必须先完成技能包安装、推理中心配置和媒体通道注册三步铺垫，否则video_generate和music_generate会因缺失provider而失败；需安装clawhub及openai-whisper、sag、video-frames等依赖，配置config.yaml中providers.video/audio和media_channels，并运行openclaw media register --all确保webcam:active和mic:active。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在 OpenClaw v2026.4.9 中调用视频生成或音频处理能力，但发现 video_generate 和 music_generate 工具无法直接触发，这是因为这两个工具依赖前置的多模态基础设施初始化，必须先完成技能包安装、推理中心配置和媒体通道注册三步铺垫，否则会返回“provider not found”或静默失败。
安装核心技能包与 ClawHub 商店
打开 Control UI → 点击左上角「Skills」标签页 → 确保已启用 clawhub 技能包；若未安装，点击「Install」按钮完成安装。这一步不可跳过，【clawhub 是所有后续技能包的分发入口，没有它就无法加载 video_generate 或 music_generate】。
在 clawhub 搜索框中依次输入并安装：nano-pdf、obsidian、openai-whisper、sag、video-frames。其中 openai-whisper 是 audio-to-text 的底层依赖，sag 是 TTS 输出通道，video-frames 支持帧级预处理——这三个是 audio/video 双向通路的基石。
配置推理中心（openclaw infer）
方法一：命令行快速初始化
在终端执行：openclaw infer init --auto。该命令会自动检测本地已安装模型、扫描可用 provider，并生成 ~/.openclaw/infer/config.yaml。
方法二：手动配置关键字段
编辑 ~/.openclaw/infer/config.yaml，确认以下三项存在且非空：
• providers.video 下至少包含一个有效条目（如 runway 或 ali-tongyi-wanxiang）
• providers.audio 必须包含 minimax-tts 或 google-lyria
• media_channels 列表中需含 webcam 和 microphone 两项，否则 video_generate 无法获取输入源。
注意：若 config.yaml 中 providers.video 被注释或留空，video_generate 将直接报错退出，不提示缺失 provider。
注册媒体输入输出通道
第一步：启用摄像头与麦克风权限
macOS 用户需前往「系统设置 → 隐私与安全性 → 相机/麦克风」，勾选 OpenClaw.app；Windows 用户需在「设置 → 蓝牙和其他设备 → 摄像头/麦克风权限」中开启对应开关。
第二步：运行通道注册命令openclaw media register --all。该命令会扫描硬件设备、测试编解码器兼容性，并将可用通道写入 ~/.openclaw/media/channels.json。
第三步：验证通道状态
执行 openclaw media list，输出中必须同时出现 webcam:active 和 mic:active。若任一为 inactive，video_generate 将 fallback 到纯文本提示词模式，无法上传参考图或音频。
这一步操作起来很简单，直接把文件拖进去就行。但若跳过注册，后续所有音视频工具都会降级为哑巴模式——能解析指令，不能收发真实媒体流。
