli 命令可能不可用：bin 链接在 WSL 中未正确创建，使用 node 直接执行
• WSL 浏览器登录失败：CLI 的 Python 自动化登录脚本在 WSL 中可能无法找到 Chrome。使用 --sessionid 手动注入
• sessionid 来源：即梦域名 jimeng.jianying.com，用 jimeng login --sessionid <值> --region cn 注入
• region 默认 cn：国内用户无需指定，国外需 --region us/hk/jp/sg
• 视频生成耗时：5s 视频通常 2-5 分钟，建议 --no-wait + task wait
• 默认视频模型不可用：jimeng-video-3.0 已下线（错误码 2061），必须指定 --model jimeng-video-3.0-fast 或 jimeng-video-3.0-pro
• --duration 实际输出上限 5s：jimeng-video-3.5-pro 的 --duration 8 / --duration 7 均输出 5s。--duration 参数被静默忽略，实际按 5s 生成。需要更长的片段用 setpts 慢放（setpts=1.6*PTS + atempo=0.625 可拉伸 5s→8s），或生成多个 5s 片段拼接
• --no-wait 不下载文件：--no-wait 模式下文件不会保存到 --output-dir。必须用 task get --task-id <id> 获取云端 URL，然后 curl 手动下载
• task get 输出不是纯 JSON：输出是带格式的人类可读文本（含 Status/Data/URL），用 grep 提取 URL，不要用 python json.load — 会抛 JSONDecodeError
• 任务状态码：20=PROCESSING, 45=UNKNOWN（仍在处理中，可能卡住需重试）, 50=COMPLETED。45 并非错误，多数 2-3 分钟后转 50。若长时间 45 且无 URL，直接 resubmit — 重试通常立即完成
• 每 prompt 4 变体：jimeng-4.5 图片生成每次返回 4 个不同结果的 URL，非 1 个
• 批量生成模式：并行 --no-wait 提交 → shell 轮询 task get → curl 下载。详见 references/batch-image-generation.md

图片理解（MiniMax CLI mmx-cli）

用于分析参考图 → 提取视觉描述 → 嵌入 jimeng prompt 的工作流。这是 mmx-cli 在此项目中的核心用途。

ℹ️ mmx-cli 还支持视频/图片/音乐/语音生成、网络搜索、文本对话等能力。完整命令参考见 references/minimax-cli-reference.md。

安装与配置

npm install -g mmx-cli
# WSL 环境 bin 不可用，使用 node 直接执行
MMX="node $(npm root -g)/mmx-cli/dist/mmx.mjs"
$MMX auth login --api-key <minimax-api-key>  # 自动检测 region cn
$MMX quota  # 查看配额

图片描述

$MMX vision describe --image ./ref.jpg --prompt "详细描述人物外观、服饰、场景色调"
# 输出 JSON：{"content": "...", "base_resp": {"status_code": 0}}

• 消耗 coding-plan-vlm 配额
• 支持本地路径和 URL
• 默认 prompt "Describe the image."，建议自定义中文 prompt 获得更精准描述

与 jimeng 集成

参考图 → mmx vision describe → 文字描述 → 嵌入 jimeng video generate --prompt
（无需切换视觉模型，无需人工描述）

• 积分限制：jimeng-video-3.5-pro 需要更高额度，确认积分 > 2000 后可用
• --wait 模式可能挂起：图片生成使用 --wait 时，CLI 的轮询机制在完成后可能不退出，建议使用 --no-wait + 手动 task get
• 输出文件: 图片 PNG、视频 MP4，默认输出到 --output-dir 指定的目录
• --task-id 参数名：task get 需要 --task-id（不是位置参数）