HappyHorse 1.0 视频大模型全面测评

HappyHorse 1.0 视频大模型全面测评 HappyHorse 1.0 视频大模型全面测评 Modified May 29 Audio or video is not supported Please download the file and open it with the appropriate software. 4dc21371fbb84f77af051be24b8138e0.mp4 · 5.71MB 4dc21371fbb84f77af051be24b8138e0 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 352d4a9c0f9d46dcac8300305e5b842d.mp4 · 5.82MB 352d4a9c0f9d46dcac8300305e5b842d 00:00 No access a050f43f9d5147e0be419d7cd5b43d53 00:00 No access 69498986f03945849ad94fa9221417c3 00:00 No access 92db2c36f3c64c029a3a1cb783841b4d 00:00 深夜后台老演员对镜卸妆 • 模式参数：T2V | 720P | 16:9 | 时长 5 秒 • 提示词： 代码块 Plain Text 电影级极简主义构图。光线极度昏暗的剧院后台化妆间内，一位六十多岁的老演员身穿复古剧服，神情落寞地坐在工作台前。面前的化妆镜四周只有两三盏微弱的暖黄色复古灯泡亮起，在黑暗的房间中投射出强烈的局部侧光与深重的黑色阴影。镜头采用中近景，通过镜面反射清晰凝视他的正脸。老演员缓缓抬起轻微颤抖的右手，拿着一块白布慢慢擦拭脸颊上浓重的戏剧油彩。随着油彩被擦拭，他面部饱经风霜的深刻皱纹随之轻微抽动，然后特写到老演员黯然神伤、落寞的眼神。环境音只有白布摩擦皮肤的细腻沙沙声。 No access bfdf5a9b99b44ae3918278f1ad13b567 00:00 仿生人机械义眼变焦 • 模式参数：T2V | 720P | 16:9 | 时长 5 秒 • 提示词： Code block Plain Text 极端大特写：一名面无表情的赛博朋克女性仿生人的半张脸。环境处于深夜微弱的幽蓝色环境光中。她的左眼是人类瞳孔，右眼是闪烁着微缩数字矩阵代码的机械义眼。机械义眼内部的微型齿轮正以毫米级速度微调转动，瞳孔随着数字闪烁而微微收缩、放大，面部皮肤上折射出精致的微弱荧光。 No access aa474e98288d4e26942dd48178742d16 00:00 老渔夫黑白纪实肖像 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： Code block Plain Text 经典黑白纪实摄影风格。一位满脸饱经风霜的老渔夫伫立在深夜的风暴码头前。一盏摇曳的昏暗路灯从一侧打光，将他深刻的皱纹、沧桑的面部肌肉线条勾勒得极具雕塑质感。他的双眼湿润，望向远方波涛汹涌的大海，眼神中流露出一种平静而倔强的宿命情绪，然后转身离开，镜头采用极慢速度向面部平推。 No access de71bb7e6c3b42c7adf01b4401240114 00:00 特色 3：电影级一镜到底摄像机运动与大跨度物理空间跳转 亮点展现：在镜头快速偏转、自由落体、镜像世界等极限大跨度三维重力转换下，画面核心逻辑不产生错位流散 。 镜面水洼莫比乌斯反转 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： Code block Plain Text 极端特写：雨后地面清亮水洼中的平静倒影。倒影中有一辆老旧的蒸汽火车正喷着浓烟缓缓进站。镜头保持平滑平稳的速度垂直向下对准水面推近。在镜头即将触碰到水面波纹的瞬间，画面不留痕迹地顺时针旋转一百八十度转换为正常视觉视角：火车头轰鸣着擦过画面边缘，焦点从水面波纹转移。 No access c47bc2eccfd544a6b329c7a03cde4217 00:00 穿越水晶球 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： Code block Plain Text 超现实主义一镜到底。镜头正对准摆放在木桌中央的一个精致玻璃球。机位开始不间断直线向前平滑推进，玻璃球表面泛着晶莹的轮廓反光。随着距离无限拉近，镜头直接穿透无形玻璃壁，“潜入”球体内部，画面无缝过渡呈现出玻璃球中倒映的宏大无限递归城市景观，然后镜头快速穿梭在大楼之间 No access 4bfadcf1c53249aca382a619e7f4b94d 00:00 汽车自动化工厂一镜穿越 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： Code block Plain Text FPV一镜到底视角。镜头紧贴着充满现代科技感的全自动化汽车工厂流水线急速向前穿梭。两侧机械手臂正喷射着耀眼的金色焊接火星，镜头保持高度连续稳定，侧身穿过狭窄的汽车车架底盘，然后镜头向上弹射垂直爬升看到整个厂区。 No access 4b70c888e7a14d0aaa548de853e48d4a 00:00 天台极限跳跃甩镜转场 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： Code block Plain Text 电影级动作大片场景。一名现代跑者在摩天大楼天台边缘全速奔跑，在抵达边缘跳跃的瞬间，镜头猛然向右发生剧烈的快速横摇，画面由于极速位移瞬间模糊为抽象的线性流动色块。两秒后机位猛然骤降减速，画面恢复清晰，无缝转场揭示为一个全新的场景：跑者正冲刺在金色大沙漠沙丘上。 No access e9a8123b63bc47be8e8b242e657d8085 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 4dc21371fbb84f77af051be24b8138e0.mp4 · 5.71MB 4dc21371fbb84f77af051be24b8138e0 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 4dc21371fbb84f77af051be24b8138e0.mp4 · 5.71MB 4dc21371fbb84f77af051be24b8138e0 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 352d4a9c0f9d46dcac8300305e5b842d.mp4 · 5.82MB 352d4a9c0f9d46dcac8300305e5b842d 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 352d4a9c0f9d46dcac8300305e5b842d.mp4 · 5.82MB 352d4a9c0f9d46dcac8300305e5b842d 00:00 No access a050f43f9d5147e0be419d7cd5b43d53 00:00 No access a050f43f9d5147e0be419d7cd5b43d53 00:00 No access 69498986f03945849ad94fa9221417c3 00:00 No access 69498986f03945849ad94fa9221417c3 00:00 No access 92db2c36f3c64c029a3a1cb783841b4d 00:00 No access 92db2c36f3c64c029a3a1cb783841b4d 00:00 深夜后台老演员对镜卸妆 • 模式参数：T2V | 720P | 16:9 | 时长 5 秒 • 提示词： No access bfdf5a9b99b44ae3918278f1ad13b567 00:00 No access bfdf5a9b99b44ae3918278f1ad13b567 00:00 仿生人机械义眼变焦 • 模式参数：T2V | 720P | 16:9 | 时长 5 秒 • 提示词： No access aa474e98288d4e26942dd48178742d16 00:00 No access aa474e98288d4e26942dd48178742d16 00:00 老渔夫黑白纪实肖像 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： No access de71bb7e6c3b42c7adf01b4401240114 00:00 No access de71bb7e6c3b42c7adf01b4401240114 00:00 特色 3：电影级一镜到底摄像机运动与大跨度物理空间跳转 亮点展现：在镜头快速偏转、自由落体、镜像世界等极限大跨度三维重力转换下，画面核心逻辑不产生错位流散 。 镜面水洼莫比乌斯反转 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： No access c47bc2eccfd544a6b329c7a03cde4217 00:00 No access c47bc2eccfd544a6b329c7a03cde4217 00:00 穿越水晶球 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： No access 4bfadcf1c53249aca382a619e7f4b94d 00:00 No access 4bfadcf1c53249aca382a619e7f4b94d 00:00 汽车自动化工厂一镜穿越 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： No access 4b70c888e7a14d0aaa548de853e48d4a 00:00 No access 4b70c888e7a14d0aaa548de853e48d4a 00:00 天台极限跳跃甩镜转场 • 模式参数：T2V | 720P | 16:9 | 时长 10 秒 • 提示词： No access e9a8123b63bc47be8e8b242e657d8085 00:00 No access e9a8123b63bc47be8e8b242e657d8085 00:00 🛠️ 第四板块：进阶强化 1. 提示词六要素公式 提示词公式=主体描述+肢体动作+环境场景+专业运动机位+视觉风格调性+环境声音频文字 2. 原生音视频完美融合的两大底层逻辑铁律 铁律一：台词文字总量必须严苛卡死在视频时长的正常人类语速内。 如果在一大段短视频里强行塞入过长台词，大模型为了在限制时间内“读完”，会造成音频被迫崩溃提速或遭遇截断，进而导致严重音画不同步 。 语速舒适度对照表 ： 5 秒视频：中文台词控制在 15 到 40 字 之内（英文 10 15 词）。 10 秒视频：中文台词控制在 30 到 80 字 之内（英文 20 30 词）。 15 秒视频：中文台词控制在 45 到 120 字 之内（英文 30 45 词）。 铁律二：尽量用纯文字替代阿拉伯数字和英文缩写！ 大模型在直接联合建模语音 Token 时，缩写或长数字在没有拼写约束的情况下会衍生出读音歧义，导致配音发音偏差 。 • 不可取写法：β面霜2026年特惠仅需￥1299.00，13:45截止 • 高分规范写法：贝塔面霜二零二六年特惠仅需一千二百九十九元，下午三点四十五分截止 示例 核心心法：在文本框内书写任何台词对白时，打出来的字必须是你期望它被完美朗读出来的具体汉字全拼样子！ 🧭 第一板块：“万镜一刻”平台入口与基础界面导览 1. 官方创作平台 • 万镜一刻影视/短剧全能创作台：https://www.yikeai.com/ /aiGeneration 2. AI生成界面三大核心功能区域分布 • 左侧：多模态输入配置区：切换【视频生成】和【图片生成】。视频生成内细分“多图参考生视频”、“首帧模式（图生视频）”、“纯文本模式（文生视频）”和“视频编辑”。 • 中间：实时参数看板：调整画幅比例（16:9、9:16、1:1、3:4、4:3等），分辨率可选 720P、1080P、2K、4K高清输出。 • 右侧：音视频一体化输出区：HappyHorse 1.0 依托原生多模态架构，采用音视频联合生成方案。可输出带有写实环境拟音和完美对齐口型的完整视频。 HappyHorse原生支持7种语言：中文(普通话)、粤语、英语、日语、韩语、德语、法语 🎛️ 第二板块：四大核心基础模式实操 📊 核心生成模式技术规格对照表 核心生成模式 输入规范与限制 (Input) 输出规格与能力 (Output) 使用建议 文生视频 (T2V) 纯文本：支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：可选16:9/9:16/3:4/4:3/1:1 时长：3 15秒 声音输出：自带音效/语音 1. 描述要具体：避免抽象描述（如"好看的风景"），应包含主体、动作、场景、镜头运动等细节（如"一只金毛犬在雪地中奔跑，镜头从低角度跟随拍摄"） 2. 结构化描述：建议按「主体 → 动作 → 场景/背景 → 镜头运动 → 风格/氛围」的顺序组织提示词 3. 避免冲突指令：不要同时描述矛盾的内容（如"静止的人在快速奔跑"），也不要在一段描述中堆叠过多主体和动作 4. 时长与内容匹配：简单动作（转头、挥手）用短时长（3 5s）；复杂剧情或镜头运动选较长时长（8 15s） 5. 善用声音输出：如果画面涉及说话、自然环境声（风声、水声），开启音效/语音生成可显著提升沉浸感 图生视频 (I2V) 1 张起始图 • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：可选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：与首帧图片一致 时长：3 15秒 声音输出：自带音效/语音 1. 首帧图质量至关重要：短边建议 400 像素以上，720P 及以上清晰度最佳，避免模糊、压缩严重、有明显噪点的图片 2. 主体应清晰完整：首帧图中主体不要被遮挡或截断，保持完整的人物/物体姿态，模型才能合理推断后续运动 3. 避免静态死板的构图：选择带有动势暗示的图片（如起跑姿势、挥动手臂的瞬间）比完全静止的正面照效果更好 4. 文字描述作为运动引导：虽然提示词可以不填，但建议填写期望的动作和镜头运动（如"人物缓缓转身，镜头推近"），能显著提升可控性 多图参考生视频 (R2V) 1 9 张参考图 • 格式: .jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项，用 [Image 1] 等标签指代 。 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：可选16:9 / 9:16 / 3:4 / 4:3 /1:1 时长：3 15秒 声音输出：自带音效/语音 1. 图片不宜过小：短边400像素以上 2. 图片越清晰越好：720P以上，避免极小图、糊图、压缩严重的图 3. 多张参考图的比例尽量一致，且和目标视频比例接近为佳 4. 参考图内容：主体清晰完整，无遮挡，避免多主体混乱、文字水印过多、极端裁切 5. 多张参考图最好是同一主体 6. 参考图顺序：建议按期望的画面/剧情顺序传入参考图 视频编辑 1个视频： • 格式：.mp4 / .mov，H264编码 • 大小：大小不超过100MB • 分辨率：短边不小于320像素；长边不大于2160像素 • 画幅：长宽比0.4 2.5 1 4张参考图片： • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：与输入的视频保持一致 时长：3 15秒 声音输出：可选“保持原始视频声音”或“AI生成音效及语音” 1. 输入视频质量：尽量使用 720P 及以上分辨率、H264 编码的原始视频，避免多次压缩或转码后的素材 2. 输入视频时长贴近目标时长：输入视频时长建议与输出时长（3 15s）接近，过长的视频截取关键片段后再上传，否则会自动截断。 3. 参考图与视频内容关联：参考图应与视频中需要编辑/替换的元素相关（如替换人物穿搭、改变场景风格），无关的参考图会干扰生成效果 4. 参考图数量适度：编辑意图明确时 1 2 张参考图即可；仅在需要多角度/多元素替换时使用 3 4 张 5. 提示词聚焦编辑意图：描述应侧重于"需要改变什么"而非重复描述视频原有内容（如"将背景替换为雪景，保持人物动作不变"） 6. 声音策略选择：如果编辑后画面风格变化大（如从都市变为森林），建议prompt描述“生成音效相关的指令”；如果仅微调画面，选择无需对音频做任何描述例如“不要改变音频”这类指令就无需再描述。 核心生成模式 核心生成模式 输入规范与限制 (Input) 输入规范与限制 (Input) 输出规格与能力 (Output) 输出规格与能力 (Output) 使用建议 使用建议 文生视频 (T2V) 文生视频 (T2V) 纯文本：支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 纯文本：支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：可选16:9/9:16/3:4/4:3/1:1 时长：3 15秒 声音输出：自带音效/语音 分辨率：可选720P/1080P 画幅：可选16:9/9:16/3:4/4:3/1:1 时长：3 15秒 声音输出：自带音效/语音 1. 描述要具体：避免抽象描述（如"好看的风景"），应包含主体、动作、场景、镜头运动等细节（如"一只金毛犬在雪地中奔跑，镜头从低角度跟随拍摄"） 2. 结构化描述：建议按「主体 → 动作 → 场景/背景 → 镜头运动 → 风格/氛围」的顺序组织提示词 3. 避免冲突指令：不要同时描述矛盾的内容（如"静止的人在快速奔跑"），也不要在一段描述中堆叠过多主体和动作 4. 时长与内容匹配：简单动作（转头、挥手）用短时长（3 5s）；复杂剧情或镜头运动选较长时长（8 15s） 5. 善用声音输出：如果画面涉及说话、自然环境声（风声、水声），开启音效/语音生成可显著提升沉浸感 1. 描述要具体：避免抽象描述（如"好看的风景"），应包含主体、动作、场景、镜头运动等细节（如"一只金毛犬在雪地中奔跑，镜头从低角度跟随拍摄"） 2. 结构化描述：建议按「主体 → 动作 → 场景/背景 → 镜头运动 → 风格/氛围」的顺序组织提示词 3. 避免冲突指令：不要同时描述矛盾的内容（如"静止的人在快速奔跑"），也不要在一段描述中堆叠过多主体和动作 4. 时长与内容匹配：简单动作（转头、挥手）用短时长（3 5s）；复杂剧情或镜头运动选较长时长（8 15s） 5. 善用声音输出：如果画面涉及说话、自然环境声（风声、水声），开启音效/语音生成可显著提升沉浸感 图生视频 (I2V) 图生视频 (I2V) 1 张起始图 • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：可选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 1 张起始图 • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：可选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：与首帧图片一致 时长：3 15秒 声音输出：自带音效/语音 分辨率：可选720P/1080P 画幅：与首帧图片一致 时长：3 15秒 声音输出：自带音效/语音 1. 首帧图质量至关重要：短边建议 400 像素以上，720P 及以上清晰度最佳，避免模糊、压缩严重、有明显噪点的图片 2. 主体应清晰完整：首帧图中主体不要被遮挡或截断，保持完整的人物/物体姿态，模型才能合理推断后续运动 3. 避免静态死板的构图：选择带有动势暗示的图片（如起跑姿势、挥动手臂的瞬间）比完全静止的正面照效果更好 4. 文字描述作为运动引导：虽然提示词可以不填，但建议填写期望的动作和镜头运动（如"人物缓缓转身，镜头推近"），能显著提升可控性 1. 首帧图质量至关重要：短边建议 400 像素以上，720P 及以上清晰度最佳，避免模糊、压缩严重、有明显噪点的图片 2. 主体应清晰完整：首帧图中主体不要被遮挡或截断，保持完整的人物/物体姿态，模型才能合理推断后续运动 3. 避免静态死板的构图：选择带有动势暗示的图片（如起跑姿势、挥动手臂的瞬间）比完全静止的正面照效果更好 4. 文字描述作为运动引导：虽然提示词可以不填，但建议填写期望的动作和镜头运动（如"人物缓缓转身，镜头推近"），能显著提升可控性 多图参考生视频 (R2V) 多图参考生视频 (R2V) 1 9 张参考图 • 格式: .jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项，用 [Image 1] 等标签指代 。 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 1 9 张参考图 • 格式: .jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项，用 [Image 1] 等标签指代 。 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：可选16:9 / 9:16 / 3:4 / 4:3 /1:1 时长：3 15秒 声音输出：自带音效/语音 分辨率：可选720P/1080P 画幅：可选16:9 / 9:16 / 3:4 / 4:3 /1:1 时长：3 15秒 声音输出：自带音效/语音 1. 图片不宜过小：短边400像素以上 2. 图片越清晰越好：720P以上，避免极小图、糊图、压缩严重的图 3. 多张参考图的比例尽量一致，且和目标视频比例接近为佳 4. 参考图内容：主体清晰完整，无遮挡，避免多主体混乱、文字水印过多、极端裁切 5. 多张参考图最好是同一主体 6. 参考图顺序：建议按期望的画面/剧情顺序传入参考图 1. 图片不宜过小：短边400像素以上 2. 图片越清晰越好：720P以上，避免极小图、糊图、压缩严重的图 3. 多张参考图的比例尽量一致，且和目标视频比例接近为佳 4. 参考图内容：主体清晰完整，无遮挡，避免多主体混乱、文字水印过多、极端裁切 5. 多张参考图最好是同一主体 6. 参考图顺序：建议按期望的画面/剧情顺序传入参考图 视频编辑 视频编辑 1个视频： • 格式：.mp4 / .mov，H264编码 • 大小：大小不超过100MB • 分辨率：短边不小于320像素；长边不大于2160像素 • 画幅：长宽比0.4 2.5 1 4张参考图片： • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 1个视频： • 格式：.mp4 / .mov，H264编码 • 大小：大小不超过100MB • 分辨率：短边不小于320像素；长边不大于2160像素 • 画幅：长宽比0.4 2.5 1 4张参考图片： • 格式：.jpg / .jpeg / .png/ .webp • 大小：不超过30MB • 分辨率：短边不小于300像素 • 画幅：长宽比0.4 2.5 文本提示词：必选项 支持自然语言描述，中文上限 2500 字，英文上限 5000 字符 。 分辨率：可选720P/1080P 画幅：与输入的视频保持一致 时长：3 15秒 声音输出：可选“保持原始视频声音”或“AI生成音效及语音” 分辨率：可选720P/1080P 画幅：与输入的视频保持一致 时长：3 15秒 声音输出：可选“保持原始视频声音”或“AI生成音效及语音” 1. 输入视频质量：尽量使用 720P 及以上分辨率、H264 编码的原始视频，避免多次压缩或转码后的素材 2. 输入视频时长贴近目标时长：输入视频时长建议与输出时长（3 15s）接近，过长的视频截取关键片段后再上传，否则会自动截断。 3. 参考图与视频内容关联：参考图应与视频中需要编辑/替换的元素相关（如替换人物穿搭、改变场景风格），无关的参考图会干扰生成效果 4. 参考图数量适度：编辑意图明确时 1 2 张参考图即可；仅在需要多角度/多元素替换时使用 3 4 张 5. 提示词聚焦编辑意图：描述应侧重于"需要改变什么"而非重复描述视频原有内容（如"将背景替换为雪景，保持人物动作不变"） 6. 声音策略选择：如果编辑后画面风格变化大（如从都市变为森林），建议prompt描述“生成音效相关的指令”；如果仅微调画面，选择无需对音频做任何描述例如“不要改变音频”这类指令就无需再描述。 1. 输入视频质量：尽量使用 720P 及以上分辨率、H264 编码的原始视频，避免多次压缩或转码后的素材 2. 输入视频时长贴近目标时长：输入视频时长建议与输出时长（3 15s）接近，过长的视频截取关键片段后再上传，否则会自动截断。 3. 参考图与视频内容关联：参考图应与视频中需要编辑/替换的元素相关（如替换人物穿搭、改变场景风格），无关的参考图会干扰生成效果 4. 参考图数量适度：编辑意图明确时 1 2 张参考图即可；仅在需要多角度/多元素替换时使用 3 4 张 5. 提示词聚焦编辑意图：描述应侧重于"需要改变什么"而非重复描述视频原有内容（如"将背景替换为雪景，保持人物动作不变"） 6. 声音策略选择：如果编辑后画面风格变化大（如从都市变为森林），建议prompt描述“生成音效相关的指令”；如果仅微调画面，选择无需对音频做任何描述例如“不要改变音频”这类指令就无需再描述。 1. 文生视频 (T2V) 公式内核： 提示词=主体+动作+场景+镜头运动+风格+音频 敦煌飞天绸带飘逸身法 • 参数配置：720P | 16:9 | 时长 8 秒 • 主要体现效果：测试大模型对高难度柔性布料（丝绸绸带）的空气动力学物理模拟，飘动下不穿模、不丢失线条肌理的卓越稳定性。 • 提示词： 赛博朋克霓虹雨夜对决 • 参数配置：720P | 16:9 | 时长 5 秒 • 主要体现效果：展现模型对极端动态粒子（暴雨、四溅水花）的物理真实渲染，以及在强冷色调多光源下，金属外壳对霓虹光效的写实反射能力。 • 提示词： 森林魔幻感 • 参数配置：720P | 16:9 | 时长 10 秒 • 主要体现效果：展现模型在弱光微观环境下的光影渲染能力，尤其是对轻盈材质（薄纱长裙）与微弱光源（淡金色微光）的细腻质感捕捉；同时体现了模型对突发性魔法粒子特效的物理扩散模拟，以及长焦段到微距视角切换时极其丝滑的运镜控制力。 • 提示词： Audio or video is not