文本转视频优于照片转视频的场景
文本转视频适用于尚未存在的场景：黄昏的体育场、训练场、球员通道、观众反应。没有需要保留的面孔，因此模型可以将其所有注意力集中在地点和摄像机上。
如果镜头需要特定人物，请改用照片转视频。纯文本提示无法可靠地再现真实面孔，生成的面孔也不是您想要的那个人。
像描述镜头一样编写提示
The prompt works best when it names the place, the subject, the action and the camera. A mood adjective is optional; a camera instruction is not. “Cinematic” tells the model almost nothing; “camera tracks behind the player at shoulder height” tells it where to stand.
- Place: a floodlit stadium, a tunnel, a rain-soaked training pitch.
- Subject: one player, a crowd, an empty goal, a ball on the spot.
- Action: walks out, strikes the ball, turns toward the camera.
- Camera: tracks behind, static wide, slow push-in, low angle.
- Light: floodlights, dusk, amber haze, cold blue tunnel.
保持场景足够小以便渲染
一个十二秒的片段不是一部短片。一个地点、一个主体和一个摄像机移动是可靠的结构。如果您需要剪辑，请渲染两个片段并在编辑器中拼接；模型不是时间轴。
人群通常是失败点。背景中一百张面孔可能会变得模糊。将人群描述为氛围——闪烁的灯光、薄雾、声浪——而不是个体。
成本与迭代
480p · 12秒的渲染费用为5积分，720p为10积分，1080p为30积分。较短的片段费用较低。渲染失败会自动退款，因此被拒绝的提示不会让您损失渲染费用。
在480p下进行迭代。一旦构图满意，以720p或1080p重新渲染成功的提示。这比在最高分辨率下发现构图问题更经济。
提示配方
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.这是模型接收到的确切英文提示。在上面的工作室中编辑它；积分费用取决于分辨率和时长，而不是提示。
问题解答
文本转视频需要照片吗？
不需要。将工作室切换到文本模式并描述场景。只有当您希望视频片段中出现特定人物的面孔时才需要照片。
我可以通过文本生成真实人物吗？
不能。模型会生成一张原创面孔。要保留真实人物的肖像，请上传他们的照片并使用照片模式；请仅使用您有权使用的照片。
视频片段可以有多长？
选择4、8或12秒。模型渲染一个连续的镜头；它不会在场景之间切换。
我可以添加音频吗？
工作室渲染无声MP4。下载后在编辑器中添加音乐或解说。
如果人群看起来不对怎么办？
将人群描述为氛围而不是个体，并让摄像机更紧密地对准主体。一百张生成的面孔对任何模型来说都是一个难题。
