[智能体-493]：Coze 工作流：图文生成视频完整流程拆解

这是一套从主题输入→生成绘图提示词→生成参考图→生成分镜脚本→生成动态视频的线性自动化工作流，共 5 个节点串联执行，全程无分支，顺序执行。

一、节点顺序与数据流转总览

流程链路：开始 → 图片提示词大模型节点 → 图像生成节点 → 视频脚本生成大模型节点 → 视频生成节点 → 结束

1. 【开始】入口节点

• 输入变量：
  • str_zhuti：文本主题（示例输入："美女漫步街头"）
  • image：可选上传原图素材
• 作用：接收用户原始输入，向下游传递主题文本，作为整条工作流的数据源起点。

2. 【图片提示词】LLM 大模型节点（豆包 1.6 深度思考）

• 输入：上游传来str_zhuti（主题文字）
• 输出两个变量：
  1. str_tishici：适配 AI 绘图的专业正向提示词
  2. str_reasoning_content：生成提示词的思考过程
• 逻辑：大模型根据用户主题，自动扩写画质、光影、构图、风格等专业绘图关键词，给下一阶段绘图使用。
• 运行耗时：12s

3. 【图像生成】绘图节点（通用 - Pro 绘图模型）

• 输入：上一步输出的str_tishici绘图提示词
• 输出：
  1. data：生成后的图片二进制 / 图片链接（作为后续视频的参考底图）
  2. str_msg：绘图执行日志信息
• 逻辑：AI 根据扩写好的提示词生成一张静态参考图，作为视频画面基底；界面自带「图片预览 / 保存图片」功能。
• 运行耗时：7s

4. 【视频脚本生成】LLM 大模型节点（豆包 1.6 深度思考）

• 输入：上一步绘图产出的data（参考图）+ 原始主题
• 输出：
  1. str_jiaoben：完整视频分镜脚本（镜头运镜、时长、画面动作、镜头切换描述）
  2. str_reasoning_content：脚本生成推理过程
• 逻辑：结合静态参考图画面内容，拆分多段动态镜头文案，指导视频生成模型做画面动态、运镜、节奏。
• 运行耗时：19s

5. 【视频生成】视频生成节点（doubao-seedance-tie 动态视频模型）

• 输入两个核心参数：
  1. data：前面生成的静态参考图（参考图片）
  2. str_jiaoben：上一步产出的视频分镜脚本
• 输出：
  1. video：最终生成的动态视频资源
  2. str_msg：视频生成日志
• 逻辑：以静态图为基底，按脚本描述添加人物动作、镜头推拉、画面流动，生成短视频。
• 运行耗时：23s

6. 【结束】输出节点

• 输入：上游视频节点产出的video、主题等数据
• 输出类型：返回变量，对外输出成品视频文件 / 链接，完成整条链路。

二、整套流程核心逻辑总结

1. 文本扩图：用户简单主题 → AI 扩写专业绘图词 → 生成静态参考图
2. 图生分镜：参考图 + 主题 → AI 拆解视频镜头脚本
3. 图 + 脚本生视频：静态底图 + 镜头动作脚本 → 驱动视频模型生成动态短片
4. 全链路自动化串联，无需人工干预每一步，输入一句主题即可全自动出成片。

三、变量传递对照表

表格