同一个系列的视频模型,可能在某种模式下接受参考音频,在首尾帧模式下却不接受。准备两张端点图前,先查这个具体组合。阿里云万相 3.0 指南明确排除首尾帧模式中的参考音频;这条限制不能扩大成所有万相模型都不支持音频,也不能反过来拿其他模式的能力证明本模式可用。
先把实际任务说准确
记录模型标识、入口或接口模式,以及本次必要输入。“万相视频”不足以做兼容性判断,要区分首图驱动、两张端点图、已有视频编辑及其他参考组合。再说明声音的作用:自动生成声景、参考声音风格、音频驱动讲话,还是后期添加一条准确音轨。
这些声音用途不能互换。参考音频可能影响声音,却不代表逐样本保留录音;后期合成能保留批准声音,却不自动驱动画面嘴型。首尾帧控制的是画面边界,也不能保证一段话正好能在两个姿态之间说完。先把这些承诺拆清,才不会把不兼容误写成提示词表达不够充分。
决定哪些要求不可让步
假设周年短片最重要的是两人开头和结尾的姿态,批准音乐可以后加;另一项目最重要的却是准确台词和同步嘴型,两张固定姿态只是偏好。这两类优先级应选择不同路线。强行提交一个文档不支持的组合,并不会同时满足两边要求。例子是规划决策,不是已执行的生成实验。
| 必须实现的结果 | 选路线前要回答 |
|---|---|
| 指定视觉端点 | 此模式是否接受两张端点图 |
| 准确保留录音 | 它是实际音轨还是仅参考影响 |
| 讲话驱动嘴型 | 当前路线是否明确提供此能力 |
| 交付完整影片 | 在哪个环节对齐画面与声音 |
这张表记录取舍,不证明某厂商能把四项一次完成。不支持的组合应明确写出,不能留给付费生成后再猜。
分开判断请求有效与结果合格
视觉端点优先时,可在支持范围内准备无声或自动声音的画面,并评估在合适剪辑工具中加入批准音轨。先检查时长和停顿空间,不要默认录音一定塞得进去。讲话驱动优先时,应选择明确接受相应音频的路线,再检查它究竟允许哪些画面控制。
不要改一个字段名字、把素材分到多条消息,或照搬另一个模型的示例,就认为兼容性已经解决。即使请求被接收,也可能存在输入被忽略或变换的情况。保留实际请求素材清单,并检查下载结果中是否还有未预期的讲话声或音乐。
对组装后的文件重新验收
组装后同时检查端点画面和完整声音,听是否有双重音乐、旧对白残留、结尾被硬截断,并观察嘴型是否与批准录音矛盾。实在无法兼顾时,需要调整镜头设计,或让内容负责人确认改成画外音表现。
Imagild 项目说明可以保存这些优先级与批准材料,但外部模型的模式兼容性仍应独立核对。本篇给出准备和验收方法,不宣称已经完成上述组合,也不保证声音与端点能够精确复刻。