提示词
0 字
支持中英文；台词写在引号里效果更稳
首帧 / 尾帧
尾帧可留空+ 首帧图片点击选择 / 拖入 / 粘贴
+ 尾帧图片可选
参考素材
参考图槽位 0参考图 最多 9 张 · 人物/场景/商品
提示词中用 <Picture 1>、<Picture 2> 引用第 1、2 张参考图，例如「保持与 <Picture 1> 相同的角色」。
参考视频 最多 3 个 · 2-15s · 24fps
视频参考连同其画面与音轨一并参与生成，用于模仿动作/运镜/风格。
参考音频 最多 3 个 · 人声/对白/歌声
人物参考图 + 对白音频 → 数字人口播 / 唱歌（口型逐字同步）。提示词中用 <Audio 1> 引用第 1 段音频，例如「让画面中的人物按 <Audio 1> 的内容开口，口型精确同步，保留原声」。
画面尺寸
—时长与帧率
—H3 帧数按 17k+5 网格对齐，训练区间约 124–362 帧（约 5–15 秒），超出可能不稳定。