AI 全能参考生视频：图片、视频、音频混合参考生成视频

更新于 2026年9月15日

• 角色保持一致

  引用角色图片，让不同镜头里的脸、服装和道具保持一致。

• 复刻片段里的动作

  用参考视频引导动作、舞蹈编排或运镜。

• 跟着音乐走的画面

  加入音频参考，让节奏和氛围跟着音乐走。

• 用真实素材做产品视频

  把产品照片和生活场景参考组合起来，做出符合品牌调性的广告。

• 视频风格迁移

  把一幅作品或品牌图片的视觉风格用到新场景里。

• 从分镜到成片

  把分镜画面和粗剪片段变成完整的镜头。

1. 1

   选择模型

   挑选视频模型，参考素材位会自动切换为该模型支持的图片、视频和音频。

2. 2

   添加参考素材和提示词

   上传参考素材，再描述每个素材该如何影响视频。模型支持时，可输入 @ 在提示词里引用已添加的图片。

3. 3

   生成并下载

   确认预估积分后生成，完成后到历史记录下载视频。

1. 在提示词里给每个参考分配任务，例如：图 1 用作角色，参考视频用来提供舞蹈动作。
2. 使用干净的参考素材：正面人像或角色设定图比杂乱的合影效果更好。
3. 参考视频尽量短，只聚焦你想复刻的那个动作。
4. 音频参考用来控制节奏和氛围，想要的画面仍需在提示词里描述。
5. 先用少量参考素材，基础效果满意后再逐步增加。

• AI 图生视频用 AI 图生视频让照片动起来。上传图片、描述动作，用 Wan 3.0 Prime、Kling v3、HappyHorse 或 Veo 3.1 Fast 生成视频。
• AI 文生视频用文字提示词在线生成 AI 视频。对比 MiniMax H3、Wan 3.0、Kling v3、Veo 3.1 Fast 等模型，设置时长和分辨率，生成前先看积分。
• AI 视频编辑器在线用 AI 编辑视频：几分钟内改风格、调色、混剪，无需安装软件。

什么是全能参考生视频？

它根据文字提示词加上参考图片、视频片段和音频生成一段 AI 视频，比单用文字或一张图片更能控制角色、动作和氛围。

它和图生视频有什么区别？

图生视频让单张图片动起来，只接受图片；参考生视频可以组合图片、视频片段和音频等多种参考来引导新场景。

可以添加哪些参考素材？最多多少个？

取决于模型。Wan 3.0 总共最多 21 个参考；MiniMax H3 最多 9 张图片、3 段视频和 3 段音频；HappyHorse 1.0 最多 9 张图片。上传区只会显示所选模型支持的素材。

支持哪些文件格式？

图片支持 JPG、PNG、WebP 等常见格式，视频支持 MP4、MOV 或 M4V，音频支持 MP3 等格式。

要多少积分？

取决于模型、分辨率和时长；部分模型会把参考视频的时长计入计费时长。生成前会显示预估积分。

生成要多久？

视模型、参考素材和时长不同，通常不到一分钟到几分钟。生成在后台进行，可以稍后到历史记录查看。

视频有水印吗？

付费套餐可下载无水印作品，各套餐包含的权益请查看价格页。

能在多个视频里保持同一个角色吗？

可以。每次生成都使用同一组角色图片作为参考，并在提示词里用一致的方式描述角色。