用参考生成视频：把图片、视频和音频合成一段 AI 视频

大多数图生视频工具只是让一张图动起来。一个镜头还够用，但如果想要“这个人物在那个地方，像这段视频一样移动，配合这首音乐”，一张图就不够了。

在用参考生成视频中，你可以放入多张静态图、短视频和音频，并在提示词中指明哪个是哪个。脸和服装来自这张图，场景来自那张图，镜头运动来自这段视频，节奏来自这首曲子，组合成一段视频。它基于 Seedance 2.5，最长 30 秒，最高 1080p。

• 图片：JPG、PNG、WebP，最多 30 张。
• 视频：MP4、MOV，每段 2–30 秒，最多 10 段。
• 音频：MP3、WAV，每段 2–30 秒，最多 10 段。
• 合计最多 50 个。参考视频的时长合计最多 30 秒。

至少需要 1 个参考。只用图片也可以，视频和音频可有可无。

按放入的顺序，会得到 @Image1、@Image2、@Video1、@Audio1 这样的名字。点击参考旁的“插入提示词”，名字就会进入提示词，接着写要发生什么。

• @Image1 走在夜晚下雨的街道上，镜头从后方跟随，音乐用 @Audio1
• @Image1 中三十多岁的女性坐在 @Image2 的咖啡馆里，转头看向窗外，镜头运动像 @Video1 一样
• @Image1 的产品在 @Image2 的桌子上缓缓旋转，柔和的晨光，8 秒

诀窍是写清每个参考用来做什么：“@Image1 的脸”“@Image2 的场景”“@Video1 的镜头运动”。提示词里没提到的参考，只会被松散地参考。

• 用参考生成新视频 — 最基本的用法。把放入的所有素材当作材料，生成新的镜头。
• 修改参考视频（@Video1） — 保留原视频的节奏和动作，改变服装、场景、时间段、画风等。
• 续写参考视频（@Video1） — 从原视频结束处接着生成后面的内容。

修改和续写需要 1 段参考视频。

时长可选 4–30 秒，分辨率可选 480p、720p、1080p。积分由时长和分辨率决定，参考视频也按其时长计费（因为模型需要读取它）。

• 只用图片，5 秒：480p 300，720p 650，1080p 1,625 积分。
• 只用图片，8 秒 720p：1,040 积分。
• 放入 8 秒参考视频，生成 10 秒 720p：1,405 积分。
• 以 720p 修改一段 12 秒的视频：1,875 积分（修改后的视频与原视频等长）。

生成前，按钮上会显示准确的积分。没有生成成功时，积分会自动退回。「用参考生成视频」在 Pro 及以上方案可用。

• 先只用图片。最便宜，也能确认模型是否正确理解了参考。外观定下来后再加视频和音频。
• 参考视频要短而干净。只有一个镜头运动的 3–5 秒视频，比发生很多事的长视频更有效。
• 人物少一些。一个镜头 1–2 人，脸更容易保持一致。
• 只用有权使用的素材。放入视频或音频时，需要确认你有使用权，并已取得其中出现的人或声音本人的同意。请勿擅自使用他人的影像、音乐或声音。

想马上试试，请打开 用参考生成视频。如果只有一张图，图生视频更简单，而且第一段免费。