图片转视频
把一张属于你的图片动成一段带同步音频的 5 秒或 10 秒片子。
图片转视频把一张静止的图片变成一段带声音的 5 秒或 10 秒片子。它需要有效的订阅或一次免费视频次数，而且只对属于你的图片有效。免费视频次数偶尔会作为幸运抽卡的额外掉落权益出现；每次可生成一段 5 秒的片子，不花积分，对话框里会显示你还剩几次。既没有订阅也没有剩余的免费次数时，生成视频会改为打开这项功能的预览。
开始一次渲染
生成视频 按钮在图库图片上出现的条件有两个：这张图是你的，并且它还没有配过视频。你能在两个地方找到它。
- 在聊天里某张 AI 生成的图片下面，和 编辑图片 与 删除图片 同一行动作里。
- 在角色的图库上，任何一张属于你的图片上。
如果一张图所属的角色是你创建的，或者这张图是你自己生成的，那它就属于你。从「片刻」里没有入口，而头像只能通过图库来做成动画。
每 5 秒视频花 120,000 点数，10 秒的片子花 240,000。 扣款发生在成片被挂到图库条目上的时候，所以渲染 失败是不花钱的——但 再次生成 是一次全价的新生成，不是对第一次的重试。
AI 视频导演
这个对话框是一个分镜策划器，不是一张预设清单。
设计几个方案，或者直接跳去自己写
设计 3 个方案 把图片送去一次 AI 处理，它会研究这张图并按你选的时长提出三个不同的镜头——每个都有一个标题、一段主体动作、一个镜头运动、一档幅度和一个声音方向。挑中一个，它就把各项控件填好；重新设计 再要三个。如果图片来自你的聊天，它还会读这张图所属的消息和前一条消息，让某个方案能演出故事接下来发生的事。
这是一次额外的 AI 调用，按它自己的词元用量计费，并在你的订阅额度还够时免收。自己写 主体动作 就完全跳过它。
指导动作
设定什么在动、动得多强，以及镜头做什么。
指导声音
选一种声音模式，如果你想让角色说话，就把确切的台词打进去。
生成
渲染会把进度流式地走过 directing、rendering 和 uploading 几个阶段。
动作控件
| 控件 | 选项 |
|---|---|
| 主体动作 | 自由文字，最多 1,200 个字符 |
| 动作幅度 | 轻微 · 自然 · 明显 |
| 镜头运动 | AI 自动选择 · 固定镜头 · 缓慢推近 · 缓慢拉远 · 向左平移 · 向右平移 · 向上摇镜 · 向下摇镜 · 轻微手持感 |
| 输出画幅 | 保持原图 · 人像 3:4 · 横屏 16:9 · 竖屏 9:16 · 方形 1:1 |
| 结尾帧（可选） | 同一个角色图库里的另一张图 |
选了结尾帧会改变镜头的走法：从开头到结尾的过渡会接管镜头路径，好让片子落在第二张图上。
声音
模型在视频内部生成音频，和画面上发生的事同步——环境声、拟音、音乐和角色的发声。它不是事后加上去的配乐。
| 声音设计 | 你会得到什么 |
|---|---|
| AI 自动搭配 | 模型从图片和动作里挑出声音的方向 |
| 环境音与拟音 | 环境，以及那些在动的东西发出的声音 |
| 背景音乐 | 铺在镜头下面的音乐 |
| 角色声音 | 角色发出声音——如果你写了台词，它还会把台词说出来 |
| 静音 | 没有音频 |
模式底下有四个文本框，每个都只在能起作用时才出现：
| 字段 | 上限 | 什么时候显示 |
|---|---|---|
| 声音方向 | 500 个字符 | 模式不是 静音 的时候 |
| 指定台词（可选） | 500 个字符 | 模式是 AI 自动搭配 或 角色声音 |
| 语气与音色 | 160 个字符 | 你打了台词之后 |
| 台词语言 | 80 个字符 | 你打了台词之后 |
把 指定台词 留空，模型就不会自己编台词——这正是那句占位提示里「避免编造台词」的意思。
出来的是什么
| 属性 | 值 |
|---|---|
| 时长 | 约 5.2 秒（124 帧），选 10 秒 时约 10.1 秒（243 帧） |
| 帧率 | 24 fps |
| 格式 | 带音轨的 MP4 |
| 保持原图 画幅 | 保住原图的比例，面积大约 1280 × 720 像素，并向 64 像素的网格取整 |
| 人像 3:4 | 832 × 1088 |
| 横屏 16:9 | 1280 × 704 |
| 竖屏 9:16 | 704 × 1280 |
| 方形 1:1 | 960 × 960 |
时长可选 5 秒 或 10 秒。10 秒的片子花费翻倍，免费视频次数只能用于 5 秒的片子。
合并图片
多图合成是同一个对话框里的第二种模式，仅限订阅用户——免费视频次数只能用于让画面动起来。它用这张图再加最多 3 张图片合成一段片子，每 5 秒视频花 180,000 点数。
在参考图下挑选要加入的图片，每个角色一张：
| 标签页 | 能选什么 |
|---|---|
| 本次聊天 | 你打开对话框时所在聊天里的角色 |
| 最近聊天 | 你最近聊天里的角色 |
| 我的角色 | 你创建的角色 |
| 收藏 | 你收藏的角色 |
| 人设 | 有头像的人设 |
| 上传 | 你在这里或场景图片里上传的照片，以及你最近在聊天里发过的图片 |
正在被动画化的角色不会出现在列表里——它的图已经是第一张图。上传接受 12 MB 以内的 PNG、JPG、WebP 或 AVIF 图片；每次上传在保存前都会经过检查，删除上传会把它永久删除。
镜头控件会随模式变化：双人互动取代动作，提供双人互动，从牵手、接吻到露骨的选项都有；一键场景也是这个模式专属的。这个模式没有结尾帧。两个人的效果最稳定；三个人或更多时，模型偶尔会把人物弄混。
片子开场时，第一个加入的人物就已经在你的角色身边：渲染前，会先把对方的图片和你的图片合成一张开场图，摆成镜头开始时的姿势。如果你的动作描述写的是对方到来，比如走进来、推门进来，片子就从你原来的图片开始，对方在片中入场。第三、第四个人总是在片中入场；物品或地点的图片不会放进开场图；合成失败时，片子从你原来的图片开始，只有你的角色。
成人内容
视频这一步不会在你出发的那张图之上再加一层内容过滤。对话框自己的宣传语就是这么说的：「符合要求的成人内容不受限制」。
但有两条限制始终适用：
- 创作者填写的年龄未满 18 岁的角色，视频服务商自带的内容过滤会保持开启；被过滤拦下的片子不会交付，也不扣费。
- 在多图合成里，看起来像儿童的图片或真人模样的照片（上传的照片或人设头像）同样会让过滤保持开启；认得出的公众人物的图片不能使用。片子被过滤拦下时，提示会说明是因为未成年人还是真人照片。
渲染期间
每个账号同时只跑一次渲染。 第一次还在跑的时候开第二次，会得到「还有一个视频正在生成中，请等它完成后再开始新的。」
关掉对话框不会取消任何东西：「生成会在后台继续，完成后会通知你。」你还在应用里时，视频完成会弹出提示；如果你先离开或断开了连接，就会改为收到一条通知（在铃铛里，开启了推送的话也会推送），告诉你视频已完成或渲染失败。失败的渲染不收费。服务端在 10 分钟后会放弃一次渲染。
做好的视频
视频挂在那一张图库图片上。图片的动作行会多出 显示视频 / 显示图片 用来来回切换，而任何能看到这张图库图片的人都能播放这段视频。只有你有生成和删除这两个动作。
删除视频是永久的。 它会移除那段片子、删掉存下来的文件，并把静止图片还回来。 不退任何费用，再把这张图做成动画是一次全新的 120,000 点数渲染。