视频生成模型简介
使用场景
视频生成模型可以根据文本或图像描述生成动态视频内容。随着能力提升，其应用面持续扩大：
- 动态内容生成：生成动态视觉内容，用于讲解与信息说明；
- 多模态智能交互：结合图像与文本输入，实现更自然、更丰富的交互体验。
应用场景
视频生成模型可以替代或增强传统机器视觉方案，处理更复杂的多模态问题。随着技术演进，它的多模态能力会与视觉语言模型进一步融合，在智能交互、自动化内容生成、复杂场景模拟等方向获得更广的应用；也可以与图像生成能力（图生视频）组合，扩展出更丰富的视觉内容形态。
使用建议
编写提示词时，建议按时间顺序详细描述动作与场景：包含具体动作、角色外貌、镜头角度与环境细节，并把这些内容连贯地写成一段，直接从动作写起，描述要具体精确——把自己当作在写分镜脚本的摄影师，整段提示词控制在 200 词以内。
为获得更好的效果，可以按以下结构组织提示词：
- 先用一句话点出主要动作
- 补充动作与手势的具体细节
- 精确描述角色或物体的外观
- 交代背景与环境细节
- 指定镜头角度与运动方式
- 描述光线与色彩效果
- 提示可能出现的变化或突发情况
说明：原页面引用的英文示例提示词已按合规要求移除，可按上述结构自行撰写。