AI 参考生视频 API

它根据文本提示词和参考素材生成新视频。参考素材通常是图片，部分模型也支持视频或音频。参考素材决定主体、外观或风格，提示词描述发生的事情。输出是全新生成的场景，而不是对已有片段的编辑。

图生视频会让指定图片动起来，通常把它作为首帧（有时还有尾帧），视频从这张图开始。参考生视频把图片作为身份、物体或风格的参考，由模型重新构图。需要开头画面与图片完全一致时选择图生视频。

视频转视频把已有视频作为来源进行编辑、延长或转换。参考生视频中的参考视频只用于引导新生成片段的动作、运镜或风格。如果需要在保留原片内容的前提下修改视频，应比较视频转视频接口。

不同模型差异很大，从几张到多模态接口的几十张不等；部分模型在同时提供参考视频时会降低图片上限。搭建上传流程前，请按接口文档确认数量、格式、文件大小和宽高比要求。

部分模型支持多模态参考：图片用于外观，视频用于动作或运镜，音频用于声音或节奏；也有模型只接受参考图。一些接口要求提供音频时至少附带一个视觉参考，并限制参考视频的时长和分辨率。

通常不能在同一请求中混用。很多模型的首尾帧字段与参考字段互斥，同时提交会被拒绝。提交前先确定任务是以帧为主（图生视频）还是以参考为主。

使用清晰、光线充足、主体无明显遮挡的参考图，并只保留必须一致的内容。在提示词中明确指代参考主体，避免相互冲突的参考，先用短片段测试。一致性仍因模型而异，应使用自己的素材比较结果。

可能会。部分模型在使用参考时会限制最高分辨率、默认使用自适应宽高比或固定时长。请阅读所选接口的参数规则，避免请求校验失败。

主要取决于输出时长和分辨率。根据模型不同，参考视频可能按时长计费，额外的参考图可能增加费用，超出免费额度的参考 token 也可能收费。请查看所选模型的当前价格说明。

按 PoYo 生成接口文档提交模型、提示词和参考素材 URL，保存返回的 task_id，通过状态查询或 webhook 获取结果。确保参考 URL 可公开访问，并将参考素材集与任务记录一起保存，便于比较。