今天给大家演示一个多模态 Coze 视频生成工作流。该工作流以大语言模型为核心，结合图像生成、视频合成、音频匹配以及时间线控制，实现从输入关键词到生成带有背景音乐与舞蹈场景的完整视频。通过不同节点的协作，工作流能够自动完成提示词生成、画面渲染、视频拼接和音频添加，最终产出可直接使用的成品草稿，直观展示了 AI 在图像、音频与视频处理上的一体化应用。文章目录工作流介绍核心模型Node节点工作流程大模型应用舞蹈场景提示词生成助手使用方法应用场景开发与应用工作流介绍该工作流以文本到多模态生成为主线，从大语言模型生成舞蹈美女风格的图像与动画提示词开始，依次传递到图像生成、视频生成、背景音乐搜索与添加、画板排版以及音视频合成。整个过程中，模型与节点相互协作，形成完整的自动化创作流程。它不仅能快速响应关键词输入，还能灵活调整视频与音频的时序，使得最终生成的作品在视觉和听觉上都保持协调统一。核心模型在整个工作流中，核心模型是大语言模型DeepSeek-V3-0324，它负责根据输入关键词生成舞蹈美女风格的图片与动画提示词。该模型通过系统设定的角色与技能指令，确保输出的提示词内容始终围绕舞蹈场景展开，保证后续图像与视频生成的连贯性和一致性。模型名称说明DeepSeek-V3-0324大语言模型，用于生成舞蹈美女风格的图片与动画提示词，确保画面元素统一并符合场景要求Node节点工作流包含多个功能节点，涵盖大模型生成、图像生成、视频生成、画板排版、背景音乐搜索