一、構建文本/圖像/視頻生成工作流前言

當前，生成式AI技術正從單一模態向跨模態協同創作演進，而工作流編排平臺成為釋放大模型潛力的關鍵樞紐。在這一技術演進浪潮中，Dify憑借其靈活的可視化編排能力，使開發者能夠無縫集成各類大模型API，構建端到端的創意生產管道。大模型在多模態生成領域實現了顯著突破——支持文本生成圖像（T2I）、文本生成視頻（T2V）、圖像生成視頻（I2V）三大核心功能，在運動質量、情感表達和物理模擬等維度達到很高水準，能夠進行各種藝術和多媒體內容的生產。

Flexus X 實例以柔性資源+智能調度雙引擎，解決了大模型應用中資源碎片化、性能波動、長時運維等痛點，尤其適合兩類場景，敏捷開發：中小團隊快速迭代模型，低成本試錯；生產部署：企業級高并發推理服務，兼顧性能與成本最優。通過技術民主化（一鍵式運維）與資源精細化（動態配比），讓大模型從實驗室技術加速轉化為生產力工具。

二、構建文本/圖像/視頻生成工作流環境

2.1 基于FlexusX實例的Dify平臺

華為云FlexusX實例提供高性價比的云服務器，按需選擇資源規格、支持自動擴展，減少資源閑置，優化成本投入，并且首創大模型QoS保障，智能全域調度，算力分配長穩態運行，一直加速一直快，用于搭建Dify-LLM應用開發平臺。

Dify是一個能力豐富的開源AI應用開發平臺，為大型語言模型（LLM）應用的開發而設計。它巧妙地結合了后端即服務（Backend as Service）和LLMOps的理念，提供了一套易用的界面和API，加速了開發者構建可擴展的生成式AI應用的過程。

參考：華為云Flexus+DeepSeek征文 | 基于FlexusX單機一鍵部署社區版Dify-LLM應用開發平臺教程

2.2 基于MaaS的模型API商用服務

MaaS預置服務的商用服務為企業用戶提供高性能、高可用的推理API服務，支持按Token用量計費的模式。該服務適用于需要商用級穩定性、更高調用頻次和專業支持的場景。

參考：華為云Flexus+DeepSeek征文 | 基于ModelArts Studio開通和使用DeepSeek-V3/R1商用服務教程

三、構建文本/圖像/視頻生成工作流實戰

3.1 配置Dify環境

輸入管理員的郵箱和密碼，登錄基于FlexusX部署好的Dify網站

將MaaS平臺的模型服務接入Dify，這里我們選擇的是DeepSeek V3商用服務，需要記住調用說明中的接口信息和 API Key 管理中API Key，若沒有可以重新創建即可

配置Dify模型供應商：設置 - 模型供應商 - 找到OpenAI-API-compatible供應商并單擊添加模型，在添加 OpenAI-API-compatible對話框，配置相關參數，然后單擊保存

參數	說明
模型類型	選擇LLM。
模型名稱	填入模型名稱。
API Key	填入創建的API Key。
API Endpoint URL	填入獲取的MaaS服務的基礎API地址，需要去掉地址尾部的“/chat/completions”后填入

3.2 配置Dify工具

Doubao Image and Video Generator

基于火山引擎豆包 API 的全功能 AI 媒體生成 Dify 插件，支持文本生成圖像、文本生成視頻以及圖像轉視頻功能。

申請火山方舟 API Key，在 火山方舟 API Key 頁面上創建新的 API 密鑰，保存此 Key

在 火山方舟開通管理 中，開通視覺模型中的三個服務：文生圖 Doubao-Seedream-3.0-t2i、文生視頻 Doubao-Seedance-1.0-lite-t2v、圖生視頻 Doubao-Seedance-1.0-lite-i2v，都是由免費的額度可以使用的

打開DIfy - 工具中搜索 Daobao ，找到 Doubao Image and Video Generator 并安裝它

安裝完成后點擊 Doubao Generator，點擊去授權，填入上面獲取到的 API Key，點擊保存即可

查看到已授權，后面就可以在Chatflow 和 Workflow 應用程序中添加 Doubao Generator 工具節點，提供了 3 種方法：Text to Image、Text to Video 和 Image to Video

3.3 創建文本/圖像/視頻生成工作流

在 Dify - 工作室，創建空白應用，選擇 Chatflow，輸入應用名稱和圖標，點擊創建

刪除其他默認節點，在開始節點后添加輸入字段 prompt、picture和 type

prompt（文本）：提示詞
picture（單文件）：圖片
type（下拉選項）：選擇類型（文本生成圖像、文本生成視頻、圖像轉視頻）

添加條件分支節點，分成三個分支，Case1為文生圖片，Case2為文生視頻，Case3為圖生視頻（需要同時上傳圖片）

若為其他情況，則直接回復重新上傳圖片

Case1 再添加LLM節點，命名為文生圖提示詞改寫LLM，這步主要是通過大語言模型生成文生圖的提示詞。模型 選擇由華為 Maas 提供的 DeepSeek V3 ，系統提示詞參考如下：

# Role: 即夢AI文生圖結構化提示詞生成器 (Jmeng AI Image Structured Prompt Generator)
## Background:
- 這是一個專門為即夢AI生成靜態圖像提示詞的工具
- 將用戶的畫面創意轉換為結構化提示詞
- 輸出格式固定且簡潔
## Core Objectives:
- 將用戶輸入的畫面創意轉換為結構化提示詞
- 確保輸出格式統一且易于使用
- 提供豐富且具體的畫面描述
## Constraints:
1. 輸出格式必須嚴格遵循：畫面主體：[內容] 場景描述：[內容] 風格關鍵詞：[內容] 細節修飾：[內容]2. 禁止輸出任何額外的文字說明或格式
3. 各字段之間使用空格分隔
4. 直接輸出結果，不進行對話
## Skills:
1. 靜態構圖能力：- 準確描述主體位置- 定義姿態和表情- 把握畫面重點
2. 場景描寫能力：- 營造環境氛圍- 描述天氣光線- 構建空間感
3. 風格定義能力：- 應用藝術流派- 把控色彩風格- 確定渲染技術
4. 細節補充能力：- 添加畫質要素- 強化材質表現- 突出關鍵特征
## Workflow:
1. 接收用戶輸入的畫面創意
2. 將創意拆解為四個維度
3. 組合成規定格式字符串
4. 直接輸出結果
## OutputFormat:
畫面主體：[主體描述] 場景描述：[場景內容] 風格關鍵詞：[風格定義] 細節修飾：[細節內容]## Init:
我已準備好接收您的畫面創意，將直接輸出符合格式的提示詞。

用戶提示詞參考如下：

請根據用戶輸入{{#開始.prompt#}}改寫符合即夢AI繪畫的提示詞

添加節點 - 工具 - Doubao Generator - Text to lmage，添加完成后配置節點，輸入變量為文生圖提示詞改寫LLM生成的提示詞，IMAGE SIZE選擇1024x1024(Square)，MODEL VERSION 選擇 DoubaoSeedream 3.0

這里再添加直接回復節點，輸出文生圖提示詞和生成的圖片

Case2 再添加LLM節點，命名為文生視頻提示詞改寫LLM，這步主要是通過大語言模型生成文生視頻的提示詞。模型 選擇由華為 Maas 提供的 DeepSeek V3 ，系統提示詞參考如下：

# Role: 即夢AI文生視頻結構化提示詞生成器 (Jmeng AI Video Structured Prompt Generator)
## Background:
- 這是一個專門為即夢AI生成視頻提示詞的工具
- 將用戶的視頻創意轉換為結構化提示詞
- 輸出格式固定且簡潔
## Core Objectives:
- 將用戶輸入的視頻創意轉換為結構化提示詞
- 確保輸出格式統一且易于使用
- 提供豐富且具體的動態場景描述
## Constraints:
1. 輸出格式必須嚴格遵循：畫面主體：[內容] 動作描述：[內容] 場景描述：[內容] 風格關鍵詞：[內容] 細節修飾：[內容]2. 禁止輸出任何額外的文字說明或格式
3. 各字段之間使用空格分隔
4. 直接輸出結果，不進行對話
## Skills:
1. 動態構圖能力：- 準確描述主體位置- 定義動作流程- 把握動態重點
2. 場景描寫能力：- 營造環境氛圍- 描述天氣光線- 構建空間感
3. 風格定義能力：- 應用視頻風格- 把控色彩風格- 確定渲染技術
4. 細節補充能力：- 添加動態要素- 強化材質表現- 突出關鍵特征
## Workflow:
1. 接收用戶輸入的視頻創意
2. 將創意拆解為五個維度
3. 組合成規定格式字符串
4. 直接輸出結果
## OutputFormat:畫面主體：[主體描述] 動作描述：[動作內容] 場景描述：[場景內容] 風格關鍵詞：[風格定義] 細
節修飾：[細節內容]## Init:
我已準備好接收您的視頻創意，將直接輸出符合格式的提示詞。

用戶提示詞參考如下：

請根據用戶輸入{{#開始.prompt#}}改寫符合即夢AI繪畫的提示詞

添加節點 - 工具 - Doubao Generator - Text toVideo，添加完成后配置節點，輸入變量為文生圖提示詞改寫LLM生成的提示詞，ASPECT RATIO選擇16:9 (Landscape)，DURATION(SECONDS) 選擇 5seconds，MODEL VERSION 選擇 DoubaoSeedance 1.0 Lite

再添加LLM節點，用于文生視頻內容提取，模型選擇為 DeepSeek V3，系統提示詞參考如下：

僅提取內容中的視頻鏈接，然后變成 markdown 格式。
這是你看到的內容：{{#文生視頻.text#}}

用戶提示詞為：

{{#文生視頻.text#}}

這里再添加直接回復節點，輸出文生視頻提示詞和生成的視頻

Case3 添加節點 - 工具 - Doubao Generator - Text toVideo，添加完成后配置節點，輸入變量 Prompt 為開始輸入的提示詞，Image 為開始上傳的圖片，ASPECT RATIO選擇16:9 (Landscape)，ASPECT RATIO(REFERENCEONLY) 選擇 Adaptive(Auto)，DURATION(SECONDS) 選擇 5seconds

最后添加直接回復節點，輸出圖片生成視頻的提示詞和視頻

編排工作流后點擊右上角的運行進行測試，輸入提示詞為 虎鯨和小漁夫游玩，選擇類型為文生圖像，輸入開始，點擊發送

查看完整流程，開始 - 條件分支 - 文生圖提示詞改寫LLM - 文生圖 - 文生圖回復，這里主要查看下 文生圖提示詞改寫LLM 節點輸出的結果

{"text": "畫面主體：[虎鯨與小漁夫在海中嬉戲] 場景描述：[日落時分的平靜海面，金色陽光灑在水面上] 風格關鍵詞：[童話風格，溫暖色調，水彩質感] 細節修飾：[虎鯨噴出水柱，小漁夫開心大笑，海浪輕輕拍打，遠處有小漁船輪廓]","usage": {"prompt_tokens": 406,"prompt_unit_price": "0","prompt_price_unit": "0","prompt_price": "0","completion_tokens": 71,"completion_unit_price": "0","completion_price_unit": "0","completion_price": "0","total_tokens": 477,"total_price": "0","currency": "USD","latency": 3.138953330984805},"finish_reason": "stop"
}

最后輸出圖片提示詞和生成的圖片如下，這個圖片的效果很不錯，比我之前使用的 Flux 要好很多

畫面主體：[虎鯨與小漁夫在海中嬉戲] 場景描述：[日落時分的平靜海面，金色陽光灑在水面上] 風格關鍵詞：[童話風格，溫暖色調，水彩質感] 細節修飾：[虎鯨噴出水柱，小漁夫開心大笑，海浪輕輕拍打，遠處有小漁船輪廓]

再測試一下文生視頻，輸入提示詞為 虎鯨和小漁夫游玩，選擇類型為文生視頻，輸入開始，點擊發送

按照文生視頻的工作流，最后輸出視頻提示詞和生成的視頻如下，這個視頻的效果也很不錯

畫面主體：[虎鯨和小漁夫] 動作描述：[虎鯨躍出水面與小漁夫互動嬉戲] 場景描述：[夕陽下的金色海面 遠處有小漁船] 風格關鍵詞：[夢幻水彩風格 溫暖色調] 細節修飾：[飛濺的水花細節 虎鯨光滑皮膚反光 漁夫歡樂表情]
視頻鏈接

測試完成就可以發布更新到探索頁面了，發布后選擇運行就可以獲得一個在線運行的工作流的網頁！

3.4 使用文本/圖像/視頻生成工作流

在探索 - 文本/圖像/視頻生成開啟新對話

輸入提示詞為 Hello Kitty 圣誕節和好友滑雪，選擇圖生視頻，并上傳圖片，點擊開始對話，輸入生成滑雪的視頻，點擊發送

當你也出現如下報錯時，需要再 dify 的 .env 文件中添加 FILES_URL=http://host.docker.internal，再重新啟動即可

正在從URL獲取圖片: /files/2052d24d-fce1-4d34-9464...從URL下載圖片失敗: Invalid URL '/files/2052d24d-fce1-4d34-9464-ed7b3d616c0a/file-preview?timestamp=1751180380&nonce=097407fdb910c07ffce06ab26752e27d&sign=8WEXzpJHjiSH2DkXZIeTuLgZ5TRzcIVpRWgVBHVET9s=': No scheme supplied. Perhaps you meant https:///files/2052d24d-fce1-4d34-9464-ed7b3d616c0a/file-preview?timestamp=1751180380&nonce=097407fdb910c07ffce06ab26752e27d&sign=8WEXzpJHjiSH2DkXZIeTuLgZ5TRzcIVpRWgVBHVET9s=?

再經過圖生視頻的工作流，創建視頻生成任務，已等待 15 秒...視頻生成成功！

正在從URL獲取圖片: http://host.docker.internal/fi…成功下載圖片: 大小=127.72KB圖片編碼完成: 原始大小=127.72KB, 編碼后大小=170.29KB正在使用豆包 Seedance 圖生視頻模型生成視頻…正在創建視頻生成任務…視頻生成任務已創建，任務ID: cgt-20250629154144-rppjq提示詞: Hello Kitty 圣誕節和好友滑雪 --ratio adaptive --duration 5正在等待視頻生成完成…視頻正在生成中，已等待 5 秒…視頻正在生成中，已等待 10 秒…視頻正在生成中，已等待 15 秒…視頻生成成功！上方視頻鏈接有效期為24小時。如需保存，請在此期間內下載視頻文件。
fa274517e6ec43e2a5d7a2e4ce9504eb.mp4

最后生成 5 秒的視頻，視頻質量很高，環境和動作都渲染的很好

四、總結

通過Dify高效集成了豆包多模態API，成功構建了文本→圖像→視頻的端到端創意工作流，不僅驗證了Dify在復雜任務編排中的靈活性（如異步調度、分支并行處理），更凸顯了多模態模型在中文場景動態生成的獨特優勢，其細膩的情感表達與物理模擬能力，讓靜態創意真正"活"了起來，提供了跨模態技術落地的標準化路徑，為AIGC應用注入強擴展性。工作流將單點生成升級為可迭代的創作管線（如生成→優化→組合），釋放出"1+1>2"的生產力增益，突破工具鏈割裂的瓶頸，實現"所想即所得"的沉浸式創作體驗。

華為云 MaaS（ModelArts Studio）平臺提供的 DeepSeek-V3 模型推理服務，在構建大模型應用方面具備多項顯著優勢，綜合技術適配、成本效益、部署便捷性與企業級能力于一體。免費額度+低代碼調用，可以快速驗證AI應用原型，而大型企業生產部署，可以選擇高穩定、可擴展的商用推理服務，支撐關鍵業務智能化升級。