#视频生成

AI 视频 是用于生成视频的智能体，可根据文字描述或参考图片生成视频片段，并在同一页面完成延长、剪辑与合并。与仅接入单一模型的视频工具不同，该智能体汇集了 Gemini Veo、Kling、Seedance、PixVerse、Runway、Hailuo、Vidu 等多家厂商的模型，官方会员权益页列出的视频模型已超过 30 种。主要功能如下：

• 多模型生成：可手动指定模型，也可开启 MOA，由系统分析提示词后分配合适的模型。
• 文字生成视频：在提示词中写明主体动作、镜头运动和光线，系统按照描述生成视频片段。
• 图片生成视频：上传参考图片引导第一帧内容；所选模型支持首尾帧控制时，还可同时指定开头和结尾画面。
• 延长与剪辑：片段时长不足时可向后续接，也可在内置时间轴上合并多个片段，并完成截取、调速和分辨率放大。
• 口型同步：上传音频或输入台词，使画面人物的口型与声音相对应，数字人生成流程由 OmniHuman 提供支持。

#模型概览

不同模型在动作表现、画面质感和生成速度上各有侧重。结合官方工具页及模型发布方的说明，常用模型的特点如下表所示：

模型阵容更新较快，实际可选模型以模型列表显示为准。不确定如何选择时，可开启 MOA，由系统根据提示词分配模型，要同时比较多个模型的生成效果，应注意每个版本均单独消耗积分。

#生成流程

生成一段视频可按以下步骤操作：

• 选择模型：打开模型选择选项，根据画面需求选择模型。官方建议先使用标准档视频模型生成短时长测试片段，确认效果符合预期后，再换用更高端的模型制作最终版本。

• 调整参数：打开 设置，根据发布平台选择画幅，例如发布至竖屏播放的短视频平台时选择 9:16，横屏播放时选择 16:9；再设定时长、分辨率及是否生成音频。

• 输入描述或上传素材：在输入框中描述画面内容；已有图片素材时，选择上传，开启 自动提示词 后，系统会在生成前补充细节，适合描述较为简短的情况。

• 提交并修改：按回车键Z或点击发送选项提交任务。生成完成后，可在同一对话中继续提出修改要求，例如放慢镜头速度、更换光线或简化动作。

以下示例提示词仅作示意，{} 内的内容为可替换变量，使用时根据实际需求填写。

文字生成视频

以海边人物镜头为例，展示如何在提示词中分别写明主体动作、镜头运动、光线和声音。时长和画幅建议在 设置 中指定，提示词只描述画面内容，避免两处要求不一致。

清晨的海边木栈道，一位穿浅色风衣的女性从远处走向镜头，海风吹动衣角和头发。
镜头：低角度跟拍，随人物缓慢后退，人物始终位于画面中央。
光线：日出前的冷蓝色天光，海平线泛出淡橙色。
声音：海浪声和风声，不加背景音乐。
画面中不出现文字。

图片生成视频示例

上传产品照片后，可将照片作为视频的第一帧，提示词只需描述画面中需要发生的变化，并写明需要保持不变的内容。以咖啡杯产品展示为例：

以上传的图片作为第一帧，生成一段产品展示视频。
动作：{咖啡杯}保持不动，杯口热气缓缓上升，背景光斑轻微流动。
镜头：缓慢推近，最后停在{杯口}特写。
约束：杯身图案、文字和颜色与原图一致，不添加新的物体。

首尾帧过渡示例

需要精确控制视频的起点和终点时，可选用支持首尾帧控制的模型，分别指定开头画面和结尾画面，由模型补全中间的过渡过程。首尾帧既可上传现有图片，也可在提示词中要求系统先行生成，以下示例采用后一种方式：

先生成一张图片作为开头画面，再生成第二张图片作为结尾画面。
镜头固定俯瞰山谷，开始时群山笼罩在清晨的蓝灰色薄雾中，远处山脊若隐若现。随着时间推移，云雾沿山谷缓慢流动、逐渐散开，依次露出近处树林、山间坡地与远处连绵的山峰。天边逐渐泛起淡金色，第一缕阳光照亮山顶，随后光线沿山坡向下铺展，树木和岩石的纹理变得清晰。
最终，山谷沐浴在柔和的金色晨光中，低处仍保留少量流动的薄雾，画面自然衔接至第二张图片。
全程固定机位，不推拉、不摇移、不切换视角，山体轮廓保持稳定，光线由冷蓝色平滑过渡为温暖的金色。

#延长与剪辑

单个片段的时长由所选模型和参数决定。需要更长的内容时，可采用以下两种方式：

• 延长片段：从当前片段末尾向后续接，适合同一镜头内动作的延续，例如人物继续行走、镜头继续推进。
• 时间轴合并：在内置时间轴上将多个片段按顺序拼接，适合由多个镜头组成的完整视频。

时间轴还支持截去多余部分、调节播放速度和放大分辨率，无需导出后再使用其他剪辑软件处理。成片确认无误后即可下载，也可将已生成的视频作为参考，继续生成下一段。

延长片段示例

延长片段时，应说明接续的动作，并要求保持画面一致。以海边木栈道片段为例：

延长当前片段，从最后一帧继续。
人物继续沿栈道向前走，在栏杆旁停下，转身望向海面。
镜头、光线和色调与前一段保持一致，不切换场景，不出现新人物。

多镜头宣传片示例

由多个镜头组成的视频，宜先确认分镜，再逐个生成。以咖啡店宣传短片为例：

为{手工咖啡店}制作一支约{15}秒的竖屏宣传短片，画幅 9:16。

先列出分镜，暂不生成视频：
- 共{3}个镜头，每个镜头写明时长、画面内容、镜头运动和声音；
- 各镜头的主色调、光线和人物服装保持一致；
- 店名“{松间咖啡}”只在最后一个镜头出现一次。

分镜确认后，再逐个生成镜头，最后在时间轴上按顺序合并。

分段生成时，同一人物在不同片段中容易出现发型、服装或脸型的变化。每段提示词都应重复人物的关键特征，例如“短发、深绿色围裙、黑框眼镜”；也可将上一段的画面作为下一段的参考图。

#口型同步

上传音频或直接输入台词后，系统会使画面人物的口型与声音相对应，生成说话视频，适用于产品演示、课程讲解和社交媒体内容等场景。人物图片宜选用正面、五官清晰、无遮挡的照片。

口播视频示例

以知识讲解类口播为例，在提示词中分别写明台词、语气和画面要求。台词应放在引号内，便于区分需要说出的内容与画面描述。

使用上传的人物照片制作一段口播视频。
台词：“{大家好，今天用三分钟介绍家庭预算表的填写顺序。}”
语气：平稳、亲切，语速适中。
画面：正面半身，背景保持原样，头部和手部只有轻微自然动作。

台词较长时，宜拆分为多段分别生成，再在时间轴上合并。

#视频提示词

视频提示词除描述画面内容外，还需说明画面如何随时间变化。编写时可遵循以下原则：

① 写清动作过程

“一个人在走路”只说明了动作类型，速度、方向和姿态仍需由模型自行决定。改为描述具体的动作过程，生成结果更加可控，例如：

一位老人拄着拐杖，沿着雨后的石板路缓慢前行，每走几步停下来看看两侧的店铺。

② 用镜头语言控制运动

在提示词中写明推近、左移、跟拍、航拍等镜头指令，即可控制画面运动，其中 Kling 和 Gemini Veo 对镜头指令的执行较为准确。文字描述不够精细时，还可通过动态控制设置进一步调整。常用描述如下表所示：

③ 一段只写一个重点

单个片段通常只有数秒，若同时要求多个动作和多次镜头切换，容易出现动作变形或画面跳变。多个动作宜拆分为多个片段分别生成，再在时间轴上合并。

#注意事项

制作视频时，除关注生成效果外，还需留意积分计费、内容授权及发布前的成片检查。提前了解以下规则与建议，有助于合理安排积分预算、减少重复试错，并降低内容使用与传播中的风险。

• 积分按生成计费：视频的积分消耗与模型、时长和分辨率相关，时长越长、所选模型越高端，消耗越多。每次重新生成均按原任务重新计费，建议先用较短时长试稿，确认画面方向后再生成正式版本。
• 免费额度不含视频：Free 用户每日获得 100 积分，累计领取达到终身上限后停止发放。Plus 和 Pro 方案的免费额度仅覆盖选择 Standard 时的规划环节，视频生成本身仍需消耗积分。
• 失败任务计费：提示词在生成前被安全过滤拦截时，积分自动退还；视频生成完成后因内容违规被标记的，仍会扣除积分。
• 商用前确认授权：Plus、Pro、Team 和 Enterprise 方案包含 AI 生成内容的商用权，但不授予第三方模型提供方持有的权利。不同模型的使用条款不同，商用前应确认生成该视频所用模型的条款；再次发布时，还需按服务条款注明内容来源。
• 人物肖像与声音：使用他人照片或声音进行口型同步前，应取得本人授权；不宜生成可能被误认为真实新闻或真人发言的内容。
• 完整检查成片：手部、文字、品牌标识等细节容易出现变形或错误。发布前应完整播放一遍，重点检查画面细节，以及片段衔接处的人物和色调是否一致。